See the original English version of this article here
บทความนี้เป็นหนึ่งในซีรี่ย์ Data Engineers of Netflix ที่จะรวมเรื่องราวของเหล่า Data Engineers ของ Netflix ไว้ และนี่ก็เป็นบทสัมภาษณ์ของ Kevin Wylie กับประสบการณ์ทำงาน Data Engineer ที่ Netflix กว่า 10 ปี เรามาอ่านเรื่องราวและเคล็ดลับความสำเร็จของ Kevin Wylie กัน
Kevin Wylie เป็น Data Engineer ในทีม Content Data Science & Engineering ซึ่ง Kevin เป็นอีกคนหนึ่งที่ประสบความสำเร็จและมีประสบการณ์ที่ดีเยี่ยมในการทำงานด้าน Content Analytics
Kevin เติบโตที่ Washington, DC และจบปริญญาตรีในสาขาคณิตศาสตร์ ที่ Virginia Tech ก่อนที่จะมาร่วมงานกับ Netflix เขาทำงานที่ MySpace ซึ่งเขาทำงานเกี่ยวกับการ Implement Page Categorization, Pathing Analysis, Sessionization และอื่น ๆ สิ่งที่เขาชอบทำในเวลาว่างก็คือ ทำสวนและเล่นกีฬากับลูก ๆ ทั้ง 4 คนของเขา สำหรับหนังและซีรี่ย์ที่เขาโปรดปราน ก็คือ Ozark, Breaking Bad, Black Mirror, Barry และ Chernobyl
Kevin เล่าว่า ตั้งแต่ผมมาร่วมงานกับ Netflix ในปี 2011 โปรเจคที่ผมชอบมากที่สุดก็คือ การออกแบบและสร้าง Version แรกของ Entertainment Knowledge Graph ซึ่ง Entertainment Knowledge Graph สามารถทำให้เราเข้าใจ Trends ของ Movies TV Shows Talent และ Books ได้ดียิ่งขึ้น การสร้าง Knowledge Graph ขึ้นมา ช่วยทำให้เราได้เห็นสิ่งที่น่าสนใจมากมายเกี่ยวกับ Technical Challenges ยกตัวอย่างเช่น Entity Resolution และ Distributed Graph Algorithms ใน Spark หลังจากที่เราปล่อย Product นี้ไป Analysts และ Scientists ก็เริ่มค้นพบข้อมูลเชิงลึกใหม่ ๆ ที่ก่อนหน้านี้เคยซ่อนอยู่เบื้องหลังข้อมูลที่ยากต่อการนำมาใช้ประโยชน์ ดังนั้น การผสมผสานการเอาชนะปัญหาทางด้านเทคนิค และสร้างโอกาสใหม่ ๆ ในการวิเคราะห์สิ่งต่าง ๆ ถือเป็น สิ่งที่คุ้มค่า
อะไรทำให้คุณ Kevin สนใจ Data Engineering
ผมมาทำงานด้าน Data Engineering โดยไม่ได้ตั้งใจ ไม่ได้ตั้งใจจะย้ายมาทำงานใน Field นี้เลย ผมเริ่มต้นทำงานเป็น Application Developer และคุ้นเคยกับ SQL ต่อมาผมได้รับการว่าจ้างให้ทำงานเกี่ยวกับ Data ปริมาณมหาศาล ซึ่งทำให้ผมได้ความรู้เกี่ยวกับ Big Data อย่างลึกซึ้งยิ่งขึ้น หลังจากนั้น ผมก็กลับมาร่วมงานกับ MySpace อีกครั้ง ในฐานะ Data Engineer และได้ลองใช้งาน Data Warehousing เป็นครั้งแรกที่ Internet-Scale
“สิ่งที่ทำให้ผมยังสนุกและเพลิดเพลินกับ Data Engineering ก็คือ การมอบพลังบางอย่างและเพิ่ม Adrenaline ให้แก่ Analytics Engineers และ Data Scientists”
เมื่อใดก็ตามที่ผมทำสิ่งที่ซับซ้อนให้ดูเหมือนง่าย หรือสร้าง Clean Environment สำหรับผู้เกี่ยวข้องเพื่อให้สามารถ Explore, Research และ Test ผมก็มักจะทำให้พวกเขาสามารถทำงานส่วนที่เกี่ยวข้องกับ Business ได้มากขึ้น และมีประสิทธิภาพดียิ่งขึ้น ผมชอบที่ Data Engineering ไม่ได้อยู่ในจุดที่ทุกคนจับตามอง แต่สามารถช่วยสร้างความได้เปรียบให้กับธุรกิจ
มีอะไรที่ดึงดูดใจคุณ Kevin ให้มาทำงานกับ Netflix?
ภรรยาของผมบังเอิญไปเจอประกาศรับสมัครงานของ Netflix ประกอบกับเธออยากให้พวกเราอยู่ที่ Los Angeles ซึ่งใกล้ครอบครัวพี่สาวฝาแฝดของเธอ ในฐานะ Big Data Engineer ผมพบว่า มีโอกาสมากมายมหาศาลในย่าน Bay Area แต่ที่ Los Angeles ซึ่งเป็นสถานที่ที่เราอยู่ ณ ตอนนั้น โอกาสค่อนข้างมีอย่างจำกัด ดังนั้น โอกาสที่จะได้ทำงานที่ Netflix นั้นน่าตื่นเต้น เพราะทำให้ผมสามารถอยู่ใกล้ชิดกับครอบครัวได้มากขึ้น แต่ยังให้ Data scale ที่ยังธรรมดามาก เมื่อเทียบกับบริษัทที่ Bay Area
Netflix เป็นบริษัทที่น่าสนใจตั้งแต่เริ่มต้น แต่ผมไม่รู้อะไรเลยเกี่ยวกับ Talent, Culture หรือวิสัยทัศน์ของผู้บริหาร ผมเป็นเพียงสมาชิกของ DVD-Rental Program ของ Netflix อย่างมีความสุขคนหนึ่ง (ไม่เคยจ่ายค่าธรรมเนียมล่าช้า) มาหลายปีแล้ว
“และหลังจากสัมภาษณ์งานเสร็จ ผมเห็นได้ชัดว่า Culture ของบริษัทนี้ แตกต่างจากที่ทำงานอื่น ๆ ที่ผมเคยทำงานมา”
ผมรู้สึกทึ่งเป็นพิเศษกับความไว้วางใจที่พวกเขามอบให้กับพนักงานแต่ละคน การที่ได้พูดกับเพื่อนพนักงานทำให้ผมได้เข้าใจถึงประเภทของคนที่ Netflix จะรับเข้ามา การให้เกียรติ ความอยากรู้อยากเห็น และความเฉียบแหลมทางธุรกิจของคณะกรรมการที่สัมภาษณ์งานนั้น ค่อนข้างน่าประทับใจ และเป็นแรงบันดาลใจให้ผมอยากที่จะร่วมงานกับพวกเขา
ผมยังรู้สึกตื่นเต้นกับโอกาสที่จะได้ทำการวิเคราะห์เกี่ยวกับภาพยนตร์และรายการทีวี ซึ่งเป็นสิ่งที่ผมรู้สึกสนุกกับการได้สำรวจสิ่งอื่น ๆ ที่อยู่นอกเหนือเรื่องงาน และดูเหมือนจะเป็นเรื่องบังเอิญที่งานด้านการวิเคราะห์ที่ผมทำอยู่ จะสอดคล้องกับงานอดิเรกและความสนใจของผมเอามาก ๆ
คุณ Kevin อยู่ที่ Netflix มากว่า 10 ปีแล้ว ซึ่งมันน่าทึ่งมาก ในช่วงเวลาที่คุณอยู่ Netflix บทบาทของคุณมีการเปลี่ยนแปลงไปอย่างไรบ้าง?
ตอนที่ผมเข้าร่วม Netflix ในปี 2011 ทีม Content Analytics ของเรามีเพียง 3 คน เรามีออฟฟิศขนาดเล็กใน Los Angeles ที่เน้นเรื่อง Content และมีพนักงานที่สำนักงานใหญ่ใน Los Gatos เพิ่มขึ้นอย่างมาก และช่วงแรก บริษัทก็ถูกมองว่าเป็น Tech Company
ในขณะนั้น ทีม Data Engineering ส่วนใหญ่ใช้ Data Warehouse ETL Tool ที่มีชื่อว่า Ab Initio และ MPP (Massively Parallel Processing) Database สำหรับ Warehousing ซึ่งทั้งสองเป็นเครื่องมือที่อยู่ใน Data Center ของเรา ส่วน Hadoop เองก็กำลังได้รับการทดสอบอยู่ แต่ทำแค่ในบาง High-scale Areas เท่านั้น
เวลาผ่านไป 10 ปีอย่างรวดเร็ว และขณะนี้ Netflix ก็เป็นผู้นำด้าน Streaming Entertainment Service ที่ให้บริการสมาชิกกว่า 190 ประเทศทั่วโลก ในส่วนของ Data Engineering นั้น มีเทคโนโลยีแบบเดียวกันเหลืออยู่น้อยมาก Data Centers ของเราถูกเลิกใช้งานแล้ว Hadoop เองก็ถูกแทนที่ด้วย Spark แถม Ab Initio และ MPP Database ของเรา ก็ดูจะไม่เหมาะสมกับ Big Data Ecosystem อีกต่อไป
นอกเหนือจากบริษัทและเทคโนโลยีที่ขยับขยายแล้ว บทบาทของผมก็พัฒนาขึ้นเล็กน้อยในช่วงที่บริษัทของเราเติบโตขึ้น ตอนที่เราเป็นบริษัทขนาดเล็ก ความสามารถในการขยาย Functions ต่าง ๆ นั้น มีค่าอย่างยิ่งสำหรับ Agility และ Speed of Delivery ยิ่งเราสามารถมีพวก New Data และสร้าง Dashboards รวมถึง Reports สำหรับ Non-Technical Users เพื่อค้นหาและวิเคราะห์ เราก็จะสามารถ Deliver Results ได้เร็วเท่านั้น แต่ตอนนี้เรามีธุรกิจที่เติบโตเต็มที่ และมี Analytics Stakeholders ที่เราให้บริการมากขึ้น
ช่วงไม่กี่ปีมานี้ ผมทำงานในตำแหน่งผู้บริหาร นำทีมที่ยอดเยี่ยมซึ่งประกอบไปด้วยคนที่มี Backgrounds และ Skill Sets ที่แตกต่างกัน อย่างไรก็ตาม ผมคิดถึงการสร้าง Data Products ด้วยมือของผมเอง ดังนั้น ผมจึงต้องการกลับเข้าสู่บทบาท Engineering ที่ลงมือปฏิบัติจริง เจ้านายของผมก็ใจดีมากที่จะให้ผมทำการเปลี่ยนแปลงครั้งนี้ และมุ่งเน้นไปที่การสร้างผลลัพธ์ที่ส่งผลต่อธุรกิจในฐานะ Individual Contributor
เมื่อผมคิดถึงอนาคตของตัวเองที่ Netflix สิ่งที่กระตุ้นผมส่วนใหญ่ก็เหมือนกับสิ่งที่ผมหลงใหลมาตลอด ผมต้องการทำให้ชีวิตของ Data Consumers ง่ายขึ้น และสร้างความประทับใจให้พวกเขามากขึ้น เมื่อบริษัทขยายใหญ่ขึ้น และในขณะที่เราลงทุนในเรื่อง Storytelling โอกาสก็เพิ่มขึ้นสำหรับผมในการโน้มน้าวการตัดสินใจเหล่านี้ผ่านการเข้าถึง Information และ Insights ที่ดีขึ้น ผลกระทบที่ยิ่งใหญ่ที่สุดที่ผมสามารถทำได้ในฐานะ Data Engineer คือการสร้าง Economies of Scale ด้วยการผลิต Data Products ที่จะรองรับรูปแบบการใช้งานและ Stakeholders ที่หลากหลาย
“ ถ้าผมสามารถสร้าง Data Products ง่าย ๆ ได้อย่างยอดเยี่ยม สำหรับ Analytics Engineers, Data Scientists และ Analysts แล้ว พวกเราทุกคนก็จะสามารถทำสิ่งต่าง ๆ ได้ดีขึ้นตามเป้าหมายของ Netflix ซึ่งก็คือ การให้ความบันเทิงกับคนทั่วโลก”
หากคุณอยากประสบความสำเร็จเหมือนคุณ Kevin ที่ได้ทำงานที่รักกับบริษัทที่มีชื่อเสียง สามารถติดต่อ ISM Technology Recruitment หากคุณอยากทำงานที่ท้าทายและร่วมงานกับองค์กรชั้นนำ สามารถส่ง Resume ของคุณได้ที่ https://www.ismtech.net/submit-your-resume แล้วคุณจะพบว่าอนาคตและโอกาสก้าวหน้ากำลังรอคุณอยู่
ISM เชี่ยวชาญในธุรกิจ IT Recruitment & IT Outsourcing โดยเฉพาะ เปิดทำการมากว่า 30 ปี มีพนักงานทุกสายและทุกระดับทางด้าน IT ที่ได้ร่วมงานกับลูกค้าองค์กรใหญ่ที่มีชื่อเสียงและบริษัทข้ามชาติมากมาย
Source: https://netflixtechblog.com/