แน่นอนว่าสุขภาพร่างกายนั้นเป็นเรื่องที่สำคัญในการทำงาน แต่สุขภาพใจก็เช่นเดียวกันที่จะต้องเติมไฟให้กับตัวเองอยู่เสมอ และถ้าหากว่าใครก็ตามที่รู้สึกเริ่มหมดไฟ โดยเฉพาะตำแหน่ง Data Scientist ที่เรียกได้ว่าสถานการณ์ COVID-19 นั้นอาจจะทำให้การทำงานยากขึ้นกว่าเดิม ลองใช้เคล็ดไม่ลับที่น่าจะช่วยทำให้ไม่รู้สึก Burnout ในการทำงานช่วงนี้ได้ ตามนี้เลย
1. อย่าพยายามเสพทุกอย่างในโลกอินเตอร์เน็ต
เมื่อเราอยู่ในชุมชน Data Scientist ในหลาย ๆ ที่ เราก็จะได้เห็นแหล่งทรัพยากรที่หลากหลายมากมาย ไม่ว่าจะเป็นสิ่งที่น่าเรียนเพิ่มเติม หรือของน่าลองเล่นใหม่ที่จะมีคนติดตามอัปเดตอยู่ตลอด โดยบางทีอาจจะทำให้รู้สึกว่ากำลังตามหลังคนอื่นหรือต้องพยายามตามทุกอย่างให้หมด ซึ่งแท้จริงแล้วการเลือกแค่บางแหล่งหรือบางเรื่องที่ชอบมาเรียนรู้นั้นก็เพียงพอแล้ว และการเลือกเรียนรู้ความชอบความสนใจเป็นหลักนั้นจะเป็นแรงที่ทำให้สามารถต่อยอดได้อย่างยั่งยืนอีกด้วย
2. ไม่จำเป็นจะต้องทำแต่โครงการข้อมูลตลอดเวลา
เป็นที่รู้กันดีว่าข้อมูลจะสามารถตอบคำถามหรือปัญหาบางอย่างได้ดีขึ้นมาก ๆ และหลายคนอาจจะไปทำโครงการอะไรเกี่ยวกับข้อมูลนอกเวลาเลิกงานอีกเนื่องจากเรามีความสามารถในการดึงข้อมูลมาวิเคราะห์ได้ ซึ่งในความจริงแล้วก็อาจจะไม่จำเป็นต้องทำงานด้านข้อมูลอยู่ตลอดเวลาเสมอไปก็ได้ เพราะแท้จริงแล้วงานข้อมูลที่ทำได้นั้นเป็นงานสำหรับทำในที่ทำงาน ซึ่งไม่ใช่งานอดิเรก ถ้าไม่ได้ชอบเป็นการส่วนตัวก็ไม่จำเป็นต้องทำตลอดเวลาก็ได้
3. ตรวจสอบขอบเขตงานและรู้ว่าจะต้องหยุดเมื่อไหร่
ในการกำหนดขอบเขตของโครงการข้อมูลใด ๆ นั้นเป็นเรื่องที่สำคัญ ซึ่งหากเอาง่าย ๆ ก็อาจจะต้องการตอบทุกคำถามที่เป็นไปได้ทั้งหมดนั่นเอง และเมื่อลองทำไปเรื่อย ๆ แล้วก็อาจจะเริ่มมีอาการ “ลองดูอีกสักอย่างสักคำถามละกัน” ซึ่งพอมีอาการแบบนี้แล้วก็จะกลายเป็นงานที่ทำไม่จบสิ้นเสียทีนั่นเอง ดังนั้น การจะรู้ได้ว่าเมื่อไหร่ที่หยุดได้แล้วนั้นจีงเป็นเรื่องที่ยาก ดังนั้น เราควรจะต้องมีกลยุทธ์ในการทำให้ขอบเขตงานมีความคืบหน้าและตรงกับที่ต้องการ โดยการตรวจสอบกับ Stakeholder ในการได้เห็นถึงคำถามคำตอบที่จะได้ออกมาเป็นระยะ ๆ ซึ่งบางครั้งอาจทำให้ได้ไอเดียที่ดีกว่าเดิมอีกด้วย และยังทำให้รู้ด้วยว่าเมื่อใดที่จะหยุดทำได้แล้ว
4. เรียนรู้ที่จะพูดคำว่า “ไม่”
อาจมีหลายครั้งที่คนในองค์กรเดียวกันคิดว่าคุณสามารถทำได้ทุกสิ่งทุกอย่างโดยแค่กระดิกนิ้วก็เสร็จแล้ว สิ่งนี้เองที่มักทำให้เกิดความกดดันมากมายที่จะต้องตอบว่า “ได้ (Yes)” เมื่อมีใครมาขอความช่วยเหลือต่าง ๆ (เผื่อว่าจะได้รับคะแนนว่าคุณเป็นคนที่ชอบช่วยเหลือคนอื่น) แต่แท้จริงแล้ว การตอบว่า “ไม่ (No)” ไปตั้งแต่แรกนั้นอาจจะง่ายกว่าถ้าหากประเมินแล้วว่าไม่สามารถทำได้ดีหรือทำได้เต็มที่ รวมทั้งอาจจะทำให้คุณได้มีเวลาทำในสิ่งที่ต้องการทำเมื่อมีเวลาในภายหลังได้อีกด้วย
5. ความเรียบง่ายไม่ใช่เรื่องผิด
แม้ว่าการใช้เทคโนโลยี Deep Learning สมัยใหม่จะช่วยแก้ไขปัญหาต่าง ๆ ได้ดีกว่าเดิม แต่ไม่ได้แปลว่าจะต้องใช้มันตลอด เพราะโซลูชันแบบเรียบง่ายจะช่วยให้ประหยัดเวลาและพลังงานของคุณไปได้ถ้าหากว่าเพียงพอตอบโจทย์แล้ว แถมยังมีประโยชน์ในการใช้งานต่อยอดได้ดีกว่าเดิมแถมยังอธิบายให้กับ Stakeholder ได้ง่ายอีกด้วย
6. มุ่งเน้นที่ผลกระทบ (Impact) และผิดพลาดให้เร็ว
การทำโครงการที่มี Impact สูงให้ดีได้นั้นจะสามารถเสริมให้คุณมีเครดิตที่ดีขึ้นในสายตาของ Stakeholder โดยเฉพาะอย่างยิ่งจะทำให้คุณเป็นที่ชื่นชอบมากกว่าเดิมและทำให้งานที่ทำมีความสนุกมากขึ้นอีกด้วย และเช่นเดียวกัน การไปทำในโครงการที่มี Impact น้อย ๆ ก็อาจจะเสียเวลาเปล่า ดังนั้น ควรเรียนรู้ที่จะตัดสินถึงความต่างของโครงการที่เข้ามา และปรับเปลี่ยนให้เร็วหากพบเจอโครงการที่ไม่ได้มีผลอะไรกับชีวิตมากนัก
ที่มา: https://towardsdatascience.com/6-tips-to-avoid-burnout-as-a-data-scientist-dca71519c320