เมื่ออาทิตย์ที่แล้วผมมีโอกาสได้คุยกับน้อง ๆ ทีม Data ของบริษัทแห่งหนึ่ง พอถึงตอนท้ายเขามีคำถามว่า “ตอนนี้ AI เขียน SQL ให้ได้แล้วนะครับ แล้วเรายังต้องเรียน SQL อยู่ไหม?” คำถามนี้ผมได้ยินมาบ่อยมาก โดยเฉพาะจากคน junior ที่เพิ่งเข้ามาทำงานในวงการ Data หรือ Programming ซักพักใหญ่
แล้วพอผมถามกลับไปว่า “เออ งั้นลองให้ ChatGPT เขียน SQL query ที่ซับซ้อนหน่อยให้หน่อยสิ แล้วบอกได้ไหมว่ามันถูกต้องหรือเปล่า มันมี performance issue ไหม ถ้าข้อมูลมันโตขึ้นเป็นล้าน ๆ records มัน query นี้จะทำงานได้ดีแค่ไหน” ทุกคนก็ดูเหมือนเริ่มจะเข้าใจสถานกรณ์แล้ว
นี่แหละครับคือ root cause ของปัญหาที่คนส่วนใหญ่มองข้าม เรามักจะคิดว่า AI มันจะมาแทนที่การเรียนรู้ skill พื้นฐาน แต่ความจริงมันตรงกันข้ามเลย ยิ่งในยุคที่ AI สามารถ generate code ให้เราได้ง่ายขนาดนี้ การที่เรารู้จัก SQL ลึกๆ มันยิ่งสำคัญมากขึ้นไปอีก
ปัญหาที่เราคิดว่าเล็ก แต่มัน Impact ถึงชีวิต
ผมเคยเจอกรณีศึกษาจริงๆ ที่บริษัท e-commerce แห่งหนึ่งมี data analyst คนหนึ่งที่ถนัด dashboard สวยๆ มาก ใช้ Tableau หรือ Power BI ได้คล่องแคล่วมาก แต่พอถามว่ารู้จัก SQL แค่ไหน เขาบอกว่า “พอใช้ ChatGPT generate ให้ก็พอครับ” ทุกอย่างก็ดูโอเคมาสองเดือน จนกระทั่งมีวันหนึ่งที่ CEO ถามเขาว่า “เราควรจะลงทุนโฆษณาในช่องทางไหนดีระหว่าง Facebook กับ Google Ads ดูจากข้อมูลที่มีตอนนี้” คำถามนี้ฟังดูง่ายมากใช่ไหม
แต่พอเขาเอาคำถามนี้ไปให้ AI generate SQL ให้ AI มันก็ให้ query ที่ดูถูกต้อง มีการ JOIN ตาราง orders กับ marketing_channels มีการ GROUP BY มีการคำนวณ ROI แต่พอ run query จริงๆ มันใช้เวลานานมากกกว่ามันจะเสร็จ และพอดูผลลัพธ์ที่ได้ ตัวเลขมันแปลกๆ ROI ของบาง channel มันสูงผิดหูผิดตา
ปัญหาอยู่ตรงไหนรู้ไหม AI มัน generate query ที่มีการ JOIN แบบ Cartesian product โดยไม่ตั้งใจ มันทำให้ข้อมูลบาง records ถูกนับซ้ำไปเรื่อยๆ และคน analyst คนนี้เพราะไม่เข้าใจว่า SQL มันทำงานยังไง เขาก็เลยไม่รู้ว่าตัวเลขที่ออกมามันผิดพลาด เขาเอาตัวเลขที่ผิดนี้ไปทำเป็น presentation นำเสนอให้ management แล้วบริษัทก็ตัดสินใจลงทุนโฆษณาไปหลายแสนในช่องทางที่จริงๆ แล้วมัน ROI ต่ำกว่าที่คิด
และก็ต้องบอกว่านี่ไม่ใช่เรื่องแต่งนะครับ นี่คือเรื่องจริงที่เกิดขึ้นบ่อยมากในองค์กรต่างๆ และมันไม่ได้จำกัดอยู่แค่สาย Data เท่านั้น เอาจริง ๆ แล้วว
SQL คือภาษากลางที่ทุกคนในองค์กรควรรู้
มันมี Quote นึงที่ผมชอบมากคือ “Information is power, but only if you can access and interpret it correctly” ในยุคที่ทุกองค์กรมีข้อมูลเยอะมาก การที่เราสามารถเข้าถึงข้อมูลได้ด้วยตัวเองโดยไม่ต้องรอให้คนอื่นทำให้ มันคือความได้เปรียบทางธุรกิจที่ใหญ่มาก
ผมเห็นมาหลายครั้งแล้วที่ Product Manager ที่รู้จัก SQL สามารถตรวจสอบข้อมูล user behavior ได้ทันทีเมื่อมีคำถามใหม่ๆ เกิดขึ้น ไม่ต้องส่ง ticket ไปให้ทีม Data แล้วรอสองสามวัน ในขณะที่ Product Manager คนอื่นๆ ที่ไม่รู้จัก SQL ก็ต้องรอ ต้องพึ่งพาคนอื่น และพอถึงเวลาที่จะต้องตัดสินใจว่าจะทำ feature ไหนต่อ คนที่มีข้อมูลในมือเร็วกว่าก็จะสามารถ pitch ไอเดียได้ดีกว่า มี data ไป back up เหตุผลของตัวเราเองได้
หรือแม้แต่ในฝั่ง business side คนที่เป็น sales manager หรือ marketing manager ที่รู้จัก SQL พอสมควร เวลาที่เขาต้องการรู้ว่าลูกค้ากลุ่มไหนที่ซื้อสินค้าบ่อยที่สุด หรือช่วงเวลาไหนที่ยอดขายดีที่สุด เขาสามารถไป query ข้อมูลมาดูเองได้ทันที ไม่ต้องรอให้ทีม BI ทำ report ให้ และที่สำคัญคือเขาสามารถถามคำถามแบบ ad-hoc ที่ไม่มีใน dashboard สำเร็จรูปได้นั่นเอง
เมื่อ AI กลายเป็นดาบสองคมในความไม่รู้
ตอนนี้ผมเชื่อว่าหลายคนคงคิดว่า “แต่ ChatGPT มันเขียน SQL ได้แล้วนี่ครับ แล้วผมต้องเรียนทำไม” ให้ผมเล่าอีกเรื่องหนึ่งที่ผมเพิ่งเจอเมื่อหลายเดือนที่แล้วเป็นประมาณนี้ครับ
ถ้าสมมุติว่าเรากำลังทำ feature สำหรับ reporting dashboard เราต้องการ query ข้อมูลยอดขายรายเดือนแยกตาม region และ product category เราก็เอาความต้องการนี้ไปให้ AI generate SQL ให้ AI ให้ query มาที่ดูถูกต้อง run ได้ ผลลัพธ์ก็ออกมา development environment ทุกอย่างดูโอเค เราก็ commit code แล้ว deploy ขึ้น production
แต่พอ feature นี้เปิดให้ user ใช้งานจริง ปรากฏว่า dashboard มันโหลดช้ามาก บางทีก็ timeout เลย พอไปดู query ที่ AI generate ให้ ปรากฏว่ามันมีการใช้ subquery ซ้อนกันสามชั้น แต่ละชั้นก็ scan ข้อมูลทั้ง table ไปเรื่อยๆ ทั้งๆ ที่จริงๆ แล้วถ้าเรารู้จัก window function หรือการใช้ CTE อย่างถูกต้อง query นี้มันสามารถเขียนให้เร็วขึ้นได้หลายสิบเท่า
นี่คือตัวอย่างที่ชัดเจนว่าทำไม AI ไม่ได้มาแทนที่การเรียนรู้ SQL แต่มันมาเป็นตัวขยายความสามารถของคนที่รู้จัก SQL อยู่แล้ว ถ้าเรารู้จัก SQL ดีพอ เราสามารถใช้ AI เป็น starting point แล้วค่อยปรับแต่งให้ดีขึ้น หรือเราสามารถ review code ที่ AI generate มาแล้วบอกได้ว่าส่วนไหนต้องปรับปรุง แต่ถ้าเราไม่รู้จัก SQL เลย เราก็จะไม่สามารถบอกได้ว่า code ที่ AI ให้มานั้นมันดีหรือแย่ มัน optimize แล้วหรือยัง มัน scale ได้หรือเปล่าเมื่อข้อมูลมันโตขึ้น
SQL ในสายตา Software Engineer ที่เก่งๆ
ผมเคยนั่งคุยกับ senior engineer คนหนึ่งที่เขาเคยทำงานที่ บริษัท Tech ยักษ์ใหญ่แห่งนึงในโลก เขาบอกเลยว่า “SQL คือ skill ที่ถูกประเมินต่ำที่สุดใน software engineering” ซึ่งเขาอธิบายให้ฟังต่อว่า
เวลาที่มี production incident เกิดขึ้น สิ่งแรกที่ engineer ต้องทำคือไปดูว่าเกิดอะไรขึ้น และวิธีเร็วที่สุดในการหาสาเหตุคือการ query ข้อมูลจาก database โดยตรง ต้องดูว่า error logs มีรูปแบบยังไง ต้องดูว่า user behavior ก่อนหน้าที่จะเกิด error เป็นยังไง ต้องดูว่า data มันถูก corrupt ไปหรือเปล่า ทั้งหมดนี้ต้องใช้ SQL
แล้วถ้าเราไม่รู้จัก SQL เราก็ต้องรอให้คนอื่นมาช่วย incident มันก็จะยืดเยื้อไป downtime มันก็จะยาวขึ้น ในหนังสือ “Site Reliability Engineering” ของ Google ก็เน้นย้ำไว้ว่าการลด Mean Time To Recovery มันคือสิ่งสำคัญที่สุดอย่างหนึ่ง และ SQL คือ skill ที่ช่วยให้เรานั้นทำ MTTR ให้สั้นลงได้
นอกจากนี้ยังมีอีกมุมหนึ่งที่หลายคนมองข้าม คือ เวลาที่เราต้องทำ data migration หรือต้อง backfill ข้อมูล หรือต้องทำ data cleanup การที่เราเข้าใจว่า SQL มันทำงานยังไง เราจะสามารถเขียน script ที่ safe และมี performance ดีได้ เราจะรู้ว่าต้อง batch operation ยังไง ต้องใส่ transaction ตรงไหน ต้องระวังเรื่อง deadlock อย่างไรอีกด้วย
Data Analyst กับบททดสอบที่แท้จริง
สำหรับคนที่ทำงานในสาย Data นี่คือเรื่องที่ผมต้องพูดตรงๆ เลย เราไม่สามารถเรียกตัวเองว่า data analyst ได้ถ้าเราไม่เก่ง SQL ผมไม่ได้หมายความว่าเราต้องรู้ทุกฟีเจอร์ของ SQL ทุก dialect ทุก optimization technique แต่เราต้องเข้าใจพื้นฐานลึกพอที่จะสามารถเขียน query ที่ซับซ้อนได้ด้วยตัวเอง
ทำไมผมถึงพูดแบบนี้ เพราะงานจริงๆ ของ data analyst ไม่ได้จบแค่การดึงข้อมูลมา เราต้อง clean data เราต้อง transform data เราต้อง validate ว่าข้อมูลมันถูกต้อง เราต้องรู้ว่าเมื่อไหร่ที่ตัวเลขมันผิดปกติ แล้วทุกสิ่งทุกอย่างนี้มันต้องใช้ SQL
ผมเคยเจอ case ที่ต้องวิเคราะห์หา user churn rate แต่ปัญหาคือข้อมูลที่เขามีมันไม่ clean มี duplicate records มี null values ตรงที่ไม่ควรมี มี timestamp ที่ผิดพลาด เขาต้องใช้เวลาเกือบสองอาทิตย์ในการ clean data ก่อนที่จะเริ่มวิเคราะห์ได้ แล้วถ้าเขาไม่เก่ง SQL พอ เขาก็จะไม่สามารถทำงานนี้ได้เลย แม้ว่า AI จะ generate query ให้ AI ก็ไม่สามารถรู้ได้ว่า business logic ของบริษัทเป็นยังไง ว่า user ถือว่า churn เมื่อไหร่ ต้อง handle edge case ยังไง
เมื่อ Business Stakeholder เริ่มรู้จัก SQL
ส่วนหนึ่งที่ผมคิดว่า impact ที่สุดคือเมื่อคนในฝั่ง business เริ่มรู้จัก SQL ผมเคยเห็น marketing director คนหนึ่งที่เขาเรียนรู้ SQL พื้นฐาน ไม่ได้เก่งมาก แค่รู้จักการ SELECT JOIN WHERE GROUP BY และ aggregate functions พื้นฐาน แต่มันเปลี่ยนวิธีการทำงานของเขาไปเลย
ก่อนหน้านี้เวลาที่เขาต้องการรู้ว่า campaign ไหนได้ผลดี เขาต้องส่ง request ไปให้ทีม BI แล้วรอ report ออกมา บางทีก็ต้องรอสามสี่วัน แล้วพอ report มาถึงมันก็ไม่ได้ตอบโจทย์ครบทุกคำถามที่เขามี เขาก็ต้องส่ง request ใหม่อีกที cycle มันก็วนไปเรื่อยๆ
แต่หลังจากที่เขาเรียนรู้ SQL เขาสามารถเข้าไปใน database viewer ตัวหนึ่งที่บริษัทมีให้ แล้วเขียน query เอาข้อมูลที่เขาต้องการมาเองได้ทันที เขาสามารถทดลอง segment ลูกค้าแบบต่างๆ ได้เอง ทดลองวิเคราะห์ correlation ระหว่างตัวแปรต่างๆ ได้เอง แล้วเมื่อเขาเจอ insight ที่น่าสนใจ เขาก็สามารถทำ deep dive เพิ่มเติมได้ทันที
และอีกเรื่องคือ ความจริงที่ว่า AI ไม่ได้รู้ทุกอย่าง
มาถึงจุดนี้ผมอยากให้ทุกคนเข้าใจสิ่งหนึ่งชัดเจนมากๆ คือ AI มันเก่งมากจริงๆ ในการ generate code แต่มันมีข้อจำกัดที่สำคัญมากๆ ข้อหนึ่ง นั่นคือมันไม่รู้จัก business context ของเรา มันไม่รู้ว่า data schema ของเรามีโครงสร้างยังไง ต่อให้รู้ การออกแบบของเราหรือการใช้งานจริง ๆ มันก็ใช่ว่าจะเข้าใจได้เลย มันไม่รู้ว่า data quality เป็นยังไง มันไม่รู้ว่ามี constraints หรือ business rules อะไรบ้าง
ตัวอย่างง่ายๆ สมมติว่าเราต้องการ query หา total revenue by customer แต่ใน database ของเรามันมี table ชื่อ orders และมี table ชื่อ refunds และมี table ชื่อ canceled_orders ถ้าเราแค่ให้ AI generate query โดยไม่ได้บอก context เหล่านี้ AI ก็อาจจะ generate query ที่ดึงข้อมูลจาก orders table อย่างเดียว ไม่ได้ minus refunds ไม่ได้ filter canceled orders ออก ผลลัพธ์ที่ได้ก็จะผิด
หรือกรณีที่ซับซ้อนกว่านั้น ในบางบริษัทอาจจะมี business logic ที่ว่า ถ้า order มันถูก place ก่อนวันที่ X แต่มัน ship หลังวันที่ Y มันต้อง count เป็น revenue ของ quarter ไหน หรือถ้า customer มัน cancel subscription ภายในเจ็ดวันแรก มัน count เป็น refund หรือไม่ count เลย logic พวกนี้ AI มันไม่มีทางรู้ได้ถ้าเราไม่ได้บอกมันอย่างละเอียด
แล้วแม้ว่าเราจะบอก AI ได้ครบทุกอย่าง เรายังต้องมี skill ในการ review code ที่มันให้มา ต้องรู้ว่ามันถูกต้องหรือเปล่า ต้องรู้ว่ามัน efficient หรือเปล่า ซึ่งนั่นหมายความว่าเราต้องรู้จัก SQL อยู่ดี ไม่งั้นก็กลายเป็น เรา Input ในสิ่งที่เราพอจะรู้เพื่อคิดว่า AI จะทำอะไรสักอย่างมาให้เรา >> เราไม่รู้ว่ามันทำงานยังไง >> เราก็ไม่รู้ว่าเราจะตรวจสอบว่ามันถูกต้องได้ยังไง นั่นเอง
Performance กับเรื่องที่หลายคนมองข้าม
อีกเรื่องหนึ่งที่สำคัญมากๆ คือ เรื่อง performance อย่างเช่นในเคสที่เรา generate SQL จาก AI แล้วก็ใช้งานได้ดีมาหลายเดือน จนกระทั่งข้อมูลในระบบมันเริ่มโตขึ้น จากที่เดิมมีแค่หลักหมื่น records กลายเป็นหลักแสน แล้วก็หลักล้าน query ที่เคยใช้เวลาไม่กี่วินาที มันกลายเป็นใช้เวลาหลายนาที แล้วก็หลายสิบนาที จนในที่สุดมันก็ timeout ไป
ปัญหาเกิดขึ้นเพราะอะไร เพราะ query ที่ AI generate มานั้นมันไม่ได้ optimize สำหรับ large dataset มันไม่มีการใช้ index อย่างถูกต้อง มันมีการ scan full table ทั้งๆ ที่ไม่จำเป็น มันมีการทำ operation บางอย่างที่ทำให้ database engine ไม่สามารถใช้ index ได้
และนี่คือสิ่งที่เราต้องเรียนรู้จาก experience จริงๆ ไม่มี AI ตัวไหนที่จะสามารถสอนเราได้ว่าเวลาที่เราเห็น query ตัวหนึ่ง เราจะรู้ได้ยังไงว่ามันจะมีปัญหา performance เมื่อข้อมูลมันโตขึ้น เราต้องเข้าใจว่า database engine มันทำงานยังไง การที่มี WHERE condition ก่อนหรือหลัง JOIN มันต่างกันยังไง การใช้ DISTINCT กับการใช้ GROUP BY มันแตกต่างกันยังไง
สิ่งที่เกิดขึ้นจริงเมื่อเรารู้จัก SQL ลึก
ให้ผมเล่าถึงผลลัพธ์จริงๆ ที่ผมเห็นจากคนที่เรียนรู้ SQL อย่างจริงจัง มี developer คนหนึ่งที่ผมรู้จักเขาเคยบอกว่าการที่เขาเรียนรู้ SQL อย่างจริงจังมันเปลี่ยน career trajectory ของเขาไปเลย
ก่อนหน้านี้เขาเป็น backend developer ธรรมดาคนหนึ่ง ทำตาม ticket ที่ได้รับมา เขียน code ตาม requirement แต่หลังจากที่เขาเรียนรู้ SQL ลึกๆ เขาเริ่มสามารถเห็น opportunity ในการ optimize ระบบได้มากขึ้น เขาสามารถช่วยทีมแก้ปัญหา performance ที่คนอื่นๆ ติดอยู่ เขาสามารถ design database schema ที่ดีขึ้น
แล้วพอเขาทำได้ดีขึ้นเรื่อยๆ เขาก็ได้รับความไว้วางใจมากขึ้น ได้รับมอบหมายงานที่ challenging มากขึ้น ได้เข้าไปเกี่ยวข้องกับ architectural decision มากขึ้น และในที่สุดเขาก็ได้ promote เป็น senior engineer แล้วก็เป็น tech lead ทั้งหมดนี้เกิดขึ้นภายในสี่ปีกว่า ๆ เท่านั้นเอง
หรือกรณีของ data analyst อีกคนที่เขาเรียนรู้ SQL จนเก่งมาก เขาสามารถทำ ad-hoc analysis ที่ซับซ้อนได้เร็วมาก เขาไม่ต้องพึ่งพา data engineer ในการ prepare data เขาสามารถ validate data quality เองได้ สามารถ debug data pipeline เองได้ และนี่ทำให้เขากลายเป็นคนที่ product team พึ่งพามาก เพราะเขาสามารถให้คำตอบได้เร็วและแม่นยำมากยิ่งขึ้น
แล้วเราควรเริ่มต้นยังไง
ตอนนี้เราอาจจะคิดว่าโอเคผมเข้าใจแล้วว่า SQL มันสำคัญ แต่ผมควรจะเริ่มยังไง โดยเฉพาะในยุคที่มี AI ช่วยแล้ว ผมจะเรียนรู้ SQL ยังไงให้ได้ประโยชน์สูงสุด
คำตอบคือเราควรใช้ AI เป็น learning partner ไม่ใช่เป็น replacement เวลาที่เราเรียนรู้ SQL เราควรลองเขียนเองก่อน แล้วค่อยให้ AI ช่วย review ว่าถูกต้องหรือเปล่า มีวิธีที่ดีกว่านี้ไหม แทนที่จะให้ AI เขียนให้ตั้งแต่แรกแล้วเราก็แค่ copy paste ไปใช้โดยไม่เข้าใจ
เริ่มจากพื้นฐาน เรียนรู้ว่า SELECT FROM WHERE มันทำงานยังไง แล้วค่อยไป JOIN ค่อยไป GROUP BY ค่อยไป subquery ค่อยไป window function ทีละขั้นทีละตอน แต่ที่สำคัญคือเราต้อง practice กับข้อมูลจริงๆ ไม่ใช่แค่อ่าน syntax
ลองหา dataset ที่เราสนใจมา อาจจะเป็นข้อมูลจาก Kaggle หรือ public dataset อะไรก็ได้ แล้วลองตั้งคำถามกับตัวเองว่าเราอยากรู้อะไรจากข้อมูลนี้ แล้วลองเขียน SQL เพื่อตอบคำถามเหล่านั้น นี่คือวิธีที่เราจะเรียนรู้ได้ดีที่สุด
และอีกสิ่งหนึ่งที่สำคัญมากคือ เรียนรู้ว่า database engine มันทำงานยังไง ทำไม index มันช่วยให้ query เร็วขึ้น execution plan มันคืออะไร ทำไม query บางตัวมันช้า เรื่องพวกนี้มันจะทำให้เราเข้าใจ SQL ในระดับที่ลึกขึ้นมากนั่นเองนะครับ 🙂
สรุปที่แท้ทรูก่อนจะจากกันไป
กลับมาที่คำถามตั้งต้นว่าในยุค AI แบบนี้เรายังต้องเรียน SQL ไหม คำตอบคือ
- ยิ่งต้องเรียนมากขึ้นด้วยซ้ำ ไม่ใช่เรียนน้อยลง เพราะ AI มันไม่ได้มาแทนที่ skill พื้นฐาน มันมาเป็นเครื่องมือที่ amplify ความสามารถของคนที่มี skill พื้นฐานอยู่แล้ว
- ถ้าคุณไม่รู้จัก SQL คุณก็จะไม่สามารถใช้ AI ได้อย่างมีประสิทธิภาพ คุณจะไม่รู้ว่า code ที่ AI generate มาให้นั้นมันดีหรือแย่ คุณจะไม่สามารถ customize มันให้ตรงกับ business context ของคุณได้ คุณจะไม่สามารถ debug เมื่อมีปัญหาเกิดขึ้น
- แต่ถ้าคุณรู้จัก SQL ดี AI ก็จะกลายเป็น superpower ของคุณ คุณจะสามารถทำงานได้เร็วขึ้นมาก สามารถแก้ปัญหาที่ซับซ้อนได้ สามารถเข้าถึงข้อมูลได้ด้วยตัวเอง ไม่ต้องพึ่งพาใคร และนี่คือ competitive advantage ที่แท้จริงในยุคนี้
- ไม่ว่าคุณจะเป็นคนสาย Data Programming หรือแม้แต่ Business การที่คุณรู้จัก SQL มันจะเปิดประตูบานใหม่ให้กับคุณ มันจะทำให้คุณสามารถทำสิ่งที่เคยทำไม่ได้ คุณจะมีอิสระในการหาคำตอบด้วยตัวเอง มี agility ในการตัดสินใจ มี autonomy ในการทำงาน
และในโลกที่ข้อมูลมันกลายเป็นสิ่งสำคัญมากขึ้นทุกวัน การที่เราสามารถเข้าถึงและเข้าใจข้อมูลได้ด้วยตัวเอง มันคือ skill ที่จะทำให้เรามีคุณค่ามากขึ้นเรื่อยๆ ไม่ว่า AI จะพัฒนาไปถึงไหนก็ตามนั่นเองครับ 🙂
สำหรับใครที่อยากพื้นฐาน SQL แน่น ๆ ตอนนี้เรามีทั้งคอร์สฟรี และ อยู่ใน borntoDev+ เพียบกว่า 7 หลักสูตร สามารถเข้ามาดูได้แล้วที่นี่เลยนะครับ https://school.borntodev.com/?search=sql 😀
