อาชีวศึกษา ทางเลือกรอง หรือทางรอดของชาติ ค้นหาคำตอบได้ด้วย Data Analytics

บทความนี้เป็นส่วนหนึ่งของ Data Science Essential Botnoi Classroom DSE#4 โปรเจคครั้งที่ 1 Data Analytics กลุ่ม 3

เมื่อเด็กนักเรียนจบการศึกษาจากระดับชั้นมัธยมต้น ผู้ปกครองส่วนใหญ่มักจะเลือกให้ลูกหลานได้เรียนต่อในสายสามัญ เพื่อเตรียมเข้าสู่รั้วมหาวิทยาลัยและคว้าปริญญาตรีให้ได้ในอนาคต รวมไปถึงอาจารย์แนะแนวที่สนับสนุนให้นักเรียน เรียนต่อในสายสามัญ ถึงร้อยละ 60.24 มีเพียงร้อยละ 39.76 เท่านั้น ที่สนับสนุนให้เรียนต่อในสายอาชีวะ ซึ่งขัดแย้งกับนโยบายของชาติที่ก้าวไปสู่ ‘เศรษฐกิจที่ขับเคลื่อนด้วยนวัตกรรม’ ซึ่งโครงสร้างแรงงานฝีมือต้องเพิ่มขึ้นเป็นร้อยละ 40–50 โดยมีการยกข้อมูลเปรียบเทียบจาก รายงาน Human Capital Report 2016 ระบุถึงสัดส่วนของแรงงานมีฝีมือของประเทศสวีเดน, เยอรมนี, สิงคโปร์ และฟินแลนด์ มีค่าเฉลี่ยอยู่ที่ร้อยละ 48 ส่วนประเทศไทยมีเพียงร้อยละ 14.4 เท่านั้น

จากค่านิยมดังกล่าว ทำให้มีปัญหาเด็กจบปริญญาตรีว่างงานสูงกว่าเด็กจบสายอาชีวศึกษาสูงสุดถึง 7 เท่า และมีแนวโน้มเพิ่มมากขึ้น

จึงทำให้พวกเรากลุ่ม DSE#4 G.3 มีความสนใจอันยิ่งใหญ่ที่จะช่วยแก้ปัญหาชาติ ด้วยการใช้ความรู้ Data Analytics ที่เพิ่งเรียนมาหมาดๆ เข้ามาช่วยวิเคราะห์เพื่อตอบคำถามที่เป็นประโยชน์ในการตัดสินใจครั้งใหญ่ของชีวิตนักเรียนคนนึง ที่อาจจะมีเงื่อนไขแตกต่างกัน เช่น ฐานะทางการเงิน หรือความสามารถในการเรียน โดยพวกเรากลุ่ม DSE#4 G.3 มีความสงสัยว่า การเลือกเรียนอาชีวะเป็นทางเลือกที่ดีหรือไม่? จึงได้ตั้งสมมติฐานที่จะช่วยตอบคำถามดังนี้
1. แนวโน้มการได้งานทำ — สายงานอาชีวะมีสัดส่วนความต้องการแรงงานต่อผู้จบการศึกษาสูงกว่าระดับปริญญาตรี
2. ต้นทุนทางการศึกษา — สายงานอาชีวะมีต้นทุนในการศึกษาต่ำกว่าระดับปริญญาตรี
3. อัตราเงินเดือนเริ่มต้น — สายงานอาชีวะได้รับอัตราเงินเดือนเริ่มต้นเฉลี่ยไม่ต่างจากระดับปริญญาตรีมากนัก

จากคำถามที่ว่า การเลือกเรียนอาชีวะเป็นทางเลือกที่ดีหรือไม่นั้น ทำให้เกิดคำถามต่อมาว่า ถ้าตัดสินใจเลือกเรียนอาชีวะ จะเลือกเรียนสาขาไหนดี?

การเลือกเรียนสาขาไหนนั้น ความถนัดและความชอบในสาขาอาชีพนั้นๆ ย่อมมีความสำคัญ แต่เพื่อให้สามารถวิเคราะห์ได้ เราจึงตัดปัจจัยสำคัญส่วนบุคคลดังกล่าวออกไป โดยเรามีสมมติฐานสำหรับคำถามนี้ว่า
1. สาขาที่มีความต้องการสูง — แนวโน้มความต้องการแรงงานของสาขาประเภทอุตสาหกรรมสูงมากขึ้น
2. สาขาที่มีโอกาสได้งาน — สาขาที่มีการแข่งขันต่ำจะมีโอกาสได้งานมากกว่าสาขาที่มีการแข่งขันสูง

มาเรียนรู้กระบวนการทำ Data Analytics กันดีกว่า

1.ค้นหาชุดข้อมูล

หลังจากที่ได้รับโจทย์ ซึ่งมีเกณฑ์ว่าต้องเลือกฐานอ้างอิงข้อมูลจากเว็บไซต์ www.data.go.th โดยพวกเราได้เริ่มจากการหาชุดข้อมูลโดยเลือกชุดข้อมูลที่มีความหลากหลาย และนำไปต่อยอดในอนาคตได้ แล้วข้อมูลที่ได้รับเลือกก็คือ
ความต้องการแรงงานตามโครงการที่ได้รับส่งเสริมการลงทุน ชุดข้อมูลนี้มีความน่าสนใจคือ เป็นข้อมูลของสำนักคณะกรรมการส่งเสริมการลงทุน (BOI) ที่ส่งเสริมการลงทุนในบริษัทและอุตสาหกรรมต่างๆ เมื่อมีการลงทุน ก็ต้องมีการจ้างงาน โดยข้อมูลชุดนี้สามารถบอกได้ว่าบริษัทที่อยู่ในโครงการน้ันมีความต้องการแรงงานในระดับปริญญาตรีหรือสายอาชีวะกี่คนในสาขาใดบ้าง

2.หาจุดประสงค์/เป้าหมายของการวิเคราะห์ข้อมูล
เมื่อได้หัวข้อที่จะนำมาวิเคราะห์ พวกเราก็ตั้งจุดประสงค์ในการที่จะวิเคราะห์ข้อมูลดังนี้
2.1 เพื่อแนะนำผู้ที่จบระดับชั้นมัธยมศึกษาหรือผู้ที่สนใจได้ทราบถึงข้อมูลต่างๆ มาประกอบการตัดสินใจในการเรียนต่อ
2.2 เพื่อแนะนำหน่วยงานที่เกี่ยวข้องหรือสถาบันสามารถประชาสัมพันธ์เพื่อให้มีนักศึกษาสนใจเข้ามาเรียนอาชีวะได้
เนื่องด้วยระยะเวลาที่จำกัด พวกเราจึงสนใจที่จะดูแนวโน้มการได้งานทำหลังจากเรียนจบในระดับอาชีวะและสาขาที่มีความต้องการของแรงงานสูง

3. การรวบรวมข้อมูลดิบ

นอกจากเราจะได้ชุดข้อมูลจากเว็บไซต์ www.data.go.th มาใช้ในการวิเคราะห์ พวกเรากลุ่ม 3 ได้หาชุดข้อมูลจาก BOI เพิ่มเติมเพื่อให้มีความเข้าใจกับข้อมูลที่เรามีได้มากขึ้น
ถ้าสนใจชุดข้อมูลนี้สามารถกดลิงค์ได้เลย :

ความต้องการแรงงานตามโครงการที่ได้รับส่งเสริมการลงทุน

คู่มือการขอรับการส่งเสริมการลงทุน

4. การสร้างฐานข้อมูลเพื่อการวิเคราะห์ (Data Mart )

4.1 Data Preparation การเตรียมข้อมูลให้พร้อมก่อนการวิเคราะห์

เริ่มต้นด้วยการนำข้อมูลผู้สำเร็จการศึกษา จากศูนย์เทคโนโลยีสารสนเทศ (https://techno.vec.go.th) ซึ่งเป็นข้อมูลดิบ (Raw data) โดยเลือกปีการศึกษา 2558–2562 ทั้งภาครัฐและเอกชน ตามตารางด้านล่าง

รายการจำนวนผู้สำเร็จการศึกษา ปีการศึกษา 2558–2562 ทั้งภาครัฐและเอกชน

และข้อมูล “ความต้องการแรงงานตามโครงการที่ได้รับส่งเสริมการลงทุน” จาก data.go.th โดยเราเลือกข้อมูลปี 2558–2562 ตามตารางด้านล่าง

ภาพตัวอย่างข้อมูลความต้องการแรงงานตามโครงการที่ได้รับส่งเสริมการลงทุน

4.2 Import entire Datasets นำเข้าชุดข้อมูล

นำเข้าชุดข้อมูล “จำนวนผู้สำเร็จการศึกษาปีการศึกษา 2558–2562 ภาครัฐและเอกชน” และชุดข้อมูล “ความต้องการแรงงานตามโครงการที่ได้รับส่งเสริมการลงทุน ปี 2558–2562”

ภาพตัวอย่างการนำเข้าชุดข้อมูล “จำนวนผู้สำเร็จการศึกษาปีการศึกษา 2558–2562 ภาครัฐและเอกชน”

เนื่องจากชุดข้อมูลของจำนวนผู้สำเร็จการศึกษาที่เรานำมาใช้ แยกแต่ละปีการศึกษา และแบ่งเป็นภาครัฐกับเอกชน โดยเลือกปี 2560–2562 และได้ทำการ Merge/Append ไฟล์ให้เป็นชุดข้อมูลเดียวกัน เพื่อความสะดวกในการใช้งาน

ภาพตัวอย่างการ Append ไฟล์

4.3 Data Cleansing

ขั้นตอนที่ 1 ต้องการแบ่งจังหวัดที่ตั้งบริษัทให้อยู่ในระดับภูมิภาค โดยใช้ข้อมูลอ้างอิงจาก “ชุดข้อมูลจังหวัดและภูมิภาคในประเทศไทย” จาก data.go.th

รูปการแบ่งจังหวัดตามภูมิภาคในประเทศไทย

รูปแสดงคอลัมน์จังหวัดที่ตั้งบริษัท

รูปแรก คือ ข้อมูลจากการแบ่งจังหวัดตามภูมิภาค รูปด้านล่าง คือ ข้อมูลบริษัทที่เปิดรับ จะเห็นได้ว่าคอลัมน์จังหวัด ทุกแถวขึ้นต้นด้วยคำว่า “จังหวัด” ยกเว้นกรุงเทพมหานคร ดังนั้นเราจำเป็นต้องตัดคำว่าจังหวัด เพื่อนำไปจับคู่กับข้อมูลบริษัทที่เปิดรับนักศึกษาจบใหม่ ให้อยู่ในหมวดหมู่เดียวกัน

ขั้นตอนที่ 2 ข้อมูลที่เป็นช่องว่างหรือไม่มีข้อมูล

ภาพแสดงบรรทัดว่างของข้อมูล

จะเห็นได้ว่าพบแถวที่ไม่มีข้อมูล หรือขึ้นคำว่า “null” ในส่วนของคอลัมน์ ภาค จังหวัด และสถานศึกษา แก้ไขได้โดยการใช้ฟังก์ชัน fill ในโปรแกรม power bi เพื่อทำการเติมเต็มข้อมูล จากแถวแรกของคำนั้นๆ เนื่องจากแถวถัดมามีข้อมูลซ้ำกัน แต่ raw data ไม่กรอกข้อมูลในส่วนนี้มา ดังนั้นเราจึงจำเป็นต้องเติมข้อมูลส่วนนี้

Data Transform

1) Column “สาขาวิชา” ของข้อมูลผู้สำเร็จการศึกษาปีการศึกษา และ “ตำแหน่งย่อย” ของความต้องการแรงงานตามโครงการที่ได้รับส่งเสริมการลงทุน มีข้อมูลไม่ตรงกัน ทำให้ไม่สามารถเชื่อมโยงความสัมพันธ์ทั้งสองชุดข้อมูลได้ เราจึงทำการเปลี่ยนค่าบางสาขาวิชาที่มีสายงานเดียวกันมาจัดอยู่กลุ่มเดียวกัน เช่น สาขาไฟฟ้า กับ ไฟฟ้ากำลัง จัดอยู่กลุ่ม “ไฟฟ้า” เป็นต้น

ภาพตัวอย่างการจัดกลุ่มสาขาวิชา

2) Unpivot Column ข้อมูล “ตำแหน่งย่อย” กับจำนวนคนที่บริษัทต้องการแรงงาน เพื่อให้ทราบว่าแต่ละตำแหน่งย่อยนั้น มีจำนวนคนที่บริษัทต้องการแรงงานอยู่เท่าไร

ภาพตัวอย่างการ Unpivot Column ตำแหน่งย่อย

5.การหาคำตอบจากข้อมูล

กราฟ scatter plot แสดงจำนวนอาชีวะที่จบการศึกษา ตามสาขาวิชา

จากกราฟ scatter plot ด้านบนสามารถตอบคำถาม แนวโน้มการได้งานทำของผู้สำเร็จการอาชีวศึกษาปี พ.ศ. 2560–2562 โดยแสดง 10 สาขาที่มีจำนวนนักศึกษาจบมากที่สุด เช่น การบัญชี คอมพิวเตอร์ธุรกิจ การตลาด ไฟฟ้า เครื่องยนต์ โยธา เครื่องกล คหกรรม อิเล็กทรอนิกส์ และท่องเที่ยว ตามลำดับ โดยเมื่อเทียบกับจำนวนความต้องการแรงงานตามโครงการที่ได้รับส่งเสริมการลงทุน (BOI) ตามกราฟแท่งด้านล่าง มีจำนวนสาขาที่มีความต้องการตรงกันคือ เครื่องกล ไฟฟ้า อิเล็กทรอนิกส์ โยธา เครื่องยนต์ การบัญชี และการตลาด ซึ่งเป็นสาขาที่มีแนวโน้มการได้งานทำสูง

กราฟแสดง Top 10 ความต้องการแรงงานของตลาดตาม BOI ปี 2560–2562

สำหรับค่าใช้จ่ายในการศึกษาสายอาชีวะนั้น โดยทั่วไปจะเริ่มต้นที่ประกาศนียบัตรวิชาชีพ(ปวช.) 3 ปี ต่อด้วย ประกาศนียบัตรวิชาชีพชั้นสูง(ปวส.) อีก 2 ปี แต่สามารถจบการศึกษาแค่ ปวช. แล้วเข้าสู่ระบบการทำงานได้ ค่าใช้จ่ายในการเรียนปวช.นั้น มีค่าใช้จ่ายที่ถูกกว่าปริญญาตรี ซึ่งค่าใช้จ่ายเฉลี่ยต่อหนึ่งเทอม ตามที่สำรวจได้คือ 5,000 บาท/เทอม อาจจะมีราคาสูงกว่านี้ ขึ้นอยู่กับสาขาวิชาที่เรียน และสถาบันที่เปิดสอน ตัวอย่างเช่น วุฒิ ปวส. สาขาไฟฟ้าควบคุม 1 ภาคปกติ ดังตารางด้านล่างจะเห็นได้ว่า มีค่าใช้จ่ายที่ค่อนข้างถูกพอสมควรเลยทีเดียว

ตารางค่าใช้จ่ายวุฒิ ปวส. สาขาไฟฟ้าควบคุม 1 ภาคปกติ ​ (https://moneyhub.in.th/article/vocational-school/)

และเมื่อพูดถึงค่าตอบแทนของผู้สำเร็จการอาชีวศึกษาแล้วนั้น ก็ใช่ว่าจะแตกต่างจากผู้สำเร็จการศึกษาระดับปริญญาตรีมากนัก หรือบางสาขาวิชาก็ไม่แตกต่างเลยในระดับเริ่มต้น โดย ’JobThai’ เผยสถิติช่วงเงินเดือนเฉลี่ยปริญญาตรี เริ่มต้นที่ 11,000–25,000 บาท ส่วนอาชีวะ เริ่มต้นที่ 11,000–15,000 บาท เช่นกัน และกลุ่มงานวิทยาศาสตร์ วิจัยพัฒนา คว้าแชมป์ค่าจ้างสูงสุดอยู่ที่ 16,000–25,000 บาท สำหรับสายอาชีวศึกษาที่ได้รับเงินเดือนเฉลี่ยเริ่มต้นที่ 11,000–15,000 บาท ได้แก่ งานช่างเทคนิค งานธุรการ-จัดซื้อ งานผลิต และงานควบคุมคุณภาพ เป็นต้น

ส่วนการตัดสินใจจะว่าเลือกศึกษาสาขาไหนดีนั้น ดูจากแนวโน้มจากข้อมูลที่ผ่านการวิเคราะห์จากสัดส่วนจำนวนความต้องการแรงงานและจำนวนผู้สำเร็จการอาชีวศึกษาที่ถูกอ้างอิงในปี พ.ศ. 2560–2562 พบว่าสาขาวิชาเครื่องกล ไฟฟ้า อิเล็กทรอนิกส์ โยธา และเครื่องยนต์ เป็น 5 อันดับแรก ที่มีจำนวนความต้องการของแรงงานมีปริมาณมากสวนทางกับปริมาณนักศึกษาที่จบการศึกษาในแต่ละปี

กราฟแสดงอันดับการแข่งขันของจำนวนผู้สมัครงาน

จากกราฟด้านบนสามารถตอบสมมติฐานที่ว่า สาขาที่มีการแข่งขันต่ำจะมีโอกาสได้งานมากกว่าสาขาที่มีการแข่งขันสูง ได้แก่ สิ่งทอ เคมี เครื่องกล และอิเล็กทรอนิกส์
เมื่อเทียบอัตราการแข่งขันกับความต้องการแรงงาน สาขาที่มีแนวโน้มความต้องการแรงงานสูงในประเภทอุตสาหกรรม ได้แก่ เครื่องกล สิ่งทอ ไฟฟ้า เคมี และอิเล็กทรอนิกส์

6.สรุปผล

จากกระบวนการทำ Data Analytics สามารถสรุปผลได้ว่า “อาชีวศึกษา” เป็นทางรอดของคนในชาติได้ โดยการส่งเสริมให้เห็นถึงข้อมูลที่ถูกต้องเกี่ยวกับการศึกษาในแต่ละสาขาวิชา ว่าสาขาวิชาใดมีความต้องการของตลาดแรงงานไทยจำนวนมาก ได้แก่ สาขาเครื่องกล ไฟฟ้า และอิเล็กทรอนิกส์ ตามลำดับ รวมถึงข้อมูลสนับสนุนที่ทางกลุ่ม DSE#4 G.3 นำเสนอเพิ่มเติม ทั้งเรื่องของค่าใช้จ่ายในแต่ละภาคการศึกษาและค่าตอบแทนหลังจบการศึกษาร่วมอีกด้วย

อย่างไรก็ดี แนวโน้มในอนาคตอาจจะพัฒนาหลักสูตรสาขาที่สอดคล้องกับความต้องการด้านบุคลากรของภาคอุตสาหกรรมมากขึ้น โดยเฉพาะพื้นที่ระเบียงเศรษฐกิจพิเศษภาคตะวันออก (Eastern Economic Corridor: EEC) ตามแนวทางการพัฒนาทักษะบุคลากร EEC Model ซึ่งเกิดจากความร่วมมือของ 3 กระทรวง ได้แก่ กระทรวงศึกษาธิการ กระทรวงอุดมศึกษา วิทยาศาสตร์วิจัยและนวัตกรรม กระทรวงแรงงาน

Reference:

ใครๆก็เชียร์ ‘สายอาชีวะ’ แต่ทำไมเด็กไม่เลือกเรียน?

เรียนอาชีวะ ต้องใช้เงินเท่าไหร่ ? — MoneyHub

เปิดโผเงินเดือน ป.ตรี-อาชีวะ สตาร์ตเริ่มต้นเท่าไร

ข้อมูลสถิติแรงงาน ปี 2562 (ย้อนหลัง)

แนวโน้มความต้องการแรงงาน