สร้างหน้า Portfolio Case Study

Why this matters

ใบสมัคร BA ที่บอกว่า “สนใจด้าน analysis” มีเป็นพัน แต่ใบสมัครที่แนบ case study จริงตั้งแต่ problem จนถึง validation มีน้อยมาก — Stage นี้เปลี่ยน Capstone ของคุณให้เป็นหลักฐานชิ้นนั้น

โครงหน้า Case Study

Background

ทำงาน QA Support และพบปัญหาการค้นข้อมูล complaint/specification — เล่าสั้น ๆ ว่าคุณเป็นใคร อยู่ในบริบทงานแบบไหน

Problem Discovery

แสดง As-Is process และ pain points — หลักฐานว่าคุณ ค้นพบ ปัญหา ไม่ใช่รับโจทย์มาเฉย ๆ

Research

• Stakeholder interview
• Process observation
• Existing documents
• Existing systems

Requirements

แสดง:

• Functional requirements
• Non-functional requirements
• User stories
• Acceptance criteria

Solution

Automotive QA AI Assistant — แผนภาพ architecture และ features หลัก

AI Decisions

อธิบายว่า:

• ทำไมใช้ LLM
• ทำไมต้อง RAG
• ทำไมต้อง citation
• ทำไมไม่ให้ AI determine root cause
• ทำไมต้อง human approval

หัวข้อนี้คือจุดที่คุณโชว์ว่าเข้าใจ AI เชิงธุรกิจจริง ไม่ใช่แค่ตามกระแส — ทุกคำตอบมาจากสิ่งที่เรียนใน Stage 2, 4 และ 5

Prototype

Screenshot / Demo

Validation

ให้ QA users ทดลองใช้จริง — เล่าว่าทดสอบกับใคร อย่างไร

Results

ก่อน/หลัง เช่น search time, accuracy, user feedback — ใช้ Success Metrics จาก Stage 9

Lessons Learned

สิ่งที่ requirement รอบแรกผิดหรือไม่ครบ และแก้อย่างไร — หัวข้อนี้ทำให้ case study น่าเชื่อ เพราะ BA จริงทุกคนเคย requirement พลาด คนที่เล่าได้ว่าพลาดตรงไหนและปรับอย่างไรคือคนที่เรียนรู้เป็น

Common Mistakes

• โชว์แต่ solution ไม่โชว์กระบวนการค้นพบปัญหา — ผู้สัมภาษณ์ BA สนใจวิธีคิดมากกว่าผลลัพธ์สวย ๆ
• ไม่มีตัวเลขใน Results — “ผู้ใช้ชอบมาก” อ่อนกว่า “เวลาค้นลดจาก 20 เหลือ 4 นาที” หลายเท่า
• ซ่อนความผิดพลาด — Lessons Learned ที่ว่างเปล่าอ่านแล้วไม่น่าเชื่อถือ