4 เทคนิคเลือก Charts เบื้องต้น ในการทำ Data Visualization สำหรับวิเคราะห์ข้อมูลหา Insight แบบง่ายๆ

ในการวิเคราะห์ข้อมูลนั้น การเลือกใช้ Charts ที่เหมาะสมกับการวิเคราะห์หรือนำเสนอนั้น ช่วยให้ข้อมูลที่ยุ่งยากซับซ้อนดูง่ายต่อการทำความเข้าใจมากขึ้น และช่วยให้เราจับประเด็นสำคัญจากข้อมูลได้อย่างรวดเร็ว รวมถึงวิเคราะห์หา Insight จากข้อมูลต่างๆ ได้สะดวกขึ้นอีกด้วย เพราะ Charts ดีๆจะทำให้เราเห็นภาพรวม แนวโน้ม และรูปแบบต่างๆของข้อมูลชัดเจนขึ้น

แต่หากเลือก Charts ที่ไม่ตรงกับลักษณะของข้อมูลและวัตถุประสงค์ อาจทำให้ข้อมูลนั้นเข้าใจยาก สื่อสารไม่ชัดเจน และอาจนำไปสู่การตัดสินใจที่คลาดเคลื่อนได้

ดังนั้น เพื่อให้การตัดสินใจทางธุรกิจของเรามีคุณภาพมากขึ้น ลองมาดูวิธีการเลือก Charts ที่เหมาะสมในการวิเคราะห์และนำเสนอข้อมูลกันครับ

Table of Contents

• 1. การเปรียบเทียบข้อมูลแต่ละชุด (Comparison)
• 2. การแสดงสัดส่วนของข้อมูล (Composition)
• 3. การแสดงความสัมพันธ์ของข้อมูล (Correlation)
• 4. การแสดงการกระจายตัวของข้อมูล (Distribution)
• สรุป

1. การเปรียบเทียบข้อมูลแต่ละชุด (Comparison)

ตัวอย่าง Chart ที่เราใช้ในการเปรียบเทียบข้อมูลแต่ละชุด ได้แก่

• Line Chart ใช้ดูแนวโน้ม โดยเปรียบเทียบข้อมูลในแต่ละช่วงเวลา เช่น ยอดขายในแต่ละวัน หรือ รายได้ในแต่ละวัน
• Bar / Column Chart ใช้เปรียบเทียบข้อมูลโดยรวมในแต่ละกลุ่ม เช่น รายได้หรือยอดขายรวมของแต่ละพื้นที่

2. การแสดงสัดส่วนของข้อมูล (Composition)

ตัวอย่าง Chart ที่เราใช้ในการแสดงสัดส่วนข้อมูลแต่ละชุด ได้แก่

• Pie Chart ใช้ดูสัดส่วนข้อมูลโดยรวมในแต่ละกลุ่ม เช่น อัตราส่วนรายได้รวมของสินค้าแต่ละประเภท แต่หากมีจำนวนกลุ่มมาก การเลือกใช้ Chart อื่นๆ เช่น Bar Chart อาจเหมาะสมกว่า
• Area Chart เป็นเหมือนการนำ Pie Chart มารวมกับ Line Chart ซึ่มสามารถใช้ดูสัดส่วนและดูแนวโน้มของในแต่ละกลุ่มพร้อมกันได้ เช่น อัตราส่วนรายได้รวมของสินค้าแต่ละประเภทในแต่ละวัน
• Stacked Bar หรือ Stacked Column Chart เป็นกราฟแท่งที่ใช้ดูสัดส่วนของข้อมูลย่อยที่อยู่ในแต่ละกลุ่มของกราฟแท่งอีกที เช่น การแบ่งกราฟยอดขายแต่ละแท่งตามอายุและภายในแท่งแบ่งกลุ่มย่อยตามเพศอีกที เป็นต้น

3. การแสดงความสัมพันธ์ของข้อมูล (Correlation)

ตัวอย่าง Chart ที่เราใช้ในการดูความสัมพันธ์ข้อมูลแต่ละชุด ได้แก่

• Heatmap Chart ใช้ดูความสัมพันธ์ข้อมูลโดยรวมในแต่ละกลุ่ม เช่น จำนวนลูกค้าในแต่ละพื้นที่ สัมพันธ์กับรายได้หรือไม่ ซึ่งจากตัวอย่าง เราจะเห็นว่า ในพื้นที่ North มีลูกค้าสูงสุด แต่ West นั้นมี จำนวนรายได้สูงกว่า เป็นต้น
• Scatter Chart/ Bubble Chart ใช้วิเคราะห์และดูความสัมพันธ์ข้อมูลโดยรวมในแต่ละกลุ่มเช่นเดียวกันกับ Heatmap แต่การนำเสนอ อาจช่วยให้เห็นภาพได้ชัดเจนกว่า เพียงแต่ข้อจำกัดคือ สามารถเห็นความสัมพันธ์ของข้อมูลได้เพียง 2 – 3 ตัวแปร (แนวตั้ง, แนวนอน, ขนาดของแต่ละจุด) เท่านั้น

4. การแสดงการกระจายตัวของข้อมูล (Distribution)

ตัวอย่าง Chart ที่เราใช้ในการดูการกระจายตัวของข้อมูล ได้แก่

• Histogram ใช้ดูความกระจายตัวข้อมูล โดยดูความถี่ในแต่ละกลุ่ม แทนที่จะดูค่าเฉลี่ยเพียงอย่างเดียว เช่น ในตัวอย่างนี้ เราจะเห็นว่าแทนที่จะดูค่าเฉลี่ยของ Basket Size หรือ รายจ่ายเฉลี่ยต่อตะกร้า เราก็แบ่งกลุ่มให้เห็นว่า กลุ่มที่จ่าย Basket Size (สมมติว่าตัวเลขเป็นหลักพัน) 1000, 2000, 3000, อื่นๆ มีกี่ออเดอร์ ก็จะทำให้เห็นรายละเอียดได้มากกว่าเพียงแค่ดูค่าเฉลี่ยอย่าง Mean, Median, Mode
• Scatter Plot / Bubble Chart นอกจากจะใช้วิเคราะห์และดูความสัมพันธ์ข้อมูลโดยรวมแล้ว เรายังสามารถเห็นการกระจายตัวของข้อมูลไปพร้อมกันด้วยเช่นกัน เช่น รายได้หรือลูกค้าส่วนมาก กระจายตัว หรือ กระจุกกันอยู่ที่กลุ่มไหน เป็นต้น

สรุป

การเลือกใช้ Charts ให้ตรงกับการวิเคราะห์หรือนำเสนอนั้น ช่วยให้เราสามารถเข้าใจ หา Insight และนำเสนอได้ชัดเจนยิ่งขึ้น แต่อย่างไรก็ตาม การเลือก Charts นั้น ไม่ได้มีหลักเกณฑ์ตายตัว เช่น Scatter Plot สามารถใช้ได้ทั้งการวิเคราะห์แบบ Distribution และ Correlation

ดังนั้นเราควรทำควรเข้าใจการวิเคราะห์หรือการนำเสนอ ก่อนจะเลือกใช้ Chart ให้เหมาะสมด้วยเช่นกันครับ

และหากคุณอยากรู้วิธีสร้าง Dashboard ง่ายๆ บน Looker Studio อยากรู้เรื่องเกี่ยวกับ Chart อื่นๆ ในการสร้าง Dashboard ด้วย Looker Studio แล้วสามารถอ่านเพิ่มเติมได้ที่บทความนี้เลยครับ

หรือ หากสนใจ Workshop เกี่ยวกับการทำ Data Visualization ด้วย Looker สามารถกรอกรายละเอียดได้ที่ด้านล่างนี้เลยครับ 🙂