สรุปหนังสือ Good Charts คู่มือเปลี่ยนข้อมูลให้เป็นภาพ A Harvard Guide to Data Visualization หนึ่งในหนังสือที่จะทำให้คุณเข้าใจว่าทำไมการทำ Data Visualization จึงสำคัญ และสำคัญไปกว่านั้นคือทักษะการตั้งคำถามกับดาต้า (Data Thinking) ถามอย่างไรให้เจอ Insight สำคัญที่จะช่วยพลิกโฉมธุรกิจได้ไวขึ้น
การเปลี่ยนดาต้าให้เป็นภาพเป็นหนึ่งในทักษะสำคัญของคนทำงานยุค Data Driven Marketing ยุคที่ดาต้าขับเคลื่อนทุกสิ่ง เพราะการทำ Data Visualization เปรียบได้กับการอ่านภาษาดาต้าได้ออกโดยไม่ต้องรอให้ใครมาอ่านให้ฟัง
และที่สำคัญยิ่งกว่าทักษะการทำ Data Visualization ก็คือทักษะการตั้งคำถามกับดาต้าให้เป็น หรือที่ผมเรียกว่า Data Thinking การคิดต่อยอดจากดาต้าที่เห็นให้ได้ครับ
หนังสือเล่มนี้ทำให้เห็นเคสที่แค่เปลี่ยนรูป Chart หรือ Graph แค่เล็กน้อย ก็ทำให้เห็น Insight ใหม่ที่คาดไม่ถึง
Data Visualization คือการอ่านภาษาดาต้าให้ออกในยุค Data-Driven Marketing
อย่างภาพนี้มาจากการตั้งคำถามว่าการเดินทางบ่อยครั้งส่งผลต่อความเครียดมั้ย ? เมื่อเราตั้งคำถามแบบ Data Thinking ได้ดี การทำ Data Visualization ก็ง่าย เราจะคิดออกทันทีว่ากราฟหรือชาร์ทของเราควรทำออกมาหน้าตาแบบไหน แสดงผลอะไรบ้าง
แกนหนึ่งคือความถี่ในการเดินทาง อีกแก่นหนึ่งคือระดับความเครียดที่ได้มาจากการตอบคำถาม หลังเดินทางแต่ละครั้ง
รูปแบบการแสดงผลทำออกมาเป็น Scatter plot ทำให้เห็นการกระจุกและกระจายตัวของดาต้าแบบชัดๆ ผลเลยออกมาแบบภาพด้านบนนี้ และก็นำไปสู่ข้อสรุปได้ว่า ยิ่งเดินทางเยอะขึ้นความเครียดไม่ได้ลดลงหรือเพิ่มขึ้นแต่อย่างไร แต่มันออกไปทางการชินและปรับตัวเข้าสู่จุดสมดุลที่ประมาณช่วง 30-40% ได้ และก็อาจนำมาสู่การตั้งโจทย์ใหม่ ถ้าอย่างนั้นจากนี้ไป เราจะทำอย่างไรให้ความเครียดของนักเดินทางลดลง 10%
หรืออาจนำมาสู่การเก็บดาต้าความเครียดใหม่ ถ้าแบเดิมเป็นการให้ตอบแบบสอบถามหลังบินเสร็จ อาจเป็นการใช้ Camera Detection ตรวจจับใบหน้าระหว่างการเดินทางว่าจริงๆ แล้วนักเดินทางเครียดตรงช่วงไหนหรือจุดไหนเป็นพิเศษ เป็นต้น
Data Thinking ก่อน Data Visualization ตั้งคำถามให้ชัดก่อนจะเริ่มลงมือเปลี่ยนดาต้าให้เป็นภาพ
เหมือนกับการบอกกับเพื่อนร่วมงานว่า “ปะ เราไปเที่ยวกัน” เราคงไม่กระโดดขึ้นรถแล้วขับออกไปทันที เพราะเรายังไม่รู้เลยว่าตกลงแล้วเราจะไปไหนกัน กับงาน Data ก็เช่นกัน เราคงไม่เริ่มลงมือทำ Data Visualization มากมาย ถ้าเรายังไม่รู้ว่าตกลงแล้วเราอยากเห็นอะไร และที่สำคัญกว่านั้นคืออยากเห็นไปทำไมกันแน่
แต่เรื่องนี้จะว่ายากก็ยาก จะว่าง่ายก็ง่าย ในฐานะ Data Driven Marketing Advisor พบว่าไม่ใช่ทุกคนจะสามารถตั้งคำถามกับดาต้าได้ดี เช่น เราอยากรู้ว่ายิ่งลูกค้าซื้อบ่อยครั้งขึ้น สัดส่วนการซื้อในแต่ละครั้งของพวกเขาเพิ่มขึ้นสูงมั้ย หรือเท่าเดิมไม่เปลี่ยนแปลง เพราะสองผลลัพธ์นี้จะนำไปสู่กลยุทธ์การตลาดที่ต่างกัน แบบแรก จะต้องหาทางเพิ่มยอดขายในแต่ละครั้งแทน แบบหลังจะต้องหาทางทำให้ลูกค้าซื้อบ่อยครั้งขึ้นแทน แบบนี้เป็นต้น
และจากคำถามแบบ Data Thinking นี้ก็นำมาสู่การทำ Data Visualization ที่คลายคำตอบจากดาต้าให้เราได้ แต่การทำ Chart ไปเรื่อยๆ เพื่อหาคำตอบก็ไม่ผิด บางครั้งเราไม่รู้ว่าเราต้องรู้อะไร จนกว่าเราจะลองเริ่มลงมือทำ แต่ก็อย่าทำแบบหลังให้บ่อยหรือนานเกินไป ไม่อย่างนั้นจะกลายเป็นงมไปงมมาจนไม่เกิดผลลัพธ์ใดๆ ครับ
ถ้าคิดไม่ออกว่าควรจะเริ่มต้นอย่างไร ทำภาพออกมาแบบไหน ก็ลองเขียนไอเดียออกมาลงบนกระดาษก่อนก็ได้ครับ แล้วคุณจะเข้าใจไวขึ้นว่าตกลงที่คิดภาพไว้ถ้าทำออกมาจะเสียเวลาเปล่าหรือไม่
Chart Chooser เลือก Chart สำหรับการทำ Data Visualization แบบไหนดี
เพราะในโปรแกรมทำ Dashboard หรือ Data Visualization นั้นเต็มไปด้วย Chart มากมาย คำถามสำคัญคือเราควรใช้ Chart แบบไหนกับดาต้าหรือโจทย์แบบไหนดีหละ
มีคนทำสรุปไว้ให้เป็นแนวทางเรียบร้อยครับ ถ้าคิดไม่ออกว่าควรเริ่มต้นทำออกมาแบบไหน หรือมี Chart แบบไหนให้เลือกบ้าง ก็ลองดูภาพนี้ประกอบ ส่วนที่เหลือคือลองทำกับดาต้าจริงเราดู จะได้รู้ว่ามันให้ผลลัพธ์อย่างที่คิดไว้ไหม
Time Series อีกรูปแบบหนึ่ง
นี่เป็นอีกหนึ่งภาพการทำ Data Visualization ในหนังสือเล่มนี้ที่ Inspired ผมมาก มันทำให้ผมเห็นภาพการวิเคราะห์ Time Series Analysis อีกรูปแบบหนึ่ง ที่ไม่ได้เป็นแค่ Chart ทั่วไป แต่สามารถผสมผสานทั้งการใส่สีเข้าไปในภาพได้
มันคือข้อมูลการวิเคราะห์ว่าเครื่องบินมักถูกนกชนแบบไหน แบบแรกตามช่วงเวลา และตามพื้นที่ต่างๆ แบบที่สองคือตามช่วงเวลากับระดับความสูง โดยมีขนาดวงกลมเป็นจำนวนครั้งที่ถูกชน
เป็นอย่างไรครับ สองภาพเล่าสอง Insight และก็ช่วยให้เราเข้าใจบริบทที่แตกต่างกันมากยิ่งขึ้น
สร้าง Data ใหม่จากการทำ Categorize Data
หลายครั้งเราชอบคิดว่าต้องเก็บดาต้ามาให้มากที่สุดเท่านั้น จึงจะมีดาต้าให้ใช้ แต่ในความเป็นจริงแล้วเราสามารถสร้าง Data ใหม่จากดาต้าเดิมที่มี ด้วยการทำ Categorize Data ครับ
Categorized Data คือการจัดหมวดหมู่ข้อมูลเดิมที่มีให้เป็นระเบียบมากขึ้น เพื่อจะได้มีแง่มุมใหม่ๆ ในการวิเคราะห์ที่ดีขึ้น เช่น สร้างช่วงเวลา จาก ข้อมูลเวลาที่มี
8:01
9:23
10:45
11:00
12:04
12:59
14:22
15:38
16:40
17:12
ข้อมูลช่วงเวลาข้างบน เราสามารถเอามาจัดกลุ่มจำแนกออกได้เป็น
8:01 > เช้า
9:23 > เช้า
10:45 > สาย
11:00 > สาย
12:04 > เที่ยง
12:59 > เที่ยง
14:22 > บ่าย
15:38 > บ่าย
16:40 > เย็น
17:12 > เย็น
แบบนี้เป็นต้น ถ้าเราเป็น Retail เราก็จะสามารถวิเคราะห์หาช่วงเวลาจากดาต้าใหม่ที่สร้างขึ้นมา เพื่อทำให้รู้ว่าตกลงลูกค้าชอบมาช่วงไหนของวันมากกว่ากัน เพื่อจะได้นำไปสู่การจัดพนักงานให้เหมาะสมกับจำนวนลูกค้า หรืออาจจะเอาไปใช้วิเคราะห์ว่าสินค้าประเภทไหนที่ขายดีในช่วงเวลาที่แตกต่างกัน เพื่อจะได้นำไปสู่การจัดเตรียมสต็อกสินค้าให้ขายได้อย่างไม่สะดุด
ฉะนั้นอย่าลืมลองทำความสำรวจดาต้าที่มีดูว่าเราสามารถต่อยอดสร้างดาต้าใหม่อะไรขึ้นมาได้อีกบ้าง
ระวัง Bias Visualization การบิดเบือนดาต้าที่เจตนาให้เราเข้าใจผิด
จากกราฟด้านบนที่เอาข้อมูลการลางานของพนักงานมาวิเคราะห์ ซ้ายมือข้อมูลดิบแบบเดิมๆ ตรงกลางกับขวามือ จะเห็นว่าดูต่างกันโดยสิ้นเชิง
ถ้าดูกราฟตรงกลาง จะดูเหมือนว่าปี 2014 พนักงานลาติดต่อกันน้อยมาก แต่พอดูกราฟด้านขวา จะเห็นว่าสัดส่วนมันไม่ได้ต่างกันมหาศาลขนาดนั้น
สองภาพนี้ต่างกันตรงการตัดฐานข้อมูลอก เลือกจะเอา 55% เป็นฐาน กับเลือกเอา 0% เป็นฐาน ดังนั้นก่อนจะตกหลุมเชื่อดาต้าใด จงทำความเข้าใจดาต้าและกราฟนั้นให้ดีเสียก่อน เพื่อที่เราจะได้ไม่ถูกหลอกให้ตัดสินใจตามที่คนทำต้องการครับ
สรุปหนังสือ Good Charts คู่มือเปลี่ยนข้อมูลให้เป็นภาพ A Harvard Guide to Data Visualization
นี่คือหนังสือที่เหมาะกับยุค Data Driven Marketing มาก ยุคที่ใครๆ ก็รู้ว่าดาต้านั้นมีค่า แต่ไม่ใช่ทุกคนจะรู้ว่าจะหยิบดาต้ามาใช้อย่างไร และทักษะการทำ Data Visualization ก็เป็นทักษะสำคัญในยุคนี้ มันคือการอ่านภาษาดาต้าให้ออกด้วยตัวเอง ไม่ต้องรอให้ใครมาทำ Dashboard ให้ ดังนั้นเรียนรู้ที่จะทำเองให้เป็นไว้ และรู้ว่าควรจะตั้งคำถามกับดาต้าแบบไหน ก่อนจะเริ่มต้นทำดาต้าออกมาครับ
อ่านแล้วเล่า เล่มที่ 33 ของปี 2023
สรุปหนังสือ Good Charts คู่มือเปลี่ยนข้อมูลให้เป็นภาพ
A Harvard Guide to Data Visualization
เมื่อข้อมูลกลายเป็นภาพ การสื่อสารจะชัดเจนเข้าใจง่าย และดึงดูดใจ
Scott Berinato เขียน
จารุจรรย์ คงมีสุข แปล
สำนักพิมพ์ WE LEARN
อ่านสรุปหนังสือเรื่องดาต้าในอ่านแล้วเล่าต่อ : https://www.summaread.net/category/big-data/
สั่งซื้อหนังสือเล่มนี้ทางออนไลน์
https://shope.ee/99yoR0rvqD
https://shope.ee/6patelQXhp
https://shope.ee/5Km5s1VZej