Author: vasabrp
-
แผนภูมิเรดาร์ เมื่อไรใช้ เมื่อไรหนี
พูดกันตรงๆ ผมไม่เคยใช้แผนภูมิเรดาร์ (Radar Chart) ในการนำเสนอข้อมูลเลย เห็นแผนภูมินี้ทีไร นึกถึงสมัยเล่นเกมฟุตบอล Winning Eleven ที่ผู้พัฒนาจะแสดงค่าพลังนักเตะด้วยแผนภูมิเรดาร์ แผนภูมินี้ใช้แสดงข้อมูลแบบหลายตัวแปรที่มีจำนวนตัวแปรอย่างน้อยสามหรือสี่ตัวขึ้นไป โดยจะถูกแทนที่บนแกนสำหรับแต่ละตัวแปร แผนภูมินี้มีลักษณะคล้ายกับใยแมงมุมบางคนก็เลยเรียก Spider chart มันถูกออกแบบเพื่อเปรียบเทียบตัวแปร และช่วยให้ตัดสินใจด้วยการมองอย่างรวดเร็ว ถ้าอยากใช้แผนภูมินี้ต้องทำอะไรบ้าง จุดแข็งของแผนภูมินี้มีอะไรบ้าง จุดด้อยของแผนภูมิเรดาร์ ไม่ใช้เรดาร์ แต่อยากเทียบค่าตัวแปรหลายตัว ทำอย่างไร แผนภูมิเรดาร์สวย แต่อาจดูรก ทางแก้ง่ายๆ คือใช้กราฟแท่งครับ ทั้งแบบกราฟจิ๋ว (small multiples) เรียงกันไป หรือแบบหันหลังชนกันก็ได้ครับ (back to back bars) ขอใช้โอกาสนี้ลองทำ makeover งานของผู้ใช้ x ที่ชื่อ NB News – Editor Watchara R. เพื่อให้เห็นภาพชัดขึ้นนะครับ ซึ่งในภาพเดิมที่เทียบนายก และนายกเงา มีการเทียบตัวแปร 4 ตัว อธิบายวิธีการคิดคะแนน ซึ่งก็ไม่ได้ละเอียดนัก…
-
อุดมศึกษาไทยผลิตบัณฑิตมากแค่ไหนในช่วงปี 2560 – 2564

ที่มา มีโปรเจคเล็กๆ ช่วงที่เบรคคุมสอบ และเกิดจากความสนใจในตัวเลขต่างๆ ของภาคอุดมศึกษาในบ้านเราเพราะทำงานด้านประกันคุณภาพด้วย ก็เลยไปหาข้อมูลจากกระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม (อว.) ครับ (https://info.mhesi.go.th/) ข้อมูลชุดนี้ดูย้อนหลังได้หลายสิบปี แต่ที่น่าสนใจคือช่วงหลังมานี้เราได้ยินกันบ่อยว่าเด็กเกิดน้อยลง เด็กสนใจอุดมศึกษาน้อยลง ก็เลยอยากรู้ว่ารอบ 5 ปีล่าสุดเราผลิตบัณฑิตมากแค่ไหน เตรียมข้อมูล ข้อมูลของ อว. มีหลายชุด ส่วนใหญ่มาในรูปแบบ Excel PivotTable ซึ่งสามารถเลือกปรับดูได้ตามที่ต้องการนะครับ เช่นข้อมูลด้านล่างนี้แสดงจังหวัด ระดับปริญญา ประเภทสถาบัน และชื่อสถาบัน ถ้าเราไม่อยากให้แสดงจังหวัด ก็แค่ดึงออกจากช่อง Rows ของ PivotTable Fields ได้เลย หรือถ้าเราอยากดูภาพรวมแค่ประเภทสถาบัน (รัฐฯ vs. เอกชน) ก็เลือกดึงรายละเอียดจังหวัด ชื่อสถาบัน คณะ และสาขาวิชาออก ก็จะเหลือแค่จำนวนบัณฑิตที่จบจากสถาบันแต่ละประเภทได้ ทีนี้ถ้าเราอยากดูข้อมูลหลายปี ก็ต้องรวมไฟล์ละครับ ผมก็เลือกมา 5 ปีล่าสุดและจัดการรวมข้อมูลหลังจากปรับ PivotTable เป็นแบบที่ต้องการ ในที่นี้ผมต้องการดูตัวเลขบัณฑิตในแต่ละสาขา เอาแบบที่เข้าใจง่ายที่สุด ซึ่งทาง…
-
Dashboard: Top 25 บริษัทไทย ใช้บัณฑิตมหาวิทยาลัยไหนบ้าง?
ที่มา เพิ่งทราบว่าหน้าบัญชีบริษัทต่างๆ บน LinkedIn นั้นมีข้อมูลน่าสนใจให้ดูเยอะมากครับ คือค่าตั้งต้นของบัญชีประเภทนี้จะมีข้อมูลงานที่กำลังรับสมัคร (Jobs) ชีวิตภายในบริษัท (Life) ที่มีรายละเอียดวัฒนธรรมองค์กร ผลประโยชน์ต่างๆ มีรูปภาพภายในบริษัทให้ดู และข้อมูลเกี่ยวกับพนักงาน (People) ซึ่งข้อมูลส่วนนี้ละเอียดมาก บอกเลยว่ามีพนักงานอยู่ที่ประเทศอะไร เมืองไหนบ้าง (Where they live) เรียนจบจากมหาวิทยาลัยไหน (Where they studied) จบสาขาอะไร (What they studied) ตำแหน่งที่ทำงาน (What they do) และทักษะที่มี (What they are skilled at) เรียกว่าเป็นขุมทรัพย์ที่สามารถทำให้เราเข้าใจบริษัทนั้นๆ ได้ดีเลย ลองดูตัวอย่างข้อมูลเหล่านี้จากหน้าบัญชี Google ได้นะครับ จะเห็นได้ว่ามีพนักงาน 2 แสนกว่าคน อยู่ในสหรัฐฯ กว่าครึ่งและไปกระจุกกันอยู่ที่ California และ Bay Area ซึ่งก็เป็น HQ ของเขาละครับ…
-
AI ใน Excel

ช่วงนี้คนตื่นเต้นความร่วมมือระหว่าง Microsoft กับ OpenAI ผู้พัฒนา ChatGPT ที่กำลังกลายเป็นคุกคามธุรกิจ Google และตำแหน่งงานต่างๆ ในธุรกิจด้วยนะครับ แต่ที่จริงแล้ว Microsoft นำ AI มาเพิ่มประสิทธิภาพให้กับซอฟต์แวร์ของตัวเองมากมาย รวมถึง ไมโครซอฟท์ 365 ที่เราคุ้นเคยกันด้วย โดยเฉพาะ Excel นั้นมีพลัง AI แผงอยู่มากมาย AI ช่วยวิเคราะห์ข้อมูล เราสามารถใช้ AI หา Insights ได้ ไม่ว่าจะเป็นการเรียงลำดับข้อมูล การหาค่าผิดปกติ (outlier) แถมยังมีความเข้าใจภาษาด้วย คือเราสามารถพูดถึงตัวแปร 2 ตัวแล้วให้มันช่วยสร้างกราฟให้ก็ได้ หรือถ้าคิดอะไรไม่ออกก็ให้ Excel วิเคราะห์ให้เลยก็ยังได้ AI ช่วยทำภาพดาต้าแบบมี focus อย่างที่บอกไปว่า Excel สามารถหาค่าผิดปกติหรือ outlier ให้ได้ แต่ที่ผมชอบมากคือมันทำกราฟให้แถมเพิ่ม focus ให้ภาพด้วย จำได้ไหมครับว่าคนจะจำภาพเราได้ก็ต่อเมื่อเราทำ focus ไว้อย่างเหมาะสมด้วย…
-
สองขั้นตอนช่วยให้ภาพดาต้าชัดเจนและน่าจดจำ

ไม่บ่อยนักที่แนวคิดฝั่ง data visualization และ data storytelling จะได้รับการยืนยันจากฝั่งนักวิชาการนะครับ แต่นี่คือหนึ่งงานวิจัยที่ฟันธงแล้วว่าถ้าเราทำตาม 2 ขั้นตอนนี้ ข้อมูลที่เราสร้างจาก insights จะช่วยให้กลุ่มเป้าหมายเข้าใจได้ง่ายและจำความหมายของมันได้นาน งานวิจัยที่ยืนยันเรื่องนี้ชื่อว่า Declutter and Focus: Empirically Evaluating Design Guidelines for Effective Data Communication ที่ตีพิมพ์ใน IEEE Transactions on Visualization and Computer Graphics เมื่อเดือนตุลาคม 2022 ที่ผ่านมา ทำให้ภาพดาต้ามีประสิทธิภาพด้วยการ declutter และ focus สองขั้นตอนที่ช่วยให้ภาพดาต้าของเราดูดีและจำง่ายคือ (1) declutter และ (2) focus declutter คือเทคนิคลดทอนรายละเอียดที่รกรุงรังและไม่จำเป็นออกจากภาพดาต้า เช่นเส้นกริด เส้นขอบตาราง ป้ายข้อมูลที่ซ้ำซ้อน หรือพูดง่ายๆ ก็คือการทำความสะอาดภาพดาต้าเราให้กลายเป็นผืนผ้าใบที่มีแต่องค์ประกอบที่จำเป็น หลังจากนั้นในขั้นตอน focus…
-
หนังสือ Data Storytelling in Marketing ใช้ดาต้าเล่าเรื่องแบบมืออาชีพ

หนังสือ Data Storytelling Marketing ใช้ดาต้าเล่าเรื่องแบบมืออาชีพ ออกแล้วครับ หนังสือเล่มนี้เกิดจากความหลงใหลในเรื่องราวของการเล่าดาต้าให้สนุกและเข้าใจง่ายของผม เกิดจากประสบการณ์ตรงในการ “เล่าดาต้า” ให้ผู้คนรอบข้างฟัง มันทำให้ผมตระหนักถึงพลังของภาพดาต้าที่เข้าใจง่าย จากการติดตามความเคลื่อนไหวการใช้งานดาต้าในภาคธุรกิจบ้านเราหลายปีผมเห็นความก้าวหน้าด้าน Data Visualization หรือการแสดงภาพดาต้าที่ย่อยเรื่องราวซับซ้อนออกมาเป็น Information Dashboard เพื่อสนับสนุนการตัดสินใจในองค์กรพัฒนาไปมาก แต่การ “Turn data into insights” แบบนี้มันยังไม่ใช่สถานีสุดท้ายของการใช้งานดาต้าถ้าเราอยากเล่าให้กลุ่มเป้าหมายฟัง เพราะภาพดาต้าที่มีกระชับและชัดเจนจะช่วยให้ผู้รับสารเข้าใจเรื่องราวที่เราต้องการสื่อและสามารถพาพวกเขาไปถึงจุดหมายที่เราต้องการไม่ว่าจะเป็นการเข้าเยี่ยมชมเว็บไซต์ การมีส่วนร่วมกับแบรนด์ จนถึงการซื้อสินค้าและบริการ หนังสือเล่มนี้จะชวนคุณตั้งคำถามว่าดาต้าที่คุณมีเหมาะกับภาพดาต้าแบบใด มันอาจเป็นกราฟ แผนภูมิ หรือวิธีอื่นๆ และพูดถึงวิธีการแสดง insights ให้คนเข้าใจได้รวดเร็ว โดยในแต่ละบทจะมีตัวอย่างการใช้งานภาพดาต้าเพื่อการสื่อสารการตลาดเพื่อให้เราเห็นพลังของมัน ขอขอบคุณผู้อ่านทุกท่านที่เลือกหนังสือเล่มนี้และขอให้สนุกไปกับการเดินทางเพื่อสร้างภาพดาต้าเพื่อ “Turn insights into stories” ด้วยกันครับ สามารถสั่งซื้อออนไลน์ได้ที่ Amarinbooks Shopee และร้านหนังสือชั้นนำทั่วประเทศ
-
Data storytelling เกี่ยวอะไรกับ DIKW Pyramid

ใครที่คุ้นเคยกับเรื่อง data literacy น่าจะเคยผ่านตารูปพีระมิด DIKW ที่ย่อมาจาก data, information, knowledge และ wisdom กันมาบ้างนะครับ แนวคิด DIKW Pyramid นี้มีคนดัดแปลงออกมาเป็นแผนภูมิหลายแบบมาก ชุมชนฝั่งการจัดการความรู้ก็เอาไปทำเป็นภาพพีระมิดแบบละเอียดขึ้นไปอีก แต่โดยหลักการแล้วแนวคิดนี้อธิบายว่า ข้อมูล (data) นั้นจะถูกประมวลผลไปอยู่ในรูปที่เป็นระเบียบแบบแผน เข้าใจได้ (information) และความเข้าใจในข้อมูลเหล่านั้นก็จะทำให้เกิดความรู้ใหม่ (knowledge) เมื่อนำความรู้นี้ไปใช้ก็กลายเป็นปัญญา (wisdom) นั่นเอง ถ้าพิจารณาจากขึ้นตอนที่เปลี่ยนจาก knowledge เป็น wisdom ใน KM Cognitive Pyramid เราจะเห็นว่ามีเรื่องของการประยุกต์ (apply) การวิเคราะห์ (analyze) การแสดงผล (display) และการแสดงภาพ (visualize) อยู่ด้วย นั่นหมายความว่าหากเราต้องการจะเปลี่ยนผ่านความรู้ไปเป็นปัญญา มันต้องผ่านการวิเคราะห์หาผลเชิงลึก (insights) และผ่านการเล่าเรื่องที่ดีนั่นเอง (storytelling) จุดนี้ละครับที่ data storytelling เข้ามาเชื่อมเพื่อกระจายองค์ความรู้ที่องค์กรสกัดออกมาจากบริบทข้อมูลของตนเอง ขยายผลออกไปในวงกว้างระดับองค์กรหรือสู่สาธารณะ…
