Biểu đồ

Biểu đồ hay chart là một cách biểu diễn dữ liệu bằng hình ảnh để giúp con người nhìn thấy những pattern khó nhận ra khi chỉ đọc bảng số.

Biểu đồ có thể giúp trả lời những câu hỏi như:

Giá trị nào lớn hơn?

Xu hướng đang tăng hay giảm?

Dữ liệu phân bố ra sao?

Hai biến có liên hệ với nhau không?

Một nhóm chiếm bao nhiêu trong tổng thể?

Có điểm bất thường nào không?

Nhưng biểu đồ không tự làm dữ liệu dễ hiểu.

Chọn sai chart có thể khiến thông tin khó đọc hơn cả bảng số ban đầu.

Vì vậy câu hỏi quan trọng nhất trước khi vẽ biểu đồ không phải:

Dùng chart nào đẹp?

Mà là:

Người đọc cần nhìn thấy điều gì?

Nếu mục tiêu là so sánh các category thì bar chart thường là một lựa chọn tốt.

Ví dụ:

Doanh thu theo chi nhánh.

Số khách theo thị trường.

Số đơn hàng theo kênh.

Tỷ lệ chuyển đổi theo nguồn traffic.

Bar chart tận dụng chiều dài để giúp mắt người so sánh giá trị khá hiệu quả.

Nếu có nhiều category horizontal bar chart thường dễ đọc label hơn vertical bar chart.

Thứ tự các thanh cũng quan trọng.

Nếu đang thể hiện ranking thì thường nên sắp xếp từ cao xuống thấp hoặc ngược lại.

Nếu category có thứ tự tự nhiên như tháng ngày hoặc nhóm tuổi thì nên giữ thứ tự đó.

Không phải lúc nào cũng nên sort theo giá trị.

Line Chart phù hợp khi thứ tự trên trục X có ý nghĩa và đặc biệt phổ biến với dữ liệu theo thời gian.

Ví dụ:

Doanh thu theo tháng.

Traffic theo ngày.

Conversion rate theo tuần.

Latency theo thời gian.

Đường nối giữa các điểm giúp mắt nhìn thấy trend.

Tăng.

Giảm.

Đi ngang.

Hoặc thay đổi bất thường.

Nhưng không nên dùng line chart cho các category độc lập chỉ vì đường cong nhìn sinh động hơn.

Một đường nối ngầm thể hiện rằng thứ tự giữa các điểm có ý nghĩa.

Nếu thứ tự không có ý nghĩa thì bar chart thường trung thực hơn.

Scatter Plot được dùng để quan sát mối quan hệ giữa hai biến định lượng.

Mỗi điểm thường đại diện cho một observation.

Ví dụ:

Chi phí quảng cáo và doanh thu.

Giá sản phẩm và lượng bán.

Chiều cao và cân nặng.

Scatter plot có thể cho thấy:

Correlation.

Linearity.

Cluster.

Outlier.

Hoặc những pattern phi tuyến.

Đây là lý do scatter plot nên được xem trước khi diễn giải Pearson Correlation.

Một hệ số r duy nhất không thể hiện hết hình dạng của dữ liệu.

Histogram được sử dụng để xem distribution của một biến số.

Các giá trị được chia thành những khoảng gọi là bin.

Chiều cao của mỗi cột thể hiện số lượng hoặc tần suất observation nằm trong khoảng đó.

Histogram có thể giúp nhìn thấy:

Dữ liệu tập trung ở đâu.

Distribution có lệch không.

Có nhiều peak không.

Có long tail không.

Có khoảng trống bất thường không.

Histogram khác bar chart dù nhìn bên ngoài khá giống nhau.

Bar chart thường so sánh category.

Histogram mô tả distribution của một biến định lượng liên tục hoặc gần liên tục.

Các bin trong histogram vì vậy có thứ tự và thường nằm liền nhau.

Box Plot là một cách tóm tắt distribution bằng median quartile và phạm vi theo quy ước của box plot.

Box plot đặc biệt hữu ích khi cần so sánh distribution giữa nhiều nhóm.

Ví dụ:

Thời gian xử lý booking theo chi nhánh.

Latency theo loại API.

Giá trị đơn hàng theo thị trường.

Box plot không chỉ cho biết mức trung tâm.

Nó còn giúp nhìn mức độ phân tán và những outlier tiềm năng.

Đây là lý do box plot liên hệ chặt với:

Median.

Quartile.

IQR.

Outlier.

Pie Chart thường được dùng để biểu diễn tỷ trọng trong một tổng thể.

Ví dụ doanh thu được chia giữa một số ít nhóm sản phẩm.

Nhưng pie chart rất dễ bị lạm dụng.

Nếu có quá nhiều slice người đọc khó so sánh chính xác.

Mắt người thường so sánh chiều dài tốt hơn so sánh góc và diện tích.

Trong nhiều trường hợp bar chart rõ hơn pie chart.

Pie chart phù hợp nhất khi:

Số nhóm ít.

Các phần thực sự tạo thành một tổng thể.

Và câu hỏi chính là tỷ trọng.

Nếu dữ liệu không tạo thành một tổng có ý nghĩa thì không nên dùng pie chart.

Area Chart có thể được dùng để thể hiện xu hướng kèm độ lớn tích lũy hoặc composition theo thời gian.

Nhưng diện tích dễ làm người đọc cảm nhận magnitude mạnh hơn thực tế.

Nếu chỉ cần xem trend line chart thường đơn giản hơn.

Stacked Bar Chart hữu ích khi muốn xem cả tổng và thành phần trong từng category.

Ví dụ:

Doanh thu từng chi nhánh chia theo nhóm sản phẩm.

Nhưng stacked bar cũng có hạn chế.

Chỉ phần nằm sát baseline chung dễ so sánh chính xác.

Các segment ở giữa khó so hơn.

Nếu mục tiêu chính là so từng segment giữa các category thì grouped bar hoặc small multiples có thể tốt hơn.

100 Percent Stacked Bar phù hợp khi câu hỏi là composition thay vì absolute value.

Mỗi thanh tổng cộng 100 phần trăm.

Nhờ đó có thể so cơ cấu giữa các nhóm.

Nhưng đổi lại người đọc không còn thấy quy mô tuyệt đối.

Hai nhóm có cùng cơ cấu 50 phần trăm nhưng một nhóm có 100 khách còn nhóm kia có 100000 khách.

Biểu đồ tỷ trọng sẽ che mất khác biệt này.

Vì vậy cần chọn theo câu hỏi.

Heatmap sử dụng màu để biểu diễn magnitude trên một ma trận hoặc không gian.

Ví dụ số đơn hàng theo ngày trong tuần và giờ trong ngày.

Một heatmap có thể giúp nhìn pattern nhanh hơn một bảng lớn.

Nhưng màu sắc cần có scale rõ ràng.

Nếu palette không phù hợp người đọc có thể đánh giá sai mức độ khác biệt.

Không nên dùng màu chỉ để trang trí.

Màu là một visual encoding.

Nó phải có ý nghĩa.

Treemap đôi khi được dùng để biểu diễn hierarchy và part-to-whole thông qua diện tích.

Nhưng việc so sánh những hình chữ nhật có diện tích gần nhau không dễ bằng so chiều dài của thanh.

Nếu mục tiêu chỉ là ranking thì bar chart có thể tốt hơn.

Treemap nên được chọn khi hierarchy hoặc việc tận dụng không gian thực sự có giá trị.

Bubble Chart mở rộng scatter plot bằng cách dùng kích thước bubble để biểu diễn thêm một biến.

Nghe rất hấp dẫn.

Nhưng thêm dimension cũng làm chart khó đọc hơn.

Con người không so sánh diện tích hình tròn chính xác bằng chiều dài.

Vì vậy bubble chart chỉ nên dùng khi biến kích thước thực sự cần thiết.

Không phải càng nhiều dimension càng tốt.

Dual Axis Chart cũng cần đặc biệt cẩn thận.

Hai metric có đơn vị khác nhau được vẽ trên hai trục Y.

Ví dụ doanh thu và conversion rate.

Cách này có thể hữu ích trong một số tình huống.

Nhưng bằng cách thay đổi scale của hai trục người vẽ có thể khiến hai đường trông gần như đi cùng nhau hoặc hoàn toàn khác nhau.

Điều này dễ tạo cảm giác correlation mạnh hơn thực tế.

Nếu người đọc không thực sự cần nhìn hai metric trên cùng một chart thì hai biểu đồ riêng có thể an toàn hơn.

Scale là một phần quan trọng của mọi biểu đồ.

Cùng một dataset có thể tạo cảm giác hoàn toàn khác nếu thay đổi phạm vi trục.

Ví dụ conversion tăng từ 3.0 lên 3.2 phần trăm.

Nếu Y axis bắt đầu tại 2.95 thì đường tăng trông rất lớn.

Nếu bắt đầu tại 0 thì thay đổi trông nhỏ hơn nhiều.

Không có nghĩa mọi chart đều bắt buộc phải bắt đầu từ zero.

Nhưng scale phải được lựa chọn trung thực và phù hợp với cách con người đọc loại chart đó.

Bar chart đặc biệt thường nên bắt đầu từ zero vì chiều dài thanh chính là encoding của magnitude.

Line chart có nhiều trường hợp không cần zero baseline.

Nhưng người đọc phải nhìn thấy range rõ ràng.

Trục bị cắt không mặc định là sai.

Giấu việc trục bị cắt mới nguy hiểm.

Log Scale cũng có thể hữu ích khi dữ liệu trải rộng nhiều bậc độ lớn.

Nhưng log scale không quen thuộc với mọi độc giả.

Nếu dùng cần label rõ và bảo đảm người đọc hiểu mỗi khoảng cách trên trục mang ý nghĩa gì.

Một biểu đồ đúng về toán nhưng người xem hiểu sai vẫn là một biểu đồ thất bại.

Denominator là một vấn đề thường bị che bởi chart.

Ví dụ số khiếu nại tăng từ 100 lên 150.

Nếu chỉ vẽ count đường biểu đồ đi lên.

Nhưng nếu đơn hàng tăng từ 10000 lên 30000 thì complaint rate thực tế giảm.

Count và rate trả lời hai câu hỏi khác nhau.

Biểu đồ phải thể hiện đúng metric cần quan tâm.

Aggregation cũng thay đổi câu chuyện.

Dữ liệu theo tháng có thể rất mượt.

Dữ liệu từng ngày lại có thể cho thấy vài ngày hệ thống gặp sự cố nghiêm trọng.

Dữ liệu từng phút có thể quá nhiễu.

Không có granularity hoàn hảo cho mọi bài toán.

Nó phụ thuộc vào câu hỏi.

Missing Data cũng cần được thể hiện trung thực.

Một ngày không có dữ liệu không đồng nghĩa giá trị bằng zero.

Nếu hệ thống mất dữ liệu ngày thứ Ba mà chart tự nối đường từ thứ Hai sang thứ Tư người đọc có thể không biết có khoảng trống.

Cần quyết định cách biểu diễn missing value rõ ràng.

Outlier cũng không nên bị xóa chỉ để chart dễ nhìn.

Một giá trị cực lớn có thể làm các giá trị còn lại trông nhỏ.

Nhưng đó có thể là một sự kiện quan trọng.

Có thể dùng annotation scale khác hoặc một biểu đồ bổ sung.

Quyết định loại bỏ outlier phải dựa trên phân tích dữ liệu.

Không phải thẩm mỹ.

Annotation giúp biểu đồ có context.

Ví dụ đánh dấu ngày:

Website downtime.

Mở campaign.

Thay đổi giá.

Ra mắt sản phẩm mới.

Nhưng annotation chỉ nên ghi điều đã biết.

Nếu campaign bắt đầu ngày doanh thu tăng có thể ghi:

Campaign bắt đầu.

Không nên ghi:

Campaign làm doanh thu tăng.

nếu chưa có bằng chứng causation.

Chart rất dễ khiến correlation bị kể thành causation chỉ bằng một dòng chú thích.

Màu sắc cũng cần được dùng có chủ đích.

Nếu tất cả category có cùng vai trò thì không nhất thiết mỗi thanh phải một màu.

Nếu muốn highlight một nhóm thì màu khác biệt có thể hữu ích.

Màu cũng cần xem xét accessibility.

Không nên chỉ dùng đỏ và xanh để phân biệt trạng thái nếu người dùng có thể gặp khó khăn trong nhận biết màu.

Có thể kết hợp label icon pattern hoặc vị trí.

3D Chart thường nên tránh nếu chiều thứ ba không biểu diễn dữ liệu.

Hiệu ứng 3D có thể làm thay đổi cảm nhận về chiều dài diện tích và góc.

Biểu đồ nhìn bắt mắt hơn.

Dữ liệu thì không rõ hơn.

Một chart 2D đơn giản thường chính xác hơn.

Chart Junk là những yếu tố trang trí không giúp hiểu dữ liệu.

Gradient.

Shadow.

Icon quá lớn.

Background rườm rà.

Gridline quá đậm.

Hiệu ứng chuyển động không cần thiết.

Mỗi yếu tố thị giác cạnh tranh sự chú ý với dữ liệu.

Do đó nên giữ những gì giúp đọc chart và bỏ những gì chỉ làm chart trông bận rộn.

Data Ink là một cách suy nghĩ hữu ích.

Phần lớn những gì xuất hiện trên chart nên phục vụ việc truyền tải dữ liệu hoặc context cần thiết.

Không có nghĩa biểu đồ phải xấu hoặc khô khan.

Nó chỉ có nghĩa thẩm mỹ không nên che dữ liệu.

Small Multiples hữu ích khi có nhiều series.

Thay vì đặt mười đường lên một line chart có thể tách thành nhiều biểu đồ nhỏ có cùng scale.

Người đọc sẽ dễ so pattern hơn.

Điều này đặc biệt hữu ích khi mỗi nhóm đều có một time series.

Biểu đồ cũng cần tiêu đề rõ.

Hiệu quả kinh doanh

là một tiêu đề rất mơ hồ.

Conversion rate theo tuần từ tháng 1 đến tháng 6

cho người đọc nhiều context hơn.

Label và unit cũng cần đầy đủ.

Người đọc không nên phải đoán:

Con số là người hay đơn hàng?

Triệu đồng hay tỷ đồng?

Phần trăm hay percentage point?

Ngày hay tháng?

Một biểu đồ càng cần người tạo đứng bên cạnh giải thích thì khả năng thiết kế của nó càng có vấn đề.

Biểu đồ cũng không thay thế Data Quality.

Dữ liệu duplicate vẫn tạo ra một chart rất đẹp.

Dữ liệu sai unit vẫn có thể tạo đường trend rất mượt.

Missing value bị thay thành zero vẫn có thể tạo dashboard hoàn chỉnh.

Visualization làm dữ liệu dễ tin hơn.

Vì vậy dữ liệu đầu vào càng phải được kiểm tra.

Biểu đồ cũng không thay thế tư duy thống kê.

Line chart đi lên không tự chứng minh trend sẽ tiếp tục.

Scatter plot có pattern không tự chứng minh causation.

Một outlier không tự chứng minh lỗi dữ liệu.

Một bar cao hơn không có nghĩa khác biệt có ý nghĩa thống kê hoặc ý nghĩa thực tế.

Chart giúp ta nhìn.

Phân tích giúp ta hiểu.

Đây là hai việc liên quan nhưng không giống nhau.

Một quy trình chọn biểu đồ đơn giản có thể bắt đầu bằng câu hỏi:

Tôi muốn so sánh điều gì?

Nếu là category:

Hãy nghĩ đến bar chart.

Nếu là thời gian:

Hãy nghĩ đến line chart.

Nếu là distribution:

Hãy nghĩ đến histogram hoặc box plot.

Nếu là relationship:

Hãy nghĩ đến scatter plot.

Nếu là composition:

Hãy cân nhắc stacked bar pie chart hoặc những dạng part-to-whole phù hợp.

Đây chỉ là điểm bắt đầu.

Sau đó vẫn cần xét:

Số category.

Loại dữ liệu.

Audience.

Scale.

Context.

Accessibility.

Và thông điệp thực sự cần truyền đạt.

Trước khi xuất bản một chart nên hỏi:

Chart này đang trả lời câu hỏi gì?

Có chart đơn giản hơn không?

Scale có trung thực không?

Label và unit đã rõ chưa?

Missing data được thể hiện đúng chưa?

Outlier có bị che đi không?

Màu có mang thông tin không?

Chart có vô tình gợi ý causation không?

Người đọc có hiểu đúng mà không cần giải thích thêm không?

Nếu câu trả lời cuối cùng là không thì biểu đồ chưa hoàn thành nhiệm vụ.

Biểu đồ tốt không cần phức tạp.

Nó cần đúng câu hỏi.

Đúng dữ liệu.

Đúng cách biểu diễn.

Và đủ rõ để người đọc nhìn thấy điều quan trọng mà không bị thiết kế dẫn đi sai hướng.

Tag Biểu đồ tổng hợp các bài viết và kiến thức về chart bar chart line chart scatter plot histogram box plot pie chart scale màu sắc annotation và cách chọn biểu đồ phù hợp trong phân tích và trực quan hóa dữ liệu.