Trực quan hóa dữ liệu

Trực quan hóa dữ liệu hay Data Visualization là việc biểu diễn dữ liệu bằng các hình thức trực quan như biểu đồ đồ thị hoặc bản đồ để con người dễ quan sát và hiểu thông tin hơn.

Mục tiêu không phải làm dữ liệu đẹp hơn.

Mục tiêu là làm dữ liệu dễ hiểu hơn.

Một biểu đồ tốt có thể giúp người đọc nhanh chóng nhận ra:

Xu hướng.

Sự khác biệt.

Phân bố.

Mối quan hệ.

Outlier.

Hoặc một thay đổi bất thường.

Đây là những thứ đôi khi rất khó nhận ra khi chỉ nhìn một bảng gồm hàng nghìn con số.

Ví dụ doanh thu theo 12 tháng có thể được trình bày bằng một bảng.

Nhưng khi vẽ thành line chart người đọc có thể thấy ngay tháng nào tăng tháng nào giảm và xu hướng tổng thể đang đi theo hướng nào.

Đó là giá trị cơ bản của Data Visualization.

Tuy nhiên trực quan hóa dữ liệu không phải là việc chọn một biểu đồ bất kỳ rồi đưa số vào.

Loại biểu đồ phải phù hợp với câu hỏi.

Nếu muốn so sánh các nhóm thì bar chart thường là lựa chọn đơn giản và hiệu quả.

Nếu muốn xem xu hướng theo thời gian thì line chart thường phù hợp hơn.

Nếu muốn xem mối quan hệ giữa hai biến số thì scatter plot có thể hữu ích.

Nếu muốn xem phân bố thì histogram hoặc box plot thường cho nhiều thông tin hơn.

Nếu muốn xem cơ cấu của một tổng thể thì một số dạng part-to-whole visualization có thể phù hợp.

Không có biểu đồ nào tốt nhất cho mọi dữ liệu.

Câu hỏi quyết định biểu đồ.

Không phải ngược lại.

Bar Chart là một trong những dạng visualization dễ đọc nhất.

Nó phù hợp để so sánh giá trị giữa các category.

Ví dụ doanh thu theo chi nhánh.

Số đơn hàng theo kênh.

Tỷ lệ chuyển đổi theo nguồn traffic.

Độ dài thanh giúp mắt người so sánh các giá trị khá nhanh.

Trong phần lớn bar chart trục giá trị bắt đầu từ zero sẽ giúp tránh phóng đại sự khác biệt.

Tuy nhiên quy tắc này cũng cần được hiểu theo ngữ cảnh thay vì áp dụng máy móc cho mọi visualization.

Line Chart thường được sử dụng với time series.

Ví dụ:

Doanh thu từng ngày.

Traffic từng tháng.

Conversion rate qua từng tuần.

Đường nối giữa các điểm giúp người đọc nhận ra direction và trend.

Nhưng line chart không nên được dùng để nối các category hoàn toàn độc lập chỉ vì nhìn đẹp.

Đường nối ngầm nói rằng thứ tự giữa các điểm có ý nghĩa.

Scatter Plot phù hợp khi muốn khám phá mối quan hệ giữa hai biến định lượng.

Ví dụ:

Chi phí quảng cáo và doanh thu.

Chiều cao và cân nặng.

Giá sản phẩm và lượng bán.

Mỗi điểm đại diện cho một observation.

Pattern của các điểm có thể cho thấy correlation linearity cluster hoặc outlier.

Scatter plot đặc biệt hữu ích trước khi tính Pearson Correlation.

Một hệ số correlation có thể che mất rất nhiều cấu trúc mà scatter plot cho thấy ngay bằng mắt.

Histogram giúp quan sát distribution của một biến số.

Dữ liệu được chia thành các khoảng và số lượng observation trong mỗi khoảng được thể hiện trực quan.

Histogram có thể giúp nhìn thấy:

Distribution cân đối hay lệch.

Có nhiều peak hay không.

Có vùng trống hay không.

Có long tail hay không.

Đây là thông tin rất khó có được nếu chỉ nhìn mean.

Hai dataset có cùng mean vẫn có thể có distribution hoàn toàn khác nhau.

Box Plot giúp tóm tắt distribution bằng median quartile và phạm vi dữ liệu theo quy ước của box plot.

Nó đặc biệt hữu ích khi muốn so sánh distribution giữa nhiều nhóm.

Ví dụ thời gian xử lý đơn hàng giữa các chi nhánh.

Không chỉ biết chi nhánh nào có median thấp hơn.

Ta còn có thể thấy mức phân tán và các điểm ngoại lệ tiềm năng.

Đây là lý do box plot có liên hệ chặt với median quartile IQR và outlier.

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

Nhưng nó dễ bị lạm dụng.

Khi có quá nhiều slice mắt người khó so sánh góc và diện tích chính xác.

Một bar chart đôi khi dễ đọc hơn rất nhiều.

Pie chart phù hợp nhất khi số category ít và thông điệp part-to-whole thực sự quan trọng.

Không nên dùng pie chart chỉ vì dashboard còn một khoảng trống hình vuông.

Một vấn đề quan trọng khác là scale.

Thay đổi scale có thể làm cùng một dữ liệu trông rất khác.

Ví dụ một line chart conversion rate thay đổi từ 3.0 phần trăm lên 3.2 phần trăm.

Nếu trục Y chỉ hiển thị từ 2.95 đến 3.25 thì đường tăng có thể trông rất mạnh.

Nếu trục bắt đầu từ 0 thì thay đổi lại trông khá nhỏ.

Cả hai biểu đồ có thể sử dụng đúng dữ liệu.

Nhưng cảm nhận thị giác khác nhau.

Vì vậy scale phải được lựa chọn và trình bày trung thực.

Người đọc cần biết mình đang nhìn vào phạm vi nào.

Màu sắc cũng là một phần của Data Visualization.

Màu nên mang ý nghĩa.

Ví dụ dùng một màu khác để highlight một category cần chú ý.

Không cần biến mỗi thanh thành một màu khác nhau nếu màu không mang thông tin.

Quá nhiều màu làm tăng cognitive load.

Màu sắc cũng cần xem xét khả năng tiếp cận của người bị suy giảm nhận biết màu.

Không nên chỉ dựa vào đỏ và xanh để truyền tải toàn bộ ý nghĩa.

Label pattern hoặc vị trí có thể hỗ trợ thêm.

Một visualization tốt cũng cần context.

Một con số 1000 đơn hàng chưa nói nhiều.

1000 so với bao nhiêu?

So với hôm qua?

So với kế hoạch?

So với cùng kỳ?

So với chi nhánh khác?

Visualization thường trở nên hữu ích khi tạo được một comparison có ý nghĩa.

Denominator cũng rất dễ bị bỏ quên.

Ví dụ số đơn khiếu nại tăng từ 100 lên 150.

Nghe có vẻ xấu.

Nhưng nếu số đơn hàng tăng từ 10000 lên 30000 thì tỷ lệ khiếu nại thực tế lại giảm.

Vì vậy cần biết nên trực quan hóa count hay rate.

Đôi khi cần cả hai.

Aggregation cũng ảnh hưởng rất lớn đến visualization.

Dữ liệu theo tháng có thể trông ổn định.

Nhưng dữ liệu từng ngày có thể cho thấy một số ngày xảy ra sự cố nghiêm trọng.

Ngược lại dữ liệu theo phút có thể chứa quá nhiều noise khiến trend dài hạn khó nhìn.

Không có mức aggregation đúng cho mọi câu hỏi.

Nó phụ thuộc vào mục tiêu phân tích.

Trực quan hóa dữ liệu cũng cần thể hiện missing data đúng cách.

Không nên tự động biến giá trị thiếu thành zero.

Ví dụ một ngày không có dữ liệu doanh thu không nhất thiết có nghĩa doanh thu bằng 0.

Có thể pipeline dữ liệu đã bị lỗi.

Nếu chart nối thẳng qua khoảng thiếu này người đọc có thể không nhận ra vấn đề.

Visualization phải phản ánh trạng thái dữ liệu thay vì che nó đi.

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

Một điểm cực lớn có thể làm các điểm khác bị ép lại.

Nhưng outlier có thể chứa thông tin rất quan trọng.

Có thể sử dụng annotation hoặc một cách visualization khác để giữ thông tin mà vẫn giúp chart dễ đọc.

Quyết định xóa outlier thuộc về quá trình phân tích dữ liệu.

Nó không nên được thực hiện chỉ vì lý do thẩm mỹ.

Annotation là một công cụ rất hữu ích nhưng thường bị bỏ qua.

Nếu doanh thu tăng mạnh đúng ngày mở chiến dịch mới có thể đánh dấu sự kiện đó trên chart.

Nếu traffic giảm vì website downtime có thể thêm annotation ở đúng thời điểm.

Một annotation nhỏ đôi khi cung cấp context tốt hơn thêm hàng chục màu sắc.

Nhưng annotation cũng cần phân biệt giữa fact và interpretation.

Nếu chỉ biết campaign bắt đầu cùng ngày doanh thu tăng thì có thể ghi:

Campaign bắt đầu.

Không nên ghi:

Campaign làm doanh thu tăng.

nếu chưa có bằng chứng causal.

Visualization có thể vô tình biến correlation thành causation nếu wording thiếu cẩn thận.

Đây là nơi Data Visualization gặp tư duy thống kê.

Dashboard và Data Visualization cũng không hoàn toàn giống nhau.

Data Visualization là lĩnh vực rộng về cách biểu diễn dữ liệu trực quan.

Dashboard là một sản phẩm tổng hợp nhiều metric và visualization để hỗ trợ monitoring hoặc decision-making.

Một dashboard thường chứa nhiều chart.

Nhưng nhiều chart không tự động tạo thành dashboard tốt.

Dashboard cần có mục tiêu.

Người dùng cần biết:

Điều gì đang xảy ra?

Có gì bất thường?

Có cần hành động không?

Đi sâu ở đâu?

Nếu người xem phải mất mười phút để tìm con số quan trọng nhất thì dashboard đang phục vụ dữ liệu nhiều hơn phục vụ con người.

Data Storytelling cũng liên quan nhưng khác Data Visualization.

Visualization giúp nhìn dữ liệu.

Data Storytelling tổ chức dữ liệu context và narrative để giải thích một vấn đề hoặc dẫn người đọc qua một lập luận.

Một chart có thể là một phần của data story.

Nhưng chart không tự tạo ra câu chuyện.

Ngược lại câu chuyện cũng không nên ép dữ liệu phải phục vụ một kết luận đã có sẵn.

Đó là cherry picking.

Một visualization trung thực phải cho phép dữ liệu phản bác giả thuyết của người làm báo cáo.

Điều này đặc biệt quan trọng với dashboard quản trị.

Người thiết kế chart thường biết trước câu chuyện.

Người xem thì không.

Do đó tiêu đề biểu đồ nên nói rõ metric context và thời gian cần thiết.

Ví dụ:

Conversion rate theo tuần.

rõ hơn:

Hiệu quả kinh doanh.

Tiêu đề càng cụ thể càng giảm khả năng người xem phải đoán.

Sort order cũng ảnh hưởng đến khả năng đọc.

Bar chart dùng để ranking thường nên được sắp xếp theo giá trị.

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

Không nên sort chỉ vì một quy tắc cố định.

Thứ tự phải phục vụ câu hỏi.

Visualization cũng cần tránh 3D chart nếu chiều thứ ba không mang dữ liệu.

Hiệu ứng 3D có thể làm biến dạng cảm nhận về chiều dài diện tích hoặc góc.

Một biểu đồ 2D đơn giản thường chính xác và dễ đọc hơn.

Đẹp không phải mục tiêu cuối.

Hiểu đúng mới là mục tiêu.

Một lỗi khác là đưa quá nhiều metric vào cùng một chart.

Doanh thu lượt truy cập conversion rate bounce rate chi phí quảng cáo và số khách hàng không nhất thiết phải cùng xuất hiện trên một biểu đồ.

Nếu chúng sử dụng nhiều đơn vị khác nhau biểu đồ càng khó diễn giải.

Dual axis chart đôi khi hữu ích nhưng cũng rất dễ tạo cảm giác hai chuỗi có quan hệ mạnh chỉ bằng cách điều chỉnh scale.

Nếu sử dụng cần đặc biệt thận trọng.

Trong nhiều trường hợp hai chart nhỏ sẽ rõ ràng hơn một chart quá thông minh.

Small multiples là một phương án hữu ích khi muốn so sánh cùng một metric qua nhiều nhóm.

Thay vì nhét mười đường vào một line chart có thể tạo nhiều chart nhỏ dùng cùng scale.

Mắt người dễ nhận ra pattern khác nhau giữa các nhóm hơn.

Data Visualization cũng liên quan mật thiết tới Data Quality.

Chart đẹp không làm dữ liệu đúng hơn.

Nếu duplicate record làm doanh thu tăng gấp đôi thì biểu đồ vẫn có thể trông rất chuyên nghiệp.

Nếu missing data bị hiểu thành zero thì đường trend vẫn được vẽ rất mượt.

Đó mới là phần nguy hiểm.

Visualization làm thông tin dễ tin hơn.

Vì vậy trách nhiệm kiểm tra dữ liệu càng lớn.

Một quy trình đơn giản trước khi vẽ chart có thể là:

Xác định câu hỏi → hiểu dữ liệu → kiểm tra Data Quality → xác định loại comparison → chọn chart → chọn scale → thêm context → kiểm tra khả năng gây hiểu nhầm → đơn giản hóa → kiểm tra lại với người đọc.

Trước khi xuất bản một biểu đồ nên tự hỏi:

Người xem cần trả lời câu hỏi gì?

Chart này có phải loại phù hợp nhất không?

Scale có làm phóng đại hoặc che giấu thay đổi không?

Denominator có bị thiếu không?

Aggregation có che mất pattern không?

Outlier và missing data đã được thể hiện đúng chưa?

Màu có mang ý nghĩa hay chỉ để trang trí?

Tiêu đề có dẫn dắt quá mức không?

Người đọc có thể hiểu chart mà không cần người làm báo cáo đứng bên cạnh giải thích không?

Câu cuối cùng khá hữu ích.

Một biểu đồ tốt nên tự nói được phần lớn câu chuyện của nó.

Không cần màu mè.

Không cần hiệu ứng.

Cần đúng.

Cần rõ.

Và cần giúp người đọc nhìn thấy điều dữ liệu thực sự đang nói.

Tag Trực quan hóa dữ liệu tổng hợp các bài viết và kiến thức về Data Visualization bar chart line chart scatter plot histogram box plot dashboard màu sắc scale annotation và cách trình bày dữ liệu rõ ràng trung thực dễ hiểu.