มาถึงตอนที่ 3 ซึ่งเป็นตอนสุดท้ายในซีรี่ส์นี้กันแล้ว ในตอนนี้จะเป็นกลุ่มกราฟที่เราอาจไม่คุ้นเท่าไหร่ ยกเว้น Pie Chart หรือแผนภูมิวงกลมนั่นเอง ทั้ง 3 กลุ่ม ประกอบด้วย Part-to-whole, Spatial และ Flow

มาดูรายละเอียดกันค่ะ

(หมายเหตุ: บทความนี้อ้างอิงเนื้อหาจาก Visual Vocabulary ของ FT โดยแปลจากภาษาอังกฤษเป็นไทย และอาจมีการปรับเล็กน้อยเพื่อเสริมสร้างความเข้าใจ ส่วนที่เป็นความเห็นส่วนตัวนั้นจะอยู่ในหัวข้อ 'ความเห็นเพิ่มเติม’)

More...

Link สำหรับตอนที่ 1 และ 2

Link สำหรับตอนที่ 1

https://skilldee.com/2020/ft-visual-vocabulary-1

Link สำหรับตอนที่ 2

https://skilldee.com/2020/ft-visual-vocabulary-2

#7 Part-to-whole

ตัวอย่างการแสดงข้อมูลใน FT’s Visual Vocabulary ในประเภท Part-to-whole แสดงไว้ในรูป G

Part-to-whole - Data Visualisation ประเภทนี้จะเน้นให้เห็นภาพรวมและองค์ประกอบเล็กๆ ที่แตกออกไป หากผู้อ่านสนใจแค่ขนาดทั้งหมด ควรพิจารณาใช้กราฟแบบ Magnitude แทน

Chart type ของ Part-to-whole ที่ FT สรุปมามี 10 แบบ ด้วยกัน คือ

  1. 1
    Stacked column/bar: วิธีอย่างง่ายในการแสดงความสัมพันธ์แบบ part-to-whole แต่จะอ่านค่าได้ยากขึ้นหากจำนวน stack ของข้อมูลมีมากขึ้น
  2. 2
    Marimekko: วิธีที่ดีในการแสดงขนาดและสัดส่วนของข้อมูลพร้อมกัน โดยใช้ได้เมื่อข้อมูลไม่ซับซ้อนเกินไป
  3. 3
    Pie: แผนภูมิวงกลม แสดงข้อมูลแบบ part-to-whole แต่โปรดระวังว่าการเปรียบเทียบขนาดของแต่ละส่วนของวงกลมให้แม่นยำนั้นทำได้ยาก
  4. 4
    Donut: คล้ายกับแผนภูมิวงกลม แต่พื้นที่ตรงกลางว่าง ซึ่งอาจใช้แสดงข้อมูลเพิ่มเติมเกี่ยวกับข้อมูล (เช่น ค่าทั้งหมด)
  5. 5
    Treemap: ใช้สำหรับ part-to-whole ที่มีความสัมพันธ์แบบลำดับชั้น แต่จะอ่านค่าได้ลำบากเมื่อมีส่วนประกอบเล็กๆ จำนวนมาก
  6. 6
    Voronoi: เป็นการเปลี่ยนจุดข้อมูลให้เป็นพื้นที่
  7. 7
    Arc: กราฟรูปครึ่งวงกลม มักใช้ในการแสดงภาพจำนวนที่นั่งในรัฐสภา
  8. 8
    Gridplot: ดีสำหรับการแสดงร้อยละ เหมาะที่จะใช้เมื่อข้อมูลเป็นจำนวนเต็ม และใช้ได้ดีในรูปแบบของกราฟ Gridplot เล็กๆ หลายอัน
  9. 9
    Venn: โดยทั่วไปใช้สำหรับการแสดงแผนภาพเท่านั้น
  10. 10
    Waterfall: มีประโยชน์สำหรับการแสดงความสัมพันธ์ของ part-to-whole เมื่อองค์ประกอบบางส่วนเป็นค่าลบ

ความเห็นเพิ่มเติม

กราฟที่ Popular ที่สุดในกลุ่มนี้ คือ แผนภูมิวงกลมหรือ Pie Chart ที่เป็นข้อถกเถึยงกันในวงการ Data Visualization นั่นเอง (มีทั้งคนรักและมีทั้งคนเกลียด) สำหรับอิง แผนภูมิวงกลมเป็นตัวเลือกที่น่าสนใจ เพราะหากใช้ได้อย่างเหมาะสมเป็นแผนภูมิที่ช่วยให้อ่านค่าได้อย่างรวดเร็วและผู้อ่านส่วนใหญ่คุ้นเคยกันเป็นอย่างดี  

ส่วน Venn diagram (เวลาอ่านออกเสียงภาษาไทย ชื่อไม่ค่อยเป็นมงคลเท่าไร) ยอดฮิตสำหรับทศวรรษนี้ คือ Sustainable Development ที่แสดงถึงการพัฒนาอย่างยั่งยืนนั่นเองค่ะ (ประกอบด้วยวงกลม 3 วง คือ ด้านสังคม สิ่งแวดล้อม และเศรษฐศาสตร์)

Treemap และ Waterfall ก็น่าสนใจค่ะ และเป็นกราฟที่ใช้ Excel สร้างขึ้นได้ไม่ยากเลย

กราฟอีกแบบนึงที่อิงชอบ และเริ่มเห็นคนใช้มากขึ้น คือ Gridplot แต่อันนี้ต้องอาศัยโปรแกรมอื่น เพราะ Excel ยังไม่มีคำสั่ง Insert Graph ให้ แต่เราสามารถใช้ PowerPoint สร้างขึ้นได้นะคะ ใช้เวลาไม่นาน สวยอีกต่างหาก

มารู้จัก Pie Chart เพิ่มขึ้นกันค่ะ

แผนภูมิวงกลม (Pie Chart) ถูกกล่าวหาว่าเป็นผู้ร้ายในวงการ Data Visualization ว่าแต่จริงเหมือนที่เขาว่ากันหรือเปล่า มาคุยกันในโพสต์นี้ค่ะ

#8 Spatial

ตัวอย่างการแสดงข้อมูลใน FT’s Visual Vocabulary ในประเภท Spatial แสดงไว้ในรูป H

Spatial - Data Visualisation ประเภทนี้ควรใช้เมื่อตำแหน่งหรือรูปแบบในเชิงภูมิศาสตร์สำคัญกับผู้อ่านมากกว่าสิ่งอื่นใด

Chart type ของ Spatial ที่ FT สรุปมามี 8 แบบ ด้วยกัน คือ

  1. 1
    Basic choropleth (rate/ratio): วิธีมาตรฐานสำหรับการใส่ข้อมูลลงไปบนแผนที่ (ควรเป็นค่าอัตราส่วนมากกว่าค่าทั้งหมด และใช้กับข้อมูลที่แปรผันตามลักษณะภูมิศาสตร์)
  2. 2
     Proportional symbol (count/magnitude): ใช้สำหรับแสดงค่าทั้งหมดมากกว่าค่าอัตราส่วน (โปรดระวัง เพราะหากความแตกต่างของข้อมูลมีน้อย จะมองเห็นความต่างได้ลำบาก)
  3. 3
    Flow map: สำหรับแสดงการเคลื่อนที่ที่ชัดเจนในแผนที่
  4. 4
    Contour map: สำหรับแสดงพื้นที่ที่มีค่าเท่ากันบนแผนที่ สามารถใช้เฉดสีเพื่อแสดงค่าบวก/ลบ
  5. 5
    Equalised cartogram: เปลี่ยนแต่ละหน่วยบนแผนที่ให้เป็นรูปทรงที่มีขนาดเท่ากัน ดีสำหรับการแสดงภูมิภาคที่มีการโหวตด้วยค่าที่เท่ากัน
  6. 6
    Scaled cartogram (value): ยืดและหดแผนที่ เพื่อให้แต่ละพื้นที่มีขนาดสอดคล้องกับค่าเฉพาะหนึ่งๆ
  7. 7
    Dot density: ใช้ในการแสดงสถานที่ของเหตุการณ์แต่ละเหตุการณ์ อย่าลืมใส่คำอธิบายถึงรูปแบบที่เราต้องการให้ผู้อ่านเห็น
  8. 8
    Heat map: ค่าของข้อมูลแบบ Grid-based ที่ถูกวางลงบนแผนที่ตามสเกลความเข้มของสี 

ความเห็นเพิ่มเติม

สิ่งที่ยากสำหรับกราฟกลุ่มนี้ คือ การใส่ข้อมูลลงในแผนที่ ซึ่งอาจต้องใช้โปรแกรมเฉพาะ หากใช้ Excel ก็พอทำได้ค่ะ แต่จะได้แค่ Basic chrolopleth เท่านั้น โดย Excel จะส่งข้อมูลไปดึงรูปแผนที่มาจาก Bing นั่นเอง

#9 Flow

ตัวอย่างการแสดงข้อมูลใน FT’s Visual Vocabulary ในประเภท Flow แสดงไว้ในรูป I

Flow - Data Visualisation ประเภทนี้จะแสดงปริมาณหรือความเข้มข้นของการเคลื่อนที่ระหว่างสองสถานะ (หรือสภาวะ) หรือมากกว่า ซึ่งอาจเป็นลำดับขั้นที่เป็นเหตุเป็นผลหรือตำแหน่งทางภูมิศาสตร์

Chart type ของ Flow ที่ FT สรุปมามี 4 แบบ ด้วยกัน คือ

  1. 1
    Sankey: แสดงความเปลี่ยนแปลงของการไหลจากสภาวะหนึ่งไปยังอีกสภาวะ (อย่างน้อยหนึ่งสภาวะ) เหมาะสำหรับการติดตามผลสุดท้ายของกระบวนการที่มีความซับซ้อน
  2. 2
    Waterfall: ออกแบบมาสำหรับแสดงลำดับของข้อมูลผ่านการไหลของขั้นตอน/กระบวนการ โดยเฉพาะงบประมาณ สามารถมีได้ทั้งส่วนที่เป็นบวกและลบ
  3. 3
    Chord: ค่อนข้างซับซ้อนแต่เป็นไดอะแกรมที่ทรงพลังในการอธิบายการไหลสองทางในเมตริกซ์ได้อย่างเห็นภาพ
  4. 4
    Network: ใช้สำหรับการแสดงจุดแข็งและความเชื่อมโยงของความสัมพันธ์ของสิ่งต่างๆ

ความเห็นเพิ่มเติม

เด็กวิศวะ (สายมาทางเคมี อุตสาหการ และสิ่งแวดล้อม) น่าจะคุ้นชินกับ Sankey Diagram เป็นอย่างดี กราฟในกลุ่มนี้ส่วนใหญ่ต้องใช้โปรแกรมเฉพาะหรือโปรแกรม Data Visualization ที่เหนือกว่า Excel ในการสร้างกราฟ (ยกเว้น Waterfall) 

กราฟในกลุ่มนี้อาจไม่ได้เห็นกันบ่อย แต่เป้นกราฟกลุ่มที่สวยงามและน่าสนใจอีกกลุ่มนึงเลยค่ะ

คำถามชวนคิด

ข้อความสำคัญที่คุณต้องการสื่อจากการนำเสนอข้อมูลที่คุณมีจัดอยู่ใน Data Visualization กลุ่มไหน และกราฟไหนที่คุณอยากลองนำไปใช้

Ing

วิศวกรสิ่งแวดล้อมที่หันมาทำงานบริหารโครงการ แต่สนใจเรื่องการนำเสนอมาก
จนอยากจะแบ่งปันสิ่งที่เรียนรู้มาตลอดหลายปี (ไม่กล้าบอกปี เดี๋ยวรู้อายุ) ให้กับผู้อ่านที่น่ารักทุกคน

Leave a Reply

Your email address will not be published. Required fields are marked

{"email":"Email address invalid","url":"Website address invalid","required":"Required field missing"}

โพสต์อื่นๆ ที่คุณอาจสนใจ

5 หนังสือแนะนำ สำหรับเริ่มต้นกับ Data Viz

Ing

09/07/2021

Everyday DataViz

Everyday DataViz
ความเข้าใจผิดเกี่ยวกับ Data Visualization