ฮานส์ รอ สลิ่ง ผู้ มีวิสัยทัศน์ เว็บสล็อต ด้านข้อมูลผู้ล่วงลับทำให้โลกหลงใหลไปกับงานของเขา ซึ่งช่วยให้สังคมมีข้อมูลมากขึ้น Rosling ใช้ข้อมูลด้านสุขภาพทั่วโลกในการวาดภาพที่น่าทึ่งว่าโลกของเราตอนนี้ดีขึ้นกว่าที่เคยเป็นมาอย่างไร โดยนำความหวังมาผ่านข้อมูล
ข้อมูลถูกเก็บรวบรวมจากทุกแง่มุมของชีวิตเรามากกว่าที่เคย ตั้งแต่โซเชียลมีเดียและการโฆษณาไปจนถึงปัญญาประดิษฐ์และระบบอัตโนมัติ การทำความเข้าใจและการแยกวิเคราะห์ข้อมูลได้กลายเป็นทักษะที่มีคุณค่าอย่างมาก แต่เรามักมองข้ามความสำคัญของการรู้วิธีสื่อสารข้อมูลกับเพื่อนและสาธารณชนอย่างมีประสิทธิภาพและมีความหมาย
Hans Rosling ปูทางสำหรับการสื่อสารข้อมูลด้านสุขภาพทั่วโลกอย่างมีประสิทธิภาพ Vimeo
เครื่องมือแรกที่นึกถึงในการพิจารณาวิธีสื่อสารข้อมูลให้ดีที่สุด โดยเฉพาะอย่างยิ่งสถิติ คือ กราฟและแผนภาพแบบกระจาย ภาพธรรมดาเหล่านี้ช่วยให้เราเข้าใจสาเหตุและผลที่ตามมาเบื้องต้น แนวโน้ม และอื่นๆ มีคุณค่าและมีบทบาทสำคัญในการเผยแพร่ความรู้
การแสดงภาพข้อมูลสามารถใช้รูปแบบอื่นๆ ได้มากมาย เช่นเดียวกับที่ตัวข้อมูลสามารถตีความได้หลายวิธี สามารถใช้เพื่อเน้นถึงความสำเร็จที่สำคัญดังที่ Bill และ Melinda Gates ได้แสดงพร้อมกับจดหมายประจำปีซึ่งมีการแสดงผลลัพธ์หลักและแรงบันดาลใจอย่างสร้างสรรค์
ทุกคนมีศักยภาพที่จะสำรวจชุดข้อมูลได้ดีขึ้นและนำเสนอข้อเท็จจริงที่ละเอียดยิ่งขึ้น แต่เรียบง่ายกว่า แต่เราจะทำอย่างไรเมื่อต้องเผชิญกับข้อมูลที่ซับซ้อนในระดับที่น่ากลัว
โลกแห่งคุณสมบัติมากมาย
เราสามารถเริ่มต้นด้วยการทำลายข้อมูล ชุดข้อมูลใดๆ ประกอบด้วยสององค์ประกอบหลัก: ตัวอย่าง และคุณลักษณะ อดีตสอดคล้องกับแต่ละองค์ประกอบในกลุ่ม หลังเป็นลักษณะที่พวกเขาแบ่งปัน
ใครก็ตามที่สนใจนำเสนอข้อมูลเกี่ยวกับชุดข้อมูลที่กำหนดควรเน้นที่การวิเคราะห์ความสัมพันธ์ระหว่างคุณลักษณะในชุดข้อมูลนั้น นี่คือกุญแจสำคัญในการทำความเข้าใจว่าปัจจัยใดที่ส่งผลต่อการขายมากที่สุด ตัวอย่างเช่น หรือองค์ประกอบใดที่รับผิดชอบต่อความสำเร็จของแคมเปญโฆษณา
เมื่อมีคุณลักษณะเพียงไม่กี่อย่างเท่านั้น การแสดงภาพข้อมูลก็ตรงไปตรงมา ตัวอย่างเช่น ความสัมพันธ์ระหว่างสองคุณลักษณะเป็นที่เข้าใจได้ดีที่สุดโดยใช้พล็อตกระจายอย่างง่ายหรือกราฟแท่ง แม้ว่าจะไม่ได้น่าตื่นเต้นขนาดนั้น แต่รูปแบบเหล่านี้สามารถให้ข้อมูลทั้งหมดที่ระบบนำเสนอได้
อุณหภูมิโลกสูงขึ้นในช่วงหลายปีที่ผ่านมา: ความสัมพันธ์ระหว่างคุณลักษณะทั้งสองนั้นมองเห็นได้ง่ายและสามารถสรุปได้อย่างรวดเร็ว NASA
การสร้างภาพข้อมูลมีผลจริงเมื่อเราพยายามวิเคราะห์คุณลักษณะจำนวนมากพร้อมกัน ลองนึกภาพคุณอยู่ที่คอนเสิร์ตสด คุณกำลังพิจารณาแง่มุมต่างๆ ของรายการพร้อมกัน (เช่น การแสดงบนเวทีและคุณภาพเสียง หรือทำนองและเนื้อร้อง) อย่างมีสติหรือโดยไม่รู้ตัว เพื่อตัดสินใจว่ารายการนั้นดีหรือไม่
แนวทางนี้ ซึ่งเราใช้จัดหมวดหมู่องค์ประกอบในกลุ่มต่างๆ เรียกว่ากลยุทธ์การจัดหมวดหมู่ และในขณะที่มนุษย์สามารถจัดการงานการจำแนกประเภทต่าง ๆ ได้โดยไม่รู้ตัว เราอาจไม่ได้ตระหนักถึงคุณลักษณะที่กำลังพิจารณาหรือตระหนักว่าสิ่งใดที่สำคัญที่สุด
สมมติว่าคุณพยายามจัดอันดับคอนเสิร์ตหลายสิบรายการจากดีที่สุดไปหาแย่ที่สุด ที่ซับซ้อนมากขึ้น อันที่จริง งานของคุณมีสองเท่า เนื่องจากคุณต้องจัดประเภทการแสดงว่าดีหรือไม่ดีก่อน จากนั้นจึงจัดคอนเสิร์ตที่คล้ายกัน
ค้นหาคุณสมบัติที่เกี่ยวข้องมากที่สุด
เครื่องมือสร้างภาพข้อมูลช่วยให้เราสามารถจัดกลุ่มตัวอย่างต่างๆ (ในกรณีนี้คือคอนเสิร์ต) ให้เป็นกลุ่มที่คล้ายคลึงกันและนำเสนอความแตกต่างระหว่างตัวอย่างเหล่านั้น
เห็นได้ชัดว่าคุณสมบัติบางอย่างมีความสำคัญมากกว่าในการตัดสินใจว่ารายการนั้นดีหรือไม่ คุณอาจรู้สึกว่านักร้องที่ไร้ความสามารถมีแนวโน้มที่จะส่งผลต่อคุณภาพของการแสดงคอนเสิร์ตมากกว่าการพูดในที่ที่มีแสงน้อย การพิจารณาว่าคุณลักษณะใดส่งผลต่อผลลัพธ์ที่กำหนดเป็นจุดเริ่มต้นที่ดีสำหรับการแสดงข้อมูลเป็นภาพ
ลองนึกภาพว่าเราสามารถถ่ายทอดการแสดงสดไปยังพื้นที่กว้างใหญ่ ซึ่งเกิดจากคุณลักษณะที่เราพิจารณาก่อนหน้านี้ (เช่น เสียง หรือเนื้อเพลง) ในภูมิประเทศใหม่นี้ การแสดงที่ยอดเยี่ยมจะเล่นบนภูเขาและเล่นที่ยากจนในหุบเขา เริ่มแรกเราสามารถแปลภูมิประเทศนี้เป็นแผนที่สองมิติที่แสดงถึงการแบ่งทั่วไประหว่างความดีและความชั่ว
จากนั้นเราสามารถไปต่อและปรับแต่งแผนที่นั้นเพื่อระบุว่าภูมิภาคใดกำลังสั่นสะเทือนใน “Awesome Guitar Solo Mountain” หรืออยู่ใน “Cringe Valley”
เมื่ออยู่ในแนวข้อมูล ให้มองหายอดเขาและหุบเขา
จากมุมมองทางเทคนิค วิธีการนี้เรียกกว้างๆ ว่าการลดขนาด โดยที่ชุดข้อมูลที่กำหนดซึ่งมีคุณลักษณะ (ขนาด) มากเกินไปสามารถถูกย่อลงในแผนที่ที่แสดงเฉพาะข้อมูลที่เกี่ยวข้องและมีความหมายเท่านั้น แม้ว่าพื้นหลังของการเขียนโปรแกรมจะมีประโยชน์ แต่แหล่งข้อมูลบท ช่วย สอนและวิธีการตรงไปตรงมามากมายที่เข้าถึง ได้ จะช่วยให้คุณใช้ประโยชน์จากเครื่องมือที่ยอดเยี่ยมนี้ได้ในระยะเวลาอันสั้น
การวิเคราะห์เครือข่ายและการแสวงหาความคล้ายคลึงกัน
การค้นหาความคล้ายคลึงระหว่างกลุ่มตัวอย่างเป็นจุดเริ่มต้นที่ดีอีกจุดหนึ่ง การวิเคราะห์เครือข่ายเป็นเทคนิคที่รู้จักกันดีซึ่งอาศัยการสร้างการเชื่อมต่อระหว่างตัวอย่าง (เรียกอีกอย่างว่าโหนด) การเชื่อมต่อที่แข็งแกร่งระหว่างตัวอย่างบ่งบอกถึงความคล้ายคลึงกันในระดับสูงระหว่างคุณสมบัติต่างๆ
เมื่อสร้างการเชื่อมต่อเหล่านี้แล้ว เครือข่ายจะจัดเรียงตัวเองใหม่เพื่อให้ตัวอย่างที่มีลักษณะเหมือนกันติดกัน ก่อนหน้านี้เราได้พิจารณาเฉพาะคุณลักษณะที่เกี่ยวข้องมากที่สุดของการแสดงสดแต่ละรายการและใช้เป็นข้อมูลอ้างอิง ขณะนี้คุณลักษณะทั้งหมดได้รับการประเมินพร้อมกัน – ความคล้ายคลึงกันได้รับการกำหนดในวงกว้างมากขึ้น
เครือข่ายแสดงให้เห็นโลกที่เชื่อมต่อถึงกันสูงแต่มีความชัดเจน
จำนวนข้อมูลที่สามารถมองเห็นได้ด้วยเครือข่ายคล้ายกับการลดขนาดลง แต่ด้านการประเมินคุณลักษณะแตกต่างออกไป ในขณะที่ตัวอย่างก่อนหน้านี้จะถูกจัดกลุ่มตามคุณลักษณะการทำเครื่องหมายเฉพาะบางรายการ ในตัวอย่างเครื่องมือนี้ซึ่งใช้คุณลักษณะหลายอย่างร่วมกัน ซึ่งทำให้ผู้ใช้ต้องเลือกแนวทางตามเป้าหมาย
การเข้าสู่การวิเคราะห์เครือข่ายทำได้ง่ายกว่าการลดขนาดลง เนื่องจากโดยปกติแล้วไม่จำเป็นต้องมีทักษะการเขียนโปรแกรมระดับสูง ซอฟต์แวร์และบท ช่วยสอน ที่เป็นมิตรกับผู้ใช้ที่มีอยู่อย่างแพร่หลายช่วยให้ผู้ที่เพิ่งเริ่มสร้างภาพข้อมูลสามารถสำรวจแง่มุมต่างๆ ของวิทยาการเครือข่ายได้
โลกของการสร้างภาพข้อมูลนั้นกว้างใหญ่ไพศาลและไปไกลกว่าที่ได้มีการแนะนำไว้ที่นี่แต่ผู้ที่เก็บเกี่ยวผลประโยชน์จากมันจริงๆ รวบรวมข้อมูลเชิงลึกใหม่ๆ และกลายเป็นตัวแทนของการเปลี่ยนแปลงเชิงบวกและมีประสิทธิภาพนั้นมีไม่มากนัก ในยุคที่ข้อมูลล้นหลาม การรู้วิธีสื่อสารข้อมูลสามารถสร้างความแตกต่างได้ และสามารถช่วยควบคุมความเกี่ยวข้องของข้อมูลได้ เว็บสล็อต
