Data Visualization กับ Data Storytelling คืออะไร ? และต่างกันอย่างไร ?

Data Visualization กับ Data Storytelling ต่างกันอย่างไร ?

เรากำลังอยู่ในยุคที่มีดาต้าอยู่รอบตัวเต็มไปหมด หลายคนคงเคยได้ยินตัวเลขชุดข้อมูลที่โลกผลิตขึ้นในแต่ละปีว่ามันมากมายขนาดไหน ผมลองค้นดูก็พบว่าปริมาณข้อมูลที่เราผลิตกันต่อปีในปี ค.ศ. 2021 (พ.ศ. 2564) อยู่ที่ประมาณ 79 Zetabytes ซึ่งมากกว่าเมื่อ 10 ปีก่อนถึง 16 เท่า มากแค่ไหนลองเอาหน่วยความจำที่เราน่าจะคุ้นกว่าคือ Terabytes ซึ่งเป็นความจุของ ฮาร์ดดิสก์ ในปัจจุบัน แล้วเติมศูนย์ไปอีก 9 ตัวครับ

แม้ว่าในระดับหน่วยงานเราไม่ได้ผลิตข้อมูลมากมายขนาดนั้น แต่ก็ต้องยอมรับว่าเรามีข้อมูลมากกว่า 10 ปีก่อนหลายเท่าตัว การจะนำข้อมูลเหล่านี้มาใช้ประโยชน์ก็เป็นหน้าที่ของนักวิเคราะห์ข้อมูลหรือ Data analyst ที่ต้องหา Insights เพื่อตอบโจทย์ทางธุรกิจ ไม่ว่าจะเป็นการหาช่องทางเพิ่มผลกำไร หากลุ่มลูกค้าใหม่ การนำเสนอบริการใหม่ หรือการหาปัจจัยของความเสี่ยงที่อาจเกิดขึ้น โดยในขั้นตอนการหา Insights เหล่านี้ จะมีการหยิบเอาศาสตร์ด้าน Data Visualization และ Data Storytelling มาใช้อยู่เสมอ บางทีได้ยินคนใช้สองคำนี้เหมือนเป็นเรื่องเดียวกันทั้งที่จริงมันมีความหมาย และจุดประสงค์ที่แตกต่างกัน เรามาดูกันดีกว่าว่าสองคำนี้มีความหมายอย่างไรกันแน่

Data Visualization คืออะไร ?
(What is Data Visualization ?)

องค์กรแต่ละแห่งมีการเก็บรวมรวมและทำรายงานเพื่อการสื่อสารกันภายในอยู่ตลอด ไม่ว่าจะเป็นข้อมูลรายได้ การสื่อสารกับลูกค้า ข้อมูลการผลิต หรือข้อมูลเกี่ยวกับพนักงานจากฝ่ายบุคคล ข้อมูลเหล่านี้ถูกใช้ในการติดตามตรวจสอบการทำงานและสนับสนุนการตัดสินใจต่าง ๆ ในองค์กร ตัวเลขข้อมูลมากมาย ถ้าใช้แต่ตารางข้อมูลแสดงผลก็อาจเป็นการยากที่คนจะเข้าใจ เพื่อให้การสื่อสารด้วยข้อมูลเข้าใจง่ายและรวดเร็วยิ่งขึ้นเราจึงต้องใช้ภาพ หรือ Visuals นั่นเอง ดังนั้นความหมายที่ตรงที่สุดของ Data Visualization ก็คือ “การแสดงข้อมูลด้วยภาพ” หรือ “การสร้างภาพจาก :ข้อมูล”

ประโยชน์ของ Data Visualization

ประโยชน์ที่ชัดเจนที่สุดของการสร้างภาพจาก :ข้อมูลก็คือการมองหารูปแบบที่อาจซ่อนอยู่ในตัวเลขเหล่านั้น แต่มีข้อแม้ว่าต้องเลือกภาพที่เหมาะสมกับข้อมูลด้วย ลองดูตัวอย่างว่าถ้าเรามีตารางข้อมูลการขายกลุ่มสินค้าสัก 4 กลุ่ม แบ่งตามแต่ละไตรมาสแบบนี้

ข้อมูลแค่นี้ก็ดูยากแล้วนะครับ ว่ามันมีแนวโน้มการขายอย่างไร แต่ถ้าเราลองเติมสีตามเงื่อนไข (Conditional formatting) ก็จะทำให้เห็นข้อมูลตัวเลขมากน้อยชัดเจนขึ้นหน่อย 

จากตารางที่เติมสีเข้าไปก็พอจะเห็นว่าโดยรวมแล้วไตรมาสที่สองกับสามสินค้าขายดี แต่ถ้าลองพิจารณาดูอีกหน่อยก็จะเห็นว่าสินค้ากลุ่มแรกการขายมันขึ้น ๆ ลง ๆ กลุ่มที่สองมีแนวโน้มลดลงต่อเนื่องแม้จะไม่มาก กลุ่มที่ 3 นั้นขายดีกลางปีแล้วดรอปลงไปตอนท้าย ส่วนกลุ่มที่ 4 มีแนวโน้มว่าขายดีขึ้นในทุกไตรมาสเลย

เพียงแค่เติมสีก็ทำให้ดูข้อมูลได้เร็วขึ้นอีกระดับหนึ่ง แล้วถ้าเราลองใช้กราฟแท่งแสดงข้อมูลดูบ้าง อันนี้ผมใช้กราฟแบบค่าตั้งต้นของ Google Sheet สร้างง่าย ๆ ก็จะเห็นว่าแนวโน้มที่พูดถึงเมื่อย่อหน้าที่แล้วเห็นชัดกว่าเดิมอีก

จากตัวอย่างข้างต้น ถ้าเราปรับตารางธรรมดาให้กลายเป็นตารางแบบมีเงื่อนไขการลงสี หรือใช้กราฟแท่งแสดงข้อมูลแทน เราก็จะเห็นรูปแบบข้อมูลได้ชัดขึ้นนั่นเองครับ ซึ่งทั้งหมดนี้คือกระบวนการของ Data visualizaiton ซึ่งหมายถึงการแปลงข้อมูลเป็นภาพเพื่อให้ผู้รับสารได้พิจารณาว่าในข้อมูลนั้นมีแนวโน้ม (Trends) ความเชื่อมโยง (Correlations) หรือรูปแบบ (Patterns) ที่อาจมองไม่เห็นจากข้อมูลตาราง 

พูดอีกแบบก็คือกระบวนการ Data Visualization ทำหน้าที่สร้างภาพจาก :ข้อมูล ส่วนการตีความเป็นหน้าที่ของผู้รับสาร แต่ถ้าเราสร้างภาพจาก :ข้อมูลและตีความสรุปออกมาเป็น Insights เรียบร้อยแล้ว และต้องการจะนำเสนอเป็นเรื่องราว นั่นคือเรากำลังเข้าสู่กระบวนการ Data Storytelling แล้วครับ

Data Storytelling คืออะไร ?
(What is Data Storytelling ?)

ก่อนจะเล่าความหมายคำนี้ ขอแวะจอดคุยเรื่องศัพท์คำว่า “Storytelling” ซึ่งเป็นคำนามเขียนติดกันแปลว่า “การเล่าเรื่อง” หรืออาจจะเขียนแบบมียัติภังค์ (Hyphen) ได้แบบนี้ Story-telling แต่แบบแรกเป็นที่นิยมมากกว่า ส่วนการเขียนแยกเป็นสองคำว่า “Story Telling” ไม่มีนะครับ

คำว่า Data Storytelling คือศาสตร์และศิลป์ในการเอา Insights ที่เราหาได้ซึ่งอาจมีความซับซ้อนมาร้อยเรียงเป็นเรื่องราวที่เข้าใจง่ายและชัดเจนเพื่อถ่ายทอดให้ผู้รับสารรู้สึกมีส่วนร่วมได้

เมื่อเราทำการสร้างภาพข้อมูลด้วย Data Visualization และวิเคราะห์จนได้ Insights การเล่าเรื่องของข้อมูลให้จับใจผู้รับสาร เราต้องถามตัวเองว่า

• เราต้องการให้ผู้รับสารรู้เรื่องอะไร
• เราต้องการให้เขาทำอะไรหลังจากรับรู้สิ่งที่เราบอก
• เราจะใช้วิธีการอะไรในการเล่า และ
• ข้อมูลช่วยอะไรในการตัดสินใจ

ประโยชน์ของ Data Storytelling

เป้าหมายของการตั้งคำถามเพื่อเปลี่ยน Data Visualization ให้เป็น Story ก็คือการสร้างความเชื่อมั่นให้กับการตัดสินใจทางธุรกิจเป็นสำคัญ พูดอีกนัยหนึ่งคือ Data Storytelling เป็นกระบวนการเพิ่มคุณค่าให้กับ Insights ที่เรามีอยู่ ช่วยให้ผู้รับสารเข้าใจสิ่งที่เราต้องการจะสื่อ เข้าใจกระบวนการคิดของเราที่นำไปสู่ข้อแนะนำทางการตัดสินใจ สุดท้ายแล้วยังสามารถใช้เป็นเครื่องมือในการสื่อสารองค์กรได้ เสริมความแข็งแกร่งให้แบรนด์เราได้อีกด้วย

เล่าแบบนี้อาจจะยังไม่เห็นภาพ มาดูตัวอย่างกันดีกว่าครับ

กลับไปที่ภาพกราฟแท่งที่เราเห็นในตอนต้น ซึ่งมีหลายหลากสี มีเทรนด์ให้เห็นแต่ก็ไม่ได้ชัดเจนมาก ถ้าลองใช้แนวคิด Data Storytelling เข้ามาช่วย โดยตั้งโจทย์ว่าการเล่าเรื่องข้อมูลครั้งนี้เราจะสื่อสารให้ฝ่ายการตลาด “ขยับงบประมาณมาที่สินค้าในกลุ่มที่ 4 มากขึ้น” แทนที่จะแบ่งงบฯ เป็นสี่ส่วนให้แต่ละกลุ่มสินค้าเหมือนปีที่ผ่านมา ด้วยโจทย์นี้เราทำอะไรได้บ้าง ?

• ต้องเลือกกราฟที่แสดงเทรนด์เด่นชัดขึ้นกว่านี้ 
• โฟกัสไปที่สินค้ากลุ่มที่ 4 ด้วยสีที่แตกต่าง
• ลบคำอธิบายแผนภูมิ (Legends) และวางป้ายข้อมูล (Data Labels) ไว้ใกล้เส้นข้อมูลแต่ละเส้นเลย
• สุดท้ายคือปรับหัวข้อให้เป็น Call to action ไปเลย

เมื่อปรับข้อมูลทั้งหมดแล้วจะเห็นว่าภาพใหม่ที่ใช้แนวทาง Data Storytelling นั้นชัดเจน อ่านแล้วรู้ทันทีว่าผู้นำเสนอจะสื่ออะไร

Data Visualization และ Storytelling ต่างกันอย่างไร ?
(How is different between Data Visualization and Storytelling ?)

จากที่เล่ามาข้างต้น จะเห็นว่า Data Visualization คือเทคนิคการแสดงภาพข้อมูลเพื่อการวิเคราะห์ ดังนั้นกลุ่มผู้ใช้งานจึงเป็นคนที่ต้องอยู่กับข้อมูลนั้นตลอด เช่นฝ่ายบุคคล (HR Department) ที่ต้องดูข้อมูลกำลังคน ฝ่ายการตลาดที่ต้องดูข้อมูลผลการดำเนินงานของแคมเปญต่างๆ ข้อมูลที่ขึ้นมาในรูป Dashboard จึงเป็นกราฟต่างๆ ที่ใช้หลักการ Data Visualization สร้างเพื่อให้ผู้ใช้ได้ติดตาม ตรวจสอบ และวิเคราะห์ข้อมูลในเวลาที่ต้องการได้ 

ส่วน Data Storytelling นั้น เป็นกลยุทธ์ในการ “เล่าเรื่อง” โดยมีข้อมูลเป็นตัวละครหลัก นั่นหมายความว่าข้อมูลของเราผ่านการวิเคราะห์มาแล้ว ได้ Insights ที่จะเอาไว้เล่าเรื่อง นำมาร้อยเรียงด้วยเทคนิค Storytelling เพื่อดึงความสนใจผู้ฟัง ซึ่งผู้รับสารกลุ่มนี้มักไม่ใช้คนที่คุ้นเคยกับข้อมูลในรายละเอียดแต่มีส่วนเกี่ยวข้องในการตัดสินใจหรือ Stakeholders เช่นเป็นผู้บริหาร เพื่อนพนักงานแผนกอื่นที่ทำงานเกี่ยวข้องกับเรา หรือลูกค้าขององค์กร 

สรุปคือ Data Visualization ต่างกับ Data Storytelling ทั้งในเรื่องของจุดประสงค์การใช้งานและกลุ่มผู้รับสารดังนี้

Data Visualization 

• ผู้ใช้ (ผู้รับสาร) งานคุ้นเคยและเข้าใจข้อมูล
• ส่วนใหญ่ใช้งานภายใน

Data Storytelling

• ผู้รับสารไม่จำเป็นต้องคุ้นเคยกับข้อมูล
• ส่วนใหญ่เป็นการใช้งานกับผู้มีส่วนร่วมในข้อมูลทั้งภายในและภายนอก

อยาก Data Visualization และ Storytelling เริ่มยังไงดี ?
(How to start using Data Visualization and Data Storytelling)

ถ้าอยากจะแปลงข้อมูลตัวเลขเป็นภาพ สิ่งแรกที่ต้องตอบคือ เราจะให้ข้อมูลสื่อสารเรื่องอะไร ยกตัวอย่างถ้าเราอยากจะแสดงการ “เปรียบเทียบ” กลุ่มกราฟและแผนภูมิที่ใช้งานด้านนี้คือ กราฟแท่ง ทั้งแบบธรรมดา (Bar) แบบกลุ่ม (Clustered Bar) หรือแบบแสดงผลเรียงซ้อน (Stacked Bar) แผนภูมิเรดาร์ (Radar Chart) หรือถ้าอยากแสดงการ “เปลี่ยนแปลงผ่านช่วงเวลา” ที่เรียกภาษาทางการว่าอนุกรมเวลา (Time Series) ก็ต้องใช้กราฟเส้น (Line Graph) หรือแผนภูมิพื้นที่แบบชั้น (Area Chart) 

วิธีนี้คือการสร้างกราฟหรือแผนภูมิด้วยการมองที่การใช้งานหรือ Function ของภาพข้อมูลแต่ละแบบเป็นหลัก ซึ่งถ้าอยากรู้ว่าภาพข้อมูลในแต่ละกลุ่มการใช้งานมีแบบไหนบ้างสามารถศึกษาได้จาก datavizcatalogue.com/search.html ครับ น่าจะเป็นแคตตาล็อกภาพข้อมูลที่สมบูรณ์ที่สุดตอนนี้

ภาพจาก : https://datavizcatalogue.com/search.html

แต่ถ้าอยากต่อยอดไปถึง Data Storytelling คือวิธีการเอาภาพข้อมูลมาร้อยเรียงเป็นเรื่องราวเพื่อสื่อสารอย่างมีประสิทธิภาพก็ขอแนะนำหนังสือ Data Storytelling in Marketing ใช้ดาต้าเล่าเรื่องแบบมืออาชีพ (https://www.naiin.com/product/detail/558201) ซึ่งอธิบายขั้นตอนการเลือก Visuals ที่เหมาะกับข้อมูล เทคนิคการสร้างภาพข้อมูลที่กระชับชัดเจน รวมถึงวิธีการโฟกัสจุดสำคัญของภาพข้อมูลเพื่อส่งสารไปถึงผู้รับอย่างมีพลัง 

นอกจากนี้ยังมีตัวอย่างการใช้งานจริงในบริบทของการตลาดแต่ก็สามารถประยุกต์ใช้ได้ในทุกโอกาสเช่นกันครับ

หมายเหตุ : หนังสือ Data Storytelling in Marketing ใช้ดาต้าเล่าเรื่องแบบมืออาชีพ เขียนโดยผมเองครับ และถ้าสนใจเรื่อง Data Storytelling และ Data Visualization เป็นพิเศษก็สามารถติดตามได้จาก เพจ Candid Data นะครับ