data visualization မှာ အဖြစ်များတဲ့ အမှား (၇) ခု

data visualization မှာ အဖြစ်များတဲ့ အမှား (၇) ခု ရှိပါတယ်လို့ ဆိုထားပါတယ်။

အဲဒါတွေကတော့ –

၁။  ရှုပ်ပွနေတဲ့ visualization တွေ မဖန်တီးမိအောင် ရှောင်ပါ။

တင်ပြချင်တဲ့ အချက်အလက်တွေ များတဲ့အခါ visualization တစ်ခုတည်းမှာ အားလုံးထည့်ချင်တတ်ကြတယ်။ ဒါပေမဲ့ စာသားဘောက်စ်တွေ၊ ဂရပ်ဖစ် layer တွေလို မြင်သာတဲ့ အစိတ်အပိုင်းတွေ အရမ်းများသွားရင် ကြည့်တဲ့သူတွေ ရှုပ်ထွေးသွားနိုင်ပါတယ်။ ဒီလိုဖြစ်လာရင် အချက်အလက်တွေကို ဂရပ် အများအပြားခွဲပြီး တင်ပြတာမျိုး ဒါမှမဟုတ် ပိုပြီးတိကျတဲ့ အာရုံစိုက်မှု (focus) ထည့်သွင်းပေးတာမျိုး လုပ်သင့်ပါတယ်။

၂။ Visualization အတွက် အကြောင်းအရာ အခြေခံ (context) ထည့်ပေးပါ။

ပုံတစ်ခုတည်းက အချက်အလက်ရဲ့ တစ်စိတ်တစ်ပိုင်းကိုပဲ ပြသနိုင်ပါတယ်။ သူ့ချည်းသက်သက်ဆိုရင် အချက်အလက်အကြောင်း မှားယွင်းတွက်ဆမိနိုင်ပါတယ်။ ဒါကြောင့် ဇယား ဒါမှမဟုတ် ဂရပ်ထဲမှာ စာသားဘောက်စ် ဒါမှမဟုတ် legend လိုမျိုး နောက်ခံအကြောင်းအရာ ထည့်ပေးဖို့က အရေးကြီးပါတယ်။

3။ ဂရပ်ရဲ့ ဝင်ရိုးနှစ်ခုလုံး (အလျားလိုက် X-axis နဲ့ ဒေါင်လိုက် Y-axis) ကို ထည့်သွင်းပါ။

ဝင်ရိုးတစ်ခုခုကို ချန်ထားခဲ့တာက အချက်အလက်တွေကို နားလည်မှု လွဲစေနိုင်သလို၊ မက်ဆေ့ချ်တစ်ခုလုံးနဲ့ပတ်သက်ပြီး မှားယွင်းတဲ့ ကောက်ချက်တွေ ထွက်ပေါ်စေနိုင်ပါတယ်။ X နဲ့ Y ဝင်ရိုးနှစ်ခုလုံးက သုညကနေ စတင်ပြီး သက်ဆိုင်ရာ ကိန်းဂဏန်းတွေနဲ့ညီမျှတဲ့ အချက်အလက် အကွာအဝေးတွေ ပါဝင်ရင် ပိုကောင်းပါတယ်။

4။ အချက်အလက် လွဲမှားဖော်ပြခြင်း (data distortions) ကို ရှောင်ပါ။

 ဒါက ပုံထဲက ပုံသဏ္ဍာန်မတူတဲ့ အစိတ်အပိုင်းတွေကို တခြား အစိတ်အပိုင်းတွေနဲ့ နှိုင်းယှဉ်ရင် အချိုးမညီစွာ ချိန်ညှိထားတာကြောင့် ဖြစ်တတ်ပါတယ်။ Distortion တွေက ကြည့်တဲ့သူကို အာရုံထွေပြားစေနိုင်သလို လွဲမှားစွာ ဦးဆောင်သွားနိုင်ပါတယ်။ ဥပမာ ပိုင်ဇယား (pie chart) ရဲ့ အပိုင်းကြီးတစ်ခုကို တကယ်တမ်းတော့ သေးငယ်တဲ့ ကိန်းဂဏန်းတစ်ခုအတွက် သတ်မှတ်ပြသထားရင် အချက်အလက်က မှားယွင်းနေပြီး မှားယွင်းတဲ့ ကောက်ချက်တွေဆီ ရောက်စေနိုင်ပါတယ်။

5။ မှန်ကန်တဲ့ အချက်အလက် (good data) ကို အသုံးပြုပါ။

visualization ဘယ်လောက်ကောင်းကောင်း၊ အချက်အလက်ရဲ့ မူရင်းရင်းမြစ်က မှားနေတာမျိုး ဒါမှမဟုတ် အချက်အလက်ကို မှန်ကန်စွာ အဓိပ္ပာယ်မဖွင့်ဆိုထားတာမျိုးဆိုရင် ပြဿနာရှိပါတယ်။ ဒါကြောင့် ယုံကြည်ရတဲ့ ရင်းမြစ်တွေနဲ့ မူရင်းရင်းမြစ်တွေကနေ အချက်အလက်ကို ရွေးချယ်ဖို့က အရေးကြီးပါတယ်။

6။ အရောင်ကို သေချာဂရုစိုက်ပြီး ရည်ရွယ်ချက်ရှိရှိ ရွေးချယ်ပါ။

 အတွေ့အကြုံနည်းတဲ့သူတွေ အဖြစ်များတာက အရောင် အရမ်းများတာ ဒါမှမဟုတ် အရမ်းနည်းတာပါ။ အရောင်ကို အလှအပအတွက်ထက် visualization တစ်ခုလုံးရဲ့ အကြောင်းအရာကို အထောက်အကူပြုဖို့၊ ပိုရှင်းလင်းစေဖို့နဲ့ ကြည့်တဲ့သူတွေနဲ့ ချိတ်ဆက်နိုင်ဖို့ ရည်ရွယ်ချက်ရှိရှိ သုံးသင့်ပါတယ်။ အရောင်ရွေးချယ်မှုဟာ အချက်အလက်တွေကို မီးမောင်းထိုးပြတာ၊ နှိုင်းယှဉ်တာ ဒါမှမဟုတ် ကွဲပြားအောင်ပြတာတို့မှာ အရေးပါတဲ့ အခန်းကဏ္ဍက ပါဝင်ပါတယ်။ အရောင် ကွဲပြားမှု (color contrast) ကိုလည်း သတိထားရမှာပါ၊ အရမ်းကွဲပြားမှု များရင် တကယ်ရှိတာထက် တန်ဖိုး ကွာခြားမှုက ပိုအရေးပါတယ်လို့ ထင်မြင်စေနိုင်ပါတယ်။

7။ အထိရောက်ဆုံးနဲ့ အသင့်တော်ဆုံး visualization နည်းလမ်းကို ရွေးချယ်ပါ။

အရောင်လိုပဲ visualization နည်းလမ်း ရွေးချယ်တာကလည်း သီးခြား ရည်ရွယ်ချက်တစ်ခုစီအတွက် အရေးကြီးပါတယ်။ အစိတ်အပိုင်း အမျိုးမျိုးကို အားလုံးနဲ့ နှိုင်းယှဉ်ချင်တယ်ဆိုရင် ပိုင်ဇယား (pie chart) တွေက ကောင်းတဲ့ ရွေးချယ်မှုပါ။ ဥပမာ စစ်တမ်းရလဒ်တွေ၊ ဘတ်ဂျက် ခွဲခြမ်းစိတ်ဖြာမှုတွေအတွက် ပိုင်ဇယားက ထိရောက်ပေမဲ့၊ မတူညီတဲ့ အချက်အလက် အစုအဝေးတွေကြား နှိုင်းယှဉ်ဖို့ကျ ထိရောက်မှု နည်းပါတယ်။ ဒါကြောင့် ဘယ်လို ဇယား ဒါမှမဟုတ် ဂရပ်အမျိုးအစားက လက်ရှိအချက်အလက်နဲ့ အသင့်တော်ဆုံးဖြစ်မယ်ဆိုတာ ရွေးချယ်တဲ့အခါ ဘယ်လို ကိန်းရှင်တွေကို ပြောချင်တာလဲဆိုတာ သိဖို့က အရေးကြီးပါတယ်။

ဒီအမှားတွေကို ရှောင်ရှားနိုင်ရင် ကိုယ်တင်ပြတဲ့ visualization တွေက ပိုပြီး တိကျမှုရှိလာမယ်၊ စိတ်ဝင်စားစရာကောင်းလာပါမယ်၊ ပြီးတော့ ကြည့်တဲ့သူတွေလည်း နားလည်ရလွယ်ကူ ပါလိမ့်မယ်။

ဒေါက်တာနေဝင်းအောင်