ဒေတာမြင်သာအောင် ပြသခြင်း (Data Visualization) ဆိုတာကတော့ ရှုပ်ထွေးတဲ့ အချက်အလက် (data) တွေကို နားလည်ရလွယ်ကူတဲ့ ပုံတွေ၊ ဂရပ်တွေ၊ ဇယားတွေနဲ့ တခြားမြင်သာတဲ့ ပုံစံအမျိုးမျိုးနဲ့ ပြသပေးတဲ့ နည်းလမ်းတစ်ခု ဖြစ်ပါတယ်။ ဒီနည်းလမ်းရဲ့ အဓိက ရည်ရွယ်ချက်ကတော့ အချက်အလက်ပေါင်းများစွာထဲက ပုံစံတွေ (patterns)၊ ခေတ်ရေစီးကြောင်းတွေ (trends) နဲ့ ထူးခြားတဲ့ အချက်အလက်တွေ (outliers) ကို မြန်မြန်ဆန်ဆန် ဖော်ထုတ်နိုင်ဖို့ပါပဲ။ ဒီလိုမြင်သာအောင် ပြသခြင်းအားဖြင့်၊ သင်္ချာပိုင်းဆိုင်ရာ နားမလည်သူတွေ၊ ဒါမှမဟုတ် ခွဲခြမ်းစိတ်ဖြာမှု အတွေ့အကြုံမရှိသူတွေအတွက်တောင် အချက်အလက်တွေကို ပိုမိုမြန်ဆန်လွယ်ကူစွာ နားလည်စေနိုင်ပါတယ်။
ဒေတာမြင်သာအောင် ပြသခြင်းရဲ့ အကျိုးကျေးဇူးတွေကတော့ အများကြီးရှိပါတယ်။ ဥပမာ-
- လုပ်ငန်းတိုးတက်မှုအတွက် လိုအပ်တဲ့ နယ်ပယ်တွေကို ရှာဖွေတွေ့ရှိနိုင်ခြင်း။
- ဖောက်သည်တွေရဲ့ အပြုအမူကို လွှမ်းမိုးတဲ့ အကြောင်းအရာတွေကို ဖော်ထုတ်နိုင်ခြင်း။
- အရောင်းပမာဏကို ခန့်မှန်းနိုင်ခြင်း။
- အနာဂတ်လုပ်ဆောင်ရမယ့် လမ်းကြောင်းတွေကို ရေးဆွဲနိုင်ခြင်း။
- အန္တရာယ်တွေကို ခွဲခြမ်းစိတ်ဖြာပြီး ပြဿနာတွေ ကြီးထွားလာခြင်းမဖြစ်ခင် ဖြေရှင်းနိုင်ခြင်း။
- အချက်အလက်တွေကို မြင်သာတဲ့ပုံစံနဲ့ ပြသတာဟာ ပိုမိုမှတ်မိလွယ်စေခြင်း။
- လုပ်ငန်းဌာနအသီးသီးက ဝန်ထမ်းတွေအတွက် အချက်အလက်တွေကို ပိုမိုလွယ်ကူစွာ လက်လှမ်းမီနိုင်စေပြီး နားလည်မှု ပိုရှိစေခြင်း။
အသုံးပြုလေ့ရှိတဲ့ data visualization နည်းလမ်းတွေထဲမှာတော့ အောက်ပါ chart တွေ၊ graph တွေ ပါဝင်ပါတယ်:
- แผนที่ (Maps)
- ပိုင်ချပ် (Pie charts)
- ဘားချပ် (Bar charts)
- ဘောက်စ်-အန်-ဝစ်စကာ ပလော့ (Box-and-whisker plots)
- ဟိ(တ်)မပ် (Heat maps)
- ဟစ်စတိုဂရမ် (Histograms)
- ဝါးတာဖောလ်ချပ် (Waterfall charts)
- ဧရိယာချပ် (Area charts)
- စကာတာပလော့ (Scatter plots)
- အင်ဖိုဂရပ်ဖစ် (Infographics)
- ဒိုးနပ်ချပ် (Donut chart)
- ဂိတ်ချပ် (Gauge chart)
- ဘားဘယ်ချပ် (Bubble chart)
- ဂန့်ချပ် (Gantt chart)
- မာရီမက်ကိုချပ် (Marimekko chart)
- စပါ့က်လိုင်း (Sparklines)
- ဒေါ့ပလော့ (Dot plot)
- စလော့ပ်ချပ် (Slope chart)
ဒေတာမြင်သာအောင် ပြသခြင်းဟာ စီးပွားရေးထောက်လှမ်းရေး (Business Intelligence – BI) ရဲ့ အဓိကအစိတ်အပိုင်းတစ်ခု ဖြစ်ပါတယ်။ BI tools တွေက အချက်အလက်တွေကို စုဆောင်း၊ သန့်ရှင်း၊ ပုံမှန်ဖြစ်အောင် လုပ်ပြီး မြင်သာတဲ့ပုံစံနဲ့ ပြသပေးခြင်းအားဖြင့် လုပ်ငန်းရဲ့ ကဏ္ဍအသီးသီး ဘယ်လိုလုပ်ဆောင်နေတယ်ဆိုတာကို နားလည်စေပြီး အချက်အလက်အခြေပြု ဆုံးဖြတ်ချက်တွေ ချနိုင်ဖို့ ကူညီပေးပါတယ်။ ဒေတာသိပ္ပံ (data science) လုပ်ငန်းစဉ်မှာဆိုရင်လည်း အချက်အလက်တွေကို စုဆောင်း၊ ပြုပြင်၊ မော်ဒယ်လ်လုပ်ပြီးတဲ့နောက်မှာ ကောက်ချက်ချနိုင်ဖို့အတွက် မြင်သာအောင် ပြသဖို့ လိုအပ်ပါတယ်။
လူသားတွေရဲ့ ဦးနှောက်ဟာ ပုံစံတွေနဲ့ အရောင်တွေကို မြန်မြန်ဆန်ဆန်နဲ့ ပိုကောင်းကောင်း သိမြင်နိုင်စွမ်းရှိပါတယ်။ ဒါကြောင့်ပဲ ထောင်နဲ့ချီတဲ့ အချက်အလက်တွေပါတဲ့ ဇယားကြီးတွေကို ကြည့်တာထက် မြင်သာတဲ့ ပုံစံတွေက အချက်အလက်တွေကို စက္ကန့်ပိုင်းအတွင်း အလွယ်တကူ နားလည်နိုင်စေပါတယ်။
ဒါပေမယ့် data visualization ပြုလုပ်တဲ့အခါ ရှောင်ရှားရမယ့် အမှားတွေလည်း ရှိပါတယ်။ ဥပမာ –
- အချက်အလက်တွေ အများကြီးထည့်ပြီး ရှုပ်ပွနေတဲ့ ပုံတွေ မဖန်တီးမိဖို့။
- ဝင်ရိုး (axis) အချက်အလက်တွေကို ချန်လှပ်မထားမိဖို့။
- အချက်အလက်တွေကို ပုံပျက်အောင် မလုပ်မိဖို့။
- အရောင်ရွေးချယ်မှု မမှန်ကန်ခြင်း။ အရောင်တွေဟာ အချက်အလက်တွေကို မီးမောင်းထိုးပြရာမှာ အရေးပါတဲ့ အခန်းကဏ္ဍကနေ ပါဝင်ပြီး ပုံစံ၊ အရောင်အမျိုးအစားနဲ့ အခြားဒီဇိုင်း အစိတ်အပိုင်းတွေနဲ့ ပေါင်းစပ်အသုံးပြုခြင်းဖြင့် တူညီတဲ့ အချက်အလက်တွေကို ဖော်ပြနိုင်ပါတယ်။
Noble Desktop လို သင်တန်းကျောင်းတွေကတော့ Tableau နဲ့ Power BI လို visualization နည်းပညာတွေအပြင် Python, SQL, Excel နဲ့ data science လို ကဏ္ဍတွေကိုလည်း သင်ကြားပေးတဲ့ လက်တွေ့ကျတဲ့ data visualization သင်တန်းတွေကို ပေးအပ်နေပါတယ်။