ประเภทของการเล่าเรื่อง (Data Storytelling) ทั้ง 7 แบบใน Tableau

เมื่อพูดถึงการวิเคราะห์ข้อมูลด้วย Tableau หลายคนคุ้นเคยกับการใช้ Dashboard หรือ Worksheet แต่ใน Tableau Desktop ยังมีอีกหนึ่งฟีเจอร์ทรงพลังชื่อว่า Story
ซึ่งเป็นแท็บหนึ่งในหน้าทำงาน (Workspace) ที่ออกแบบมาเพื่อช่วยให้ผู้ใช้นำเสนอข้อมูลแบบมีลำดับและเนื้อเรื่องชัดเจน

เรื่องเล่าด้วยข้อมูลที่ดีจะทำให้ข้อมูลและข้อเท็จจริงมีชีวิตขึ้นมา บทความนี้ให้คำแนะนำเกี่ยวกับแนวทางปฏิบัติที่ดีที่สุดในการใช้ฟีเจอร์ Story Points ของ Tableau

จุดมุ่งหมายของเรื่องคืออะไร?

ก่อนจะเริ่มสร้าง Story ควรใช้เวลาทบทวนว่าเรื่องที่ต้องการนำเสนอมีเป้าหมายเพื่ออะไร และต้องการให้ผู้ชมเข้าใจหรือรู้สึกอย่างไรตลอดเส้นทางของเนื้อหา

เนื้อหาอาจเป็นการกระตุ้นให้เกิดการลงมือทำ เป็นการเล่าเรื่องทั่วไป หรือเป็นการนำเสนอกรณีศึกษาก็ได้

หากเป็นการนำเสนอกรณี (case) ควรตัดสินใจว่าจะ

เลือกแสดงข้อมูลทีละจุด แล้วค่อยสรุปตอนท้าย
หรือ
เริ่มต้นด้วยข้อสรุป แล้วค่อยตามด้วยข้อมูลสนับสนุนในภายหลัง
แนวทางแบบที่สองนี้เหมาะกับผู้ชมที่มีเวลาจำกัด

สุดท้าย การร่างโครงเรื่องลงบนกระดาษหรือไวท์บอร์ดก่อนเริ่มสร้างจริง จะช่วยให้มองเห็นลำดับเนื้อหาที่อาจมีปัญหาได้อย่างรวดเร็ว

ประเภทของการเล่าเรื่องด้วยข้อมูลทั้ง 7 แบบ

เมื่อใช้ฟีเจอร์ Story ใน Tableau จะเป็นการสร้างลำดับของจุดเนื้อหา (Story Points) โดยแต่ละจุดสามารถแสดงเป็นมุมมองข้อมูล (view), แดชบอร์ด หรือแม้แต่ข้อความอย่างเดียวก็ได้

บางเรื่องอาจใช้มุมมองเดียวกันตลอดทั้งเรื่อง แต่เปลี่ยนคำอธิบาย (annotation) หรือฟิลเตอร์ในแต่ละจุด เพื่อช่วยขับเคลื่อนเรื่องราว

ข้อมูลด้านล่างแสดง แนวทางในการเล่าเรื่องด้วยข้อมูล พร้อมตัวอย่างของแต่ละแบบ
นอกจากนี้ ยังสามารถดูตัวอย่างจริงได้จาก Data Story Examples Workbook (เปิดบน Tableau Public)

หมายเหตุ: ในเรื่องหนึ่งสามารถใช้ได้มากกว่าหนึ่งแนวทาง เช่น ในตัวอย่าง “A Story That Examines a Trend

1. Change Over Time :การเปลี่ยนแปลงตามช่วงเวลา

สิ่งที่ทำ:
– ใช้ลำดับเวลาเพื่อแสดงแนวโน้มหรือการเปลี่ยนแปลงที่เกิดขึ้น เช่น เดือนต่อเดือน ไตรมาส หรือรายปี

คำถามที่มักเกิดขึ้น:
– ทำไมสิ่งนี้ถึงเกิดขึ้น?
– จะะป้องกันไม่ให้เกิด หรือทำให้เกิดอีกได้อย่างไร?
– ทำไมถึงยังเกิดซ้ำ?

ตัวอย่าง:
– แนวโน้มยอดขาย 5 ปี
– จำนวนผู้ติดเชื้อ COVID-19 รายวัน
– ยอดผู้ชมเว็บไซต์รายเดือน

กราฟแนะนำ:
– Line Chart, Area Chart, Time-based Bar Chart

2. Drill Down : การเจาะลึกลงในข้อมูล

สิ่งที่ทำ:
– เริ่มจากภาพรวม แล้วไล่เจาะลึกลงไปในรายละเอียด เพื่อให้เข้าใจบริบทของหมวดหมู่ย่อย

คำถามที่ตามมา:
– ทำไมหมวดนี้ต่างจากหมวดอื่น?
– เปรียบเทียบกับค่าเฉลี่ยแล้วเป็นอย่างไร?

ตัวอย่าง:
– ยอดขายรวม → รายภูมิภาค → รายจังหวัด → รายสินค้า
– คะแนนสอบเฉลี่ยทั้งประเทศ → แยกตามโรงเรียน → รายวิชา

กราฟแนะนำ:
– Treemap, Drillable Bar Chart, Hierarchical Table

3. Zoom Out : การขยายมุมมองสู่ภาพรวม

สิ่งที่ทำ:
– แสดงให้เห็นว่าเรื่องเล็กๆ ที่สนใจเชื่อมโยงกับภาพใหญ่กว่าอย่างไร

คำถามที่ตามมา:
– สิ่งนี้ส่งผลต่อภาพรวมอย่างไร?
– ตำแหน่งนี้อยู่ตรงไหนในบริบททั้งหมด?

ตัวอย่าง:
– ผลกระทบของแผนกหนึ่งต่อกำไรบริษัท
– ผลผลิตของโรงงานหนึ่งในเครือ
– พนักงานคนหนึ่งสร้างรายได้เท่าไหร่เทียบกับทีม

กราฟแนะนำ:
– Pie Chart (สัดส่วน), Stacked Bar, Nested Bar

4. Contrast : การเปรียบเทียบความแตกต่าง

สิ่งที่ทำ:
– เปรียบเทียบความแตกต่างระหว่าง 2 สิ่งหรือมากกว่า

คำถามที่ตามมา:
– อะไรทำให้สองสิ่งนี้ต่างกัน?
– จะทำให้ A ดีเหมือน B ได้อย่างไร?

ตัวอย่าง:
– ยอดขายภาคเหนือ vs ภาคใต้
– เปรียบเทียบประสิทธิภาพพนักงาน 2 คน
– โรงพยาบาล A กับ B มีค่าใช้จ่ายต่างกันแค่ไหน

กราฟแนะนำ:
– Side-by-Side Bar Chart, Bullet Chart, Dot Plot

5. Intersections : จุดเปลี่ยน/จุดตัดสำคัญ

สิ่งที่ทำ:
– ชี้ให้เห็นช่วงเวลาที่สิ่งหนึ่งเปลี่ยนแปลงอย่างสำคัญ หรือแซงอีกสิ่ง

คำถามที่ตามมา:
– อะไรเป็นเหตุให้เกิดการเปลี่ยนแปลงนี้?
– การเปลี่ยนนี้ดีหรือไม่ดี?
– ส่งผลต่อแผนอื่นอย่างไร?

ตัวอย่าง:
– ช่องทางขายออนไลน์แซงหน้าร้าน
– ยอดผู้ใช้ Android แซง iOS
– กลุ่มลูกค้ารุ่นใหม่กลายเป็นกลุ่มหลัก

กราฟแนะนำ:
– Line Chart (ที่เส้นตัดกัน), Slope Chart

6. Factors : ปัจจัยที่ส่งผลต่อเรื่องหลัก

สิ่งที่ทำ:
– แยกเรื่องออกเป็นองค์ประกอบย่อย เพื่อดูว่าปัจจัยไหนส่งผลมากที่สุด

คำถามที่ตามมา:
– ควรโฟกัสที่หมวดไหน?
– อะไรส่งผลต่อค่าหลักที่เราต้องการมากที่สุด?

ตัวอย่าง:
– วิเคราะห์ความพึงพอใจลูกค้า: ราคา / บริการ / ความเร็ว
– ต้นทุนแยกตามหมวด: ค่าขนส่ง / วัตถุดิบ / ค่าแรง

กราฟแนะนำ:
– Bar Chart, Waterfall Chart, Contribution Analysis

7. Outliers : ข้อมูลที่ผิดปกติ/โดดออกจากกลุ่ม

สิ่งที่ทำ:
– แสดงข้อมูลที่แตกต่างหรือผิดปกติจากแนวโน้มหลัก

คำถามที่ตามมา:
– ทำไมสิ่งนี้ถึงต่างออกไป?
– มีความเสี่ยงหรือโอกาสซ่อนอยู่ไหม?

ตัวอย่าง:
– สาขาเดียวที่มียอดขายพุ่งผิดปกติ
– ลูกค้ารายหนึ่งมียอดใช้จ่ายสูงมาก
– ผลสอบต่ำกว่าค่าเฉลี่ยมาก

กราฟแนะนำ:
– Scatter Plot, Box Plot, Highlight Table

ทำให้ง่ายเข้าไว้ (Keep it simple)

ข้อผิดพลาดที่พบได้บ่อย คือการพยายามใส่ view และ dashboard มากเกินไปใน Story เดียว ซึ่งส่งผลให้เนื้อหามีจุดมากเกินไปจนผู้ชมรับข้อมูลไม่ทัน

ความชัดเจนของแต่ละ Story Point ก็สำคัญไม่แพ้กัน

ลองถอยออกมามองภาพรวมในมุมของคนที่ไม่เคยเห็นข้อมูลนี้มาก่อน แล้วพิจารณาว่าแต่ละองค์ประกอบมีประโยชน์จริงหรือไม่
หากคำอธิบาย หัวเรื่อง คำอธิบายภาพ เส้นตาราง หรือองค์ประกอบอื่นๆ ไม่จำเป็น — ให้ตัดออก เพื่อให้เรื่องเล่าชัดเจนและไม่รกสายตา

Before

After

ใช้ตัวเลือก ‘Fit to’ กับแดชบอร์ด

แดชบอร์ดเป็นองค์ประกอบที่พบได้บ่อยใน Tableau Story
สำหรับแดชบอร์ดที่วางแผนจะนำมาใช้ใน Story แนะนำให้ใช้ตัวเลือก Fit to ภายใต้เมนู Size ในแถบ Dashboard
ฟีเจอร์นี้จะช่วยปรับขนาดของแดชบอร์ดให้พอดีกับพื้นที่ของ Story ที่กำลังสร้างอยู่โดยอัตโนมัติ

วางแผนเพื่อให้โหลดเร็ว

แม้จะเป็น Story ที่ยอดเยี่ยมแค่ไหน ก็อาจไม่สร้างผลกระทบเท่าที่ควร หากใช้เวลาโหลดนานเกินไปหลังจากเผยแพร่ ผู้ชมมักรู้สึกหงุดหงิดเมื่อรอต่อเนื่องนาน

การใช้ฟิลเตอร์ (Filters) เป็นสาเหตุหนึ่งที่ทำให้โหลดช้า
แม้ฟิลเตอร์จะช่วยจำกัดข้อมูลที่นำมาวิเคราะห์ แต่ก็มีผลต่อประสิทธิภาพในการประมวลผลคำสั่ง (query)

เช่น:
– ฟิลเตอร์แบบ Exclude มักทำงานช้ากว่า Keep Only
เพราะ Exclude จะโหลดข้อมูลทั้งกลุ่มก่อน แล้วค่อยตัดส่วนที่ไม่ต้องการออก ในขณะที่ Keep Only โหลดเฉพาะสิ่งที่ต้องการเท่านั้น

การเข้าใจลำดับการทำงานของ Tableau (Tableau’s Order of Operations
จะช่วยให้ปรับประสิทธิภาพการโหลดได้ดีขึ้นเช่นกัน

และในหลายกรณี การตัดสินใจสำคัญด้านประสิทธิภาพเกิดขึ้นตั้งแต่ ช่วงเตรียมข้อมูล (Data Preparation) ก่อนจะเริ่มสร้าง View หรือ Story ด้วยซ้ำ
จึงควรใช้เวลาในการทำความเข้าใจกับโครงสร้างข้อมูลที่ใช้ เช่น
– รู้ว่าแหล่งข้อมูลทำงานอย่างไร
– ทดลองใช้ Extract
– ตรวจสอบความถูกต้องของข้อมูล

ดูเพิ่มเติมในหัวข้อ “Know Your Data at the Database Level” และ “Test Your Data and Use Extracts” ในคู่มือ Tableau Desktop สำหรับคำแนะนำเพิ่มเติม

สรุป

บทความนี้แนะนำ 7 ประเภทของการเล่าเรื่องด้วยข้อมูล (Data Storytelling) ที่ใช้ใน Tableau พร้อมตัวอย่างและแนวคิดเบื้องหลังแต่ละแบบ โดยไม่เน้นขั้นตอนการใช้เครื่องมือ แต่เน้นให้เข้าใจวิธีเลือกเล่าเรื่องให้เหมาะกับ กลุ่มเป้าหมาย และจุดประสงค์

แนะนำหลักสูตร

Tableau for Beginners
Microsoft Power BI for Beginners
Microsoft 365 for End User Training
Microsoft SharePoint Online For Front-End
Microsoft Power Apps (Canvas App) Workshop
Microsoft Power Automate (Cloud)
Microsoft Copilot Studio (Former Power Virtual Agent)

สนใจสอบถามรายละเอียดเพิ่มเติม

Tel: 021198405

Line: @M365th

Email: Sales@m365.co.th

Reference : https://help.tableau.com/current/pro/desktop/en-us/story_best_practices.htm