Tổng quan về Data visualization (Trực quan hóa dữ liệu)

Data visualization thường được sử dụng sau khi có kết quả phân tích từ dữ liệu, tức có được thông tin trích xuất từ dữ liệu để trình bày cho người xem, người đọc.

Ngoài ra, Data visualization có thể được sử dụng trước khi dữ liệu được đưa vào giai đoạn phân tích.

Ví dụ: Các chuyên gia muốn tìm hiểu trước về các biến dữ liệu, mối quan hệ giữa chúng là gì để suy nghĩ về các mô hình dự báo, họ có thể vẽ trước các đồ thị để xem xét.

Đây có thể gọi là giai đoạn Data exploration hoặc phương pháp tóm tắt trình bày dữ liệu trong Statistics.

Hiểu Data visualization một cách đơn giản

Data visualization, nói một cách đơn giản, là việc tạo ra các biểu đồ, đồ thị.vv hay sử dụng các phương pháp, công cụ khác nhau để trực quan hóa và minh họa dữ liệu được tốt nhất.

Mục đích là biến các nguồn dữ liệu thành những thông tin được thể hiện một cách trực quan, dễ quan sát, dễ hiểu, để truyền đạt rõ ràng những hiểu biết đầy đủ (insights) từ dữ liệu đến người xem, người đọc.

Phương pháp tóm tắt và trình bày dữ liệu

Data visualization không chỉ giúp người đọc, người xem nắm bắt thông tin mà còn giúp nhà phân tích dữ liệu phân tích khai thác dữ liệu tối ưu.

Phương pháp tóm tắt, trình bày dữ liệu trong Statistics là một phần nằm trong Data visualization vì nó liên quan đến việc thể hiện, mô tả dữ liệu (các biến) định tính, định lượng dưới dạng các đồ thị phù hợp, cũng là một dạng trực quan dữ liệu.

Tóm tắt và trình bày, mô tả dữ liệu trong thống kê được chia làm 2 dạng phụ thuộc vào tính chất của dữ liệu, đó chính là dữ liệu định tính (Qualitative data) và dữ liệu định lượng (Quatitative data).

Để biết thêm về 2 loại dữ liệu này, và các thang đo kèm theo mời bạn theo dõi bài viết:

Dữ liệu định tính (Qualitative data)

Dữ liệu định tính (Qualitative data) phản ánh tính chất, hay loại hình, không có biểu hiện trực tiếp bằng con số.

Ví dụ:

• Giới tính
• Nghề nghiệp
• Tình trạng hôn nhân
• Dân tộc
• Tôn giáo
• Học thức, v.v.

Với biến định tính, chúng ta có thể đếm số quan sát của từng loại (tần số) và tính % của từng loại trong tổng thể (tần suất).

Để thể hiện dữ liệu định tính dưới dạng đồ thị, biểu đồ thì trước hết dữ liệu định tính phải được tóm tắt, và sắp xếp dưới dạng các bảng phân phối tần số gọi là Frequency Distribution Table.

Phân tổ hoặc nhóm

Phân tổ hoặc nhóm (class) là quá trình chúng ta căn cứ vào một hay một số biến có đặc trưng cụ thể nào đó để sắp xếp các đơn vị quan sát vào tổ, nhóm có đặc điểm khác nhau, tức chia mẫu hoặc tổng thể thành các tổ nhóm có tính chất khác nhau.

Ví dụ dữ liệu về loại nước giải khác được tiêu thụ phổ biến bởi 50 sinh viên một trường Đại học tại Tp. HCM như sau:

Chúng ta lấy thử một mẫu 50 quan sát như trên bảng, nhận thấy số loại nước ngọt không quá nhiều ở 6 loại là Dasani, Coca-cola, Pepsi, Sting, Twister, C2. Ta phân 6 tổ, mỗi tổ là 1 nhãn hiệu nước giải khát như sau:

Trường hợp lấy mẫu lớn hơn 50 hay xem xét tổng thể sinh viên của trường thì dữ liệu về các loại nước giải khát sẽ rất đa dạng. Do đó, để thống kê hiệu quả, đồ thị, biểu đồ khi vẽ ra phù hợp, chúng ta có thể chia tổ theo những nhóm ví dụ sau:

• Nước khoáng (Dasani, Lavie, Aquafina, v.v )
• Nước giải khát có gas (Coca-cola, Pepsi, Sprite, v.v)
• Nước tăng lực (Sting, Wake up 247, Rồng Đỏ, v.v)
• Nước ép trái cây (Twister, Nutri Boost, Aloe Vera Juice, v.v)
• Các loại nước giải khát khác (Ô long, C2, v.v)

Lưu ý đối với dữ liệu định lượng đươc chuyển đổi thành dữ liệu định tính để khảo sát về phân phối tần suất cũng có thể được chia tổ/ nhóm.

Ví dụ thu thập thu nhập bình quân hàng tháng của 50 hộ gia đình rất đa dạng về phạm vi, để tóm tắt đơn giản ta có thể chia tổ/ nhóm theo:

• Thu nhập dưới 5 triệu: 5 hộ
• Thu nhập 5 đến 10 triệu: 12 hộ
• Thu nhâp 10 đến 15 triệu: 23 hộ
• Trên 15 triệu: 9 hộ.

Tiếp theo là phần quan trọng, trình bày dữ liệu định tính bằng đồ thị, biểu đồ nào:

Để trực quan dữ liệu định tính theo cách phân phối tần số, thì chúng ta cần vẽ các biểu đồ cột đứng hoặc ngang (Bar chart/ Column chart), biểu đồ tròn (Pie chart), biểu đồ Parento.

Các biểu đồ được minh họa như sau:

Bar chart/ Column chart

Ở cột đứng, cột ngang “Tần số”, các bạn có thể thay bằng “Tần suất” với giá trị tần suất của mỗi loại nướ giải khát để vẽ biểu đồ.

Biểu đồ cột đứng hay cột ngang thể hiện tần số của mỗi loại, mỗi đối tượng và thể hiện sự so sánh giữa chúng.

Biểu đồ cột là biểu đồ đơn giản, trực quan nhất, người xem dễ thấy rõ cái nào có giá trị lớn nhất, bé nhất, sự hơn kém giữa chúng (thông thường được xếp theo thứ tự).

Pie chart

Biểu đồ tròn giống như một cái bánh và mỗi lát bánh cho mỗi loại. Kích thước của lát tương ứng với tỉ lệ phần trăm số quan sát hay còn lại là tần suất trong tổng thể hoặc mẫu. Biểu đồ tròn cũng thể hiện được sự hơn kém giữa các phần nhưng không rõ bằng biểu đồ cột.

Pareto chart

Là biểu đồ cột mà các cột được sắp xếp theo thứ tự từ thấp đến cao theo tần số còn các giá trị tần suất tích lũy được biểu diễn bằng đường thẳng.

Biểu đồ Parento thường được sử dụng trong lĩnh vực kinh doanh để xác định các kết quả phổ biến nhất, chẳng hạn xác định các sản phẩm bán phổ biến nhất hoặc các khiểu nại từ trung tâm chăm sóc khách hàng phổ biến nhất.

Mục đích là để tìm ra trong một nhóm nguyên nhân đâu là nguyên nhân quan trọng nhất.

Dữ liệu định lượng (Quatitative data)

Trường hợp dữ liệu định lượng ít ví dụ độ tuổi của 30 sinh viên đang học tại trường Đại học Kinh tế thành phố Hồ Chí Minh (từ hệ Đại học trở lên) như sau:

28 22 25 21 26 24 23 30 31 33 19 20 22 27 30 19 28 31 22 27 37 35 22 19 22 23 26 28 25 36

Để tóm tắt chúng ta sử dụng biểu đồ thân và lá, với lá là số liệu bên phải của các giá trị dữ liệu (có thể là 1 hay 2 chữa số hàng đơn vị hay hàng chục), còn nhánh là số liệu bên trái của các giá trị dữ liệu (có thể là 1 hay 2 chữ số hàng chục, hay hàng trăm).

Tóm tắt dữ liệu:

Số bên trái 1, 2, 3 là nhánh, ở vị trí hàng chục, số bên phải là hàng đơn vị, là lá. Biểu đồ nhánh lá được thực hiện trong SPSS có kết quả như sau:

Trường hợp dữ liệu định lượng được thu thập nhiều hơn (có nhiều đơn vị quan sát), phạm vi giá trị rộng hơn, đa dạng mà biểu đồ nhánh lá không thể thể hiện hết hay nói cách khác chúng ta khó nhận thấy được vấn đề, thông tin tổng quan từ dữ liệu, cảm thấy rối mắt, biểu đồ nhánh và lá lúc này chưa trực quan dữ liệu tốt nhất mà chỉ dừng lại ở mức tóm tắt giá trị từ dữ liệu mà thôi.

Nếu muốn biến đổi dữ liệu định lượng thành dữ liệu định tính để xem xét phân phối tần số trường hợp số quan sát trong dữ liệu là rất lớn, thì chúng ta cần phân tổ với mỗi tổ có khoảng cách đều nhau. Công thức như sau:

Với h là trị số khoảng cách tổ/nhóm; K là số tổ; Xmax là giá trị lớn nhất, Xmin là giá trị nhỏ nhất. Công thức K = (2 x n)^1/3 với n là tổng số quan sát.

Chúng ta có số liệu về năng suất lúa của 50 hộ dân (tạ/ha), số liệu không thể trình bày dưới dạng biểu đồ nhánh, lá vì sẽ không hiệu quả. Chúng ta tiến hành phân tổ theo công thức:

K = (2 x 50) ^1/3 = 4.64 xấp xỉ 5 tổ, tức 5 nhóm (class), h = (54 – 30)/5 = 4.8 xấp xỉ 5 tổ

Chúng ta có bảng tần số như sau, và có thể tiến hành vẽ đồ thị Histogram (đồ thị phân phối tần số cho biến định lượng) với biểu đồ cột, và biểu đồ tần suất tích lũy tương tự như ở phần dữ liệu định tính).

Lưu ý:

Đốii với đồ thị histogram thì khoảng cách giữa các cột là không có vì năng suất lúa là dữ liệu định lượng liên lục (Continuous), tổ có giá trị lớn nhất chính là giá trị nhỏ nhất của tổ tiếp theo.

Đây là sự khác biệt so với biểu đồ cột của dữ liệu định tính và biểu đồ cột của dữ liệu định lượng phân tổ nhưng không có khoảng cách tổ rõ rệt.

Đối với biểu đồ phân phối tần suất tích lũy, thì lưu ý thêm ở dữ liệu định lượng biểu đồ này không gọi là biểu đồ Pareto, vì các cột tần suất không sắp xếp theo thứ tự từ cao nhất đến thấp nhất.

Bảng phân phối tần suất tích lũy hay biểu đồ phân phối tần suất tích lũy sẽ cho chúng ta biết có bao nhiêu % số quan sát nhỏ hơn hoặc bằng một trị số nào đó của biến khảo sát, ví dụ dựa vào đồ thị dưới đây, chúng ta có thể thấy có 66% số hộ có năng suất dưới 45 tạ/ha.

Đây cũng là lí do ở phần trình bày dữ liệu định tính, chúng tôi đã nói tần suất tích lũy được áp dụng chủ yếu cho dữ liệu định lượng vì nó có mang lại ý nghĩa phân tích rõ ràng hơn.

Ở biểu đồ dưới đây, chúng tôi không nối liền các cột với nhau như biểu đồ Histogram bởi vì để các bạn nhìn rõ được % số quan sát nhỏ hơn hay bằng một trị số nào đó, đường tần suất tích lũy sẽ dễ thấy hơn, nhưng thực chất theo lý thuyết vẫn phải để các cột liền nhau

Ngoài ra một dạng đồ thị khác gọi là đồ thị đa giác tần số (Frequency Polyglon), thay vì thể hiện bằng các cột, đồ thị được vẽ bằng các nối các điểm mỗi điểm ứng với một giá trị tần số trên trục tung.

Lưu ý thêm: Đối với biểu đồ này các bạn cũng có thể cho trục hoành chạy từ giá trị 0 đến 55, và chia đôi khoảng cách tổ lấy trị số giữa ví dụ từ 30-35 có trị số giữa là 32.5, tương tự 40-45 là 42.5, v.v chúng ta sẽ lấy trị số giữa này ứng với tần số của mỗi tổ để vẽ, các cạnh và điểm sẽ nối với nhau giống như hình 8.

Một biểu đồ sau cùng chúng tôi muốn giới thiệu là Dot Plot. Mỗi một chấm là 1 lần xuất hiện của một giá trị nào đó,

Ví dụ lấy ngẫu nhiên 50 số từ 0 đến 9 chúng ta được biểu đồ Dot Plot như dưới đây, ví dụ trong 50 số ngẫu nhiên, thì số 8 xuất hiện 2 lần, nên có 2 chấm trên đầu, số 9 với số 7 xuất hiện nhiều nhất là 8 lần nên có 8 chấm

Như vậy kết thúc phần trực quan hóa dữ liệu bằng phương pháp trong thống kê, chúng ta cùng qua một phần quan trọng khác, tổng quan về những biểu đồ, đồ thị phổ biến trong Data visualization và mục đích sử dụng của từng loại.

Những dạng biểu đồ, đồ thị khác nhau trong Data visualization

Thông thường những dạng biểu đồ, đồ thị trong trực quan hóa dữ liệu được chia làm 5 loại chính, phụ thuộc vào mục đích thông tin mà chúng ta muốn biết:

• Comparison: nếu chúng ta muốn biết sự hơn kém giữa các đối tượng nghiên cứu.
• Composition: nếu chúng ta muốn biết cụ thể về từng thành phần cấu tạo nên một thứ gì đó, một nhóm, v.v và mỗi thành phần ấy chiếm tỷ lệ như thế nào.
• Distribution: nếu chúng ta muốn xem xét về phân phối dữ liệu, mức độ phân tán, mức độ tập trung của dữ liệu, hay xác định các điểm bất thường, giá trị ngoại lệ của dữ liệu.
• Trend: nếu chúng ta muốn tìm hiểu về xu hướng biến động của đối tượng nghiên cứu trong dữ liệu.
• Relationship/Correlation: nếu chúng ta muốn tìm hiểu về mối liên hệ, tương quan giữa 2 hay nhiều đối tượng nghiên cứu trong dữ liệu

Bar/Column chart

Như đã trình bày ở phần trên thì biểu đồ cột cho chúng ta thấy được một cách rõ nét sự hơn kém, cao thấp của các đối tượng hay các giá trị của một đối tượng so sánh theo thời gian. Vậy sử dụng biểu đồ cột khi nào thì hợp lý thì có các trường hợp sau:

• So sánh các giá trị của một đối tượng nghiên cứu theo thời gian (ví dụ hình bên dưới)
• So sánh giữa các đối tượng khác nhau theo thời gian (ví dụ như hình bên dưới)
• So sánh các thành phần khác loại có trong một nhóm, một tập hợp (ví dụ loại nước giải khát trom nhóm những loại nước giải khát trong ví dụ ở phần trên)
• Biểu đồ cột đứng nếu không có quá nhiều đối tượng để so sánh (thường từ 10 trở xuống)
• Nếu muốn so sánh mức độ giống nhau của các tập dữ liệu
• Biểu đồ cột ngang được sử dụng khi nhãn, tên của các đối tượng quá dài, hay số đối tượng so sánh nhiều (nhiều hơn 10)

Một số ví dụ về biểu đồ cột khác ngoài những ví dụ ở phần trình bày dữ liệu trong thống kê

Line Graph

Biểu đồ đường được sử dụng để mô tả xu hướng biến động (ví dụ tăng hay giảm) của dữ liệu và so sánh các giá trị của đối tượng nghiên cứu giữa các mốc thời gian với nhau.

Biểu đồ đường được sử dụng cho loại dữ liệu là định lượng nhưng liên tục (continuous) ví dụ như năng suất, tiền. Hãy chọn biểu đồ đường để vẽ với các mục đích sau:

• Muốn tìm hiểu về xu hướng tăng giảm, mức độ biến động của dữ liệu.
• So sánh, tìm hiểu mức độ liên hệ giữa các đối tượng khác nhau ở những tập dữ liệu khác nhau (ví dụ dữ liệu về lượng mưa và nhiệt độ từ tháng 1 đến tháng 12, xem thêm ví dụ ở hình 14).

Pie chart, Stacked Column/bar chart

Biểu đồ tròn, biểu đồ cột chồng là biểu đồ thể hiện các thành phần, các bộ phận riêng lẻ tạo nên toàn bộ của một thứ gì đó ví dụ tổng doanh số sản phẩm A được tạo ra bởi cụ thể những kênh bán hàng nào, mỗi kênh chiếm bao nhiêu % doanh số.

Mục đích sử dụng để tìm ra thành phần nào chiếm tỷ lệ cao nhất, bé nhất hay so sánh giữa các thành phần với nhau.

Biểu đồ cột chồng có 2 dạng: không phân theo %, và phân theo 100%, như trong 2 ví dụ dưới đây.

Biểu đồ hình 15 không chỉ so sánh từng thành phần (doanh số sản phẩm A, B, C, D) của mỗi chiến lược kinh doanh mà còn so sánh giữa những chiến lược kinh doanh với nhau, các bạn có thể thấy Strategy 2 chiến doanh số cao nhất. Đây là lợi ích chung của biểu đồ cột.

Biểu đồ tròn áp dụng cho trường hợp số lượng các thành phần riêng lẻ không quá nhiều, chỉ từ 5 thành phần, trường hợp có nhiều hơn 5 thành phần thì giá trị hay tỷ lệ % giữa các thành phần phải khác biệt rõ rệt để dễ so sánh.

Biểu đồ tròn phải đảm bảo yếu tố trực quan, nghĩa là người xem có thể thấy nhanh chóng thành phần nào chiếm tỷ lệ lớn nhất, bé nhất, thành phần nào hơn thành phần nào, và tốt hơn hết là để con số % cụ thể lên đồ thị, đặc biệt tránh trường hợp gây nhầm lẫn, khó hiểu cho người xem ví dụ phần có tỷ lệ 26% lại được vẽ giống như gần bằng phần có tỷ lệ 30%.

Biểu đồ tròn có rất nhiều ứng dụng nhưng không phải vì thế mà chúng ta sử dụng chúng một cách không suy nghĩ, xem xét đến tính hợp lý và hiệu quả trong trực quan dữ liệu. Về ví dụ của biểu đồ tròn các bạn có thể xem lại ở phần trình bày dữ liệu thống kê ở trên.

Ngoài biểu đồ tròn hình dạng là lát bánh, chúng ta còn có dạng biểu đồ tròn hình bánh Donut như ví dụ dưới đây:

Scatter plot

Biểu đồ phân tán Scatter plot hiển thị mối quan hệ giữa hai biến định lượng khác nhau hoặc nó có thể thể hiện xu hướng phân phối của dữ liệu, ngoài ra còn có thể tìm ra các giá trị ngoại lệ, và kiểm tra tính tương đồng của các bộ dữ liệu.

Với những ưu điểm của mình, biểu đồ phân tán được sử dụng phổ biến trong lĩnh vực Data Science từ Data mining, Predictive analytics cho đến Machine learning khi khối lượng dữ liệu phải phân tích là rất nhiều.

Tuy nhiên nếu người xem, người đọc không am hiểu về lĩnh vực dữ liệu, hay chưa quen đọc biểu đồ phân tán, thì biểu đồ phân tán sẽ không còn phù hợp mặc dù là một trong những biểu đồ trực quan dữ liệu tốt nhất.

Một số ví dụ Scatter plot:

Bubble chart

Biểu đồ Bubble chart giống như biểu đồ Scatter plot nhưng có thêm biến thứ 3, được thể hiện bằng các chấm tròn. Biến thêm vào có thể là biến định lượng hoặc biến định tính.

Các chấm trên Scatter plot thường là các chấm nhỏ và ít thấy rõ sự khác biệt giữa chúng, còn trong Bubble chart các chấm tròn phải khác biệt, có độ lớn bé quy ước dựa trên giá trị định lượng của biến thêm vào.

Chính vì thế trên đồ thị này chúng ta có thể thấy các chấm tròn to, chấm tròn nhỏ khác nhau như những bọt bong bóng, nên được đặt tên là Bubble chart.

Mục đích sử dụng Bubble chart bao gồm cả mục đích sử dụng của Scatter plot, bên cạnh đó Bubble chart cho chúng ta thấy thêm mối liên hệ giữa các biến thêm vào so với 2 biến cố định của Scatter plot trước đó, hay so sánh trực tiếp giữa các giá trị của biến thêm vào, xem xét sự quan hệ của nhiều biến sẽ giúp tìm ra nhiều thông tin hữu ích hơn.

Ở biểu đồ trên chúng ta thấy có 3 loại dữ liệu, dữ liệu về doanh thu Revenue, dữ liệu về Consumer Rating cho các sản phẩm, dữ liệu về chi phí sản xuất ứng với 4 loại sản phẩm. Kích thước của các chấm tròn tỷ lệ thuận với chi phí sản xuất, còn màu sắc của chấm tròn quy ước theo từng loại sản phẩm.

Ví dụ Product 3, tuy có % đánh giá của người tiêu dùng chủ yếu dưới 70% nhưng doanh thu nó mang về là rất cao, luôn trên ngưỡng 10 triệu, nhưng chi phí sản xuất trên đơn vị sản phẩm lại rất nhỏ, nếu so sánh thì chi phí sản xuất của Product 3 chỉ lớn hơn Product 4.

Vậy thì chúng ta tìm được mối liên hệ gì giữa doanh thu, đánh giá của khách hàng, chi phí sản xuất? Cứ tiếp tục phân tích biểu đồ sẽ ra thôi! Đây chính là điểm mạnh của Bubble chart.

Lưu ý:

Ở một số trường hợp khác biến thứ 3 là biến định danh ví dụ như ở hình 20, nếu chúng ta không có dữ liệu về chi phí sản xuất, nhưng lại có dữ liệu từng loại sản phẩm ứng với Revenue và Consumer rating, thì các chấm tròn có thể được quy ước linh hoạt theo màu sắc để phân biệt các loại sản phẩm, biểu đồ sẽ trở về là dạng Scatter plot (do các chấm không khác biệt về kích thước chỉ khác biệt về màu sắc),

Tuy nhiên không còn là phân tích mối liên hệ giữa chỉ mỗi giữa Revenue và Consumer rating mà còn có thêm các loại sản phẩm.  Chúng ta tiếp tục phân tích để tìm hiểu như có sự khác biệt giữa doanh thu ở mỗi loại sản phẩm hay không, tương tự cho đánh giá của người tiêu dùng, tìm xem sản phẩm nào được người tiêu dùng đánh giá cao hơn v.v.

Area chart

Area chart giống biểu đồ đường là thể hiện xu hướng biến động của đối tượng dữ liệu theo thời gian, nhưng khác biệt ở chỗ Area chart có thể thể hiện giá trị định lượng giữa các đường vẽ của các biến dữ liệu hay các thành phần có trong một tổng, tập hợp nào đó bằng một dải màu sắc, các dải màu này sẽ chồng lên nhau để tạo thành giá trị của một tổng, tập hợp nào đó.

Mục đích của Area chart là chính là tìm hiểu về xu hướng biến động tổng thể, cả xu hướng biến động của từng thành phần, và chênh lệch giữa chúng như thế nào theo thời gian, thành phần nào chiếm nhiều, hay chiếm ít trong tổng thể, hoặc thành phần nào hơn thành phần nào.

Giải thích về khái niệm thì khá phức tạp, và khó hiểu, các bạn xem qua ví dụ sau để rõ hơn.

Trên hình là biểu đồ thể hiện biến động của tổng lợi nhuận từ chuỗi cửa hàng tạp hóa, trong đó bao gồm biến động lợi nhuận của từng cửa hàng gộp lại thành tổng lợi nhuận. Chắc qua hình này các bạn đã hiểu Area chart là gì rồi nên BigDataUni có lẽ cũng sẽ không giải thích gì thêm.

Waterfall chart

Biểu đồ thác nước là một biểu đồ trực quan thông tin được sử dụng để cho thấy giá trị ban đầu bị ảnh hưởng bởi các giá trị trung gian như thế nào để dẫn đến giá trị cuối cùng. Các giá trị có thể là âm hoặc dương.

Funnel chart

Funnel chart, biểu đồ phễu là dạng biểu đồ trình bày các bước trong một quy trình, tỷ lệ hoàn thành mục tiêu ở các bước hay giá trị định lượng về một thành quả nào đó ở từng bước góp phần đạt mục tiêu sau cùng (ở đáy phễu).

Funnel chart có lẽ quá quen thuộc với các bạn làm trong lĩnh vực Digital marketing hay thương mại điện tử.

Ví dụ:

Dưới đây là funnel chart trong marketing bắt đầu từ bước tiếp cận khách hàng bằng các chiến dịch quảng cáo để thu hút lượt tiếp cận (Impressions) cho đến khi khách hàng đăng ký tài khoản, và tiếp tục phát triển các hoạt động khiến khách hàng trả tiền nâng cấp tài khoản (Upgrade)

Heat map

Bản đồ nhiệt cho thấy mối quan hệ giữa 2 thước đo, hay 2 biến nghiên cứu, (mỗi biến có các giá trị, các biểu hiện khác nhau) và cung cấp thông tin thể hiện rõ thứ tự sắp xếp, chẳng hạn như cao đến thấp hoặc kém đến xuất sắc hiển thị bằng cách sử dụng các màu sắc có cường độ khác nhau dựa trên giá trị định lượng nói lên mối quan hệ giữa 2 thước đo, hay 2 biến nghiên cứu.

Bản đồ nhiệt còn được ứng dụng trong địa lý ví dụ quen thuộc như thể hiện mật độ dân số ở từng khu vực địa lý, nơi nào có mật độ dân số cao thì trên biểu đồ thể hiện với màu sắc đậm hơn.

Trong lĩnh vực marketing, đặc biệt là theo dõi hành vi khách hàng trên website, heat map được ứng dụng để giúp các nhà marketing tìm hiểu được khách hàng đang quan tâm đến nội dung gì, sản phẩm gì, hình ảnh gì v.v trên website của công ty mình.

Giải thích về khái niệm sẽ khó hiểu hơn, nên các bạn cùng BigDataUni xem qua ví dụ dưới đây.

Ví dụ:

Nhìn vào biểu đồ trên chúng ta thấy vào lúc 2h chiều thứ 4 và thứ 5 hàng tuần thì lượt người sử dụng Facebook trên toàn cầu là cao nhất do chúng ta thấy ô quan sát có màu đậm nhất, vào theo quy ước màu đậm nhất là “Highest Engagement”.

Thay vì thể hiện bằng số liệu sẽ khiến chúng ta rối mắt thì thể hiện bằng màu sắc chúng ta sẽ nhận ra nhanh hơn mối quan hệ giữa các thứ trong tuần và thời gian trong ngày dựa trên lượng người truy cập Facebook trên toàn cầu. 2 thang đo ở đầy là các thứ trong 1 tuần, và giờ trong 1 ngày.

Nếu nói về biến dữ liệu thì dữ liệu các thứ trong tuần là dữ liệu định tính với tần số là lượt truy cập của người dùng trong từng thứ từ thứ 2 đến Chủ nhật, tương tự cho dữ liệu giờ trong ngày.

Box-plot

Biểu đồ hộp và râu Box-plot được sử dụng để đo lường khuynh hướng phân tán và xác định các giá trị ngoại lệ của dữ liệu.

Box-plot thể hiện 5 giá trị của tập dữ liệu:

• Giá trị bé nhất, tứ phân vị thứ nhất (Q₁),
• Trung vị hay tứ phân vị thứ 2 (Q₂),
• Tứ phân vị thứ 3 (Q₃),
• Giá trị lớn nhất, và
• Những trị số bất thường. Mời các bạn xem lại bài viết của chúng tôi về thống kê mô tả, để hiểu rõ thêm về các khái niệm.

Box-plot là đồ thị trực quan thường được nhiều nhà phân tích, thống kê sử dụng để tóm tắt thông tin về một biến dữ liệu định lượng bất kỳ phục vụ cho các giai đoạn khai thác dữ liệu sau này.

Nếu người đọc, người xem không hiểu về các khái niệm của những chỉ số thống kê trong Box-plot, thì họ sẽ không hiểu những thông tin mà Box-plot cung cấp, do đó Box-plot ít được xem là công cụ trực quan dữ liệu phù hợp để trình bày trong các buổi thuyết trình, các cuộc họp lớn,v.v

Bên trên là biểu đồ hộp râu tóm tắt dữ liệu về thời gian ngủ mỗi đêm của 20 em học sinh, dựa vào đường gạch trong giữa mỗi hộp, là giá trị trung vị (median), nối lại các gạch này với nhau chúng ta sẽ có được một đường thể hiện khuynh hướng biến động của đối tượng nghiên cứu theo thời gian.

Chúng ta thấy thường từ đầu tuần đến thứ 5, các học sinh ngủ ít hơn, và cuối tuần thì tăng trở lại, đến tối chủ nhật thì giảm. Các đốt chấm là giá trị ngoại lệ, ví dụ ở thứ 6 (Fri) trong số 20 em học sinh, thì có 1 em thức trắng, không ngủ.

Còn rất nhiều phương pháp trực quan hóa dữ liệu, hay các dạng đồ thị biểu đồ khác trong Data visualization mà chúng tôi không thể trình bày hết ở đây mong các bạn thông cảm.

Nguồn: BigDataUni