COOL IT IDEAS AND STUFF

เมื่อพูดถึง Data Science แล้ว Data Visualization ถือเป็นสิ่งที่มีการพูดถึงเป็นอันดับต้น ๆ ไม่ว่าคุณต้องการวิเคราะห์ข้อมูลใดก็ตาม Data Visualization ดูเหมือนจะเป็นขั้นตอนที่จำเป็น แต่หลายคนไม่มี Concept ที่เฉพาะเจาะจง เกี่ยวกับพวกมัน แถมบางคนอาจยังไม่รู้วิธีนำไปใช้ด้วยซ้ำ ซึ่งบทความนี้จะทำให้คุณเข้าใจและรู้ถึง Concept, Implementation Process และทำความรู้จักกับ 9 เครื่องมือ สำหรับ Data Visualization 

1. Data Visualization คืออะไร

Scientific Visualization, Information Visualization และ Visual Analytics ถือเป็น 3 ส่วนหลัก ๆ ที่มักเห็นกันในเรื่องของ Visualization หลักการใหม่ของ “Data Visualization” ซึ่งเป็นการรวมกันของ 3 ข้างต้น ถือเป็นจุดเริ่มต้นใหม่ใน Field ของ Visual Research

Data Visualization โดยทั่วไปจะเกี่ยวข้องกับสาขาวิชาต่าง ๆ เช่น Information Technology, Natural Science, Statistical Analysis, Graphics, Interaction รวมทั้ง Geographic Information 

1.1 Scientific Visualization

Scientific Visualization เป็นการรวมเอาการ Research หลากหลายสาขา นำไปประยุกต์ใช้ใช้ Field ของวิทยาศาสตร์ โดยมุ่งเน้นไปที่ Visualization ของ Three-Dimensional Phenomena เช่น ด้านสถาปัตยกรรม อุตุนิยมวิทยายา หรือระบบความหลากหลายทางชีวภาพ โดยมีวัตถุประสงค์คือ แสดงข้อมูลทางวิทยาศาสตร์ออกมาในรูปแบบ Graphic เพื่อให้นักวิทยาศาสตร์สามารถเข้าใจ อธิบาย และรวบรวม Pattern จากข้อมูลได้ 

1.2 Information visualization

Information Visualization เป็นการศึกษาการนำข้อมูลที่เป็นนามธรรม (Abstract Data) ให้ออกมาเป็นรูปภาพแบบ Interactive เพื่อเพิ่มความรู้ความเข้าใจของมนุษย์ ซึ่งข้อมูลที่เป็นนามธรรมนี้รวมไปถึงข้อมูลที่เป็นทั้ง Digital และ Non-Digital ด้วย เช่น Geographic Information และ Text โดยส่วนที่เป็น Graphic ก็เช่น Histograms, Trend Graphs, Flow Charts และ Tree Diagrams ซึ่งทั้งหมดนี้อยู่ใน Information Visualization และออกแบบ Graphic เหล่านี้เพื่อแปลง Concept ที่เป็นนามธรรมไปสู่ Visual Information 

1.3 Visual Analytics

Visual analytics ถือเป็น Field ใหม่ ทีเกิดขึ้นจากวิวัฒนาการของ Scientific Visualization และ Information Visualization ด้วยเป็นการเน้นการให้เหตุผลเชิงวิเคราะห์ผ่าน Visual Interface แบบ Interactive 

2. ทำไมเราต้องใช้ Data Visualization

ปริมาณข้อมูลที่มนุษย์ได้รับจากการมองเห็นนั้นถือก้าวไกลกว่าอวัยวะอื่น ๆ Data Visualization คือการใช้ทักษะตามธรรมชาติของมนุษย์เพื่อเพิ่มประสิทธิภาพในการประมวลผลข้อมูลและประสิทธิภาพของการจัดการอย่างเป็นระบบ

Visualization สามารถช่วยให้เราสามารถจัดการกับข้อมูลที่ซับซ้อนและเพิ่มประสิทธิภาพในการจดจำ

ผู้คนส่วนใหญ่อาจรู้ไม่มากนักเกี่ยวกับข้อมูลทางด้านสถิติ และวิธีการทางสถิติพื้นฐาน (ค่าเฉลี่ย, มัธยฐาน, พิสัย และอื่น ๆ ) ซึ่งมันไม่สอดคล้องกับธรรมชาติของมนุษย์เลย หนึ่งในตัวอย่างที่เป็นที่รู้จักในวงกว้างคือ Anscombe's Quartet มันเป็นการยากที่จะเห็นกฎตามวิธีการทางด้านสถิติ แต่กฎนี้ก็มีความชัดเจนมากเมื่อข้อมูลถูกแสดงออกมาเป็นภาพ 

3. เราจะสร้าง Data Visualization ได้อย่างไร

ในทางเทคนิคแล้ว ความเข้าใจที่ง่ายที่สุดของ Data Visualization ก็คือ การ Mapping ส่วนข้อมูลกับส่วนของ Graphic เข้าด้วยกัน

ขั้นตอนการใช้งานแบบ Visual ที่ใช้กันก็คือ การประมวลผลและกรองข้อมูล แล้วแปลงไปเป็นรูปแบบภาพที่ชัดเจน แล้วแสดงผลออกมาเป็นรูปแบบที่ User สามารถมองเห็นได้

Visualization Technology Stack

โดยทั่วไป Data Visualization Engineers ที่เป็นมืออาชีพจะต้องมีความเชี่ยวชาญใน Technology Stack ดังต่อไปนี้:

• Basic Mathematics: Trigonometric Function, Linear Algebra, Geometric Algorithm
• Graphics: Canvas, SVG, WebGL, Computational Graphics, Graph Theory
• Engineering Algorithms: Basic Algorithms, Statistical Algorithms, Layout Algorithms โดยทั่วไป
• Data Analysis: Data Cleaning, Statistics, Data Modeling
• Design Aesthetics: Design Principles, Aesthetic Judgment, Color, Interaction, Cognition
• Visual Basis: Visual Coding, Visual Analysis, Graphical Interaction
• Visualization Solutions: การใช้ Charts อย่างถูกต้องเหมาะสม, Visualization ของสถานการณ์ทางธุรกิจโดยทั่วไป

4. 9 Data Visualization Tools ที่คุณควรรู้จัก

จะว่าไปแล้ว ภาษา R, ggplot2 และ Python มักถูกใช้ในสถาบันการศึกษา Tool ที่คุ้นเคยที่สุดสำหรับ User ทั่วไปก็คือ Excel ส่วน Product ในเชิงพาณิชย์ก็มี Tableau, FineReport, Power BI รวมทั้งอื่น ๆ ซึ่งจะขอแนะนำ 9 Data Visualization Tools ที่คุณควรรู้จักไว้หากจะทำงานในสายงานนี้

4.1 D3

D3.js เป็น JavaScript Library ที่ยึดแบบตาม Data Manipulation Documentation ที่สำคัญ D3 ยังได้รวมเอา Visualization Components ที่มีประสิทธิภาพเข้ากับ DOM Manipulation Methods อีกด้วย 

Evaluation : D3 มีความสามารถในการทำงานกับ SVG ที่ทรงพลัง มันสามารถ Map ข้อมูลกับ Attribute ของ SVG ได้อย่างง่ายดาย มัน Integrate กับ Tools และ Methods จำนวนมากสำหรับ Data Processing, Layout Algorithms และ Calculating Graphics นอกจากนี้ D3 ยังมี Community ที่เข้มแข็งและ Demo อีกมากมาย อย่างไรก็ตาม API ของมันอยู่ Low-Level เกินไป ทำให้มีการนำมา Reuse ไม่มากนัก ในเดียวกันมันมี Learning Curve ที่สูง ทำให้ต้องใช้เวลาเรียนรู้มาก

4.2 HighCharts

HighCharts เป็น Chart Library ที่ถูกเขียนขึ้นจาก JavaScript ที่ทำให้ง่ายและสะดวกต่อผู้ที่ใช้งาน ในการเพิ่ม Interactive Charts ลงใน Web Applications นี่เป็น Chart Tool ที่ใช้กันอย่างแพร่หลายที่สุดบน Web และการใช้งานทางธุรกิจต้องซื้อ Commercial License 

Evaluation : HighCharts มีความเข้ากันได้ (Compatibility) เป็นอย่างดี รวมทั้งมีการเติบโตและการใช้งานอย่างกว้างขวาง แต่อย่างไรก็ตาม Style ของมันค่อนข้างเก่าและเป็นการยากที่จะทำอะไรเพิ่มเติม Charts กรณีต้องการใช้งานเชิงพาณิชย์ก็จำเป็นต้องซื้อลิขสิทธิ์

4.3 Echarts

Echarts เป็น Chart Tool ในระดับ Enterprise จาก Data Visualization Team ของ Baidu มันเป็น JavaScript Chart Library ที่ทำงานได้อย่างราบรื่นบน PCs และ Mobile Devices อีกทั้งยังเข้ากันได้เป็นอย่างดีกับ Browsers ส่วนใหญ่ในปัจจุบัน 

Evaluation : Echarts มีประเภทของ Charts ที่หลากหลายครอบคลุมถึง Statistical Charts อีกด้วย แต่มันก็ไม่ยืดหยุ่นเท่า Vega และ Chart Libraries อื่น ๆ ที่อิงตาม Graphic Grammar และมันก็ยากสำหรับ Users ที่อยากจะปรับแต่ง Charts บางประเภทที่มีความซับซ้อน

4.4 Leaflet

Leaflet เป็น JavaScript Library ของ Interactive Maps สำหรับ Mobile Devices ที่สำคัญมันมี Mapping Features ที่ Developer ส่วนใหญ่ต้องการ 

Evaluation : มันสามารถกำหนดเป้าหมายที่เฉพาะเจาะจงได้สำหรับ Map Applications และมันเข้ากันได้เป็นอย่างดีกับ Mobile มี API ที่รองรัง Plug-in Mechanism แต่ Function นั้นค่อนข้างง่าย ผู้ใช้งานจำเป็นต้องมีความสามารถในการพัฒนาพอสมควร

4.5 Vega

Vega เป็นชุดของ Interactive Graphical Grammars ที่กำหนดกฎการ Mapping จาก Data ไปยัง Graphic, Interaction Grammars ทั่วไป และ Graphical Elements ทั่วไป ผู้ใช้สามารถรวม Vega Grammars ได้อย่างอิสระเพื่อสร้าง Charts ที่หลากหลาย 

Evaluation : มันอิงตาม JSON Grammars ทั้งหมด Vega ได้จัดเตรียม mapping rules จาก Data ไปยัง Graphic ไว้ให้แล้วและรองรับ Interaction Grammars ทั่วไปอีกด้วย แต่ Grammar Design นั้นมีความซับซ้อนและต้องใช้เวลามากพอสมควรในการเรียนรู้

4.6 deck.gl

deck.gl เป็น Visual Class Library ที่มีพื้นฐานมาจาก WebGL สำหรับ Big Data Analytics มันถูกพัฒนาขึ้นโดย Visualization Team ของ Uber 

Evaluation : deck.gl มุ่งเน้นไปที่ 3D Map Visualization มันมี Built-in Geographic Information Visualization ที่หลากหลาย อีกทั้งยังรองรับ Visualization ของข้อมูลที่มี Scale ขนาดใหญ่อีกด้วย แต่ผู้ที่จะใช้งานจำเป็นต้องมีความรู้เกี่ยวกับ WebGL และ Layer Expansion ก็ค่อนข้างมีความซับซ้อนด้วย

4.7 Power BI

Power BI เป็นชุดของ Business Analysis Tools ที่มีข้อมูลเชิงลึกสำหรัลองค์กร มันสามารถเชื่อมต่อกับแหล่งข้อมูลต่าง ๆ ได้หลายร้อยแหล่ง ทำให้การเตรียมข้อมูลง่ายขึ้น และช่วยวิเคราะห์ให้ทันที องค์กรสามารถดู Report ที่สร้างโดย Power BI ได้ทั้งบน Web และ Mobile Devices 

Evaluation : Power BI นั้นคล้ายคลึงกับ Desktop BI Tool ของ Excel ในขณะที่ Function นั้นมีประสิทธิภาพมากกว่า Excel มันรองรับแหล่งข้อมูลได้จากหลายแหล่ง ราคาไม่สูงนัก แต่สามารถใช้เป็น BI Tool ที่แยกออกมาต่างหากเท่านั้น และไม่สามารถ Integrate ให้เข้ากับระบบที่มีอยู่ได้

4.8 Tableau

Tableau เป็น Business Intelligence Tool สำหรับการวิเคราะห์ข้อมูล ผู้ใช้สามารถสร้างและแจกจ่าย Dashboard ทั้งแบบ Interactive และ Sharable, แสดงถึงแนวโน้ม, การเปลี่ยนแปลง และความหนาแน่น ของข้อมูลใน Graph และ Charts ได้ Tableau สามารถเชื่อมต่อกับ Files, Relational Data Sources และ Big Data Sources เพื่อรับและประมวลผลข้อมูล 

Evaluation : Tableau เป็น Business Intelligence Tool ที่เรียบง่ายที่สุดใน Desktop System มันไม่บังคับให้ผู้ใช้ต้องเขียนCustom Code ขึ้นมาเอง Software จะช่วยในการผสมข้อมูลและการทำงานร่วมกันแบบ Realtime แต่มันมีราคาค่อนข้างสูง และทำงานได้ไม่ดีนักในเรื่องการ Customize และเรื่องบริการหลังการขาย

4.9 FineReport

FineReport เป็น Web Reporting Tool ในระดับ Enterprise ที่ถูกเขียนขึ้นใน Java ซึ่งรวมกันกับ Data Visualization และ Data Entry มันถูกออกแบบมาตามแนวคิด “No-Code Development” ผู้ใช้สามารถใช้ FineReport ในการสร้าง Report ที่ซับซ้อนและ Dashboard เจ๋ง ๆ น่าสนใจ และสร้าง Decision-Making Platform ด้วยการ Drag-and-Drop ที่ง่ายดายอีกด้วย 

Evaluation : FineReport สามารถเชื่อมต่อโดยตรงกับ Database ได้ทุกประเภท ทั้งสะดวกและรวดเร็วในการปรับแต่งReport ที่ซับซ้อน และ Dashboard ส่วน Interface ของมันก็คล้ายกับของ Excel มันมีถึง 19 หมวดหมู่ และมี HTML5 Charts มากกว่า 50 รูปแบบที่พัฒนาขึ้นเองด้วย 3D ที่ยอดเยี่ยม และที่สำคัญที่สุด ก็คือ ใน Personal Version นั้น สามารถใช้งานได้แบบฟรี ๆ

ที่มา:  https://towardsdatascience.com/

 

 

รับตำแหน่งงานไอทีใหม่ๆ ด้วยบริการ IT Job Alert

 

อัพเดทบทความจากคนวงในสายไอทีทาง LINE ก่อนใคร
อย่าลืมแอดไลน์ @techstarth เป็นเพื่อนนะคะ

 

บทความล่าสุด

• วิธีการหา Bugs ใน JavaScript Code ด้วย Debugger 
• IT & Digital Events in November 2019 
• 10 Laravel Helpers ที่คุณควรรู้จัก