หลายครั้งคุณใช้ Excel ในการสร้างแผนภูมิเพื่อแสดงข้อมูลในการทำรายงาน แต่นึกไม่ออกว่าจะเลือกใช้แผนภูมิชนิดไหนจึงเหมาะสม ทางนี้มีคำตอบ

มีหลายจุดประสงค์พวกเราต้องการสื่อเมื่อต้องการสร้างแผนภูมิ ดังนี้

1. ชนิดของข้อมูล (เชิงคุณภาพและเชิงปริมาณ)
2. ความสัมพันธ์ระหว่างข้อมูล
3. เปรียบเทียบข้อมูล
4. องค์ประกอบของข้อมูล
5. การกระจายของข้อมูล
6. การซ้อนกันของข้อมูล (Overlapping of data)


ชนิดของข้อมูล (เชิงคุณภาพและเชิงปริมาณ)

ข้อมูลเชิงคุณภาพ เป็นข้อมูลสามารถแบ่งประเภทแต่ไม่สามารถวัดได้ เช่น สี ความพอใจ สามารถแบ่งได้เป็น
1. ข้อมูลเชิงคุณภาพไม่สามารถจัดเรียงลำดับสื่อความหมาย (Nominal data) เช่น สีฟ้า สีเหลือง สีแดง สีดำ
2. ข้อมูลเชิงคุณภาพสามารถจัดเรียงลำดับสื่อความหมาย (Ordinal data) เช่น พอใจมาก พอใจ ไม่พอใจ ไม่พอใจมาก หรือ ไม่ชอบมาก ไม่ชอบ ชอบ ชอบมาก

ข้อมูลเชิงปริมาณ เป็นข้อมูลสามารถวัดได้ เช่น ความสูง น้ำหนัก ลูกค้า 5 คน สามารถแบ่งได้เป็น
1. ข้อมูลเชิงปริมาณไม่ต่อเนื่องแสดงเป็นค่าชัดเจน (Discrete data) เช่น ลูกค้า 5 คน  17 จุด  12 ขั้นตอน
2. ข้อมูลเชิงปริมาณต่อเนื่องแสดงเป็นค่าในช่วงมีขอบเขตหรือไม่มีขอบเขต (Continuous data) เช่น ความสูง น้ำหนัก

เราสามารถสรุปข้อมูลเชิงคุณภาพในรูป

1. ตารางความถี่

frequency table
ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/

 

2. แผนภูมิวงกลม

pie chart
ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/

 

3. แผนภูมิคอลัมน์ (Column chart)

clustured column chart
ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/

 

แต่เราไม่สามารถสรุปข้อมูลเชิงคุณภาพโดยคำนวณค่าเฉลี่ย เช่น พอใจมาก = 40%  พอใจ = 30%  ไม่พอใจ = 20%  ไม่พอใจมาก = 10% ไม่สามารถหาค่าเฉลี่ยของความพอใจจาก (40%+30%+20%+10%)/4 = 25%

นอกจากนี้เราไม่สามารถสรุปข้อมูลเชิงคุณภาพโดยใช้แผนภูมิเส้นและ histogram

เราสามารถสรุปข้อมูลเชิงปริมาณโดยใช้ค่าเฉลี่ย ฐานนิยม (mode) ค่าเบี่ยงเบนมาตรฐาน (standard deviation) เป็นต้น และสามารถสรุปข้อมูลเชิงปริมาณโดยใช้แผนภูมิคอลัมน์  แผนภูมิแท่ง (bar chart)  แผนภูมิเส้น   histogram เป็นต้น


ความสัมพันธ์ระหว่างข้อมูล

scatter chart

ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/

 

แผนภูมิการกระจาย (Scatter chart) ข้างบนแสดง 15 จุดข้อมูล (data points) และ 2 ชุดข้อมูล (data series) พยายามทำให้เข้าใจความสัมพันธ์ระหว่าง 2 ตัวแปร ได้แก่ AOV (average order value) และ sales ว่าเป็นเส้นตรงคือในขณะที่ค่าของ AOV เพิ่มขึ้น ค่าของ sales ก็เพิ่มขึ้นด้วย

พิจารณาใช้แผนภูมิการกระจายเมื่อ

1. กำลังวิเคราะห์และรายงานความสัมพันธ์ระหว่าง 2 ตัวแปร
2. เมื่อต้องการแสดง 'ทำไม' ตัวอย่างเช่น ทำไมรายได้สัมพันธ์กับ average order value
3. มีจุดข้อมูลมากกว่า 10 จุดบนแกนนอน (horizontal axis) ยิ่งมีจุดข้อมูลมากยิ่งดีสำหรับแผนภูมิการกระจาย ในขณะที่จุดข้อมูลน้อย (5 หรือ 6 จุดข้อมูล) ไม่เหมาะสมสำหรับการสร้างแผนภูมิการกระจาย
4. มี 2 ตัวแปรซึ่งสัมพันธ์กัน

 


เปรียบเทียบข้อมูล

เพื่อแสดงการเปรียบเทียบตัวแปร 2 ตัวหรือมากกว่า แผนภูมิเหมาะสมที่สุด ได้แก่ แผนภูมิคอลัมน์ แผนภูมิแท่ง แผนภูมิเส้น และแผนภูมิผสม (Combination chart)


แผนภูมิคอลัมน์

เป็นแผนภูมิที่นิยมใช้อย่างมากในการเปรียบเทียบข้อมูล ในแผนภูมิประเภทของตัวแปร (categories) จะ plot ตามแกนนอนและค่าของตัวแปรจะ plot ตามแกนตั้ง (vertical axis)
column chart
ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/

 

แผนภูมิคอลัมน์ข้างบนนี้เป็นการเปรียบเทียบจำนวนของ branded keywords และ non branded keywords ระหว่างเดือนกรกฎาคมและพฤศจิกายน

ข้างล่างเป็นตัวอย่างแผนภูมิคอลัมน์ไม่ควรสร้าง
column chart
column chart

ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/

 

พิจารณาใช้แผนภูมิคอลัมน์เมื่อ

1. กำลังเปรียบเทียบตัวแปร 2 ตัว หรือมากกว่าซึ่งมีหน่วยเดียวกันและมีค่าเปรียบเทียบกันได้ คือ ค่าของตัวแปรไม่แตกต่างกันมาก (the values of one variable does not dwarf the values of the other variables)
2. ต้องการแสดง 'เท่าไร' ตัวอย่างเช่น มี organic visits เท่าไรเปลี่ยนแปลงใน 3 เดือน ดังนั้นแผนภูมิคอลัมน์สามารถแสดงการเปลี่ยนแปลงข้อมูลในช่วงเวลาหนึ่ง
3. จำนวนประเภทของตัวแปรน้อยกว่า 5
4. ต้องการแสดงค่าต่ำสุดและค่าสูงสุด


แผนภูมิแท่ง

แผนภูมิแท่งคล้ายแผนภูมิคอลัมน์ยกเว้นค่าของตัวแปรของแผนภูมิแท่ง plot ตามแกนนอนและประเภทของตัวแปร plot ตามแกนตั้ง

ข้างล่างเป็นตัวอย่างแผนภูมิแท่งแสดงชื่อเว็บไซต์ plot บนแกนตั้งและค่าเป็นตัวเลข plot บนแกนนอน
bar-chart

ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/

 

พิจารณาใช้แผนภูมิแท่งเมื่อ

1. ชื่อเรียกบนแกน (axis labels) ยาวเกินไปไม่เหมาะสมกับแผนภูมิคอลัมน์
2. จำนวนประเภทของตัวแปรอยู่ระหว่าง 5 และ 8
3. กำลังเปรียบเทียบตัวแปร 2 ตัว หรือมากกว่าซึ่งมีหน่วยเดียวกันและมีค่าเปรียบเทียบกันได้
4. ต้องการแสดง 'เท่าไร'
5. ต้องการแสดงค่าต่ำสุดและค่าสูงสุด


แผนภูมิเส้น

แผนภูมิเส้นเหมาะที่สุดสำหรับแสดงแนวโน้มของข้อมูล (data trends) โดยเฉพาะอย่างยิ่งในช่วงเวลายาวนาน ข้างล่างเป็นตัวอย่างแผนภูมิเส้นแสดงจำนวนของ Organic Visits และ PPC Visits ในช่วงเดือนกรกฎาคมถึงมีนาคม
line chart
ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/
 

พิจารณาใช้แผนภูมิเส้นเมื่อ

1. ต้องการแสดงแนวโน้มของข้อมูลในช่วงเวลายาวนาน
2. มีจำนวนประเภทของตัวแปรมากกว่า 8
3. มีจุดข้อมูลจำนวนมาก ซึ่งไม่เหมาะสมจะใช้แผนภูมิคอลัมน์หรือแผนภูมิแท่ง
4. ต้องการแสดง 'เท่าไร' ที่มีการเปลี่ยนแปลงในช่วงเวลาหนึ่ง


แผนภูมิผสม

เป็นแผนภูมิรวมแผนภูมิ 2 แผนภูมิหรือมากกว่า ตัวอย่างเช่น แผนภูมิผสมประกอบด้วยแผนภูมิคอลัมน์และแผนภูมิเส้น

พิจารณาใช้แผนภูมิผสมเมื่อต้องการเปรียบเทียบตัวแปร 2 ตัวหรือมากกว่า ซึ่งมีหน่วยต่างกันและหรือมีค่าต่างกัน ตัวอย่างเช่น
combination charts
ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/  

 

ข้างบนเป็นแผนภูมิผสมได้จากข้อมูลเดียวกัน สิ่งต่างกันคือว่าแผนภูมิที่หนึ่งรวมแผนภูมิคอลัมน์กับแผนภูมิเส้น ส่วนในแผนภูมิที่สองเพียง plot ตัวแปร bounce rate บนแกนเพิ่มขึ้นมา (แสดงเปอร์เซ็นต์)
 

 

องค์ประกอบของข้อมูล
 
พิจารณาใช้แผนภูมิวงกลม แผนภูมิคอลัมน์แบบวางซ้อนกัน (Stacked Column Chart) แผนภูมิพื้นที่แบบวางซ้อนกัน (Stacked Area Chart) เมื่อต้องการแสดงการแบ่งข้อมูลออกเป็นส่วนประกอบ

 

แผนภูมิวงกลม

แผนภูมิวงกลมมีประโยชน์อย่างมากเมื่อมีเพียง 1 ชุดข้อมูล (data series) มีน้อยกว่า 5 ประเภทของข้อมูล (categories) หรือจุดข้อมูลเพื่อ plot และต้องการแสดงส่วนประกอบของข้อมูล

ตัวอย่างแผนภูมิวงกลมข้างล่างแสดงการแบ่ง traffic sources ออกเป็นสัดส่วนต่างๆ ประกอบด้วย 4 ประเภทของข้อมูล (search traffic  referral traffic  direct traffic และ campaigns) เพื่อ plot


pie chart
ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/  

 

ถ้ามีมากกว่า 4 ประเภทของข้อมูลเพื่อ plot เช่น 8 หรือ 10 ประเภทของข้อมูล แผนภูมิวงกลมจะดูยาก

ข้างล่างนี้เป็นตัวอย่างแผนภูมิวงกลมไม่ควรสร้าง
pie chart
pie chart

ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/  

 

พิจารณาใช้แผนภูมิวงกลมเมื่อ

1. ต้องการแสดงการแบ่งข้อมูลเป็นส่วนประกอบ
2. มีเพียง 1 ชุดข้อมูล
3. มีน้อยกว่า 5 จุดข้อมูลเพื่อ plot
4. จุดข้อมูลเป็นส่วนหนึ่งของวงกลม
5. องค์ประกอบมีสัดส่วนเปรียบเทียบกันได้ (value of one constituent does not dwarf the values of other constituents)

 

แผนภูมิคอลัมน์แบบวางซ้อนกัน
 
แผนภูมิคอลัมน์แบบวางซ้อนกันมีประโยชน์อย่างมากเมื่อมี 5 ถึง 8 ประเภทของข้อมูลหรือจุดข้อมูลเพื่อ plot และต้องการแสดงส่วนประกอบของข้อมูล

ข้างล่างเป็นตัวอย่างแผนภูมิคอลัมน์แบบวางซ้อนกันแสดงการแบ่ง website traffic เป็น new และ returning visits
stacked column chart
ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/  
 

พิจารณาใช้แผนภูมิคอลัมน์แบบวางซ้อนกันเมื่อ

1. ต้องการแสดงการแบ่งข้อมูลเป็นองค์ประกอบ
2. มี 5 ถึง 8 จุดข้อมูลเพื่อ plot
3. จุดข้อมูลเป็นส่วนหนึ่งขององค์ประกอบทั้งหมด
4. องค์ประกอบมีสัดส่วนเปรียบเทียบกันได้  


แผนภูมิพื้นที่แบบวางซ้อนกัน

แผนภูมิพื้นที่แบบวางซ้อนกันมีประโยชน์อย่างมากเมื่อมีมากกว่า 8 ประเภทของข้อมูลหรือจุดข้อมูลเพื่อ plot และต้องการแสดงแนวโน้มขององค์ประกอบ

ข้างล่างเป็นตัวอย่างของแผนภูมิพื้นที่แบบวางซ้อนกัน


stacked area chart

ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/  

 

พิจารณาใช้แผนภูมิพื้นที่แบบวางซ้อนกันเมื่อ

1. ต้องการแสดงแนวโน้มขององค์ประกอบ
2. ต้องการเน้นขนาดของการเปลี่ยนแปลงในหนึ่งช่วงเวลา
3. มีมากกว่า 8 จุดข้อมูลเพื่อ plot
4. จุดข้อมูลเป็นส่วนหนึ่งขององค์ประกอบทั้งหมด
5. องค์ประกอบมีสัดส่วนเปรียบเทียบกันได้


การกระจายของข้อมูล

พิจารณาใช้แผนภูมิคอลัมน์ แผนภูมิแท่ง แผนภูมิการกระจาย หรือ histogram เมื่อต้องการแสดงการกระจายของข้อมูล

ข้างล่างเป็นตัวอย่าง histogram
histogram
ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/  

 

การซ้อนกันของข้อมูล

พิจารณาใช้ Venn diagrams เมื่อต้องการแสดงการซ้อนกันของข้อมูล

ข้างล่างเป็นตัวอย่าง Venn diagram


venn diagram
ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/  
 

ที่ผ่านมาได้กล่าวถึงแผนภูมิที่ควรเลือกใช้ แต่มีแผนภูมิบางชนิดซึ่งไม่ควรนำมาใช้ดังข้างล่างนี้


charts to avoid
ที่มา: https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/  

 

ที่มา: How to select best Excel Charts for Data Analysis & Reporting. Retrieved February 15, 2016, from https://www.optimizesmart.com/how-to-select-best-excel-charts-for-your-data-analysis-reporting/

MTEC
BIOTEC
NECTEC
NANOTEC

tsp

AIMI

nctc

ฐานข้อมูลหน่วยงานภาครัฐ

 
สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.)
เป็นหน่วยงานของรัฐที่จัดตั้งขึ้นเพื่อศึกษาวิจัยและพัฒนาทางด้านวิทยาศาสตร์ และเทคโนโลยีเพื่อการพัฒนาประเทศไทย ไม่ได้มีวัตถุประสงค์เพื่อแสวงหากำไร
หากท่านพบว่ามีข้อมูลใดๆ ที่ละเมิดทรัพย์สินทางปัญญาปรากฏอยู่ในเว็บไซต์ของสำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ
โปรดแจ้งให้ทราบเพื่อดำเนินการแก้ปัญหาดังกล่าวโดยเร็วที่สุดต่อไป