Hiện nay, thế giới đang trở nên thông minh hơn. Chúng ta đang theo dõi và lưu trữ dữ liệu về mọi thứ, nên chúng ta có khả năng tiếp cận với nhiều khối dữ liệu lớn. Tuy nhiên, có rất nhiều vấn đề xoay quanh các khối dữ liệu lớn này. Tất cả chúng ta đều cần phải biết nó là gì và hoạt động như thế nào. Nhưng sự hiểu biết cơ bản về lý thuyết liệu có đủ cho bạn để tổ chức một cuộc họp chiến lược không? Điều khiến bạn trở nên khác với phần còn lại là biết cách sử dụng dữ liệu lớn để cải thiện hiệu suất và có được kết quả kinh doanh vững chắc. Cuốn sách Big Data – Dữ liệu lớn sẽ cung cấp cho bạn một sự hiểu biết rõ ràng, kế hoạch chi tiết và từng bước tiếp cận thông qua mô hình SMART: Khởi đầu với chiến lược, Đo lường các chỉ số và dữ liệu, Áp dụng các phương pháp phân tích, Báo cáo kết quả, Biến đổi doanh nghiệp.

Cuốn sách sẽ:

  • Thảo luận về việc các công ty cần phải xác định rõ ràng những gì họ cần biết.
  • Chỉ ra cách thức công ty có thể thu thập dữ liệu liên quan và việc đo lường các số liệu sẽ giúp họ trả lời những câu hỏi kinh doanh quan trọng nhật.
  • Giải thích cách thức các kết quả phân tích dữ liệu lớn có thể được hình dung và truyền đạt để đảm bảo những người ra quyết định chính hiểu được chúng.

Cuốn sách còn bao gồm nhiều nghiên cứu trong các trường hợp nổi tiếng của tác giả đối với một số thương hiệu nổi tiếng nhất thế giới.

Trích đoạn sách hay

R = REPORT RESULTS – BÁO CÁO KẾT QUẢ

Dữ Liệu Lớn và các phương pháp phân tích tượng trưng cho một cơ hội phi thường đối với doanh nghiệp, bất kể quy mô hay lĩnh vực. Nhưng ngay cả khi bạn đã bắt đầu với chiến lược, xác định những chỉ số và dữ liệu giúp bạn trả lời các câu hỏi SMART và thực thi chiến lược, cũng như áp dụng các phương pháp phân tích cho dữ liệu đó để thấu hiểu, bạn vẫn cần báo cáo lại hiểu biết đó để mọi người hiểu rõ.

Dữ Liệu Lớn và các phương pháp phân tích có thể mở đường cho những phát kiến mới cực kỳ thú vị, sự hiểu biết sâu sắc hơn về khách hàng và trực tiếp theo dõi những gì đang thực sự diễn ra trong doanh nghiệp. Nhưng trừ khi kết quả đã hiển hiện với đối tượng phù hợp một cách có ý nghĩa, thì kích thước của bộ dữ liệu hay sự tinh vi của công cụ phân tích cũng chẳng còn quan trọng; và kết quả đó sẽ không mách cho bạn biết phải ra quyết định hay cải thiện hiệu suất như thế nào.

Tất nhiên, Dữ Liệu Lớn và phép phân tích thú vị hơn nhiều so với việc báo cáo thông thường. May thay, quá trình báo cáo đang trong một cuộc cải tổ quy mô lớn đầy hào hứng, và hứa hẹn sẽ giúp bạn giải phóng tiềm năng thực sự của dữ liệu.

Các lãnh đạo doanh nghiệp hiện đang gặp khó khăn trong việc bắt kịp toàn bộ dữ liệu mà họ lướt qua trong một tuần bình thường. Họ nhận hàng loạt e-mail, vô số báo cáo mà thậm chí họ chỉ đọc lướt qua; thế nên ý tưởng có thêm cuộc bùng nổ dữ liệu không phải là tin tức đáng hoan nghênh đối với hầu hết các giám đốc doanh nghiệp. Thông thường, những thông tin quý báu có thể thực sự tác động đến chiến lược và các thông số luôn bị thất lạc trong một bản báo cáo dài 50 trang.

Một ví dụ điển hình về sự thất bại trong việc truyền đạt thông tin, hiểu biết và vụ phóng Tàu con thoi Challenger của NASA. Một số kỹ sư tại căn cứ đã tỏ ra vô cùng lo lắng. Những tính toán và thử nghiệm của họ cho thấy một vấn đề nghiêm trọng với một trong các bộ phận (vòng đệm O) có thể khiến sứ mệnh thất bại. Trước thời điểm phóng, các kỹ sư đã báo cáo mọi kết quả thử nghiệm chi tiết đến những người ra quyết định tại NASA, với đề xuất rằng họ nên xem lại dữ liệu và hủy bỏ đợt phóng. Vấn đề là thông điệp đó không rõ ràng; những thông tin then chốt bị vùi lấp dưới những trang báo cáo dài thượt. Kết quả là Tàu con thoi vẫn được phóng, kéo theo một thảm họa tang thương cùng cái chết của bảy thành viên phi hành đoàn.

Điều quan trọng là chúng ta phải báo cáo lại mọi điểm then chốt, sao cho tập trung đảm bảo cung cấp đúng thông tin đến đúng người, theo đúng định dạng để họ có thể ra quyết định đúng một cách thường xuyên hơn.

HÌNH TƯỢNG HÓA DỮ LIỆU

Các phương pháp phân tích chỉ hữu ích khi khán giả mục tiêu hiểu được những thông tin và hiểu biết mà nó tạo ra.

Theo một nghiên cứu do Viện Hiệu suất Nâng cao (Advanced Performance Institute) tiến hành, hình thức truyền đạt kết quả phổ biến nhất là qua bảng biểu và bảng tính được thực hiện với biểu đồ hay đồ thị. Hình thức phổ biến thứ hai chỉ là số liệu đơn thuần, không có biểu đồ, đồ thị; còn cách trình bày kết quả ít phổ biến nhất là thông qua lời bình luận tường thuật, với dữ liệu số và các phương tiện giao tiếp truyền miệng phụ trợ.

Theo truyền thống, các báo cáo sử dụng rất nhiều loại biểu đồ và đồ thị khác nhau để hình tượng hóa kết quả. Các công cụ phổ biến nhất là:

• Biểu đồ cột (bar graph): các cột được xếp cạnh nhau theo phương ngang hoặc thẳng đứng. Kiểu hình tượng hóa này đặc biệt hữu ích khi cần so sánh đơn giản các giá trị kề nhau.

• Biểu đồ đường (line graph): công cụ lý tưởng để trình bày dữ liệu liên quan đến thời gian, như sự biến động theo thời gian của giá cổ phiếu, xu hướng hoặc doanh thu theo năm.

• Biểu đồ tròn (pie chart): thể hiện nhiều phần khác nhau trên hình tròn, mỗi phần đại diện cho một dữ liệu phần trăm của dữ liệu tổng.

• Biểu đồ điểm (scatter chart): còn được gọi là đồ thị điểm. Chúng đặc biệt hữu ích khi minh họa cho mối tương quan giữa hai bộ dữ liệu, và minh họa cho mức độ và hướng của mối tương quan đó.

Việc hình tượng hóa dữ liệu thông qua biểu đồ và đồ thị không chỉ giúp dữ liệu dễ tiếp cận và có ý nghĩa hơn, mà còn có thể minh họa tốt hơn cho mối quan hệ giữa các dữ liệu. Có rất nhiều dữ liệu vẫn được trình bày trên bảng tính. Hình 5.1 là một ví dụ.

Hình 5.1. Bảng tính doanh số (sản phẩm và dịch vụ)

Thông tin ở ngay đây, nhưng không dễ để tiếp thu hoặc hiểu được chúng; và cần chút thời gian để chúng ta nhận ra từng khu vực hoạt động hiệu quả ra sao so với khu vực khác. Tuy nhiên, nếu dữ liệu trên được chuyển thành biểu đồ tròn (chẳng hạn), thì chúng sẽ lập tức trở nên dễ hiểu hơn (xem hình 5.2).

Hình 5.2. Biểu đồ tròn thể hiện tổng doanh số (sản phẩm và dịch vụ)

Biểu đồ tròn là một bước tiến rõ rệt, vì nó giúp chúng ta thấy rõ bộ phận nào đang đem lại doanh số cao nhất. Tuy nhiên, nếu vài phần biểu đồ có kích thước tương tự nhau, ta sẽ khó biết được phần nào lớn hơn. Ngoài ra, nếu có hơn sáu phần biểu đồ, mọi thứ có thể trở nên rắc rối. Nếu các phần đó tương đương nhau, chúng ta sẽ hiểu được chúng dễ hơn và nhanh hơn nếu dữ liệu được trình bày bằng các đường cột (xem hình 5.3), vì sự tập trung sẽ lập tức được dành cho các bộ phận hoạt động tốt nhất và kém nhất. Một vấn đề khác là dữ liệu âm (ví dụ như thua lỗ ở mảng dịch vụ SUBE) không thể được hình tượng hóa một cách chính xác trong biểu đồ tròn.

Tổng doanh số (Sản phẩm và Dịch vụ)

Hình 5.3. Biểu đồ cột thể hiện tổng doanh số (sản phẩm và dịch vụ)

Khi đặt chúng cạnh nhau, ta có thể dễ thấy sản phẩm và dịch vụ nào đang tạo ra (hoặc thất thoát) nhiều doanh thu nhất. Tuy nhiên, không phương pháp hình tượng hóa nào thể hiện bất kỳ sự tập trung nào vào các lĩnh vực khác nhau.

Nhiều khả năng bạn đã biết mọi điều mình cần biết về các kỹ thuật hình tượng hóa dữ liệu truyền thống, nhưng công nghệ vẫn đang đem đến nhiều bước tiến thú vị trong lĩnh vực này.

HÌNH TƯỢNG HÓA DỮ LIỆU KIỂU MỚI

Phân tích Dữ Liệu Lớn đã tạo nên một làn sóng các công cụ hình tượng hóa dữ liệu kiểu mới, có khả năng giúp cho kết quả của các phân tích trở nên đẹp mắt, cải thiện việc đọc hiểu cũng như tốc độ lĩnh hội.

Nhiều công cụ nói trên là những ứng dụng mã nguồn mở, miễn phí mà có thể được sử dụng độc lập hoặc cùng với ứng dụng khác – hay cùng các ứng dụng thiết kế hiện tại của bạn, vốn thường tích hợp chức năng “kéo và thả”. Số khác là những nền tảng trí tuệ kinh doanh mang đến nhiều phương pháp hình tượng hóa dữ liệu.

Mọi người không muốn tìm kiếm những hiểu biết bị khóa chặt trong dữ liệu; họ chỉ muốn những hiểu biết đó được cung cấp cho họ, đóng gói chúng một cách gọn gàng sao cho họ có thể hiểu được thông điệp từ chúng; và những công cụ này có thể giúp họ giải quyết khó khăn nói trên.

Rõ ràng, có rất nhiều phương pháp hình tượng hóa dữ liệu cũ lẫn mới, nhưng hình tượng hóa không phải là mục tiêu duy nhất. Những đồ thị đẹp đẽ vẫn có thể trở nên vô nghĩa. Chúng ta cần đóng gói thông tin sao cho chúng có thể kể được một câu chuyện. Khi nghĩ cách kể câu chuyện của mình sao cho hay nhất, bạn sẽ muốn:

• Thể hiện bản đồ

• Thể hiện văn bản

• Thể hiện dữ liệu

• Thể hiện hành vi và cảm xúc

• Thể hiện các mối liên hệ.

Thể hiện bản đồ

Bản đồ đã là hình thức đại diện bằng hình ảnh thực sự mạnh mẽ, nhưng chúng có thể được trình bày bằng nhiều cách khác nhau, với nhiều thông tin đa dạng trải ra khắp bản đồ để cung cấp thêm hiểu biết.

Nếu bạn cần thể hiện các bộ dữ liệu phức tạp, câu chuyện sẽ được đơn giản hóa và làm rõ khi các bộ dữ liệu này được trải ra trên bản đồ, sau đó một số công cụ có thể giúp bạn. PolyMaps là một thư viện JavaScript miễn phí, đồng thời cũng là dự án chung của SimpleGeo và Stamen. Công cụ vạch ra sơ đồ phức tạp này có thể tải dữ liệu trên quy mô lớn, cung cấp tính năng phóng đa chức năng với các cấp độ quan sát từ “quốc gia” cho đến “đường phố” (xem hình 5.4)69.

Hình 5.4. Ví dụ về biểu đồ sẵn có trên trang PolyMaps

Nguồn: từ trang http://polymaps.org/

Hình 5.5. Mây từ ngữ gồm những lời khuyên tình cảm phổ biến nhất

Nguồn: http://www.informationisbeautiful.net/visualizations/good-relationships-most-commonly-given-relationship-advice/. Đăng lại với sự cho phép của David McCandless

Google Maps cũng cung cấp nhiều giao diện lập trình ứng dụng (API – Application Programming Interface) cho các nhà phát triển, điển hình như Google Earth, Google Maps Images và Google Places. Các công cụ này cho phép nhà phát triển thiết kế những phần mềm lập bản đồ hình ảnh cho bất kỳ ứng dụng hay website nào.

Thể hiện văn bản

Nếu bạn muốn thể hiện văn bản nhưng không nhất thiết phải đi sâu vào những vấn đề mà một cá nhân hay nhóm nhỏ đề cập đến, thì tốt hơn hãy minh họa cảm xúc hoặc quan điểm đã điều chỉnh bằng “mây từ ngữ” (word cloud).

Có nhiều chương trình phần mềm miễn phí dùng để chuyển dữ liệu văn bản thành dạng hình tượng hóa dữ liệu. Ví dụ, hình 5.5 thể hiện một đám mây từ ngữ bao gồm những lời khuyên tình cảm phổ biến nhất, lấy từ 25 website cung cấp mẹo hẹn hò và yêu đương được yêu thích nhất.

Mức độ thường xuyên cũng như những gì lời khuyên đưa ra được thể hiện bằng kích thước của văn bản, còn nguồn của chúng bao gồm trang Cosmo, Elle, Huffington Post, Psychcentral và Happy Wives Club. Hình thức hình tượng hóa này còn được gọi là “mây liên ứng” (consensus cloud).

Cách này đặc biệt hữu dụng khi ta minh họa thông tin định tính hàm chứa trong một bản khảo sát khách hàng hay khảo sát sự gắn kết của nhân viên. Việc cân nhắc giữa các yếu tố sẽ cho phép bạn biết được đa số mọi người nghĩ gì về sản phẩm, dịch vụ, thương hiệu hoặc công ty của bạn, từ đó mang lại những hiểu biết, cách thức cải tiến mà không phải đọc hết từng phản hồi.

Thể hiện dữ liệu

Cách thức thể hiện dữ liệu cũng đa dạng như chính bản thân dữ liệu. Và bất kể kiểu dữ liệu mà bạn đang sở hữu là gì, luôn có một cách thức thể hiện chúng sao cho tối ưu nhất. Dưới đây là một số ví dụ:

D3.js

D3.js là một thư viện JavaScript chuyên xử lý tài liệu dựa trên dữ liệu, đồng thời giúp đưa dữ liệu đó đến cuộc sống thông qua ngôn ngữ HTML, SVG và CSS. Phần mềm miễn phí này có thể xử lý dữ liệu theo nhiều cách không thể tin được, từ biểu đồ hộp (box plot), sơ đồ nhánh (dendrogram – xem hình 5.6), ghép lục giác (hexagon binding) cho đến sơ đồ lực tương tác (interactive force layout – xem hình 5.7).

Hình 5.6. Ví dụ về biểu đồ D

Nguồn: đăng lại với sự cho phép của Mike Bostock. http://github.com/mbostock/d3/wiki/Gallery

Hình 5.7. Ví dụ về biểu đồ miền D

Nguồn: đăng lại với sự cho phép của Mike Bostock. http://github.com/mbostock/d3/wiki/Gallery

Thể hiện hành vi và cảm xúc

Ngày nay, thậm chí có cả những cách thể hiện hành vi hay dữ liệu mà trước đây còn bất khả thi. Ví dụ, giờ chúng ta có thể biết những “điểm nóng” trên các website và “hình dáng” của một bài hát.

Crazy Egg

Bạn đã từng tự hỏi website của mình có hoạt động hiệu quả hay không? Bạn đã từng tự hỏi mọi người vào trang nào và điều gì khiến họ ngừng lại xem? Nếu sở hữu một công cụ phân tích, bạn có thể nhấp xem các lượt đánh giá và biết bao nhiêu người ghé thăm website của mình, mà không rõ vì sao họ lại bỏ qua.

Hình 5.8. Ví dụ về công cụ bản đồ nhiệt của Crazy Egg

Nguồn: ảnh chụp màn hình đăng lại với sự cho phép của Crazy Egg

Crazy Egg cho phép bạn dõi theo các lượt nhấp chuột của khách ghé thăm, xem họ ngưng cuộn chuột ở đâu, kết nối các lượt nhấp với lưu lượng và đánh dấu những điểm nóng bằng công cụ bản đồ nhiệt (xem hình 5.8). Công cụ bản đồ nhiệt sẽ cho phép bạn xem những khu vực “ấm” hoặc “nóng” trên website cùng với lượng khách thường xuyên, và những khu vực bị “bỏ hoang”. Dạng công cụ này có thể minh họa hành vi của người dùng hay khách hàng trên mạng một cách dễ dàng và vô cùng nhanh chóng.

Thậm chí, có cả những cách hình tượng hóa văn bản từ những bất kỳ nguồn nào thể hiện sự vui sướng, buồn bã, tức giận hay chán nản. Và dù có tin hay không, bạn thậm chí có thể hình tượng hóa hình thù của một bài hát! “Shape of a Song” là phần mềm nạp dữ liệu được nhúng vào âm nhạc, rồi thể hiện chúng như một dạng hình tượng hóa. Hãy xem qua một số ví dụ trên website của họ70.

Thể hiện các mối liên hệ

Thông thường, bản thân dữ liệu đã rất thú vị; nhưng khi tổng hợp dữ liệu và xem xét những mối liên hệ tồn tại giữa các bộ dữ liệu khác nhau, bạn thực sự có thể mang lại giá trị cực lớn cho doanh nghiệp của mình.

Hình 5.9. Minard hình tượng hóa dữ liệu về cuộc hành quân đến Nga của Napoleon vào tháng Ba năm 1812)

Nguồn: http://en.wikipedia.org/wiki/File:Minard.png

Một trong những trường hợp hình tượng hóa sớm nhất nhằm mô tả mối liên hệ giữa các biến số khác nhau đã xuất hiện vào năm 1861, do Charles Joseph Minard tiến hành (xem hình 5.9). Minard đã lập một biểu đồ hai chiều, minh họa bốn yếu tố thay đổi cùng dẫn đến sự suy sụp của Napoleon khi ông hành quân đến Mátx-cơ-va. Các biến số bao gồm hướng di chuyển của quân Pháp, địa điểm đoàn quân đi qua, quy mô của đoàn quân khi các đội quân chết dần vì đói và thương tích, cùng nhiệt độ băng giá mà họ phải chịu đựng.

Trong một ví dụ khác về minh họa mối liên hệ bằng đồ thị, một tổ chức dịch vụ tài chính đã nhờ những chuyên gia phân tích dữ liệu tại Ayadsi hướng dẫn cách ngăn chặn lừa đảo thẻ tín dụng. Lừa đảo là vấn nạn gây tổn thất đến 3,5 nghìn tỉ đô-la. Dữ Liệu Lớn đang cung cấp những tri thức mới mẻ nhất nhằm giải quyết vấn nạn này.

Bản phân tích đặc biệt này xem xét mạng lưới 660.000 giao dịch trực tuyến diễn ra trong một tháng (xem hình 5.10). Mỗi giao dịch được nhóm lại bằng 1.000 biến số, từ đó làm xuất hiện các nhóm giao dịch được tô màu khác nhau. Những giao dịch đỏ (khoanh tròn trong sơ đồ) minh họa cho điểm có tỷ lệ phần trăm giao dịch lừa đảo cao nhất. Phân tích sâu hơn về các điểm tương đồng giữa những giao dịch này đã mang lại hiểu biết mới quan trọng. Ví dụ, công ty có thể quan sát thấy mọi người triển khai số lượng các giao dịch lừa đảo nhiều hơn họ từng nghĩ. Điều này trở nên rõ ràng khi bản phân tích nhận thấy thời lượng xem trang khi xảy ra lừa đảo lâu hơn bình thường. Nó chỉ ra một người đang thực hiện hành vi lừa đảo chứ không phải máy móc, và họ cần thời gian để đảm bảo mọi thứ đều hợp lý trước khi kết thúc hành vi đó. Dấu hiệu lừa đảo mới mẻ, tinh vi và chưa từng được biết đến này đã được Ayadsi đưa vào tự động hóa, và nhờ đó có khả năng phát hiện thêm 500.000 vụ lừa đảo mỗi năm. Chúng lẽ ra đã không bị phát hiện nếu không có họ. Và tất cả chỉ nhờ phân tích dữ liệu.

Hình 5.10. Đồ thị của Ayadsi về lừa đảo thẻ tín dụng

Nguồn: đăng lại với sự cho phép của Ayadsi Inc.,

http://en.wikipedia.org/wiki/File:Minard.png

Hình tượng hóa dữ liệu mang đến cho chúng ta một cơ hội để thấy được bức tranh toàn cảnh cực kỳ nhanh, và hiểu được những điều mà văn bản và số liệu phải mất nhiều thời gian để giải thích. Bộ não con người được thiết kế để nhận ra các khuôn mẫu và mối liên hệ, nên phương pháp hình tượng hóa đã tận dụng lợi thế của một quy trình tự nhiên và đẩy nhanh tốc độ lĩnh hội.

Bản đồ Internet

Hãy hình dung bạn đang vẽ bản đồ mạng Internet. Nó rất khổng lồ, liên tục thay đổi nhưng nhờ hình tượng hóa dữ liệu, ta vẫn có thể vẽ được nó. Hình 5.11 minh họa bản đồ Internet.

Tấm bản đồ khổng lồ này được tạo nên từ dữ liệu tổng hợp của hơn 350.000 website tại 196 quốc gia, và cho phép người dùng đánh giá mối liên hệ giữa các trang đó theo hình thức tương tác. Mỗi vòng tròn trên bản đồ đại diện cho một website, và kích thước của trang đó sẽ tùy thuộc lưu lượng quyết định.

Mối liên hệ (đường nối) giữa các trang được quyết định bởi các liên kết và lượt ghé thăm chúng, nên các trang có số lượng liên kết giữa chúng nhiều hoặc có chung khách truy cập sẽ nằm gần nhau hơn, rồi tạo thành một “bản đồ” của trang mạng. Và nếu không có đủ dữ liệu tham gia vào bước hình tượng hóa này, thì các trang cũng được đánh mã màu; ví dụ, mọi trang mạng tại Mỹ đều có màu xanh dương nhạt.

Hình 5.11. Bản đồ Internet . Nguồn: http://internet-map.net/.

Đăng lại với sự cho phép của Ruslan Enikeev. internet-map.net © Ruslan Enikeev, 2013.

Nền tảng của việc thiết lập bản đồ này diễn ra vào năm 2011, nên ta không bao gồm các website mới, nhưng toàn bộ dữ liệu đều được cập nhật liên tục theo thời gian thực.

Những khả năng vô hạn

Chúng ta có đủ công cụ hình tượng hóa dữ liệu để viết một cuốn sách riêng về chúng, nhưng do công nghệ luôn cải tiến và phát triển theo thời gian, tôi chỉ muốn đưa ra cho các bạn nét đặc thù của những thứ đang sẵn có.

Để nhận thức toàn diện hơn về mọi việc ta có thể làm nhờ hình tượng hóa dữ liệu từ cũ đến mới, hãy xem qua Bảng Tuần hoàn các Phương pháp Hình tượng hóa71. Việc bao quát dữ liệu, thông tin, khái niệm, chiến lược, phép ẩn dụ và cách hình tượng hóa tổng hợp sẽ cho phép bạn lướt qua từng “yếu tố” và nhận được các ví dụ, mô tả bằng hình ảnh. Quả là một nguồn tài nguyên phi thường cho bất kỳ ai muốn biết về những khả năng…

Thông điệp cốt lõi là có một lượng dữ liệu khổng lồ sẵn có, và chúng mang đến cho chúng ta cơ hội thực sự để phát hiện những điều mà trước đây chúng ta không biết; và thông thường, kiến thức đó sẽ cho phép chúng ta nghiền nát những giả định vô ích và không chính xác. Quan điểm này được Hans Rosling, một giáo sư người Thụy Điển nêu lên trong bài diễn thuyết TED Talk của ông72

Rosling đã trình bày một cách xuất sắc về sức mạnh của hình tượng hóa dữ liệu để thu hút khán giả và thay đổi hoàn toàn lối suy nghĩ thông thường của họ. Bằng phần mềm tự phát triển (nay đã được Google mua lại), Rosling đã khai thác các nguồn dữ liệu vốn cộng đồng và biến những xu hướng toàn cầu phức tạp thành những hình ảnh sống động, khiến dữ liệu của nhiều thập niên trở nên thú vị và giàu thông tin. Trở lại năm 2006, cũng bằng các công cụ hình tượng hóa dữ liệu, ông đã tạo ra xu hướng toàn cầu cho mọi thứ, từ triển vọng cuộc sống, tỷ lệ tử vong ở trẻ em cho đến sự phân bố của cải một cách rõ ràng, đơn giản và hợp lý hơn. Ngoài việc tập hợp dữ liệu với nhau để có được sự khái quát gây ảnh hưởng lớn, phương thức này còn có khả năng kể chuyện tinh tế, cũng như mang đến những hiểu biết mới mẻ, quan trọng cho các giải pháp.

Yếu tố trực tuyến và tương tác của hình tượng hóa dữ liệu cũng đang khiến dữ liệu trở nên rõ ràng, linh hoạt và sáng suốt hơn. Ví dụ, hình 5.12 minh họa các dữ liệu đứng sau những vụ xâm nhập dữ liệu lớn nhất thế giới. Kích thước của mỗi “bong bóng” liên quan đến số lượng những ghi chép thất lạc trong mỗi vụ xâm nhập.

Hình 5.12. Những vụ xâm nhập dữ liệu lớn nhất thế giới qua các biến số.

Nguồn: http://www.informationisbeautiful.net/visualizations/worlds-biggest-data-breaches-hacks/. Đăng lại với sự cho phép của David McCandles.

Chúng có thể được lọc dựa trên lĩnh vực hoạt động của tổ chức chịu trách nhiệm về thiệt hại, cũng như căn nguyên của thiệt hại – dù tình cờ hay cố ý – xuất phát từ hành vi tấn công. Dữ liệu này được lấy từ trang databreaches.net và được tổng hợp trên trang informationisbeautiful.com.

CẢI TIẾN VIỆC HÌNH TƯỢNG HÓA DỮ LIỆU NHƯ THẾ NÀO?

Chúng ta có thể học hỏi rất nhiều điều về cách cải tiến việc hình tượng hóa dữ liệu từ lĩnh vực xuất bản tạp chí.

Sự cạnh tranh giữa các tạp chí rất dữ dội, nên nhiều nhà xuất bản cần phải thu hút sự chú ý của độc giả, đặc biệt là ở quầy báo nơi phạm vi cạnh tranh giữa các đối thủ san sát nhau. Tạp chí phải trông thật hấp dẫn để khuyến khích người mua cầm lên, lướt qua và mua nó. Họ thường làm được điều này bằng cách sử dụng màu sắc tươi sáng và sặc sỡ, hình chụp có độ phân giải cao, hình ảnh, đồ họa bắt mắt cùng các tiêu đề thông minh, thú vị hoặc gây tò mò. Nếu người mua lướt qua tạp chí và xác nhận rằng nội dung bên trong tương xứng với sự hứa hẹn của trang bìa, họ sẽ mua nó.

Tương tự, phương pháp phân tích dữ liệu và nhu cầu hình tượng hóa kết quả cũng để đảm bảo những người ra quyết định chính chọn lựa, đọc và quan trọng nhất là hành động dựa trên chúng. Điều này đòi hỏi một sự kết hợp THÔNG MINH giữa cách trình bày súc tích, nét thẩm mỹ với nội dung ý nghĩa và đánh đúng vào nhiệm vụ.

Mọi người thường nói rằng “dữ liệu tự nói lên tất cả”; nhưng trừ khi bạn hiểu được ngôn ngữ của dữ liệu, nó sẽ không thể tự nói lên được gì vì chẳng ai nói được ngôn ngữ đó – như minh chứng trong câu chuyện về NASA. Nếu muốn dữ liệu tự cất lên tiếng nói, bạn phải chuyển đổi chúng thành một ngôn ngữ mà ai cũng hiểu bằng việc sử dụng các tiêu đề, hình ảnh và cách tường thuật sao cho kể được một câu chuyện từ dữ liệu đó.

Nếu bạn cầm lên một cuốn tạp chí hay tờ báo bất kỳ, bạn sẽ thấy nó tuân theo đúng một hình thức kể chuyện đơn giản – bao gồm tiêu đề, nội dung tóm tắt, ảnh chụp, hình ảnh hoặc các kiểu đồ họa khác, và một bài tường thuật câu chuyện.

Người đọc sẽ lướt qua tiêu đề, hình ảnh và nội dung tóm tắt trong vài giây, cho phép họ nhanh chóng xác định xem câu chuyện đó có phải là thứ mà họ muốn đọc hay không. Hình chụp nhiều màu sắc hoặc ảnh đồ họa chất lượng cao cũng là một yếu tố chính trong ngành xuất bản, vì một bức ảnh có thể nhanh chóng truyền đạt rất nhiều thông tin. Chúng không kể lại toàn bộ câu chuyện, nhưng là cách gia tăng sự hứng thú rất đơn giản, hiệu quả và đưa bài báo vào đúng bối cảnh. Và cuối cùng, nội dung tóm tắt sẽ rút gọn lại câu chuyện trước khi đi vào chi tiết. Mỗi bước đều cho phép người đọc nhanh chóng bắt kịp những bài viết, câu chuyện họ đặc biệt quan tâm mà không phải đọc hết mọi thứ.

Trong kinh doanh, chúng ta luôn chìm ngập trong dữ liệu, các báo cáo, quan điểm, đối thoại và những cuộc họp; thế nên khả năng nắm bắt những gì thực sự quan trọng lại càng quan trọng hơn nữa.

Và những bài học rút ra từ ngành xuất bản, cộng với những bước tiến công nghệ và nhu cầu thoát ra sự hỗn độn đã dẫn đến một hình thức kể chuyện mới đang cách mạng hóa công cuộc hình tượng hóa dữ liệu… Đó chính là đồ họa thông tin.

ĐỒ HỌA THÔNG TIN

Đồ họa thông tin là lĩnh vực phát triển cùng với Dữ Liệu Lớn, các phương pháp phân tích và công nghệ tiên tiến. Do khả năng và cơ hội phân tích ngày càng nhiều dữ liệu đang tăng trưởng, nên nhu cầu tìm cách truyền đạt và báo cáo kết quả một cách hiệu quả cũng tăng cao không kém. Đồ họa thông tin là một từ ghép giữa “thông tin” và “đồ họa”, một cách đại diện bằng hình ảnh trên một trang giấy thể hiện rất nhiều dữ liệu, thông tin hoặc kiến thức một cách nhanh chóng và rõ ràng. Chẳng hạn, đồ họa thông tin của một báo cáo chi tiết, bản phân tích dữ liệu hay khảo sát nhân viên có thể nâng cao nhận thức bằng cách kết hợp các dòng tiêu đề, hình ảnh và bài tường thuật để kể trọn vẹn một câu chuyện thông qua một bản đồ hình ảnh rộng một trang giấy.

Hình 5.13. Bản đồ Metrorail tại Washington D. C.

Nguồn: http://commons.wikimedia.org/wiki/File:Wash-dc-metro-map.png

Các tờ báo thường sử dụng đồ họa thông tin để thể hiện thời tiết, minh họa số liệu thống kê hoặc kết quả khảo sát. Các hệ thống giao thông như Tàu điện ngầm London và hệ thống Metrorail tại Washington D. C. cũng thường được mô tả bằng đồ họa thông tin (xem hình 5.13). Những bức đồ họa thông tin này kết hợp nhiều thông tin hữu ích đa dạng trong một diện tích rất nhỏ – bao gồm tên trạm dừng, các tuyến tàu điện ngầm khác nhau, sơ đồ dễ nhận biết của mạng lưới giao thông, các điểm chuyển tiếp, cũng như mốc ranh giới và các đường tàu trong vùng…

Xét đến lượng dữ liệu và thông tin ập đến dồn dập như tuyết lở, một giám đốc điển hình sẽ lâm vào tình trạng không thể theo kịp chúng nếu không có cách hình tượng hóa dữ liệu giàu ý nghĩa. Rõ ràng, thật phi thực tế nếu kỳ vọng những chuyên gia bận rộn phải băng qua từng ngọn núi dữ liệu với các phụ lục bảng tính dài vô tận, rồi tìm ra ý nghĩa trong chúng cũng như rút ra thông điệp chính yếu. Họ sẽ không làm vậy! Mặt khác, kể cả nếu họ có thời gian và ý định lặn sâu vào mớ dữ liệu, thì phương thức đơn lẻ này cũng chỉ khiến dữ liệu dễ bị hiểu nhầm và diễn giải sai. Khi người xem xét thông tin có thể rút ra những thông điệp chính phù hợp với chương trình họp của họ, hoặc xác nhận cho quyết định mà họ chuộng hơn, thì điều đó sẽ phủ nhận hoàn toàn việc xem phân tích dữ liệu là công cụ giúp ra quyết định dựa trên bằng chứng.

Đồ họa thông tin tượng trưng cho một giải pháp cách tân dành cho vấn đề nan giải này, vì nó tổng hợp các thông điệp chính và kể lại câu chuyện của dữ liệu trên một trang giấy. Và ai cũng có đủ thời gian để xem hết một trang giấy.

Có ba thành phần riêng biệt tạo nên một đồ họa thông tin thành công:

1. Hấp dẫn thị giác – sử dụng màu sắc, hình ảnh và biểu tượng;

2. Nội dung hữu ích – sử dụng các khung thời gian, số liệu thống kê và nguồn tham khảo;

3. Kiến thức phổ biến – sử dụng thông tin thực tế và suy luận.

Ba thành phần trên sẽ cùng nhau kể lại một câu chuyện. Đồ họa thông tin không chỉ nhằm tìm ra cách thể hiện dữ liệu dễ hiểu nhất, mà còn tìm ra cách tốt nhất để bắt đầu cuộc đối thoại, tương tác bằng hình ảnh, giúp cải thiện việc ra quyết định và hiệu suất công việc. Chúng ta dễ đạt được điều này nhất bằng cách tập trung vào thông điệp và sử dụng bất kỳ yếu tố nào thể hiện thông điệp đó hay nhất – kết hợp từ ngữ, số liệu, hình ảnh và màu sắc. Nhờ thế, kết quả sẽ trông rất đẹp mắt, thu hút người đọc nhờ đơn giản hóa việc lĩnh hội và ghi nhớ, VÀ cung cấp các câu trả lời, hiểu biết hữu ích cho những câu hỏi SMART quan trọng.

Điều giúp đồ họa thông tin trở nên hiệu quả là chúng gắn với cách thức con người nhận và xử lý thông tin. Chúng ta nhận thông tin bằng cả năm giác quan, nhưng với đa số, hầu hết thông tin nhận được đều qua thị giác. Một nửa não bộ của chúng ta mang chức năng hình ảnh, và hình ảnh cũng được xử lý, tiếp thu nhanh hơn văn bản rất nhiều. Điều này cũng lý giải cho câu ngạn ngữ “một tấm hình bằng cả nghìn lời nói”. Trong khi bộ não chúng ta xử lý văn bản theo trình tự, nó lại xử lý hình ảnh ngay lập tức. Ngoài ra, theo ước tính, có đến 65% dân số là người học hỏi bằng thị giác, trái với những người học bằng thính giác hay xúc giác (cảm giác vận động). Nói cách khác, hầu hết chúng ta học hỏi hiệu quả nhất bằng cách ngắm nhìn một thứ gì đó, thay vì nghe hay làm/trải nghiệm một điều gì đó73.

Đồ họa thông tin cung cấp cho chúng ta một cơ hội thực sự để phổ biến thông tin đến các bộ phận khác nhau của doanh nghiệp cần những thông tin đó mà không khiến mọi người choáng ngợp. Chúng có thể đứng một mình như một câu chuyện quan trọng mà các giám đốc cần đến, hoặc cung cấp một góc nhìn nhanh, một liên kết đến một báo cáo hoàn chỉnh hơn cho những ai muốn biết chi tiết. Dù bằng cách nào, đồ họa thông tin vẫn thỏa mãn người đọc và giúp chủ đề dễ tiếp cận hơn. Nó cũng giúp người đọc hào hứng vì họ sẽ biết trước mình có cái nhìn tổng quan, và lựa chọn đào sâu vào chi tiết của báo cáo vì họ muốn thế, thay vì bị buộc phải tìm cách khai thác những “thông tin vàng” mà họ cần.

Hình 5.14. Đồ họa thông tin giải thích “Cánh Tả” và “Cánh Hữu” trong chính phủ

Nguồn: http://www.informationisbeautiful.net/visualizations/left-vs-right-us. Đăng lại với sự cho phép của David McCandless

Hình 5.15. Đồ họa thông tin về lời khuyên trên Twitter

Nguồn: http://printmediacentr.com/2011/08/infograpic-five-and-a-half-twitter-tips/. Đăng lại hình ảnh với sự cho phép của NJI Media

Đồ họa thông tin chứng nhận một điều rằng Internet và cuộc bùng nổ dữ liệu đã gây ra sự thờ ơ đối với dữ liệu, cũng như rút ngắn khoảng tập trung của chúng ta. Cả hai vấn đề trên đều được đồ họa thông tin giải quyết. Hãy xem các ví dụ về đồ họa thông tin ở hình 5.14 và 5.15.

Trong khi Apache Hadoop và các công nghệ khác nổi lên nhằm hỗ trợ các phương pháp phân tích Dữ Liệu Lớn ở giai đoạn kết thúc, giải quyết sự lưu trữ của Dữ Liệu Lớn và các vấn đề xử lý, hình tượng hóa dữ liệu lại tập trung vào giai đoạn bắt đầu của Dữ Liệu Lớn. Thu thập dữ liệu ở giai đoạn kết thúc và đưa chúng vào một định dạng có thể phân tích được là một chuyện – nhưng biến kết quả phân tích thành thứ gì đó mà các lãnh đạo doanh nghiệp và giám đốc hiểu được, đồng thời sử dụng chúng hiệu quả lại là một chuyện hoàn toàn khác.

CẨN TRỌNG VỚI CÁC CÔNG CỤ TRÍ TUỆ KINH DOANH TỰ PHỤC VỤ

Điểm nóng công nghệ gần đây nhất chính là phần mềm hứa hẹn biến những dòng chảy dữ liệu vô tận ra vào các doanh nghiệp thành những đồ họa thông tin đẹp đẽ, hấp dẫn chỉ trên một trang giấy. Gartner đã ước tính rằng tổng tốc độ tăng trưởng thường niên của các công cụ khám phá dữ liệu sẽ là 30% trong năm 201574.

Vấn đề là trí tuệ kinh doanh tự phục vụ và những giải pháp khám phá dữ liệu trên chỉ thuộc về những nhà khoa học dữ liệu, chứ không phải các giám đốc doanh nghiệp cần đến dữ liệu đó. Cũng giống như việc giả định rằng các lãnh đạo doanh nghiệp và giám đốc luôn có thời gian đọc hết 30 trang báo cáo trên bàn họ, thật phi thực tế khi cho rằng họ có thể nhập hết báo cáo đó – cùng với món “hỗn hợp” dữ liệu từ truyền thông xã hội, video, dữ liệu nhấp chuột, các bài blog, bình luận, khảo sát, cảm biến máy móc… – vào một công cụ khám phá dữ liệu nào đó và tạo ra được đồ họa thông tin hữu ích một cách phi thường, thứ sẽ tổng hợp dữ liệu thành một câu chuyện hay ho, thiết thực trên một trang giấy.

Chuyện đó rồi sẽ xảy ra, khi Thế hệ Y và các thần đồng Kỹ thuật số sành sõi công nghệ ngày càng tham gia nhiều vào vai trò điều hành, nhưng sẽ không bao giờ là sự thật nếu doanh nghiệp của bạn có Thế hệ X và Thế hệ Bùng nổ dân số chiếm đa số. Bên cạnh đó, mỗi thế hệ mới có lẽ sẽ tiếp tục bỏ rơi những kẻ già cỗi khi nhắc đến công nghệ.

Thoạt trông, đó là một sự khái quát hóa mang tính quyết định, nhưng vấn đề là nếu các giám đốc vốn đã bận rộn, thì liệu họ có thời gian hay ý định làm chủ một chương trình khám phá dữ liệu không? Câu trả lời là không – có lẽ là không. Họ muốn ai đó mách họ biết tất cả có ý nghĩa gì theo một cách đơn giản, logic và hấp dẫn thị giác. Họ muốn một giải pháp trên một trang giấy. Và cách duy nhất làm được điều đó là các giám đốc và khoa học gia dữ liệu phải hợp tác với nhau, để tìm ra xem họ thực sự cần gì.

Đồ họa thông tin là địa hạt của các chuyên gia phân tích và nhà thiết kế, chứ không phải những người ra quyết định. Nhưng đưa hẳn nó cho các chuyên gia phân tích và thiết kế cũng kém hiệu quả chẳng khác nào cho các giám đốc. Cần có sự phối hợp và tương tác hai chiều giữa những người tạo ra kết quả với người cần kết quả đó để phục vụ việc ra quyết định. Và trong kinh doanh, đặc biệt là tại những doanh nghiệp lớn, cần có sự thống nhất cũng như tương đồng trong phương thức trình bày dữ liệu.

Hãy lấy Procter & Gamble (P&G) làm ví dụ. Là một doanh nghiệp toàn cầu với hàng trăm nhãn hiệu, P&G đã lựa chọn thể chế hóa và hình tượng hóa dữ liệu làm công cụ quản lý chính yếu. Khi làm việc với nhà cung cấp phần mềm phân tích hình ảnh, công ty đã thể hiện các thông tin chính bằng hình ảnh hơn 50.000 máy tính bàn, với quyền truy cập vào “Buồng lái Quyết định75”.

Bằng cách thiết lập ngôn ngữ hình ảnh chung cho dữ liệu, P&G có thể nhanh chóng cập nhật cách sử dụng dữ liệu nhằm định hướng việc ra quyết định và hành động.

P&G đã tạo ra “Những Quả cầu Kinh doanh” (Business Spheres), hay không gian hội họp với nhiều màn hình lớn gắn trên tường. Bất kể địa điểm họp thực sự được tổ chức tại đâu, mọi quả cầu kinh doanh đều có cùng công nghệ và giao thức hình tượng hóa dữ liệu trong không gian đó. Và các cuộc họp sẽ có sự tham gia của những chuyên viên phân tích từ nhóm Giải pháp Thông tin và Quyết định của P&G, những người “thổi hồn” cho các màn hình đó bằng thông tin liên quan, trợ giúp cho việc thảo luận và hỗ trợ ra quyết định. Và tuy các công cụ họ tiếp cận cực kỳ tân tiến và vô cùng sáng tạo, nhưng mục tiêu thực sự vẫn là giúp tất cả mọi người trong cuộc họp nhanh chóng hiểu được tình huống mà cả nhóm đang đối mặt, đồng thời đưa ra quyết định kịp thời, khôn ngoan.

Thực ra, trong một doanh nghiệp, người cần đưa ra những quyết định đó thường dành quá nhiều thời gian xem xét dữ liệu, cố gắng tìm ra điều gì đang thực sự diễn ra và họ có thể làm gì để ngăn điều đó lặp lại trong tương lai. Hình tượng hóa dữ liệu và đồ họa thông tin có thể giúp ích bằng cách giúp mọi bên liên quan nhanh chóng theo kịp điều mà dữ liệu thực sự muốn nói.

Ngay cả nếu một doanh nghiệp đang áp dụng hình tượng hóa dữ liệu, vẫn sẽ có chỗ cho sự bối rối nếu cách hình tượng hóa đó cứ liên tục thay đổi. Bằng cách thể chế hóa phương pháp hình tượng hóa dữ liệu, P&G đã có một bước tiến xa hơn nhằm đảm bảo tự thân dữ liệu được trình bày khắp công ty theo một cách chung nhất. P&G đã triển khai một bộ bảy “mô hình kinh doanh hiệu quả” nhằm cụ thể hóa những thông tin được dùng để giải quyết các phương diện vấn đề nhất định. Chẳng hạn, nếu một giám đốc P&G tập trung vào những vấn đề chuỗi cung ứng, thì các mô hình hiệu quả sẽ cụ thể hóa những biến số cốt yếu, cách thức trình bày chúng sao cho trực quan và đôi khi là cả mối quan hệ giữa các biến số, hoặc chỉ báo dựa trên mối quan hệ đó76.

Sự thống nhất này cũng ngăn chặn kẻ khác chiếm quyền kiểm soát dữ liệu trình bày chúng theo cách ủng hộ những lý thuyết hay giả thiết ưa thích của họ.

NHỮNG YẾU TỐ THÀNH CÔNG CỦA ĐỒ HỌA THÔNG TIN VÀ HÌNH TƯỢNG HÓA DỮ LIỆU

Chỉ vì bạn có thể hình tượng hóa dữ liệu đẹp mắt và tạo ra 20 kiểu đồ họa khác nhau để minh họa cho quan điểm của mình, không có nghĩa là bạn nên sử dụng cả 20 kiểu đó, hay bất kỳ kiểu nào.

Nếu bạn muốn báo cáo kết quả một cách thành công, thì những chỉ số và dữ liệu bạn phân tích phải có thể chuyển thành những hiểu biết liên quan đến quảng cáo/thương mại, từ đó hỗ trợ việc ra quyết định dựa trên bằng chứng. Dưới đây là một số chỉ dẫn:

1. Xác định khán giả mục tiêu của bạn. Bất kể bạn đang xây dựng một báo cáo truyền thống hay đồ họa hiện đại, hãy tự hỏi ai sẽ sử dụng chúng và họ đã biết những gì về các vấn đề đang được thảo luận? Họ cần và muốn biết thêm điều gì? Và họ sẽ làm gì với thông tin đó?

2. Tùy biến việc hình tượng hóa dữ liệu. Dựa trên đáp án cho những câu hỏi trên, hãy sẵn sàng tùy biến cách hình tượng hóa dữ liệu của bạn sao cho thỏa mãn yêu cầu của từng người ra quyết định. Thông thường, các báo cáo chỉ được phân phát cho tất cả mọi người “khi nào” chúng hữu dụng. Hoặc các phần của báo cáo sẽ được phân tách và gửi cho từng người khác nhau. Cách này không chỉ gây thêm hoang mang và quá tải, mà còn tăng thêm nguy cơ những điểm đặc trưng và hiểu biết quan trọng – vốn liên quan đến một nhóm – bị thất lạc hoặc bỏ quên trong mớ dữ liệu hữu ích với một nhóm khác. Việc hình tượng hóa dữ liệu luôn phải được tùy chỉnh với người nhận và chỉ bao gồm những gì họ cần biết, rồi đặt thông tin đó vào một bối cảnh liên quan hoặc có ý nghĩa đối với họ.

3. Gán nhãn hoặc đặt tiêu đề rõ ràng cho việc hình tượng hóa dữ liệu. Đừng tỏ ra bí hiểm hay khôn ngoan, mà chỉ cần giải thích điều bức đồ họa đó đem lại. Điều này sẽ giúp bạn đặt việc hình tượng hóa vào đúng bối cảnh ngay lập tức.

4. Kết nối hình tượng hóa dữ liệu với chiến lược của bạn. Nếu việc hình tượng hóa dữ liệu tìm cách trình bày một dữ liệu trả lời cho câu hỏi SMART của bạn, thì hãy đề cập câu hỏi đó trong đoạn dẫn mở đầu. Việc liên kết nó với chiến lược ban đầu sẽ giúp bạn định vị dữ liệu, để người xem có thể lập tức nhận ra sự liên quan và giá trị của việc hình tượng hóa. Kết quả là họ sẽ có nhiều khả năng thu hút, sử dụng thông tin một cách khôn ngoan hơn.

5. Sử dụng hình ảnh đồ họa một cách khôn ngoan. Hãy sử dụng bất kỳ kiểu hình ảnh đồ họa nào truyền đạt câu chuyện hiệu quả nhất, càng đơn giản và súc tích càng tốt. Điều này đồng nghĩa:

• Hãy chỉ sử dụng những hình ảnh truyền tải các thông điệp quan trọng mà độc giả mục tiêu của bạn mong muốn. “Đẹp mắt” không đủ để là lý do cho việc thêm vào một hình ảnh, bất kể nó tinh tế hay sành điệu đến đâu.

• Đừng cảm thấy cần phải lấp đầy mọi chỗ trống trên mặt giấy – nội dung quá lộn xộn sẽ khiến người xem khó tìm thấy thông tin quan trọng hơn, khó nhớ và dễ bỏ qua nó hơn.

• Sử dụng màu sắc hợp lý để tạo chiều sâu cho thông tin. Và hãy lưu ý rằng một số màu sắc có những ý nghĩa mà ta không ý thức được. Chẳng hạn, màu đỏ được xem là màu sắc cảnh báo hoặc nguy hiểm.

• Đừng sử dụng quá nhiều kiểu đồ thị, biểu đồ hay đồ họa. Sẽ rất hữu ích nếu bạn so sánh nhiều kiểu đồ thị với nhau, rồi đảm bảo dùng cùng một kiểu đồ thị để minh họa dữ liệu nhằm giúp cho việc so sánh càng đơn giản càng tốt.

• Đảm bảo mọi yếu tố trên bản đồ họa phục vụ ít nhất một mục đích.

6. Sử dụng tiêu đề để nêu bật những điểm quan trọng. Điều này cho phép người đọc lướt qua tài liệu và nhanh chóng nắm được điểm mấu chốt của câu chuyện.

7. Thêm một đoạn tường thuật ngắn nếu hợp lý. Đoạn tường thuật giúp ta giải thích dữ liệu bằng lời và thêm chiều sâu cho câu chuyện, đồng thời tạo nên bối cảnh cho bản đồ họa. Số liệu và biểu đồ có thể chỉ mang đến một cái nhìn thoáng qua; còn đoạn tường thuật sẽ cho phép bạn thêm thắt những điểm cốt yếu, đưa ra nhận xét hoặc nêu bật điều muốn ngụ ý.

Được tờ The New York Times tôn vinh là “da Vinci của Dữ liệu”, Edward Tufte khuyên rằng những bản thể hiện đồ họa nên:

• Trình bày dữ liệu;

• Thuyết phục người xem suy nghĩ về vấn đề thay vì phương pháp, thiết kế đồ họa, công nghệ sản xuất đồ họa hay thứ gì khác;

• Tránh bóp méo điều dữ liệu nói đến;

• Trình bày nhiều số liệu trên một không gian nhỏ;

• Tạo sự mạch lạc cho nhiều bộ dữ liệu lớn;

• Khuyến khích người nhìn so sánh các mảng dữ liệu khác nhau;

• Tiết lộ dữ liệu dưới nhiều mức độ chi tiết, từ góc nhìn tổng quan rộng lớn cho đến kết cấu tinh vi;

• Phục vụ một mục tiêu tương đối rõ ràng: mô tả, khám phá, sắp xếp bảng hoặc trang trí.

• Kết hợp sát sao với các mô tả thống kê và truyền miệng của bộ dữ liệu77.

Theo Tufte: “Đồ họa lật mở dữ liệu. Thực chất, đồ họa có thể chính xác và gợi mở nhiều hơn so với những tính toán thống kê thông thường.” Tuy được viết từ năm 1983, tức trước cả sự xuất hiện của Internet, nhưng lời khuyên của Tufte vẫn là chân lý – đặc biệt trong phạm vi của đồ họa thông tin.

BẢNG ĐIỀU KHIỂN QUẢN LÝ

Một số phương pháp phân tích mà bạn tiến hành chỉ được thực hiện một lần, nhằm trả lời một hoặc nhiều câu hỏi SMART cụ thể. Sau đó, kết quả sẽ được báo cáo thông qua hình thức báo cáo truyền thống – hình tượng hóa dữ liệu – hoặc thông qua xu hướng đồ họa thông tin mới.

Tuy nhiên, còn có những phương pháp phân tích khác gắn với các vấn đề chiến lược, sách lược hay hoạt động hiện hữu. Kết quả của những câu hỏi này sẽ cần được báo cáo thường xuyên, và cách tốt nhất để làm điều đó là tạo nên một “bảng điều khiển quản lý” (management dashboard).

Giống như bảng điều khiển “Buồng lái” của P&G, bảng điều khiển quản lý sẽ cho phép bạn báo cáo các kết quả hiện hữu liên quan để giúp doanh nghiệp tiếp tục nhắm đúng mục tiêu. Giống như các chỉ dẫn trong buồng lái một chiếc phi cơ chiến đấu, chúng cho phép người giám đốc hiểu được chính xác anh ta/cô ta đang ở đâu, vào bất kỳ lúc nào và tập trung bay đến đích mà không bị chút tổn thương nào.

“Tay súng hàng đầu” ngày nay

Khi còn nhỏ, tôi đã xem bộ phim Tay súng hàng đầu (Top Gun) đến 50 lần. Tôi yêu thích bộ phim đó và đương nhiên đã sung sướng mơ mộng trở thành một Tay súng Hàng đầu khi còn là một cậu bé. Nên bạn có thể hình dung tôi hào hứng đến thế nào khi làm một số công việc cho Bộ Quốc phòng Anh. Họ muốn tôi hỗ trợ thiết kế chiến lược và áp dụng chiến lược đó cho lực lượng không quân. Tôi còn nhớ rất rõ cuộc họp với Tổng Tư lệnh không quân và nhóm của ông ấy; họ muốn bàn về KPI, dữ liệu, Dữ Liệu Lớn, các phương pháp phân tích và chiến lược, trong khi điều duy nhất tôi muốn nói là xin phép họ được bước lên chiếc phi cơ chiến đấu một ngày nào đó!

Suốt những tháng tiếp theo, tôi đã đặt câu hỏi đó rất nhiều lần, và cuối cùng họ cũng đồng ý. Tôi không biết phải giải thích mình hào hứng thế nào. Tôi được mời đến Thung lũng RAF, Xứ Wales để tham gia một chuyến bay nhanh. Thú thực, khi đó, tôi không hề biết mình thực sự tham gia vào việc gì và cứ nghĩ mình chỉ cần xuất hiện, nhảy vào máy bay, lượn quanh một chút, rồi quay về và khoe khoang với mọi người. Nhưng chuyện không phải như vậy.

Tôi phải có mặt một ngày trước chuyến bay để kiểm tra y tế; tôi cần được đo cân nặng để thiết lập chế độ cho ghế bật nhảy dù. Tôi phải học về trọng lực và cách nó gây áp lực lên toàn bộ máu ở phần thân dưới như thế nào, đồng nghĩa tôi có thể bất tỉnh nếu không có đủ máu lên não. Không cần phải nói, sau ngày đầu tiên, tôi đã cực kỳ lo lắng. Vào ngày bay, viên phi công xếp tôi vào chỗ ngồi và nói rằng chúng tôi cần phải lập kế hoạch nhiệm vụ. Rõ ràng, với chi phí của chiếc máy bay và thời gian của viên phi công, hoạt động này cần phải có giá trị huấn luyện; nếu không, họ sẽ không bao giờ cho phép tôi bay. Chúng tôi ngồi trước máy tính và vạch bản đồ đường bay ra biển từ căn cứ không quân, thực hiện vài cú lướt khéo léo thú vị, sau đó men theo rặng núi, con sông đến vùng đồng quê Xứ Wales, với mục tiêu nhiệm vụ giả định là đánh bom một chiếc cầu ở khu Thung lũng.

Sau đó, toàn bộ dữ liệu này sẽ được in lên tài liệu một trang, đặt trong một túi nhựa sạch trên bảng điều khiển bay. Về cơ bản, đây chính là bản đồ của nhiệm vụ, và nó sẽ luôn nằm trong tầm mắt của phi công và phi công phụ, giúp họ không bao giờ quên mất nó.

Như vậy, chúng tôi gần như đã sẵn sàng. Chỉ còn một việc cuối cùng – tôi cần xem một video về sức khỏe và an toàn (H&S – Health and safety). Đoạn video bắt đầu giải thích rằng chuyến bay rất an toàn; tuy nhiên, nếu có điều gì đó không ổn và tôi nghe phi công báo “Thoát ra”, thì tôi cần phải kéo chiếc cần đỏ giữa hai chân và tự động bắn ra khỏi máy bay. Sau đó, dù sẽ bung ra, người theo dõi sẽ nhận tín hiệu và trực thăng sẽ được gửi đi để đón tôi. Điều đó càng khiến tôi lo lắng hơn. Nhưng rồi, video H&S tiếp tục thông báo rằng tuy mọi quy trình đều tự động, nhưng sẽ có khả năng diễn biến không giống như thế và tôi phải tự thực hiện, bao gồm vô số hành động theo trình tự – sau đó, phi công sẽ lái máy bay bổ nhào xuống và để trọng lực làm phần còn lại. Đến đây, tôi đã cực kỳ căng thẳng. Tôi biết khá rõ rằng một khi chiếc cần thoát màu đỏ không tự động kích hoạt, thì khả năng tôi nhớ được mình phải tháo thứ gì, nới thứ gì sẽ bằng không và cầm chắc cái chết!

Mặc dù vậy, tôi vẫn cài dây và chúng tôi cất cánh. Tôi dám chắc tất cả mọi người ở căn cứ đều cược xem tôi sẽ chịu được bao lâu; và hiển nhiên, 15 phút đầu tiên rất khó cho cơ thể của tôi. Những cú chao liệng ngoài biển thật phi thường – đầu óc tôi cực kỳ thích chúng, nhưng bụng tôi, vốn bị tụt lại mất 10 giây, thì không.

Chúng tôi tìm thấy con sông và men theo nó đến thung lũng, đến vị trí oanh tạc giả định và thả bom. Những điều mà viên phi công không nói với tôi khi hướng dẫn là một chiếc máy bay khác sẽ hội quân cùng chúng tôi trên bầu trời để tham gia luyện tập những đường bay lẩn tránh. Chúng tôi phóng vút lên trời, tránh né lẫn nhau trong khoảng thời gian dường như vô tận, còn tôi thì phải chịu đau đớn theo những cách mà tôi thậm chí không biết có thể đau đến thế.

May thay, viên phi công tỏ ra thương xót tôi và đưa chúng tôi lên cao hơn những tầng mây – mà theo anh ta nói, như thế sẽ giúp tôi khá hơn rất nhiều. Hiển nhiên, các đám mây là nơi tạo ra sự nhiễu loạn không khí và gây khó khăn cho máy bay thương mại, thế nên bạn hãy tưởng tượng xem ngồi trong một chiếc phi cơ chiến đấu sẽ thế nào.

Tiếp theo, tôi hỏi về bảng điều khiển, những mặt đồng hồ trên đó và cách đọc chúng. Anh ta giải thích rằng nó có năm thông số thiết yếu, từ đó cho phép ta biết mình đang ở đâu so với vị trí dự kiến, cũng như thể hiện bản đồ bay. Các phi công luôn luôn phải biết họ đang ở đâu, ngay cả khi đang bay trong một đám mây hay gặp thời tiết xấu. Và họ hoàn toàn tin tưởng năm thông số đó.

Trên những tầng mây, tôi thực sự cảm thấy khá hơn và viên phi công cho phép tôi tự điều khiển máy bay trong ít phút. Khi làm thế, anh ấy thông báo với phòng kiểm soát nhiệm vụ là tôi đang cầm lái (dù tôi biết chắc anh ấy mới là người kiểm soát hoàn toàn). Phòng kiểm soát nhiệm vụ cũng đóng vai trò quan trọng khi giám sát vùng trời xung quanh chúng tôi, đánh giá dữ liệu thời tiết và bất kỳ máy bay không xác định nào trong khu vực; ngoài ra còn có dữ liệu vệ tinh và những dữ liệu khác từ các nguồn khác.

Ngày hôm ấy đã nhắc nhở tôi về những vấn đề vô cùng quan trọng. Đầu tiên là sự “tiến hóa” của tất cả mọi thứ. Nếu bạn so sánh nó với một chiếc máy bay của 100 năm trước, hầu như sẽ không có bất kỳ công cụ điều hướng nào. Những thông số khi ấy còn rất thô sơ và đơn giản, ấy thế mà những chiếc máy bay đời mới nhất thậm chí không cần đến phi công! Và tôi hiểu lý do tại sao, vì chỉ sau một giờ bay, tôi đã hoàn toàn kiệt sức. Rõ ràng yếu tố con người chính là mắt xích yếu nhất trong chuỗi – từ đó dẫn đến sự phát triển của máy bay không người lái. Những chiếc máy bay này hiện nay được gắn kèm thiết bị thu thập dữ liệu, cảm biến và máy quay. Thực ra, toàn bộ khối lượng dữ liệu mà các máy bay không người lái hiện đang thu thập là vô cùng lớn, đến mức không có đủ chuyên viên phân tích để xử lý hết! Bất chấp bản thân bạn nghĩ gì về máy bay không người lái, chúng vẫn là minh chứng cho sự tiến hóa hoàn hảo của máy bay.

Một vấn đề khác là tầm quan trọng của chiến lược và việc sở hữu một bảng điều khiển, giúp bạn nhanh chóng đánh giá mình đang bay đúng hướng hay chệch hướng mà không phải nhìn ra cửa sổ.

Và một bảng điều khiển quản lý sẽ giúp bạn làm điều đó.

Phát triển bảng điều khiển quản lý

Một bảng điều khiển quản lý đơn giản là sự thể hiện chính xác bằng hình ảnh của những thông tin nhiệm vụ cốt yếu nhất, mà các giám đốc và người ra quyết định cần chúng để thực thi những mục tiêu chiến lược, hoạt động.

Giống như những mặt đồng hồ trong buồng lái phi cơ chiến đấu, các bảng điều khiển cũng giúp mọi người đi đúng hướng. Chúng được xem trọng nhất trên phương diện hoạt động và chiến lược. Các bảng điều khiển hoạt động theo dõi quy trình và kết quả hằng ngày để đảm bảo kỳ vọng và hiệu suất nhất quán với nhau. Chúng cung cấp những thông tin cho phép chúng ta khắc phục sự cố trước khi chúng trở thành vấn đề, đồng thời dần dần cải thiện hiệu suất (xem hình 5.16).

Mặt khác, các bảng điều khiển chiến lược còn nhìn vào tương lai và tìm cách xác định những trở ngại, thách thức có thể xuất hiện trên hành trình đến với cái đích chiến lược. Cả hai nhiệm vụ trên đều quan trọng như nhau.

Tất cả các mẹo giúp tạo ra một bản đồ họa thông tin thành công đều có thể áp dụng để tạo nên một bảng điều khiển thành công. Khi tôi tư vấn cho khách hàng về các bảng điều khiển, chúng tôi luôn đảm bảo chúng chứa đựng một tập hợp các tiêu đề và đoạn tường thuật rõ ràng, gãy gọn không kém các biểu đồ và đồ thị.

Bất kể bạn quyết định báo cáo kết quả theo cách truyền thống, tận dụng các kỹ thuật hình tượng hóa dữ liệu hay áp dụng bảng điều khiển quản lý/đồ họa thông tin, tất cả thường sẽ phụ thuộc vào chuyên môn sẵn có của bạn.

Đối với các công ty lớn như P&G, họ có thể và thực tế đang sở hữu một bộ phận Giải pháp Thông tin và Quyết định. Các chuyên viên phân tích dữ liệu và chuyên gia hình tượng hóa dữ liệu sẽ tham gia nhiều cuộc họp để lấp đầy khoảng cách giữa dữ liệu và những người ra quyết định cần đến chúng. Đối với các công ty nhỏ, điều này có thể thiếu thực tế. Nhưng có một điều chắc chắn là nếu bạn muốn trở thành một doanh nghiệp THÔNG MINH, thì bạn phải phát triển những năng lực này trong nội bộ, hoặc thuê một bên cung cấp đáng tin cậy bên ngoài. Nói cách khác, phân tích dữ liệu và hình tượng hóa dữ liệu là hai mặt của một đồng xu.

Hình 5.16. Ví dụ về bảng điều khiển hoạt động trong truyền thông xã hội
Nguồn: http://www.dashboardinsight.com/dashboards/live-dashboards/finalcial-operations-dashboard-dundas.aspx. Hỗ trợ hình ảnh từ Dundas Data Visualization, Inc – www.dundas.com
Việc xác định những chỉ số, dữ liệu có thể giúp bạn trả lời những câu hỏi SMART của mình, cũng như áp dụng các phương pháp phân tích để tìm ra câu trả lời đó sẽ là vô nghĩa, nếu chúng vì vùi trong một bản báo cáo 50 trang mà chẳng ai thèm đọc hay cố hiểu. Tìm cách báo cáo kết quả sao cho nhanh chóng, rõ ràng và cuốn hút là điều tối cần thiết đối với bất kỳ doanh nghiệp THÔNG MINH nào.

Hãy nhớ rằng bạn cần biết người nào sẽ sử dụng những thông tin mà bạn sở hữu. Họ đã biết gì về các vấn đề và kỳ vọng thấy được điều gì? Hãy tập trung vào câu chuyện và thổi hồn cho thông tin thông qua áp dụng hình ảnh và đồ họa – mỗi khi có thể. Hãy chọn cách tiếp cận càng ngắn gọn, càng dễ dàng càng tốt để người cần thông tin có thể nhanh chóng hiểu được nó và hành động dựa trên nó.

CÁC ĐIỂM CHÍNH VÀ LỜI KÊU GỌI HÀNH ĐỘNG

• Áp dụng các phương pháp phân tích vẫn là chưa đủ. Bạn cần phải báo cáo lại những hiểu biết đúc kết từ dữ liệu theo cách mà mọi người hiểu được.

• Các nhà lãnh đạo doanh nghiệp hiện đang gặp khó khăn trong việc bắt kịp mọi dữ liệu được chuyển lên bàn làm việc của họ; nên bạn cần báo cáo kết quả một cách rõ ràng – đừng chôn vùi thông tin dưới những bản báo cáo nặng nề.

• Dữ Liệu Lớn hay bất kỳ phương pháp phân tích dữ liệu nào chỉ hữu dụng nếu bạn đảm bảo chuyển đúng thông tin cho đúng người, đúng định dạng, để họ có thể ra quyết định đúng thường xuyên hơn.

• Một khi phân tích dữ liệu, bạn cần phải xem xét ai là người cần đến kết quả, để đưa ra các quyết định chiến lược tốt hơn và điều chỉnh hình tượng hóa dữ liệu theo nhu cầu của họ.

• Việc hình tượng hóa dữ liệu có thể dưới nhiều hình thức, bao gồm:

− Biểu đồ và đồ thị;

− Báo cáo kiểu truyền thống;

− Đồ họa thông tin thể hiện bản đồ, văn bản, dữ liệu, hành vi, cảm xúc và mối liên hệ.

• Mỗi khi có thể, hãy sử dụng đồ họa thông tin trên một trang giấy để báo cáo kết quả, cũng như đảm bảo quyền truy cập thông tin được chuyển cho đúng người một cách nhanh chóng, dễ dàng.

• Hình tượng hóa dữ liệu là sự mở rộng chức năng phân tích, và không nhất thiết phải là vai trò dành cho người tìm kiếm đáp án cho những câu hỏi SMART. Bạn cần phối hợp với người sử dụng dữ liệu cuối cùng và các nhà khoa học dữ liệu để đảm bảo mình tập trung vào những dữ liệu phù hợp, cũng như trình bày chúng sao cho có ý nghĩa với người dùng cuối cùng.

• Đừng nghĩ rằng các chương trình Phần mềm Trí tuệ Kinh doanh sẽ giải quyết được khó khăn này. Đa phần, những người cần câu trả lời sẽ không có thời gian hay ý định tìm hiểu cách sử dụng phần mềm, bất kể nó hứa hẹn sẽ mổ xẻ và phân tích dữ liệu một cách tài tình, mới lạ đến thế nào.

• Nếu phương pháp phân tích dữ liệu của bạn xác định một chỉ số hay nguồn dữ liệu hữu ích nếu được tiếp tục đo lường, thì hãy tìm cách chuyển đổi nó thành KPI (chỉ số hiệu suất cốt yếu) và/hoặc bổ sung nó vào bảng điều khiển quản lý.

CHÚ THÍCH

69. http://polymaps.org/.

70. http://www.turbulence.org/Works/song/gallery/gallery.html.

71. http://www.visual-literacy.org/periodic_table/periodic_table.html.

72. http://www.ted.com/talks/hans_rosling_shows_the_best_stats_you_ve_ever_seen.

73. Smicikas, M. (2012). The Power of Infographics: Using Pictures to Communicate and Connect with Your Audience (tạm dịch: Sức mạnh của đồ họa thông tin: Sử dụng hình ảnh để giao tiếp và kết nối với khán giả của bạn). London: Pearson Education.

74. Sommer, D., Sallam, R. L. và Richardson, J. (2011) Emerging technology analysis: Visualization-based data discovery tools (tạm dịch: Phân tích công nghệ mới nổi: Các công cụ khám phá dữ liệu dựa trên hình tượng hóa). Báo cáo kỹ thuật. Gartner.

75. Bạn có thể xem tại địa chỉ: http://blogs.hbr.org/2013/04/how-p-and-g-presents-data/.

76. Davenport, T. (2013) “How P&G presents data to decision-makers HBR Blog Network (tạm dịch: P&G trình bày dữ liệu cho người ra quyết định như thế nào)”, HBR Blog Network. http://blogs.hbr.org/2013/04/how-p-and-g-presents-data/.

77. Tufte ER (1983) The Visual Display of Quantitative Information (tạm dịch: Trình bày thông tin định lượng bằng hình ảnh). Connecticut: Graphics Press.

Dữ Liệu Lớn

Nguồn: Internet

BÌNH LUẬN

Please enter your comment!
Please enter your name here