តើ Data Visualization Charts គឺជាអ្វី? មគ្គុទ្ទេសក៍ជ្រើសរើសនិងអនុវត្ត

Data visualization charts គឺជាគំនូសតាងដែលបំប្លែងតួលេខទៅជារូបភាព ដើម្បីឱ្យអ្នកមើលឃើញនិន្នាការ និងសម្រេចចិត្តបានលឿនជាងការអានតារាងលេខ។ ក្នុងយុគសម័យដែលទិន្នន័យត្រូវបានបង្កើតឡើងជារៀងរាល់វិនាទី ការមានទិន្នន័យច្រើនសន្ធឹកសន្ធាប់មិនប្រាកដថាអ្នកអាចធ្វើការសម្រេចចិត្តបានត្រឹមត្រូវ និងទាន់ពេលវេលានោះទេ។ ម្ចាស់អាជីវកម្ម និងអ្នកគ្រប់គ្រងជាច្រើនកំពុងជួបប្រទះបញ្ហា "លង់ទឹកក្នុងទិន្នន័យ ប៉ុន្តែខ្វះខាតការយល់ដឹង" ដោយសារតែពួកគេនៅតែព្យាយាមមើលតែតារាងលេខរាប់ពាន់ជួរនៅក្នុង Excel ជារៀងរាល់ថ្ងៃ។ នេះគឺជាពេលដែល data visualization charts ចូលមកដើរតួនាទីយ៉ាងសំខាន់ក្នុងការបំប្លែងភាពស្មុគស្មាញទាំងនោះ។ ជាទូទៅ មនុស្សជាច្រើនតែងតែយល់ច្រឡំថា វាគ្រាន់តែជាការគូររូបភាពឱ្យស្អាតសម្រាប់ដាក់ក្នុងឯកសារបទបង្ហាញប៉ុណ្ណោះ ប៉ុន្តែការពិតវាគឺជាភាសានៃការប្រាស្រ័យទាក់ទងដ៏មានឥទ្ធិពលបំផុតរវាងមនុស្សនិងទិន្នន័យ។ ការដឹងពី how to choose the right data visualization chart អាចជួយអ្នកសន្សំពេលវេលារាប់ម៉ោងក្នុងការវិភាគ និងជួយបញ្ចុះបញ្ចូលអ្នកពាក់ព័ន្ធបានកាន់តែងាយស្រួល។ នៅក្នុងអត្ថបទនេះ យើងនឹងស្វែងយល់លម្អិតអំពីអ្វីទៅជាគំនូសតាងទិន្នន័យ ហេតុអ្វីវាជាផ្នែកដែលមិនអាចខ្វះបាន របៀបជ្រើសរើសប្រភេទគំនូសតាងដែលស័ក្តិសមបំផុតសម្រាប់ best charts for data analysis និងវិធីដែលអ្នកអាចអនុវត្តវាដើម្បីផ្លាស់ប្តូររបៀបដែលអាជីវកម្មរបស់អ្នកដំណើរការជារៀងរាល់ថ្ងៃ។ យើងក៏នឹងចែករំលែកនូវ data visualization examples ជាក់ស្តែងជាច្រើនដើម្បីឱ្យអ្នកងាយស្រួលយល់ និងយកទៅអនុវត្តបានភ្លាមៗដោយមិនចាំបាច់មានជំនាញផ្នែក IT នោះឡើយ។

តើ Data visualization charts គឺជាអ្វី?

Data visualization charts គឺជាវិធីសាស្ត្របំប្លែងទិន្នន័យលេខដ៏ស្មុគស្មាញទៅជាទម្រង់រូបភាពក្រាហ្វិកដូចជាគំនូសតាងបន្ទាត់ ចំណិត ឬរបារ។ វាត្រូវបានប្រើប្រាស់ដើម្បីជួយអ្នកមើលឱ្យយល់យ៉ាងរហ័សពីនិន្នាការ គំរូ និងទំនាក់ទំនងលាក់កំបាំងនានា។ ភាពខុសគ្នារបស់វាពីតារាងធម្មតាគឺសមត្ថភាពក្នុងការសង្ខេបអត្ថន័យនិងគាំទ្រការសម្រេចចិត្តភ្លាមៗ។

ពាក្យថា Visualization នេះមានប្រភពចេញតាំងពីយូរយារណាស់មកហើយ នៅពេលដែលមនុស្សចាប់ផ្តើមគូរផែនទី និងគំនូរលើជញ្ជាំងដើម្បីបង្ហាញពីទិន្នន័យទីតាំងនិងបរិមាណ ប៉ុន្តែវាបានក្លាយជាប្រធានបទក្តៅគគុកនៅពេលដែលកុំព្យូទ័រត្រូវបានបង្កើតឡើង និងទិន្នន័យមានចំនួនកើនឡើងយ៉ាងគំហុក។ ដើម្បីកុំឱ្យមានការភាន់ច្រឡំ យើងសូមប្រៀបធៀបគំនិតនេះជាមួយពាក្យមួយចំនួនដែលអ្នកតែងតែលឺ៖

គោលគំនិត	ខុសគ្នានៅត្រង់ណា	ឧទាហរណ៍ជាក់ស្តែង
Data Visualization Charts	ផ្តោតលើការបំប្លែងទិន្នន័យឆៅទៅជារូបភាពដើម្បីរកមើលអត្ថន័យ និងនិន្នាការច្បាស់លាស់។	គំនូសតាងបន្ទាត់បង្ហាញពីការប្រែប្រួលសីតុណ្ហភាពប្រចាំខែក្នុងរយៈពេលមួយឆ្នាំ។
Infographics	រួមបញ្ចូលគ្នារវាងគំនូសតាង រូបភាពគំនូរ និងអត្ថបទច្រើន ដើម្បីប្រាប់សាច់រឿងជាក់លាក់មួយ។	រូបភាពមួយផ្ទាំងធំដែលមានទាំងអក្សរនិងរូបភាពប្រាប់ពីប្រវត្តិសាស្រ្តនៃកាហ្វេ។
Dashboards	ជាផ្ទៃតាប្លូធំមួយដែលប្រមូលផ្តុំ Data Visualization Charts ជាច្រើនបញ្ចូលគ្នាដើម្បីតាមដានរួម។	អេក្រង់ធំនៅក្នុងបន្ទប់ប្រជុំដែលបង្ហាញពីគំនូសតាងចំណូល ចំណាយ និងកំណើនអតិថិជនព្រមៗគ្នា។

ជាឧទាហរណ៍ជាក់ស្តែងក្នុងជីវិតប្រចាំថ្ងៃ ស្រមៃថាអ្នកកំពុងមើលវិក្កយបត្រភ្លើងប្រចាំខែរបស់អ្នក។ ប្រសិនបើក្រុមហ៊ុនអគ្គិសនីគ្រាន់តែសរសេរតួលេខ ៥០០ គីឡូវ៉ាត់ម៉ោង អ្នកប្រហែលជាមិនដឹងថាវាច្រើនឬតិចនោះទេ។ ប៉ុន្តែប្រសិនបើពួកគេដាក់គំនូសតាងរបារតូចមួយ (Bar Chart) ដែលបង្ហាញពីការប្រើប្រាស់របស់អ្នកក្នុងរយៈពេល ៦ ខែចុងក្រោយ អ្នកនឹងដឹងភ្លាមៗថាខែនេះអ្នកប្រើប្រាស់ភ្លើងច្រើនជាងខែមុនទ្វេដង ហើយអ្នកត្រូវចាប់ផ្តើមសន្សំសំចៃ។ នេះហើយគឺជាថាមពលនៃការមើលឃើញទិន្នន័យ។

អត្ថន័យនិងសារៈសំខាន់នៃ Data visualization charts

Data visualization charts មិនមែនកើតឡើងមកដោយចៃដន្យនោះទេ វាមានវត្តមានដើម្បីដោះស្រាយបញ្ហានៃការផ្ទុកទិន្នន័យហួសប្រមាណ (Information Overload) របស់ខួរក្បាលមនុស្ស។ ខួរក្បាលរបស់យើងត្រូវបានបង្កើតឡើងដើម្បីដំណើរការព័ត៌មានជារូបភាពបានលឿនជាងអក្សរនិងតួលេខច្រើន។ អ្នកវិភាគទិន្នន័យ អ្នកគ្រប់គ្រង និងម្ចាស់អាជីវកម្ម គឺជាអ្នកដែលត្រូវការឧបករណ៍នេះជាងគេ ដើម្បីបកប្រែទិន្នន័យរាប់លានជួរឱ្យទៅជាសារតែមួយដែលអាចយល់បានក្នុងរយៈពេលត្រឹមតែប៉ុន្មានវិនាទី។

នៅក្នុងវដ្តជីវិតនៃទិន្នន័យ (Data Lifecycle) គំនូសតាងស្ថិតនៅដំណាក់កាលទីបីពោលគឺនៅបន្ទាប់ពីការប្រមូល (Collection) និងការសម្អាត (Cleaning) ទិន្នន័យ ប៉ុន្តែវាឈរនៅមុនដំណាក់កាលនៃការធ្វើការសម្រេចចិត្ត (Decision Making)។ ប្រសិនបើគ្មានដំណាក់កាលទីបីនេះទេ ទិន្នន័យដ៏ល្អឥតខ្ចោះរបស់អ្នកនឹងនៅត្រឹមតែជាកន្លែងផ្ទុកលេខដ៏ត្រជាក់ ដែលគ្មាននរណាម្នាក់ចង់អាន និងគ្មាននរណាម្នាក់អាចទាញយកសកម្មភាពអ្វីពីវាបានឡើយ។ ប្រសិនបើអ្នកមើលរំលងការធ្វើទស្សនីយកម្មទិន្នន័យ អាជីវកម្មរបស់អ្នកនឹងបាត់បង់ឱកាសក្នុងការមើលឃើញនិន្នាការផ្លាស់ប្តូររបស់ទីផ្សារ ងាយនឹងធ្វើការសម្រេចចិត្តខុសឆ្គងដោយសារការមើលលេខខុស ហើយអ្វីដែលអាក្រក់បំផុតនោះគឺ នាយកដ្ឋាននីមួយៗក្នុងក្រុមហ៊ុននឹងពិបាកក្នុងការសហការគ្នា ព្រោះពួកគេមិនអាចយល់ពីរបាយការណ៍របស់គ្នាទៅវិញទៅមក។

តើនៅពេលណាដែលអ្នកមិនទាន់ត្រូវការវា? ទោះបីជាយ៉ាងណាក៏ដោយ មានករណីខ្លះដែលអ្នកមិនចាំបាច់ប្រើប្រាស់ Data visualization charts នោះទេ។ ទីមួយ នៅពេលដែលអ្នកត្រូវការពិនិត្យមើលតួលេខជាក់លាក់មួយដែលមានភាពសុក្រឹតខ្ពស់ដល់ខ្ទង់ទសភាគ ដូចជាក្នុងរបាយការណ៍គណនេយ្យលម្អិត។ ក្នុងករណីនេះ តារាងទិន្នន័យ (Data table) ធម្មតាគឺល្អជាងការប្រើប្រាស់គំនូសតាង។ ទីពីរ ប្រសិនបើអ្នកមានទិន្នន័យត្រឹមតែមួយឬពីរតួលេខប៉ុណ្ណោះ ការគូរគំនូសតាងនឹងធ្វើឱ្យខាតពេលវេលា និងមើលទៅស្មុគស្មាញដោយមិនចាំបាច់។ ជាជម្រើស អ្នកគ្រាន់តែសរសេរតួលេខនោះឱ្យធំ និងច្បាស់លាស់ (Big Number) គឺជាការស្រេច។

តម្លៃនិងអត្ថប្រយោជន៍ចម្បងនៃ Data visualization charts

ការស្វែងយល់ពីតម្លៃនៃការរៀបចំទិន្នន័យជារូបភាពតម្រូវឱ្យយើងបែងចែកវាជាពីរស្រទាប់៖ អត្ថប្រយោជន៍សម្រាប់ក្រុមហ៊ុនទាំងមូល និងអត្ថប្រយោជន៍សម្រាប់បុគ្គលិកដែលធ្វើការផ្ទាល់។

សម្រាប់អាជីវកម្មនិងស្ថាប័ន

អត្ថប្រយោជន៍ចម្បងបំផុតសម្រាប់អាជីវកម្មគឺល្បឿនក្នុងការឆ្លើយតបទៅនឹងទីផ្សារ និងការកាត់បន្ថយហានិភ័យ។ នៅពេលដែលទិន្នន័យត្រូវបានបង្ហាញយ៉ាងច្បាស់លាស់ ថ្នាក់ដឹកនាំអាចមើលឃើញពីបញ្ហាដែលកំពុងលាក់បាំង ដូចជាការធ្លាក់ចុះនៃការលក់នៅតំបន់ណាមួយជាដើម មុនពេលដែលវាបង្កជាការខាតបង់ធំដុំ។ វាក៏ជួយសន្សំសំចៃធនធានយ៉ាងច្រើន ដោយមិនបាច់ជួលបុគ្គលិកច្រើននាក់មកអង្គុយវិភាគតារាង Excel ដោយដៃរាល់ខែទៀតឡើយ។

ឧទាហរណ៍បង្ហាញ៖ ក្រុមហ៊ុនលក់រាយខ្នាតកណ្តាលមួយមានបញ្ហាក្នុងការតាមដាន Campaign performance metrics ប្រចាំសប្តាហ៍ ដោយសារមានយុទ្ធនាការរាប់សិបកំពុងដំណើរការ។ ពួកគេបានចាប់ផ្តើមប្រមូលទិន្នន័យពីគ្រប់ប្រភពចូលទៅក្នុងប្រព័ន្ធតែមួយ។ បន្ទាប់មក ពួកគេបានប្រើប្រាស់គំនូសតាងរបារដើម្បីប្រៀបធៀបការចំណាយ និងគំនូសតាងបន្ទាត់ដើម្បីមើលនិន្នាការនៃអតិថិជនថ្មី។ ដំបូងឡើយ គំនូសតាងមើលទៅរញ៉េរញ៉ៃដោយសារមានពណ៌ច្រើនពេក ប៉ុន្តែពួកគេបានកែសម្រួលដោយប្រើតែពណ៌ខៀវសម្រាប់យុទ្ធនាការដែលជោគជ័យ។ ជាលទ្ធផល ក្រុមការងារអាចមើលឃើញភ្លាមៗថាយុទ្ធនាការណាដែលកំពុងខាតបង់ ហើយធ្វើការកាត់បន្ថយថវិកាបានទាន់ពេលវេលាដោយមិនចាំបាច់អង្គុយអានលេខរាប់ពាន់ជួរ ដែលជួយរក្សាប្រាក់ចំណេញបានយ៉ាងមានប្រសិទ្ធភាព។

សម្រាប់អ្នកវិភាគនិងអ្នកគ្រប់គ្រងផ្ទាល់

សម្រាប់អ្នកដែលត្រូវធ្វើការជាមួយទិន្នន័យរាល់ថ្ងៃ គំនូសតាងគឺជាអាវុធដ៏មុតស្រួចក្នុងការប្រាស្រ័យទាក់ទង។ វាកាត់បន្ថយភាពតានតឹងនិងភាពនឿយហត់ (Burnout) ដែលបណ្តាលមកពីការរៀបចំឯកសារបទបង្ហាញរាប់សិបទំព័រ។ ជាងនេះទៅទៀត ការមានគំនូសតាងដែលរចនាបានល្អ ជួយឱ្យអ្នកធ្វើរបាយការណ៍មើលទៅមានភាពវិជ្ជាជីវៈខ្ពស់ ងាយស្រួលពន្យល់ដល់មេកោយឬអតិថិជន និងបង្កើនទំនុកចិត្តក្នុងការធ្វើបទបង្ហាញ។

អត្ថប្រយោជន៍ជាក់ស្តែង	វាស់វែងដោយសូចនាករអ្វី	រយៈពេលដែលអាចមើលឃើញលទ្ធផល
កាត់បន្ថយពេលធ្វើរបាយការណ៍ដៃ	ចំនួនម៉ោងធ្វើការដែលបានចំណាយ	២ ទៅ ៤ សប្តាហ៍
ការសម្រេចចិត្តមានភាពរហ័សរហួន	រយៈពេលចាប់ពីពេលមានទិន្នន័យដល់ពេលចាត់វិធានការ	១ ទៅ ២ ខែ
កាត់បន្ថយការយល់ច្រឡំពេលប្រជុំ	ចំនួនសំណួរ "តើលេខនេះមានន័យដូចម្តេច?" ក្នុងកិច្ចប្រជុំ	ឃើញលទ្ធផលភ្លាមៗនៅការប្រជុំបន្ទាប់
ការរកឃើញបញ្ហាទាន់ពេល	ចំនួនបញ្ហាដែលត្រូវបានដោះស្រាយមុនពេលក្លាយជាវិបត្តិ	៣ ទៅ ៦ ខែ

បន្ទាប់ពីរៀបចំទិន្នន័យរួចរាល់ អ្នកអាចចំណាយពេលច្រើនក្នុងការគូរគំនូសតាងដោយដៃ។ ជាមួយ Orova Insight អ្នកអាចភ្ជាប់ GA4, Google Ads, Meta Ads, TikTok, Zalo OA និង Google Sheets ហើយសួរជាពាក្យធម្មតា ដើម្បីឱ្យ AI គូរគំនូសតាងនៅលើផ្ទាំងគ្រប់គ្រង (Dashboard) ដែលអាចអូសទម្លាក់បាន។ មិនចាំបាច់សរសេរកូដ ហើយអាចកំណត់ផ្ញើរបាយការណ៍ជាប្រចាំ។

របៀបដំណើរការនិងប្រភេទនៃ Data visualization charts

ការយល់ដឹងពីរបៀបបង្កើតគំនូសតាងទិន្នន័យដែលល្អ មិនមែនគ្រាន់តែជាការចុចប៊ូតុង "Insert Chart" នៅក្នុងកុំព្យូទ័រនោះទេ។ វាគឺជាដំណើរការមួយដែលទាមទារឱ្យមានការគិតគូរយ៉ាងល្អិតល្អន់។ ខាងក្រោមនេះគឺជាជំហាននិងសមាសភាគសំខាន់ៗដែលអ្នកត្រូវឆ្លងកាត់ រួមទាំងការជ្រើសរើស best charts for data analysis ប្រកបដោយប្រសិទ្ធភាព។

ស្វែងយល់ពីទិន្នន័យនិងគោលបំណង

មុននឹងជ្រើសរើសប្រភេទគំនូសតាង អ្វីដែលអ្នកត្រូវធ្វើមុនគេគឺសួរខ្លួនឯងថា តើទិន្នន័យនេះជាប្រភេទអ្វី? វាអាចជាទិន្នន័យប្រភេទប្រភេទ (Categorical Data ដូចជា ឈ្មោះប្រទេស ភេទ) ទិន្នន័យបរិមាណបន្តបន្ទាប់ (Continuous Data ដូចជា អាយុ ប្រាក់ចំណូល) ឬទិន្នន័យតាមលំដាប់ (Ordinal Data ដូចជា កម្រិតការពេញចិត្តពី ១ ដល់ ៥)។ បន្ទាប់មក អ្នកត្រូវកំណត់គោលបំណងរបស់អ្នកឱ្យបានច្បាស់។ តើអ្នកចង់ប្រៀបធៀបទំហំ? អ្នកចង់បង្ហាញពីសមាសភាគដែលផ្គុំបញ្ចូលគ្នា? អ្នកចង់មើលការបែងចែកទិន្នន័យ? ឬអ្នកចង់រកទំនាក់ទំនងរវាងអថេរពីរ? ការកំណត់អត្តសញ្ញាណទាំងនេះគឺជាមូលដ្ឋានគ្រឹះដ៏រឹងមាំបំផុត។

ជ្រើសរើសប្រភេទគំនូសតាងនិង Framework ការសម្រេចចិត្ត

នៅពេលដែលអ្នកដឹងពីគោលបំណងហើយ ជំហានបន្ទាប់គឺការផ្គូផ្គងគោលបំណងនោះជាមួយប្រភេទគំនូសតាង។ កំហុសដ៏ធំបំផុតគឺការជ្រើសរើសគំនូសតាងដោយផ្អែកលើភាពស្រស់ស្អាត ជំនួសឱ្យការប្រើប្រាស់មុខងាររបស់វា។ ឧទាហរណ៍ ប្រសិនបើអ្នកមានទិន្នន័យដែលប្រែប្រួលតាមពេលវេលា ការប្រើគំនូសតាងចំណិតគឺជារឿងដែលខុសស្រឡះ។ អ្នកគួរតែប្រើគំនូសតាងបន្ទាត់ជំនួសវិញ។ អ្នកអាចប្រើប្រាស់ស៊ុមការសម្រេចចិត្ត (Decision Framework) ដែលបង្ហាញនៅក្នុងដ្យាក្រាមខាងក្រោម ដើម្បីកុំឱ្យមានភាពភាន់ច្រឡំ។

រចនានិងប្រាប់រឿងរ៉ាវទិន្នន័យ (Data Storytelling)

យោងតាមសៀវភៅ The Visual Display of Quantitative Information របស់ Edward Tufte (Graphics Press) គំនូសតាងដ៏ល្អបំផុតគឺជាគំនូសតាងដែលផ្តល់ព័ត៌មានច្រើនបំផុត ក្នុងពេលវេលាខ្លីបំផុត ដោយប្រើប្រាស់ទឹកខ្មៅតិចបំផុត។ នេះមានន័យថាអ្នកត្រូវលុបចោលរាល់សមាសធាតុដែលមិនចាំបាច់ (Chart Junk) ដូចជា បន្ទាត់ក្រឡាចត្រង្គដ៏ក្រាស់ ស្រមោល និងបែបផែន 3D។ បន្ទាប់មក អ្នកត្រូវប្រើប្រាស់ទ្រឹស្តីពណ៌ឱ្យបានត្រឹមត្រូវ។ ប្រើពណ៌ប្រផេះសម្រាប់ទិន្នន័យទូទៅ និងប្រើពណ៌លេចធ្លោ (ដូចជាពណ៌ក្រហម ឬខៀវចាស់) សម្រាប់តែចំណុចដែលអ្នកចង់ឱ្យអ្នកអានចាប់អារម្មណ៍ប៉ុណ្ណោះ។ ការបញ្ចូលរឿងរ៉ាវទៅក្នុងទិន្នន័យជួយឱ្យអ្នកអានចងចាំព័ត៌មានបានយូរជាងការរាយតែតួលេខ។

ឧទាហរណ៍បង្ហាញ៖ ទីភ្នាក់ងារផ្សព្វផ្សាយមួយត្រូវរៀបចំរបាយការណ៍ SMM Social Media Marketing សម្រាប់អតិថិជនប្រចាំខែ។ ពួកគេបានប្រមូលទិន្នន័យការចូលរួម (Engagement) ពីគ្រប់បណ្តាញសង្គម។ បន្ទាប់មក ពួកគេបានជ្រើសរើសប្រើប្រាស់គំនូសតាងចំណិតដើម្បីបង្ហាញពីចំណែកនៃអ្នកគាំទ្រពីបណ្តាញនីមួយៗ និងគំនូសតាងបន្ទាត់សម្រាប់កំណើនប្រចាំខែ។ បញ្ហាដែលបានជួបប្រទះគឺអតិថិជនមិនយល់ពីអត្ថន័យនៃគំនូសតាងចំណិតដែលមានចំណែកតូចៗច្រើនពេក និងបែងចែកពណ៌រញ៉េរញ៉ៃ។ ពួកគេក៏បានប្តូរទៅជាគំនូសតាងរបារផ្តេក (Horizontal Bar Chart) វិញ ដោយតម្រៀបពីធំទៅតូច ដែលធ្វើឱ្យការប្រៀបធៀបងាយស្រួលជាងមុន។ លទ្ធផលចុងក្រោយគឺអតិថិជនអាចចង្អុលបង្ហាញភ្លាមៗនូវបណ្តាញសង្គមដែលដំណើរការល្អបំផុត (Facebook និង TikTok) និងយល់ព្រមបង្កើនថវិកាសម្រាប់ការផ្សព្វផ្សាយបន្តទៀតយ៉ាងឆាប់រហ័ស។

ការដោះស្រាយបញ្ហាអថេរច្រើន និងពណ៌សម្រាប់អ្នកខ្វាក់ពណ៌

តើអ្នកគួរធ្វើយ៉ាងណាប្រសិនបើអ្នកចង់បង្ហាញទិន្នន័យដែលមានអថេរលើសពី ៣? ការដាក់វាទាំងអស់នៅលើគំនូសតាងតែមួយអាចធ្វើឱ្យខូចរូបរាងទាំងស្រុង។ ដំណោះស្រាយដ៏ល្អគឺការប្រើប្រាស់វិធីសាស្ត្រ Small Multiples (ឬ Facet Grids) ដែលមានន័យថាអ្នកបំបែកវាទៅជាគំនូសតាងតូចៗជាច្រើនដែលដាក់ក្បែរគ្នា ដោយប្រើមាត្រដ្ឋានអ័ក្សដូចគ្នា។ ម៉្យាងវិញទៀត ការរចនាគំនូសតាងគួរតែគិតគូរដល់អ្នកដែលមានបញ្ហាងងឹតពណ៌ (Color Blindness) ផងដែរ។ ជៀសវាងការប្រើប្រាស់ការផ្គូផ្គងពណ៌ក្រហមនិងពណ៌បៃតង ព្រោះមនុស្សជាច្រើនមិនអាចបែងចែកពណ៌ទាំងពីរនេះបានទេ។ ជាជម្រើស អ្នកគួរប្រើពណ៌ខៀវនិងពណ៌ទឹកក្រូច ឬបន្ថែមទម្រង់ក្បូរក្បាច់ (Patterns) លើផ្ទៃពណ៌ និងការដាក់ស្លាកឈ្មោះផ្ទាល់នៅលើគំនូសតាងតែម្តង ជាជាងការប្រើប្រាស់ប្រអប់កំណត់សម្គាល់ (Legend) ដែលនៅដាច់ឆ្ងាយ។

ប្រភេទនៃគំនូសតាងទូទៅនិងវិធីប្រើប្រាស់

ដើម្បីជាជំនួយក្នុងការអនុវត្ត អ្នកអាចយកគោលការណ៍នៅក្នុងតារាងខាងក្រោមនេះធ្វើជាគំរូ (Cheat Sheet) សម្រាប់ការរចនារបាយការណ៍បន្ទាប់របស់អ្នក។ នេះគឺជាការប្រមូលផ្តុំនូវការអនុវត្តត្រឹមត្រូវនិងកំហុសដែលគួរជៀសវាងសម្រាប់គំនូសតាងនីមួយៗ។

ប្រភេទគំនូសតាង (Chart Type)	អ្វីដែលគួរធ្វើ (DOs)	អ្វីដែលមិនគួរធ្វើ (DON'Ts)
Bar Chart (គំនូសតាងរបារ)	តម្រៀបរបារពីធំទៅតូចឬតូចទៅធំដើម្បីងាយស្រួលប្រៀបធៀប។ ចាប់ផ្តើមអ័ក្សបញ្ឈរពីលេខសូន្យ (០) ជានិច្ច។	កុំប្រើពណ៌ខុសៗគ្នាសម្រាប់របារនីមួយៗ ប្រសិនបើវាបង្ហាញពីទិន្នន័យប្រភេទតែមួយ។
Line Chart (គំនូសតាងបន្ទាត់)	ប្រើបន្ទាត់ដែលមានកម្រាស់ល្មម និងកំណត់ចំនួនបន្ទាត់ត្រឹម ៣ ទៅ ៤ ប៉ុណ្ណោះដើម្បីកុំឱ្យរញ៉េរញ៉ៃ។	កុំប្រើគំនូសតាងបន្ទាត់សម្រាប់ទិន្នន័យដែលមិនមានការប្រែប្រួលតាមពេលវេលា។
Pie Chart (គំនូសតាងចំណិត)	ត្រូវប្រាកដថាផលបូកភាគរយទាំងអស់ស្មើ ១០០% ចំ។ កំណត់ចំនួនចំណិតត្រឹម ៣ ទៅ ៥ បានហើយ។	កុំប្រើបែបផែន 3D ជាដាច់ខាត ព្រោះវានឹងធ្វើឱ្យទំហំនៃចំណិតនីមួយៗមើលទៅខុសពីការពិត។
Scatter Plot (គំនូសតាងចំណុចរាយប៉ាយ)	បន្ថែមបន្ទាត់និន្នាការ (Trendline) ដើម្បីបង្ហាញពីទំនាក់ទំនងរវាងអថេរទាំងពីរឱ្យកាន់តែច្បាស់។	កុំប្រើវាប្រសិនបើអ្នកមានចំណុចទិន្នន័យតិចជាង ១០ ព្រោះវាមិនអាចបង្ហាញពីគំរូអ្វីបានទេ។
Funnel Chart (គំនូសតាងរាងកោណ)	ប្រើសម្រាប់បង្ហាញពីការធ្លាក់ចុះ (Drop-off) ពីដំណាក់កាលមួយទៅដំណាក់កាលមួយក្នុងដំណើររបស់អតិថិជន។	កុំបញ្ចូលដំណាក់កាលដែលមិនពាក់ព័ន្ធគ្នា ឬមិនមានលំដាប់លំដោយច្បាស់លាស់។

អ្វីដែលត្រូវធ្វើដើម្បីចាប់ផ្តើមប្រើប្រាស់ Data visualization charts

ការចាប់ផ្តើមអនុវត្ត Data visualization charts មិនតម្រូវឱ្យអ្នកមានប្រព័ន្ធស្មុគស្មាញភ្លាមៗនោះទេ វាអាស្រ័យលើទំហំនិងតួនាទីរបស់អ្នកនៅក្នុងស្ថាប័ន។

សម្រាប់ម្ចាស់អាជីវកម្មខ្នាតតូចនិងមធ្យម

ម្ចាស់អាជីវកម្មតែងតែមានការមមាញឹក ដូច្នេះអ្នកមិនគួរចំណាយពេលច្រើនលើការគូរវាដោយខ្លួនឯងទេ។

1. កំណត់សូចនាករសំខាន់បំផុត (KPIs) ត្រឹមតែ ៣ ទៅ ៥ ដែលមានឥទ្ធិពលផ្ទាល់ដល់ប្រាក់ចំណេញ។
2. ចាប់ផ្តើមប្រើប្រាស់ឧបករណ៍ដែលមានស្រាប់និងមិនគិតថ្លៃ ដូចជា Google Sheets ដោយប្រើប្រាស់មុខងារគំនូសតាងដែលវាបានផ្តល់ឱ្យស្រាប់។
3. ស្វែងរកទម្រង់របាយការណ៍គំរូ (Template) តាមអ៊ីនធឺណិតដើម្បីយកមកចម្លងនិងបញ្ចូលទិន្នន័យរបស់អ្នកផ្ទាល់។
4. កំណត់ពេលវេលាជាក់លាក់ (ឧទាហរណ៍ រៀងរាល់ព្រឹកថ្ងៃច័ន្ទ) ដើម្បីបើកមើលនិងវិភាគគំនូសតាងទាំងនោះ។
5. បណ្តុះបណ្តាលបុគ្គលិកឱ្យចេះអាននិងរាយការណ៍ដោយប្រើប្រាស់រូបភាពទាំងនេះ។

សម្រាប់អ្នកវិភាគទិន្នន័យក្នុងក្រុមហ៊ុន (In-house)

ប្រសិនបើអ្នកជាអ្នកដែលត្រូវធ្វើរបាយការណ៍រាល់ថ្ងៃ អ្នកត្រូវតែធ្វើឱ្យវាមានភាពងាយស្រួល។

1. ពិភាក្សាជាមួយអ្នកគ្រប់គ្រងដើម្បីស្វែងយល់ថាតើសំណួរអាជីវកម្មអ្វីដែលពួកគេចង់បានចម្លើយបំផុត។
2. ឈប់ប្រើប្រាស់ពណ៌ច្រើនពេកនៅក្នុងរបាយការណ៍របស់អ្នក ត្រូវអនុវត្តតាមច្បាប់ Data Storytelling ដោយប្រើពណ៌ដើម្បីបញ្ជាក់សារសំខាន់ប៉ុណ្ណោះ។
3. រៀនពីរបៀបសម្អាតទិន្នន័យឱ្យបានលឿននិងត្រឹមត្រូវ ព្រោះទិន្នន័យខុសនឹងបង្កើតបានជាគំនូសតាងដែលភូតកុហក។
4. សាកល្បងបំប្លែងរបាយការណ៍ចាស់ៗទៅជាទម្រង់គំនូសតាងថ្មី ហើយប្រៀបធៀបប្រតិកម្មរបស់អ្នកអាន។

សម្រាប់ទីភ្នាក់ងារផ្សព្វផ្សាយ (Marketing Agencies)

ទីភ្នាក់ងារត្រូវតែបង្ហាញតម្លៃដល់អតិថិជនឱ្យបានរហ័សនិងច្បាស់លាស់។

1. បង្កើតទម្រង់ផ្ទៃតាប្លូ (Dashboard) ស្តង់ដារមួយដែលអាចប្រើប្រាស់បានសម្រាប់អតិថិជនច្រើននាក់។
2. ប្រើប្រាស់ចំណងជើងដែលរៀបរាប់ពីសារសំខាន់ (ឧទាហរណ៍ "ចំណូលកើនឡើង ២០% ក្នុងខែនេះ" ជាជាងដាក់ត្រឹមតែ "ចំណូលខែនេះ")។
3. ធានាថាគ្រប់គំនូសតាងទាំងអស់អាចឆ្លើយតបទៅនឹងគោលដៅយុទ្ធនាការដែលបានព្រមព្រៀងគ្នាពីដំបូង។
4. តភ្ជាប់ទិន្នន័យដោយស្វ័យប្រវត្តិដើម្បីកុំឱ្យបុគ្គលិកចំណាយពេលបញ្ចូលទិន្នន័យដោយដៃរៀងរាល់ចុងខែ។

ឧទាហរណ៍បង្ហាញ៖ ម្ចាស់ហាងលក់ទំនិញអនឡាញម្នាក់ចង់ធ្វើ Conversion Rate Optimization សម្រាប់គេហទំព័ររបស់ខ្លួន។ គាត់បានដំឡើងប្រព័ន្ធតាមដានទិន្នន័យដើម្បីកត់ត្រាចំនួនអ្នកចូលមើល និងអ្នកទិញ។ គាត់បានប្រើប្រាស់គំនូសតាងរាងកោណ (Funnel Chart) ដើម្បីមើលពីដំណើររបស់អតិថិជនតាំងពីការចូលគេហទំព័ររហូតដល់ការទូទាត់ប្រាក់។ ពេលចាប់ផ្តើម គាត់បានបញ្ចូលទិន្នន័យមិនពាក់ព័ន្ធជាច្រើនដូចជាចំនួនអ្នកចុចមើលរូបភាព ធ្វើឱ្យកោណនោះមានរាងខុសប្រក្រតីនិងពិបាកយល់។ តែក្រោយមកគាត់បានកែសម្រួលដោយច្រោះយកតែជំហានសំខាន់ៗចំនួនបួនប៉ុណ្ណោះ (ចូលគេហទំព័រ, មើលផលិតផល, ដាក់ចូលរទេះ, ទូទាត់)។ ជាលទ្ធផល គាត់បានមើលឃើញយ៉ាងច្បាស់នូវចំណុចដែលអតិថិជនបោះបង់ការទិញច្រើនបំផុត (នៅទំព័ររទេះទំនិញ) និងបានធ្វើការកែសម្រួលប៊ូតុងទិញឱ្យធំជាងមុន ដែលនាំឱ្យអត្រានៃការទូទាត់បានសម្រេចកើនឡើងជាលំដាប់។

កំហុសដែលតែងតែជួបប្រទះ	ផលវិបាកដែលអាចកើតមាន	របៀបជៀសវាងនិងកែតម្រូវ
ការប្រើប្រភេទគំនូសតាងខុសគោលបំណង	អ្នកអានយល់ខុសអត្ថន័យទិន្នន័យ	ប្រើប្រាស់ស៊ុមការសម្រេចចិត្តដើម្បីកំណត់ប្រភេទគំនូសតាង។
ការប្រើប្រាស់បែបផែន 3D	បំភាន់ភ្នែកធ្វើឱ្យទំហំទិន្នន័យមើលទៅខុសពីការពិត	ប្រើប្រាស់ការរចនាបែប 2D រាបស្មើ (Flat design) ជានិច្ច។
ការដាក់ពណ៌ច្រើនពេកគ្មានគោលដៅ	ធ្វើឱ្យរញ៉េរញ៉ៃ និងមើលមិនឃើញចំណុចសំខាន់	ប្រើពណ៌ប្រផេះជាគោល និងប្រើ១ពណ៌ប៉ុណ្ណោះសម្រាប់បន្លិច។
កង្វះបរិបទ (មិនមានអ័ក្ស ឬចំណងជើង)	អ្នកអានមិនដឹងថាគំនូសតាងនោះកំពុងនិយាយពីអ្វី	តែងតែដាក់ស្លាកសញ្ញា ចំណងជើង និងប្រភពទិន្នន័យឱ្យបានច្បាស់។

ឈប់ខ្ជះខ្ជាយពេលវេលាជាមួយតារាង Excel ដ៏ស្មុគស្មាញ និងទិន្នន័យដែលពិបាកអាន។ ចាប់ផ្តើមបំប្លែងទិន្នន័យរបស់អ្នកទៅជាគំនូសតាងដែលមានអត្ថន័យជាមួយ Orova Insight។ ចុះឈ្មោះដោយមិនចាំបាច់មានកាតធនាគារ និងប្រើប្រាស់ដោយឥតគិតថ្លៃរហូតដល់ចុងបញ្ចប់ថ្ងៃទី 7/7/2027។

និន្នាការ Data visualization charts ក្នុងប៉ុន្មានឆ្នាំខាងមុខ៖ ទស្សនៈរបស់អ្នកនិពន្ធ

គិតត្រឹមឆ្នាំ ២០២៦ នេះ ខ្ញុំសង្កេតឃើញថាមានការផ្លាស់ប្តូរយ៉ាងខ្លាំងនៅក្នុងរបៀបដែលយើងប្រាស្រ័យទាក់ទងជាមួយទិន្នន័យ។ កាលពីមុន ការបង្កើតគំនូសតាងទាមទារឱ្យមានជំនាញសរសេរកូដ ឬការរៀបចំក្នុងកម្មវិធីដ៏ស្មុគស្មាញ ប៉ុន្តែឥឡូវនេះអ្វីៗកំពុងវិវត្តយ៉ាងលឿន។ តាមការតាមដានការអភិវឌ្ឍបច្ចេកវិទ្យា ខ្ញុំគិតថាក្នុងរយៈពេល២ទៅ៣ឆ្នាំខាងមុខ វិស័យនេះនឹងធ្វើដំណើរទៅរកចំណុចសំខាន់ៗចំនួនបី។

AI នឹងក្លាយជាអ្នកសរសេររឿងរ៉ាវទិន្នន័យជំនួសយើង

សញ្ញាដែលយើងកំពុងឃើញសព្វថ្ងៃគឺការកើនឡើងនៃម៉ូដែលភាសាធំៗដែលទើបតែចាប់ផ្តើមអាចអានតារាងទិន្នន័យបាន។ ខ្ញុំយល់ថានៅពេលដ៏ខ្លីខាងមុខ អ្នកនឹងមិនចាំបាច់ចំណាយពេលអង្គុយជ្រើសរើសប្រភេទគំនូសតាងទៀតទេ។ អ្នកគ្រាន់តែវាយបញ្ចូលជាពាក្យសម្តីធម្មតាទៅកាន់ AI ថា "បង្ហាញខ្ញុំពីមូលហេតុដែលចំណូលខែនេះធ្លាក់ចុះ" នោះប្រព័ន្ធនឹងធ្វើការវិភាគទិន្នន័យរាប់លានជួរ រួចបង្កើតគំនូសតាងដែលត្រឹមត្រូវបំផុត ព្រមទាំងផ្តល់ចំណងជើងដែលរៀបរាប់ពីមូលហេតុនោះយ៉ាងច្បាស់លាស់។ តួនាទីរបស់មនុស្សនឹងប្តូរពីអ្នក "គូររូបភាព" ទៅជាអ្នក "សួរសំណួរ" វិញ។

គំនូសតាងអន្តរកម្មដែលផ្លាស់ប្តូរតាមអ្នកអាន (Personalized Interactive Dashboards)

បច្ចុប្បន្ន របាយការណ៍ភាគច្រើននៅតែត្រូវបានរក្សាទុកជាទម្រង់ PDF ដែលមិនអាចចុចមើលលម្អិតបាន។ ខ្ញុំគិតថា អនាគតនៃ Data visualization គឺជារូបភាពដែលមានជីវិត។ គំនូសតាងតែមួយនឹងបង្ហាញរូបរាងនិងទិន្នន័យខុសៗគ្នា អាស្រ័យលើអ្នកដែលកំពុងមើលវា។ ប្រសិនបើជានាយកប្រតិបត្តិមើល វាគ្រាន់តែបង្ហាញនិន្នាការរួម ប៉ុន្តែបើអ្នកគ្រប់គ្រងផ្នែកលក់មើល វាអាចបង្ហាញលម្អិតដល់តំបន់នីមួយៗដោយស្វ័យប្រវត្តិ។ ដូច្នេះ អ្នកអានគួរតែចាប់ផ្តើមរៀនប្រើប្រាស់ឧបករណ៍ដែលមានមុខងារអន្តរកម្មជាបណ្តើរៗពីពេលនេះតទៅ។

ការបង្ហាញទិន្នន័យនៅលើឧបករណ៍ចល័ត (Mobile-First Visualization)

ការងារកាន់តែច្រើនត្រូវបានសម្រេចនៅលើទូរស័ព្ទដៃ ប៉ុន្តែគំនូសតាងភាគច្រើននៅតែត្រូវបានរចនាសម្រាប់អេក្រង់កុំព្យូទ័រធំៗ ដែលធ្វើឱ្យវារញ៉េរញ៉ៃពេលមើលលើទូរស័ព្ទ។ ខ្ញុំគិតថាវានឹងមានការផ្លាស់ប្តូរស្តង់ដាររចនា ដោយគំនូសតាងនឹងត្រូវបានបំបែកទៅជាកាតតូចៗ និងសាមញ្ញជាងមុន។ ការរៀបចំទិន្នន័យដ៏ស្មុគស្មាញនឹងត្រូវបានលាក់ទុក ហើយបង្ហាញតែនៅពេលដែលអ្នកប្រើប្រាស់អូសឬចុចចូលប៉ុណ្ណោះ។ ទោះជាយ៉ាងណាក៏ដោយ ការព្យាករណ៍ទាំងនេះអាចនឹងមានការប្រែប្រួល ប្រសិនបើមានការរឹតបន្តឹងផ្នែកឯកជនភាពទិន្នន័យដែលធ្វើឱ្យប្រព័ន្ធ AI មិនអាចចូលប្រមូលទិន្នន័យបានពេញលេញនាពេលអនាគត។

សំណួរដែលសួរជាញឹកញាប់អំពី Data visualization charts

ការយល់ដឹងពីប្រធានបទនេះតែងតែបង្កជាសំណួរជាច្រើនសម្រាប់អ្នកអនុវត្តថ្មី។ ខាងក្រោមនេះគឺជាចម្លើយចំពោះសំណួរដែលគេសួរញឹកញាប់បំផុត។

តើការប្រើប្រាស់ Data visualization charts នៅតែចាំបាច់ទេនៅពេលដែលមាន AI?

ចម្លើយគឺនៅតែចាំបាច់បំផុត។ ទោះបីជា AI អាចជួយគូរគំនូសតាងនិងសរសេរអត្ថបទសង្ខេបបានលឿនជាងមុនក៏ដោយ ប៉ុន្តែ AI មិនមានបរិបទអាជីវកម្មគ្រប់គ្រាន់ដើម្បីធ្វើការសម្រេចចិត្តចុងក្រោយជំនួសអ្នកនោះទេ។ Data visualization ដើរតួជាកញ្ចក់ឆ្លុះបញ្ចាំងពីអ្វីដែល AI បានរកឃើញ ជួយឱ្យអ្នកអាចត្រួតពិនិត្យភាពត្រឹមត្រូវ និងទាញយកគំនិតច្នៃប្រឌិតពីវា ដើម្បីបញ្ចុះបញ្ចូលក្រុមការងារឱ្យអនុវត្តការងារបន្ត។

ធ្វើដូចម្តេចដើម្បីរចនាគំនូសតាងដែលងាយស្រួលសម្រាប់អ្នកខ្វាក់ពណ៌ (Color blind friendly)?

អ្នកគួរជៀសវាងការប្រើប្រាស់គូពណ៌ដែលងាយនឹងភាន់ច្រឡំ ដូចជាពណ៌ក្រហម និងពណ៌បៃតង។ ជាជម្រើសដ៏ល្អបំផុត សូមងាកមកប្រើប្រាស់ក្ដារពណ៌ដែលមានសុវត្ថិភាព ដូចជាការផ្គូផ្គងពណ៌ខៀវ និងពណ៌ទឹកក្រូច។ បន្ថែមពីនេះ កុំពឹងផ្អែកតែលើពណ៌ដើម្បីបែងចែកទិន្នន័យ អ្នកគួរប្រើប្រាស់សញ្ញាសម្គាល់ផ្សេងៗ និងសរសេរស្លាកឈ្មោះផ្ទាល់នៅលើបន្ទាត់ឬរបារនីមួយៗតែម្តង។

ពេលណាគួរផ្លាស់ប្តូរពី Excel/Google Sheets ទៅជាឧបករណ៍ BI ដូចជា Tableau ឬ Power BI?

អ្នកគួរពិចារណាផ្លាស់ប្តូរនៅពេលដែលទិន្នន័យរបស់អ្នកមានទំហំធំខ្លាំងរហូតធ្វើឱ្យសៀវភៅបញ្ជី (Spreadsheet) ដើរយឺត ឬគាំង។ មួយវិញទៀត គឺនៅពេលដែលអ្នកត្រូវការភ្ជាប់ទិន្នន័យពីប្រព័ន្ធច្រើនផ្សេងៗគ្នាដោយស្វ័យប្រវត្តិ ដើម្បីបង្កើតរបាយការណ៍ដែលធ្វើបច្ចុប្បន្នភាពដោយស្វ័យប្រវត្តិតាមកាលវិភាគ។ ឧបករណ៍ BI ផ្តល់នូវសមត្ថភាពដោះស្រាយបញ្ហាទិន្នន័យធំ និងការរៀបចំសិទ្ធិចូលប្រើប្រាស់ប្រកបដោយសុវត្ថិភាពជាងមុន។

តើអ្វីជា how to choose the right data visualization chart សម្រាប់របាយការណ៍ហិរញ្ញវត្ថុ?

សម្រាប់របាយការណ៍ហិរញ្ញវត្ថុ ភាពច្បាស់លាស់គឺជាកត្តាចម្បងបំផុត។ អ្នកគួរប្រើប្រាស់គំនូសតាងរបារ (Bar Chart) ដើម្បីប្រៀបធៀបចំណូលប្រចាំត្រីមាស និងប្រើប្រាស់គំនូសតាងទឹកធ្លាក់ (Waterfall Chart) ដើម្បីបង្ហាញពីមូលហេតុនៃការកើនឡើង ឬធ្លាក់ចុះនៃប្រាក់ចំណេញសុទ្ធពីចំណុចមួយទៅចំណុចមួយ។ ជៀសវាងការប្រើប្រាស់គំនូសតាងចំណិតច្រើនពេក ព្រោះវាពិបាកក្នុងការវិនិច្ឆ័យទំហំនៃការប្រែប្រួលតូចតាច។

តើអាចស្វែងរក data visualization examples ល្អៗនៅឯណា?

មានប្រភពដ៏អស្ចារ្យជាច្រើននៅលើអ៊ីនធឺណិតដើម្បីទាញយកគំនិតច្នៃប្រឌិត។ អ្នកអាចចូលទៅកាន់វិចិត្រសាល (Gallery) របស់ឧបករណ៍មើលឃើញទិន្នន័យល្បីៗ ព្រោះពួកគេតែងតែបង្ហោះទម្រង់គំរូដ៏ស្រស់ស្អាតនិងមានវិជ្ជាជីវៈ។ ការសិក្សាពីរូបភាពគំរូទាំងនេះនឹងជួយពង្រីកការគិត និងផ្តល់គំនិតថ្មីៗសម្រាប់ការរចនារបាយការណ៍បន្ទាប់របស់អ្នកឱ្យកាន់តែមានឥទ្ធិពល។

តើគួរចាប់ផ្តើមពីណា?

ប្រសិនបើអ្នកមានអារម្មណ៍ថាព័ត៌មាននេះមានទំហំធំ និងមិនដឹងថាគួរដើរជំហានដំបូងពីចំណុចណានោះ សូមក្រឡេកមើលស្ថានភាពជាក់ស្តែងរបស់អាជីវកម្មអ្នកនាពេលបច្ចុប្បន្ន ហើយអនុវត្តតាមកម្រិតនីមួយៗខាងក្រោមនេះ។

១. ស្ថានភាពមិនទាន់មានទិន្នន័យអ្វីសោះ ប្រសិនបើអ្នកមិនទាន់មានប្រព័ន្ធប្រមូលទិន្នន័យទេ ជំហានដំបូងមិនមែនជាការរកទិញកម្មវិធីថ្លៃៗនោះឡើយ។ អ្វីដែលអ្នកអាចធ្វើបានភ្លាមៗក្នុងមួយព្រឹក គឺការអង្គុយចុះជាមួយក្រុមការងារ ហើយកំណត់យកសូចនាករសំខាន់បំផុតត្រឹមតែមួយឬពីរ ដែលវាស់វែងភាពជោគជ័យរបស់អ្នក ដូចជាចំនួនអតិថិជនថ្មីប្រចាំសប្តាហ៍។ បន្ទាប់មក ចាប់ផ្តើមកត់ត្រាវាចូលក្នុង Google Sheets ជាប្រចាំ។

២. ស្ថានភាពមានទិន្នន័យ តែនៅរាយប៉ាយតាមផ្នែកផ្សេងៗ ប្រសិនបើក្រុមហ៊ុនអ្នកមានទិន្នន័យច្រើន ប៉ុន្តែវាស្ថិតនៅក្នុងឯកសារផ្សេងៗគ្នារបស់បុគ្គលិកម្នាក់ៗ។ ជំហានបន្ទាប់ដែលអ្នកត្រូវធ្វើគឺការតម្រូវឱ្យមានការប្រមូលផ្តុំទិន្នន័យសំខាន់ៗទាំងនោះចូលទៅក្នុងផ្ទាំងគ្រប់គ្រងទីផ្សារ (Marketing Dashboard) រួមតែមួយ។ ការធ្វើបែបនេះជួយឱ្យអ្នកគ្រប់គ្រងអាចមើលឃើញរូបភាពរួមនៃប្រតិបត្តិការក្រុមហ៊ុន ដោយមិនចាំបាច់រង់ចាំការបញ្ជូនឯកសារពីនាយកដ្ឋាននីមួយៗនោះទេ។

៣. ស្ថានភាពបានធ្វើរបាយការណ៍ហើយ តែគ្មាននរណាម្នាក់អានឬវាស់វែង ប្រសិនបើអ្នកមានរបាយការណ៍គំនូសតាងប្រចាំខែយ៉ាងស្អាតរួចហើយ ប៉ុន្តែវាគ្រាន់តែជាឯកសារដែលគេផ្ញើចូលអ៊ីមែលហើយបោះបង់ចោល។ ជំហានទីមួយដែលត្រូវកែតម្រូវគឺផ្តោតលើ Data Storytelling។ សាកល្បងផ្លាស់ប្តូររបៀបសរសេរចំណងជើងរបាយការណ៍ ពីការគ្រាន់តែប្រាប់ឈ្មោះតារាង ទៅជាការសរសេរប្រយោគដែលឆ្លុះបញ្ចាំងពីការរកឃើញសំខាន់បំផុត ឧទាហរណ៍៖ "ចំណាយទីផ្សារកើនឡើង ប៉ុន្តែអត្រាបំប្លែងធ្លាក់ចុះនៅសប្តាហ៍ទី៣"។

សរុបមក ការចេះប្រើប្រាស់ data visualization charts ឱ្យបានត្រឹមត្រូវ គឺជាជំនាញដែលមិនអាចខ្វះបានសម្រាប់អ្នកដែលចង់ប្រែក្លាយទិន្នន័យទៅជាសកម្មភាពជាក់ស្តែង និងជំរុញកំណើនអាជីវកម្មក្នុងយុគសម័យឌីជីថលនេះ។