BI 6 — Trực quan hoá & thiết kế Dashboard hiệu quả

Vì sao trực quan hoá quan trọng

Dữ liệu thô — dù sạch và chính xác đến đâu — không tự nó tạo ra quyết định. Một bảng 50 dòng số liệu huy động theo chi nhánh có thể chứa đầy đủ thông tin, nhưng bộ não con người không xử lý tốt các dãy số. Trực quan hoá (data visualization) là quá trình mã hoá dữ liệu thành các thuộc tính thị giác (vị trí, độ dài, màu sắc, kích thước) để người xem nhận ra mẫu hình, xu hướng và bất thường chỉ trong vài giây.

Mục tiêu của trực quan hoá không phải là "làm cho đẹp". Mục tiêu là:

• Giảm tải nhận thức (cognitive load): chuyển công việc "tính toán trong đầu" sang "nhìn là thấy".
• Phát hiện mẫu hình: xu hướng tăng/giảm, chu kỳ mùa vụ, điểm gãy, ngoại lệ.
• So sánh nhanh: chi nhánh nào dẫn đầu, sản phẩm nào tụt lại.
• Truyền đạt và thuyết phục: hỗ trợ ra quyết định, không chỉ trình bày.

Một nguyên tắc nền tảng từ Edward Tufte: tối đa hoá data-ink ratio — tỷ lệ mực (pixel) dùng để thể hiện dữ liệu so với tổng mực. Mọi thứ không truyền tải thông tin (đường viền thừa, gradient, bóng đổ, hình nền) đều là "chartjunk" cần loại bỏ.

Chọn biểu đồ theo ý định phân tích

Sai lầm phổ biến nhất là chọn biểu đồ theo thói quen hoặc thẩm mỹ thay vì theo câu hỏi đang muốn trả lời. Trước khi vẽ, hãy tự hỏi: tôi đang muốn người xem thấy điều gì? So sánh? Xu hướng? Tỷ trọng? Phân phối? Quan hệ?

So sánh giữa các hạng mục

Khi cần so sánh giá trị giữa các đối tượng rời rạc (chi nhánh, sản phẩm, phòng ban), biểu đồ cột (column) hoặc thanh ngang (bar) là lựa chọn tốt nhất. Mắt người so sánh độ dài rất chính xác. Dùng thanh ngang khi nhãn dài hoặc số hạng mục nhiều (dễ đọc nhãn hơn). Sắp xếp theo giá trị (giảm dần) thay vì theo bảng chữ cái để mẫu hình hiện ra ngay.

Xu hướng theo thời gian

Với dữ liệu chuỗi thời gian (doanh số theo tháng, dư nợ theo quý), biểu đồ đường (line) thể hiện sự liên tục và hướng đi tốt nhất. Nếu chỉ có vài mốc thời gian rời rạc, cột vẫn dùng được; nhưng khi có nhiều điểm liên tục, đường là chuẩn mực. Tránh dùng đường cho các hạng mục không có thứ tự tự nhiên (đường nối giữa các chi nhánh là vô nghĩa).

Thành phần / tỷ trọng

Khi muốn thể hiện một tổng thể được chia thành các phần (cơ cấu nguồn vốn, tỷ lệ sản phẩm trong tổng dư nợ), dùng cột chồng (stacked bar) hoặc treemap. Hạn chế biểu đồ tròn (pie): mắt người so sánh diện tích/góc kém chính xác hơn nhiều so với độ dài. Nếu vẫn dùng pie, giới hạn 2–4 lát và gộp phần nhỏ vào "Khác". Khi cần theo dõi tỷ trọng thay đổi theo thời gian, dùng stacked area hoặc 100% stacked bar.

Phân phối

Để hiểu dữ liệu phân bố ra sao (số tiền giao dịch, tuổi khách hàng), dùng histogram (xem hình dạng, độ lệch, đa đỉnh) hoặc box plot (xem trung vị, tứ phân vị, ngoại lệ — đặc biệt hữu ích khi so sánh phân phối giữa nhiều nhóm).

Tương quan

Khi muốn xem quan hệ giữa hai biến số liên tục (thu nhập vs hạn mức tín dụng), scatter plot là công cụ chuẩn. Thêm chiều thứ ba bằng kích thước điểm (bubble) hoặc màu sắc nếu cần.

Khi cần con số chính xác

Đôi khi biểu đồ không phải lựa chọn tốt nhất. Khi người dùng cần tra cứu giá trị chính xác (báo cáo tài chính, đối chiếu số liệu), một bảng số được định dạng tốt (căn phải, phân tách hàng nghìn, tô màu có điều kiện) là phù hợp hơn. Bảng kết hợp sparkline và bullet chart cho thông tin mật độ cao.

Bảng tra cứu: ý định → loại biểu đồ

Ý định phân tích	Loại biểu đồ nên dùng	Tránh dùng
So sánh giá trị giữa hạng mục	Cột / thanh ngang (sắp xếp theo giá trị)	Pie, đường
Xu hướng theo thời gian	Đường; cột nếu ít mốc	Pie
Cơ cấu / tỷ trọng tĩnh	Cột chồng, treemap, (pie ≤4 lát)	Pie nhiều lát
Tỷ trọng thay đổi theo thời gian	Stacked area, 100% stacked bar	Nhiều pie cạnh nhau
Phân phối một biến	Histogram, box plot	Pie
So sánh phân phối nhiều nhóm	Box plot, violin	Cột trung bình đơn thuần
Tương quan hai biến số	Scatter (bubble nếu 3 biến)	Đường, cột
Tra cứu giá trị chính xác	Bảng số + sparkline/bullet	Biểu đồ làm tròn
Một chỉ số tổng quan (KPI)	KPI card / big number + delta	Gauge 3D
Dữ liệu địa lý	Bản đồ choropleth / điểm	Bảng tên tỉnh

Các lỗi trực quan hoá phổ biến

Tránh được những lỗi sau đã giúp bạn vượt phần lớn dashboard kém chất lượng:

• Pie quá nhiều lát: trên 4–5 lát, người xem không còn phân biệt nổi. Thay bằng cột.
• Trục y không bắt đầu từ 0: với biểu đồ cột/thanh, cắt trục y phóng đại sai lệch khiến chênh lệch nhỏ trông như khổng lồ. Cột bắt buộc bắt đầu từ 0. (Biểu đồ đường có thể không từ 0 nếu mục tiêu là xem biến thiên, nhưng phải ghi chú rõ.)
• Hiệu ứng 3D: bóp méo tỷ lệ, che khuất dữ liệu, không thêm thông tin. Luôn dùng 2D.
• Quá nhiều màu: mỗi màu nên mang ý nghĩa. Bảng màu loạn xạ làm mắt mệt và không nhấn được điểm quan trọng. Dùng màu xám cho nền, một màu nhấn cho điểm cần chú ý.
• Chartjunk: đường lưới đậm, viền dày, gradient, biểu tượng trang trí, hình nền. Mọi pixel không truyền dữ liệu là nhiễu.
• Dual-axis gây hiểu lầm: hai trục y khác đơn vị có thể tạo tương quan giả. Dùng thận trọng và ghi nhãn rõ.
• Sắp xếp tuỳ tiện: không sắp xếp theo giá trị làm mất đi mẫu hình hiển nhiên.
• Thiếu ngữ cảnh: số liệu không có mốc so sánh (kỳ trước, mục tiêu, trung bình ngành) thì không nói lên điều gì.

Nguyên tắc thiết kế dashboard

Dashboard không phải là "tập hợp các biểu đồ đẹp". Đó là một công cụ trả lời câu hỏi. Bắt đầu từ con người, không phải từ dữ liệu.

1. Xác định đối tượng và câu hỏi trước

Trước khi mở công cụ vẽ, trả lời: Ai sẽ xem? Họ cần ra quyết định gì? Câu hỏi nào họ hỏi mỗi ngày? Giám đốc chi nhánh và chuyên viên rủi ro cần dashboard hoàn toàn khác nhau dù cùng dữ liệu. Mỗi chỉ số đưa lên phải phục vụ một quyết định cụ thể.

2. Bố cục theo thứ tự ưu tiên

Người đọc quét màn hình theo F-pattern (hoặc Z-pattern): trên-trái được nhìn đầu tiên và lâu nhất. Đặt KPI quan trọng nhất ở góc trên-trái, thông tin chi tiết và phụ trợ ở dưới. Bố cục "tổng quan → chi tiết" (overview first, details on demand — nguyên tắc Shneiderman): hàng trên là các con số tổng, các hàng dưới phân rã theo chiều (chi nhánh, thời gian, sản phẩm).

3. Nhất quán và tiết chế

• Màu nhất quán: cùng một chỉ tiêu luôn cùng một màu trên mọi biểu đồ. Dùng màu có ý nghĩa văn hoá (đỏ = xấu/giảm, xanh = tốt/tăng) một cách nhất quán.
• Đơn vị nhất quán: đừng trộn "tỷ đồng" chỗ này "triệu đồng" chỗ kia.
• Ít chỉ số quan trọng: một dashboard tốt có 5–9 chỉ số chính, không phải 40. Nếu mọi thứ đều quan trọng thì không gì quan trọng.
• Khoảng trắng (white space): đừng nhồi nhét. Khoảng trống giúp nhóm và phân tách thông tin.

4. Tương tác

Cho phép người dùng lọc (filter) theo thời gian, chi nhánh, sản phẩm; và khoan sâu (drill-down) từ tổng xuống chi tiết. Tương tác biến một dashboard tĩnh thành công cụ khám phá, giảm số dashboard cần xây.

Pre-attentive attributes

Một số thuộc tính thị giác được não xử lý trước cả khi tập trung chú ý — trong khoảng 200 mili-giây, không cần "tìm". Đó là pre-attentive attributes: màu sắc (hue/intensity), kích thước, vị trí, hướng, độ dài. Tận dụng chúng để dẫn mắt: tô đỏ một con số NPL vượt ngưỡng thì mắt sẽ bắt ngay mà không cần đọc cả bảng. Ngược lại, nếu mọi thứ đều nổi bật thì không gì nổi bật — hãy dùng tiết kiệm.

Data storytelling — kể chuyện bằng dữ liệu

Trực quan hoá tốt cho phép khám phá; storytelling tốt cho phép thuyết phục. Khác biệt nằm ở việc bạn dẫn dắt người xem qua một mạch logic, không để họ tự bơi.

Một câu chuyện dữ liệu có cấu trúc cổ điển: bối cảnh → diễn biến → cao trào (phát hiện chính) → khuyến nghị hành động. Ví dụ: "CASA tăng đều ba quý (bối cảnh), nhưng quý này chững lại ở chi nhánh miền Trung (diễn biến), nguyên nhân là một khách hàng lớn rút tiền gửi (cao trào), đề xuất chăm sóc nhóm khách hàng tương tự (hành động)."

Kỹ thuật cốt lõi:

• Một thông điệp cho mỗi biểu đồ: tiêu đề biểu đồ nên là kết luận ("Dư nợ bán lẻ tăng 18% so cùng kỳ"), không phải nhãn trung tính ("Dư nợ theo quý").
• Nhấn mạnh có chủ đích: làm mờ phần nền, tô màu phần muốn người xem nhìn.
• Chú thích trực tiếp (annotation): đặt giải thích ngay trên biểu đồ tại điểm cần lưu ý.
• Tiến trình logic: sắp xếp các biểu đồ/slide theo mạch dẫn tới kết luận.

Ba loại dashboard

Không phải mọi dashboard giống nhau. Phân biệt mục đích giúp thiết kế đúng:

Loại	Đối tượng	Tần suất	Đặc điểm
Vận hành (operational)	Nhân viên tuyến đầu	Thời gian thực / phút	Theo dõi tức thời, cảnh báo, ít diễn giải
Phân tích (analytical)	Chuyên viên phân tích	Theo nhu cầu	Tương tác mạnh, drill-down sâu, nhiều chiều
Điều hành (strategic/executive)	Lãnh đạo	Tuần / tháng	Ít chỉ số, KPI tổng, so với mục tiêu, gọn

Dashboard điều hành sai lầm phổ biến là quá chi tiết; dashboard vận hành sai lầm là quá nhiều diễn giải làm chậm phản ứng.

Ví dụ: dashboard ngân hàng theo chi nhánh

Giả sử xây dashboard điều hành cho ban lãnh đạo theo dõi hoạt động chi nhánh. Các chỉ số trọng yếu:

• Huy động vốn (tổng số dư tiền gửi) — so kỳ trước và mục tiêu.
• Dư nợ tín dụng — tổng và cơ cấu bán lẻ/doanh nghiệp.
• CASA ratio (tỷ lệ tiền gửi không kỳ hạn) — chỉ số chi phí vốn, càng cao càng tốt.
• NPL ratio (tỷ lệ nợ xấu) — chỉ số rủi ro, có ngưỡng cảnh báo.

Cách thiết kế cụ thể: KPI cards ở trên dùng "big number" kèm mũi tên delta so kỳ trước. NPL card tô đỏ khi vượt ngưỡng (pre-attentive). Xu hướng dùng đường (chuỗi thời gian). So sánh chi nhánh dùng thanh ngang sắp xếp giảm dần (chi nhánh tệ nhất nổi lên đầu). Bảng chi tiết ở dưới cho phép drill-down. Bộ lọc thời gian và vùng miền đặt trên cùng, áp dụng cho toàn dashboard.

Checklist thiết kế dashboard

• Đã xác định rõ đối tượng xem và các câu hỏi cần trả lời?
• Mỗi chỉ số trên dashboard phục vụ một quyết định cụ thể?
• Số chỉ số chính nằm trong khoảng 5–9?
• KPI quan trọng nhất ở góc trên-trái (F-pattern)?
• Bố cục đi từ tổng quan xuống chi tiết?
• Mỗi biểu đồ chọn đúng loại theo ý định phân tích?
• Cột/thanh bắt đầu từ 0; không có 3D, không chartjunk?
• Màu sắc và đơn vị nhất quán toàn dashboard?
• Mỗi số liệu có ngữ cảnh (kỳ trước / mục tiêu / ngưỡng)?
• Tiêu đề biểu đồ nói lên kết luận, không chỉ là nhãn?
• Có bộ lọc và khả năng drill-down phù hợp?
• Đã lấy phản hồi từ người dùng thực trước khi phát hành?

Tóm tắt

Trực quan hoá là việc mã hoá dữ liệu thành thuộc tính thị giác để con người nhận ra mẫu hình nhanh chóng, với mục tiêu giảm tải nhận thức và hỗ trợ quyết định — không phải làm đẹp. Việc chọn biểu đồ phải xuất phát từ ý định phân tích: cột cho so sánh, đường cho xu hướng thời gian, stacked/treemap cho tỷ trọng, histogram/box cho phân phối, scatter cho tương quan, và bảng khi cần độ chính xác. Tránh các lỗi kinh điển như pie quá nhiều lát, trục y cắt, hiệu ứng 3D và chartjunk. Thiết kế dashboard bắt đầu từ đối tượng và câu hỏi, bố cục theo F-pattern và nguyên tắc tổng-quan-trước-chi-tiết-sau, nhất quán màu và đơn vị, tiết chế số lượng chỉ số, và tận dụng pre-attentive attributes để dẫn mắt. Cuối cùng, data storytelling biến biểu đồ thành lập luận thuyết phục, và việc phân biệt dashboard vận hành/phân tích/điều hành giúp thiết kế đúng mục đích.

Tự kiểm tra

1. Bạn cần so sánh dư nợ giữa 12 chi nhánh — nên dùng loại biểu đồ nào và sắp xếp ra sao?
2. Vì sao biểu đồ cột bắt buộc phải có trục y bắt đầu từ 0, trong khi biểu đồ đường có thể không?
3. Pre-attentive attributes là gì, và tại sao "tô đỏ mọi thứ quan trọng" lại phản tác dụng?
4. Khác biệt cốt lõi giữa dashboard điều hành và dashboard phân tích là gì?
5. Theo nguyên tắc storytelling, tiêu đề một biểu đồ nên viết như thế nào?
6. Khi nào một bảng số lại tốt hơn một biểu đồ?

Đọc tiếp

BI 7 — Phân tích nâng cao