TRÌNH BÀY DỮ LIỆU ĐỒ THỊ TRONG TRỰC QUAN HĨA DỮ LIỆU
Vũ Thị Thanh Hương
Khoa Công nghệ Thông tin. Trường Đại học Tài chính - Marketing
Email:

Tóm tắt: Trong nền kinh tế đang từng bước chuyển đổi số hiện nay, phân tích và thấu hiểu
những dữ liệu có sẵn giúp doanh nghiệp nhận thấy được nhưng sai xót, khiếm khuyết trong quá
khứ và tìm ra phương án giải quyết, đồng thời khám phá ra những cơ hội mới để phát triển doanh
nghiệp. Một trong những bước quan trọng trong quá trình phân tích dữ liệu là trực quan hóa dữ
liệu… Trực quan hóa dữ liệu là bước quan trọng của bất kì quy trình phân tích hay khai phá dữ
liệu và là công cụ được sử dụng phổ biến và rộng rãi ở mọi tổ chức thuộc mọi lĩnh vực với mục
đích truyền đạt, trình bày một cách đơn giản, hiệu quả, thu hút những thông tin, dữ liệu đến
người đọc. Bài viết tập trung vào nội dung trình bày dữ liệu trong trực quan hóa dữ liệu.
Từ khóa: trực quan hóa dữ liệu, dữ liệu, phân tích dữ liệu

1. MỞ ĐẦU
Dữ liệu là tài sản quý giá của doanh nghiệp cần được chế biến để chuyển hóa thành
giá trị sử dụng. Hầu hết các nhà quản trị hiện nay đều quan tâm đến vấn đề xây dựng văn
hóa đưa ra các quyết định kinh doanh dựa trên dữ liệu. Hầu hết các bộ phận trong doanh
nghiệp như sales & marketing, quản trị nhân sự, quản lý vận hành, quản lý tài chính, quản
lý rủi ro và kiểm tốn…đều cần trực quan hóa dữ liệu nhằm cho mục đích báo cáo nội bộ,
cung cấp các báo cáo cho khách hàng hoặc các ấn phẩm marketing, giúp người đọc những
thông tin quan trọng khó nhìn thấy ngay lập tức trong dữ liệu thơ. Để chuyển hóa tạo ra giá
trị từ dữ liệu thơ ban đầu, thơng thường cần có ba giai đoạn sau:
- Dữ liệu (Data): là những dữ liệu thô tạo ra từ thực tế, thường ở dạng số (number)
hoặc dạng văn bản (text) trích xuất từ cơ sở dữ liệu của doanh nghiệp. Dữ liệu có thể là
định lượng hoặc định tính.
- Thơng tin (Information): là ‘dữ liệu’ được xử lý, tổng hợp, sắp xếp thành một định
dạng có cấu trúc và cung cấp nhiều ngữ cảnh cụ thể để tạo ra thơng tin có ý nghĩa. Dữ liệu
mà khơng có ngữ cảnh thì ít có giá trị.

43


- Những hiểu biết giá trị (Insights): đây là kết quả từ việc phân tích thơng tin và rút
ra kết luận, từ đó mang đến những hiểu biết có giá trị đối với doanh nghiệp để giúp nhà
quản trị đưa ra những quyết định kinh doanh.
Trực quan hóa dữ liệu (data vizualization) là kỹ thuật trình bày số liệu và thơng tin
bằng hình ảnh, thơng thường là các biểu đồ, đồ thị hoặc dưới dạng các báo cáo dashboard.
Mục tiêu chính của trực quan hóa dữ liệu là truyền đạt thông tin hiệu quả đến người đọc
thông qua các phương tiện đồ họa; minh họa bằng hình ảnh cung cấp cho người đọc những
thơng tin quan trọng khó nhìn thấy ngay lập tức trong dữ liệu thô.
Việc thực hiện trực quan hóa dữ liệu và phân tích thơng tin là các bước sau cùng của
quy trình khai thác dữ liệu, sau khi đã thu thập, xử lý và tổ chức dữ liệu, và do đó, kết quả
của việc trình bày dữ liệu phụ thuộc rất nhiều vào chất lượng của nguồn dữ liệu cũng như
mức độ chuẩn hóa của các thơng tin đầu vào. Mục đích của trực quan hóa dữ liệu là biến
các nguồn dữ liệu thành những thông tin được thể hiện một cách trực quan, dễ quan sát, dễ
hiểu, để truyền đạt rõ ràng những hiểu biết đầy đủ từ dữ liệu đến người xem, người đọc.
Trực quan dữ liệu là công cụ hỗ trợ dành cho các chuyên gia, nhà phân tích để hiểu được
về xư liệu, tóm tắt được những thơng tin có giá trị trong bộ dữ liệu một cách nhanh chóng.
Khái niệm của trực quan dữ liệu đơn giản, nhưng để hiểu được bản chất cỉa nó chúng ta
phải tìm hiểu qua các dạng đồ thị, biểu đồ được trình bày ở mục sau của bài viết.
2. PHƯƠNG PHÁP TĨM TẮT, TRÌNH BÀY DỮ LIỆU
Tóm tắt, trình bày dữ liệu là một phần nằm trong trực quan hóa dữ liệu vì nó liên
quan đến việc thể hiện, mơ tả dữ liệu định tính, định lượng dưới các dạng đồ thị phù hợp.
2.1. Trình bày dữ liệu định tính
Dữ liệu định tính phản ánh tính chất, hay loại hình, khơng có biểu hiện trực tiếp bằng
con số. Ví dụ giới tính, nghề nghiệp, tình trạng hôn nhân, dân tộc, tôn giáo, học thức,…
Với biến định tính chúng ta có thể đếm số quan sát cho từng loại (tần số) và tính % cho mỗi
loại trong tổng thể (tần suất).
Để thể hiện dữ liệu định tính dướng dạng các đồ thị, biểu đồ thì trước hết dữ liệu định

tính phải được tóm tắt, và sắp xếp dưới các bảng phân phối tần số gọi là Frequency
Distributiob Table.

44


Phân tổ hoặc nhóm (class) là q trình chúng ta căn cứ vào một hay một số biến đặc
trưng cụ thể nào đó để sắp xếp các đơn vị quan sát vào các tổ, nhóm có đặc điểm khác nhau,
tức là chia mẫu hoặc tổng thể thành các tổ nhóm có tính chất khác nhau.
Ví dụ dữ liệu về loại nước giải khát được tiêu thụ phổ biến bởi 50 sinh viên một
trường đại học tại Tp. Hồ Chí Minh như sau:
Bảng 1. Dữ liệu về loại nước giải khát
1 Dasani

11 Sting

21 Pepsi

31 Dasani

41 C2

2 Dasani

12 Coca-cola

22 Pepsi

32 Pepsi


42 Sting

3 Sting

13 Dasani

23 Dasani

33 Twister

43 Pepsi

4 Coca-cola

14 Coca-cola

24 Sting

34 Dasani

44 C2

5 Pepsi

15 Sting

25 Pepsi

35 C2


45 Coca-cola

6 Dasani

16 Pepsi

26 Coca-cola

36 Coca-cola

46 Dasani

7 Sting

17 Pepsi

27 Dasani

37 Dasani

47 C2

8 Dasani

18 Dasani

28 Twister

38 Sting


48 Sting

9 Sting

19 Pepsi

29 Sting

39 Pepsi

49 Sting

10 Twister

20 Sting

30 Twister

40 Sting

50 C2

Chúng ta lấy thử một mẫu 50 quan sát như trên bảng trên, ta nhận thấy số loại nước
ngọt không quá nhiều, gồm có 6 loại là: Dasani, Coca-cola, Pepsi, Sting, Twister, C2. Ta
phân 6 tổ, mỗi tổ là 1 nhãn hiệu nước giải khát như sau:
Bảng 2. Phân phối tần suất của nước giải khát
Loại nước giải khát
Dasani

Tần số


Tần số tương đối Tần suất Tần suất tích lũy

12

0.24

24

24

6

0.12

12

36

Sting

10

0.2

20

56

Pepsi


4

0.08

8

64

13

0.26

26

90

5

0.1

10

100

50

1

100


Coca-cola

Twister
C2
Tổng

Trường hợp lấy mẫu lớn trên 50 hay xem xét tổng thể tất cả sinh viên trong trường
thì dữ liệu loại nước giải khát sẽ rất đa dạng về nhãn hiệu không chỉ có 6 loại ở trên, do đó

45


để thống kê hiệu quả, đồ thị, biểu đồ vẽ ra phù hợp, chúng ta có thể chia tổ theo những
nhóm ví dụ cụ như sau:
-

Nước khống (Dasani, Lavie, Aquafina,…)

-

Nước giải khát có gas (Coca-cola, Pepsi, Sprite,…)

-

Nước tăng lực (Sting, Wake-up 247, Rồng Đỏ,...)

-

Nước ép trái cây (Twister, Nutri Boost, Aloe Vera Juice,…)


-

Các loại nước giải khát khác (C2, Ô long,…)
Lưu ý đối với dữ định lượng được chuyển đổi thành dữ liệu định tính đề khảo sát về

phân phối tần số cũng có thể được chia tổ/ nhóm. Ví dụ thu thập dữ liệu về thu nhập bình
quân hàng tháng của 50 hộ gia đình rất đa dạng về phạm vi để tóm tắt đơn giản ta có thể
chia tổ nhóm theo:
-

Thu nhập dưới 5 triệu: 6 hộ

-

Từ 5 triệu đến 10 triệu: 12 hộ

-

Từ 10 triệu đến 15 triệu: 23 hộ

-

Trên 15 triệu: 9 hộ

Trở lại với Bảng 2:
-

Tần số (Frequenc/ Frequency of Class) là quan sát của một nhóm trong mẫu hoặc
tổng thể.


-

Tần số tương đối (Relative Frequency) là tần số quan sát mà mỗi nhóm chiếm được
trong mẫu hoặc tổng thể ,tức là lấy số quan sát của từng nhóm chia cho tổng đơn vị
mẫu hoặc tổng thể

-

Tần suất (Class Percentage): là tỷ lệ % mỗi nhóm chiếm trong mẫu, lấy tần số tương
đối nhân cho 100.

-

Tần suất tích lũy (Cumulatove Percent) được tính bằng cách cộng dồn các tần suất
theo thứ tự từ tổ nhóm đầu tiên đến cuối cùng. Tần suất tích lũy được áp dụng chủ
yếu cho các dữ liệu định lượng có phân tổ trên bảng phân phối tần số do nó có ý
nghĩa phân tích cịn đối với dữ liệu định tính (biến định danh) ta lấy ví dụ ở trên thì
thường khơng được áp dụng.
46


Những dạng đồ thị sử dụng trong trực quan hóa dữ liệu được chia làm 5 loại chính,
phụ thuộc vào mục đích, thơng tin mà chúng ta muốn biết:
-

Comparision: đồ thị cho biết sự hơn kém nhau giữa các đối tượng nghiên cứu

-


Composition: đồ thị thể hiện cụ thể từng thành phần cấu tạo nên một nhóm, một
vùng,… và mỗi thành phần ấy chiếm tỷ lệ như thế nào

-

Distribution: đồ thị xem xét về phân phối dữ liệu, mức độ phân tán, mức độ tập trung
của dữ liệu, hay xác định các điểm bất thường, giá trị ngoại lệ của dữ liệu.

-

Trend: đồ thị thể hiện về xu hướng biến động của đối tượng nghiên cứu trong dữ
liệu.

-

Realtionship/ Correlation: đồ thị thể hiện về mối quan hệ, tương quan giữa 2 hay
nhiều đối tượng nghiên cứu trong dữ liệu
Để trực quan dữ liệu định tính theo cách phân phối tần số, chúng ta cần vẽ các biểu

đồ cột đứng hoặc ngang (Bar chart/ Column chart), biểu đồ tròn (Pie Chart), biểu đồ Pareto
Các biểu đồ được minh họa như sau:
•

Bar chart/ Column chart:

Hình 1. Biểu đồ cột đứng thể hiện tần số của mỗi loại nước giải khát

Ở cột đứng, cột ngang “Tần số”, chúng ta có thể thay bằng “tần suất” với giá trị tần
suất của mỗi loại nước giải khác để vẽ biểu đồ


47


Hình 2. Biểu đồ cột ngang thể hiện tần số của mỗi loại nước giải khát

Biểu đồ cột đứng hay cột ngang thể hiện tần số của mỗi loại, mỗi đối tượng và thể
hiện sự so sánh giữa chúng. Biểu đồ cột là biểu đồ đơn giản, trực quan nhất, người xem dễ
thấy rõ được cái nào giá trị lớn nhất, bé nhất, sự hơn kém giữa (thông thường được sắp xếp
theo thứ tự)
•

Pie chart
Biểu đồ hình trịn áp dụng cho trường hợp số lượng các thành phần riêng lẻ khơng

q nhiều, chỉ từ 5 thành phần, trường hợp có nhiều hơn 5 thành phần thì giá trị hay tỷ lệ
% giữa các thành phần phải khác biệt rõ rệt để dễ so sánh. Biểu đồ tròn phải đảm bảo yếu
tố trực quan, nghĩa là người xem có thể thấy nhanh chóng thành phần nào chiếm tỷ lệ lớn
nhất, bé nhất, thành phần nào hơn thành phần nào, và tốt hơn là để con số % đó lên đồ thị,
đặc biệt tránh trường hợp gây nhầm lẫn, khó hiểu cho người xem ví dụ như phần có tỷ lệ
26% lại được vẽ giống như gần bằng phần có tỷ lệ 30%. Biểu đồ trịn có rất nhiều ứng dụng
nhưng khơng phải vì thế mà chúng ta có thể sử dụng tùy tiện mà cần xem xét đến tính hợp
lý và hiệu quả trong trực quan hóa dữ liệu.
Biểu đồ hình trịn hay cịn gọi là hình bánh thể hiện tốt tần suất, nhưng không thể hiện
được tần số của từng loại nước giải khát. Biểu đồ hình trịn giống như một cái bánh và mỗi
lát bánh cho mỗi loại. Kích thước của một lát tương ứng với tỷ lệ phần trăm số quan sát
hay còn gọi là tần suất của nó trong tổng thể hoặc mẫu. Biểu đồ trịn cũng thể hiện được sự
hơn kém giữa các phần nhưng không rõ bằng biểu đồ cột

48



Hình 3. Biểu đồ trịn thể hiện tần suất của mỗi loại nước giải khát

•

Pareto chart
Là loại biểu đồ cột mà các cột của nó được sắp xếp theo thứ tự từ thấp đến cao theo

tần số còn các giá trị tần suất tích lũy được biểu diễn bằng đường thẳng được đặt tên theo
nhà kinh tế học người Ý Vilfredo Pareto (1848-1923)

Hình 4. Biểu đồ Pareto thể hiện sự sắp xếp tần số của các loại nước giải khát

Biểu đồ Pareto thường được sử dụng trong lĩnh vực kinh doanh để xác định các kết
quả phổ biến nhất, chẳng hạn như xác định các sản phẩm có doanh số cao nhất hoặc xác
định các loại khiếu nại phổ biến nhất mà trung tâm chăm sóc khách hàng nhận được. Mục
đích của biểu đồ Pareto đó là tìm ra trong một nhóm các nguyên nhân những nguyên nhân
quan trọng nhất. Trong kiểm soát chất lượng, biểu đồ này thường được dùng để biểu diễn
những nguyên nhân gây ra lỗi phổ biến nhất, loại lỗi xuất hiện phổ biến nhất hoặc nguyên
nhân phổ biến nhất khiến cho khách hàng phàn nàn.
49


•

Scatter plot
Biểu đồ phân tán Scatter plot thể hiện mối quan hệ giữa hai biến định lượng khác

nhau hoặc nó có thể thể hiện xu hướng phân phối của dữ liệu, ngồi ra cịn có thể tìm ra các
giá trị ngoại lệ, và kiểm tra tính tương đồng của các bộ dữ liệu. Với những ưu điểm của

mình, biểu đồ phân tán được sử dụng phổ biến trong lĩnh vực khoa học dữ liệu từ khai mỏ
dữ liệu, phân tích dữ liệu đến học máy khi khối lượng dữ liệu phải phân tích là rất nhiều.
Tuy nhiên, nếu người xem, người đọc không am hiểu về lĩnh vực dữ liệu, hay chưa quen
đọc biểu đồ phân tán sẽ không hiểu được mặc dù đây là một trong những biểu đồ trực quan
dữ liệu tốt nhất

Hình 5. Biểu đồ Scatter lot thể hiện mối liên hệ giữa chỉ số thể trọng (BMI) và lượng chất béo
của cơ thể (% fat)

Hình 6. Biểu đồ Scatter plot thể hiện mối liên hệ giữa mức độ hài lòng của khách hàng và
thời gian phản hồi khách hàng
50


•

Bubble chart
Biểu đồ Bubble chart giống như biểu đồ Scatter plot nhưng có thêm biến thứ 3, được

thể hiện bằng các chấm trịn. Biến thêm vào có thể là biến định lượng hoặc biến định tính.
Các chấm trên Scatter plot thường là các chấm nhỏ và ít thấy rõ sự khác biệt giữa
chúng, còn trong đồ thị Bubble các chấm trịn phải khác biệt, có độ lớn hay bé quy ước dựa
trên giá trị định lượng của biến thêm vào. Chính vì thế trên đồ thị này chúng ta có thể thấy
các chấm tròn to, chấm tròn nhỏ khác nhau như những bọt bong bóng, nên được đặt tên là
Bubble chart
Mục đích sử dụng Bubble chart bao gồm cả mục đích sử dụng của Scatter plot, bên
cạnh đó Bubble chart cho chúng ta thấy thêm mối liên hệ giữa các biến thêm vào so với 2
biến cố định của Scatter plot trước đó, hay so sánh trực tiếp giữa các giá trị của biến thêm
vào, xem xét sự quan hệ của nhiều biến sẽ giúp tìm ra nhiều thơng tin hữu ích hơn.
•


Area chart
Area chart giống biểu đồ đường là thể hiện xu hướng biến động của đối tượng dữ liệu

theo thời gian, nhưng khác biệt ở chỗ Area chart có thể thể hiện giá trị định lượng giữa các
đường vẽ của các biến dữ liệu hay các thành phần có trong một tổng, tập hợp nào đó bằng
một dải màu sắc, các dải màu này sẽ chồng lên nhau để tạo thafnhn giá trị của một tổng, tập
hợp nào đó. Mục đích của Area chart chính là tìm hiểu về xu hướng biến động tổng thể, cả
xu hướng biến động của từng thành phần, và chênh lệch giữa chúng như thế nào theo thời
gian, thành phần nào chiếm nhiều, hay chiếm ít trong tổng thể, hoặc thành phần nào hơn
thành phần nào.

Hình 7. Minh họa cho Area chart
51


Trên hình là biểu đồ thể hiện biến động của tổng lợi nhuận từ chuỗi cửa hàng tạp hóa,
trong đó bao gồm biến động của lợi nhuận của từng cửa hàng gộp lại thành tổng lợi nhuận.
•

Waterfall chart
Biểu đồ Waterfall là một biểu đồ trực quan thông tin được sử dụng để cho thấy giá

trị ban đầu bị ảnh hưởng bới các giá trị trung gian như thế nào để dẫn đến giá trị cuối cùng.
Các giá trị có thể là âm hoặc dương

Hình 8. Waterfall chart mơ tả q trình Gross Revenue tăng giảm như thế nào bởi yếu tố gì
cho đến giá trị Net Income sau cùng.

2.2. Trình bày dữ liệu định lượng

Trường hợp dữ liệu định lượng ít ví dụ độ tuổi của 30 sinh viên đang học tại trường
Đại học X Thành phố Hồ Chí Minh (từ bậc đại học trở lên) như sau:
28 22 25 21 26 24 23 30 31 33 19 20 22 27 30 19 28 31 22 27 37 35 22 19 22 23 26 28 25 36

Để tóm tắt chúng ta sử dụng biểu đồ thân và lá, với lá là số liệu bên phải của các giá
trị dữ liệu có thể là một hay hai chữ số hàng đơn vị hàng chục, còn nhánh lá là số liệu bên
trái của các giá trị liệu phải là một hay hai chữ số hàng chục hàng trăm. Tóm Tắt dữ liệu:
Số bên trái 1, 2, 3 là nhánh ở vị trí hàng chục, số bên phải là hàng đơn vị, là lá. Biểu
đồ nhánh lá được thực hiện trong SPSS có kết quả như sau:

52


Hình 5. Biểu đồ nhánh lá

Trường hợp dữ liệu định lượng được thu thập nhiều hơn (có nhiều đơn vị quan sát),
phạm vi giá trị rộng hơn, đa dạng mà biểu đồ nhánh lá khơng thể hiện hết hay nói cách khác
chúng ta khó nhận thấy được vấn đề, thơng tin tổng quan từ dữ liệu, cảm thấy rối mắt, biểu
đồ nhánh và lá lúc này chưa trực quan dữ liệu tốt nhất mà chỉ dừng lại ở mức tóm tắt giá trị
từ dữ liệu mà thôi.
Nếu muốn biến đổi dữ liệu định lượng thành dữ liệu định tính để xem xét phân phối
tần số trường hợp số quan sát trong dữ liệu là rất lớn thì chúng ta cần phân bổ với mỗi tổ
có khoảng cách đều nhau. Cơng thức như sau:

với h là trị số khoảng cách tổ/nhóm; K là số tổ; Xmax mà giá trị lớn nhất, Xmin là giá
trị nhỏ nhất. Công thức K=(2 x n)1/3 với n là tổng số quan sát
Bảng 3. Dữ liệu sản lượng lúa của 50 hộ dân

Chúng ta có số liệu về năng suất lúa của 50 hộ dân (tạ/ha), số liệu khơng thể trình bày
dưới dạng biểu đồ nhánh, lá vì sẽ khơng hiệu quả. Chúng ta tiến hành phân tổ theo công

thức:
K=(2 x 50)1/3 = 4.64 xấp xỉ 5 tổ, tức 5 nhóm, h = (54 -30)/5 = 4.8 xấp xỉ 5 tổ
Chúng ta có bảng tần số như sau, và có thể tiến hành vẽ đồ thì Histogram (đồ thị phân
phối tần số cho biến định lượng) với biểu đồ cột và biểu đồ tần suất tích lũy tương tự như
phần dữ liệu định tính.
53


Bảng 4. Phân phối tần số của sản lượng lúa 50 hộ dân
Sản lượng lúa (tạ/ha)

Số hộ (tần số)

Tần suất (%)

Tần suất tích lũy

30-35

9

18

18

35-40

11

22


40

40-45

13

26

66

45-50

8

16

82

50-55

9

18

100

Tổng

50


100

Hình 6. Đồ thị Histogram thể hiện năng suất lúa của 50 hộ nông dân

Lưu ý đối với đồ thị Histogram thì khoảng cách giữa các cột là khơng có vì năng suất
lúa là dữ liệu định lượng liên tục, tổ có giá trị lớn nhất chính là giá trị nhỏ nhất của tổ tiếp
theo, đây là sự khác biệt so với biểu đồ cột của dữ liệu định tính và biểu đồ cột của dữ liệu
định lượng phân tổ nhưng khơng có khoảng cách tổ rõ rệt.
Đối với biểu đồ phân phối tần suất tích lũy, thì lưu ý thêm ở dữ liệu định lượng biểu
đồ này khơng được gọi là biểu đồ Pareto, vì các cột tần suất không sắp xếp theo thứ tự từ
cao nhất đến thấp nhất.
Bảng phân phối tần suất tích lũy hay biểu đồ phân phối tần suất tích lũy sẽ cho chúng
ta biết có bao nhiêu phần trăm số quan sát nhỏ hơn hoặc bằng một trị số nào đó của biến
khảo sát, ví dụ dựa vào đồ thị dưới đây, chúng ta có thể thấy có 66% số hộ có năng suất
dưới 45 tạ/ha.
54


Đây cũng là lí do ở phần trình bày dữ liệu định tính, tần suất tích lũy được áp dụng
chủ yếu cho dữ liệu định lượng vì nó có mang lại ý nghĩa phân tích rõ ràng hơn.
3. KẾT LUẬN
Trực quan hóa dữ liệu có vai trị quan trọng trong kỷ nguyên dữ liệu lớn với việc đầu
tư ngày một nhiều vào các ứng dụng phân tích và trực quan hóa dữ liệu của các doanh
nghiệp. Thực tế, não bộ con người xử lý nội dung bằng hình ảnh nhanh hơn so với chữ và
số liệu rất nhiều lần. Chính nhờ vào đặc trưng này, trực quan hóa dữ liệu có thể giúp gia
tăng lợi thế cạnh tranh, tăng trưởng doanh thu và lợi nhuận của các doanh nghiệp thơng
qua:
-


Tìm hiểu nhu cầu, phân tích ứng xử của khách hàng nhằm hỗ trợ các quyết định chiến
lược: chính sách giá, thị trường và sản phẩm tiềm năng…

-

Giảm thiểu, tối ưu chi phí hoạt động.

-

Đơn giản hóa các dữ liệu, thơng tin phức tạp, giúp người đọc dễ dàng và nhanh chóng
nắm bắt được xu hướng của thơng tin, tập trung vào các nội dung quan trọng nhất, và
các mối quan hệ của các yếu tố, từ đó đưa ra các quyết định quản trị phù hợp.
TÀI LIỆU THAM KHẢO

[1]. Cole Nussbaumer Knaflic, Storytelling with data: Wiley, 2020
[2]. Kieran Healy, Data Visualization A Practice Introduction, 2020

55