NOTE: Ask Questions to Make Data-Driven Desions
ການຕັ້ງຄຳຖາມທີ່ດີ ຈະນຳໄປສູ່ຄຳຕອບທີ່ເປັນປະໂຫຍດ. ຂັ້ນຕອນການຕັ້ງຄຳຖາມ ເປັນຂັ້ນຕອນທຳອິດ ຈາກ ທັງໝົດ 6 ຂັ້ນຕອນ ຂອງ life cycle ໂປເຈັກໜຶ່ງ ຂອງການວິເຄາະຂໍ້ມູນ: Ask, Prepare, Process, Analyse, Share ແລະ Act.
SMART Questions
ໜຶ່ງສິງທີ່ ຄອສ ນີ້ແນະນຳໃນຂັ້ນຕອນການ ask ການຕັ້ງຄຳຖາມ ກະຄືການໃຊ້ SMART questions ເປັນແບບໃນການຕັ້ງຄຳຖາມ.
SMART Questions ປະກອບມີ:
- Specific - ຄຳຖາມທີ່ເຮົາຕັ້ງມັນເຂົ້າເປົ້າລະບໍ່? ມັນຊີ້ໃຫ້ເຫັນເຖິງໂຈດທີ່ເຮົາຈະແກ້ແລ້ວບໍ່? ມັນມີ context ບໍ່?
- Measurable - ຄຳຖາມທີ່ເຮົາຕັ້ງຂຶ້ນມາ ຈະໄດ້ຄຳຕອບທີ່ເຮົາສາມາດວັດແທກໄດ້ບໍ່?
- Action-oriented - ຄຳຖາມທີ່ເຮົາຕັ້ງຂຶ້ນມາ ຈະໄດ້ຄຳຕອບທີ່ເຮົາສາມານຳໄປປະຕິບັດໄດ້ແທ້ບໍ່?
- Relevant - ຄຳຖາມທີ່ເຮົາຕັ້ງມັນ ກ່ຽວກັບບັນຫາທີ່ເຮົາຈະໄປແກ້ແທ້ບໍ່?
- Time-bound - ຄຳຖາມທີ່ເຮົາຕັ້ງຂຶ້ນມາ ມັນກ່ຽວຂ້ອງກັບກອບໄລຍະເວລາທີ່ເຮົາຈະສຶກສາຢູ່ບໍ່?
ການຕັ້ງຄຳຖາມ ທີ່ດີຕ້ອງເປັນຄຳຖາມປາຍເປີດ (open-ended) ແລະ ບໍ່ຄວນຈະເປັນຄຳຖາມທີ່ ຊັກຈູງ (leading quetion) - ສິນຄ້ານີ້ແພງ ແມ່ນບໍ່? ຄຳຖາມທີ່ເໝາະສົມອາດຈະຖາມປະມານວ່າ ທ່ານມີຄຳຄິດເຫັນແນວໃດກັບສິນຄ້າໂຕນີ້? ເຊິ່ງຄຳຕອບທີ່ຈະໄດ້ກໍ່ຈະມີຫຼາກຫຼາຍຂຶ້ນ ເຊັ່ນ: ການໃຊ້ງານ, ສີຂອງສິນຄ້າ, ອຸປະກອນເສີມ ຫຼື ອາດຈະຖາມເຈາະຈົງກ່ຽວກັບລາຄາ - ລາຄາຫວ່າງເທົ່າໃດຫາເທົ່າໃດ ທີ່ທ່ານສາມາດຊື້ສິນຄ້າໂຕນີ້ໄດ້.
ນອກຈາກນີ້ແລ້ວ ປະເພດຄຳຖາມທີ່ບໍ່ຄວນຖາມກະຄື ຄຳຖາມປາຍປິດ (close-ended) - ທ່ານມັກສິນຄ້ານີ້ບໍ່? ເຮົາສາມາດປ່ຽນຄຳຖາມແບບນີ້ ເພື່ອໃຫ້ໄດ້ຄຳຕອບທີ່ເປັນໂຫຍດຫຼາຍຂຶ້ນ ໂດຍຖາມປະມານວ່າ ປະສົບການຂອງທ່ານຈາກການໃຊ້ສິນຄ້ານີ້ເປັນແນວໃດ?
ຄຳຖາມອີກປະເພດທີ່ເຮົາບໍ່ຄວນຖາມກະຄື ຄຳຖາມທີ່ຂາດ context - ບໍລິບົດ: ຄຸນລັກສະທີ່ ທີ່ຈະຊ່ວຍອະທິບາຍ ບາງສິ່ງບາງຢ່າງ ຫຼື ເຫດການທີ່ເກີດຂຶ້ນ? - ຄຳຖາມທີ່ບໍ່ສົມບູນ ຂາດຂໍ້ມູນ ເຊິ່ງຈະເຮັດໃຫ້ຄົນທີ່ຈະຕອບ ງົງ ບໍ່ເຂົ້າໃຈ. ຕົວຢ່າງຄຳຖາມ ທ່ານສັ່ງສິນຄ້າພວກເຮົາຜ່ານທາງອອນລາຍ ຫຼື ຊື້ຢູ່ຮ້ານຄ້າ? - ຄຳຖາມນີ້ຂາດ context ໄປບ່ອນວ່າ ອອນລາຍ ອາດຈະມີຫຼາຍຊ່ອງທາງ ຜ່ານ app ຫຼື Facebook official page ອາດຈະປ່ຽນມາເປັນ ທ່ານສັ່ງສິນຄ້າພວກເຮົາຜ່ານທາງ ອອນລາຍຈາກ page ຂອງຮ້ານ ຫຼື ຊື້ຢູ່ຮ້ານຄ້າຕົວແທນຈຳໜ່າຍ? ຄຳຖາມນີ້ປະກອບດ້ວຍ context ມານຳ ເພື່ອໃຫ້ເຂົ້າໃຈຄຳຖາມ ແລະ ໄດ້ຄຳຕອບທີ່ສາມາດນຳໄປວິເຄາະໄດ້.
Data types: Qualitative and Quantitative - ຂໍ້ມູນຄຸນນະພາບ ແລະ ຂໍ້ມູນປະລິມານ
Qualitative - ຂໍ້ມູນຄຸນນະພາບ ເປັນຂໍ້ມູນ ທີ່ຈະອະທິບາຍ ຕົວບຸກຄົນ, ຄຸນລະລັກສະນະ ຂອງວັດຖຸ ທີ່ບໍ່ສາມາດວັກແທກໄດ້ໃນຮູບແບບຂອງຕົວເລກ ເຊັ່ນ: ສີຜົມ, ສີຜິວ.
Quantitive - ຂໍ້ມູນປະລິມານ ເປັນຂໍ້ມູນ ທີ່ສາມາດວັດແທກໄດ້ ຂອງ ຕົວບຸກຄົນ, ຫຼື ວັດຖຸ ເຊັ່ນ: ອາຍຸ, ລວງສູງ, ລວງຍາວ, ລວງກວ້າງ.
Dashboard
dashboard ຫຼື ກະດານຂ່າວ ເປັນສິ່ງໜຶ່ງໃຊ້ສຳລັບ ສະເໜີຂໍ້ມູນໃຫ້ກັບ stakeholders ຂອງເຮົາ. ແລ້ວມັນແຕກຕ່າງຈາກ report ບ່ອນໃດ?
Report - ຂໍ້ມູນຈະເປັນແບບບໍ່ປ່ຽນແປງ (static) ໂດຍດຶງມາຈາກຊ່ວງເວລາໃດໜຶ່ງ.
Dashboard - ຂໍ້ມູນສະແດງຈະເປັນຂໍ້ມູນປັດຈຸບັນ (live) ທີ່ປ່ຽນໄປຕາມແຕ່ລະເວລາ.
ຂະບວນການໃນການສ້າງ dashboard:
- ຮູ້ຈັກກ່ອນວ່າ stakeholders ທີ່ຈະໃຊ້ dashboard ຂອງເຮົາແມ່ນໃຜ? ແລະ ກະເຈົ້າຈະໃຊ້ຫຍັງແນ່?
- ອອກແບບໜ້າຕາ dashboard ຂອງເຮົາ - ຈະເອົາຫຍັງແນ່ມາສະແດງ. ຂຽນຫົວຂໍ້ຊັດເຈນ, ເພີ່ມຄຳອະທິບາຍ ໃຫ້ກັບແຕ່ລະ chart ແລະ ສະແດງຂໍ້ມູນທີ່ສຳຄັນໄວ້ເທິງ ເທັກນິກເຫຼົ່ານີ້ເປັນພຽງຫຼາຍໆເທັກນິກ ທີ່ຈະເຮັດເຮົາອອກແບບ dashboard ໃຫ້ມີລາຍລະອຽດຊັດເຈນ, ເຂົ້າໃຈງ່າຍ ແລະ ຮຽບງ່າຍ.
- ສ້າງ prototype/mock-ups dashboard ກ່ອນຈະສ້າງໂຕຈິງ - ຂັ້ນຕອນນີ້ຈະເຮັດໃຫ້ເຮົາ ເຫັນພາບຄ້າວໆ ຂອງ dashboard ເຮົາລວມເຖິງ chart ທີ່ເຮົາໃຊ້ ກັບ ຂໍ້ມູນ ວ່າ ສະແດງຜົນອອກມາແລ້ວເປັນປະມານໃດ.
- ເລືອກ chart ສະແດງຜົນ - ການເລືອກປະເພດຂອງ chart ມາສະແດງຜົນ ຫຼັກໆແມ່ນ ຂຶ້ນກັບ ຂໍ້ມູນຂອງເຮົາ ແລະ ໂຕເຮົາເອງວ່າ ເຮົາຈະໃຊ້ຂໍ້ມູນອະທິບາຍເລື່ອງລາວທີ່ເຮົາຢາກສະແເດງໃຫ້ຄົນອື່ນເບິ່ງເປັນປະມານໃດ. ເຊັ່ນຂໍ້ມູນທີ່ເປັນປະເພດ time series ທີ່ມີການປ່ຽນແປງຕິດພັນກັບເວລາ ການເລືອກ chart ປະເພດ line ຫຼື bar chart ກໍ່ຈະໂຕເລືອກທີ່ດີທີ່ສຸດເລີຍ. ເຮົາສາມາດ ເບິ່ງ trend ແລະ ການປ່ຽນແປງໄດ້. ສ່ວນຖ້າເຮົາຢາກອະທິບາຍຂໍ້ມູນຂອງເຮົາ ເລື່ອງສັດສ່ວນ ຫຼື ອັດຕາສ່ວນ ພວກ donut chart ຫຼື pie chart ກໍເປັນຕົວເລືອກໜຶ່ງທີ່ເໝາະສຳລັບ ການເລົ່າເລື່ອງຂໍ້ມູນປະເພດນີ້ ໄດ້ດີເຊັ່ນກັນ.
- ໃຊ້ filter ຖ້າຈຳເປັນ - ການໃຊ້ filter ໃນ dashboard ອາດຈະເຮັດໃຫ້ ບໍ່ເຫັນຂໍ້ມູນທັງໝົດ ເຊິ່ງອາດຈະເຮັດໃຫ້ ເຮົາບໍ່ເຫັນ pattern ຫຼື trend ຂອງຂໍ້ມູນຂອງເຮົາ. ໃນທາງກົງກັນຂ້າມ ການທີ່ມີ function ທີ່ສາມາດ filter ຂໍ້ມູນ ກໍຈະຊ່ວຍໃຫ້ ຜູ້ທີ່ໃຊ້ dashboard ສາມາດເບິ່ງຂອງມູນໃນຊ່ວງເວລາທີ່ ເຂົາເຈົ້າຕ້ອງການ ເພື່ອຫາ insight ທີ່ເລິກໄປກວ່າຫັ້ນ.
Context ສຳຄັນສຳລັບນັກວິເຄາະຂໍ້ມູນ
ຂໍ້ມູນທີ່ມີ context ກໍຈະເຮັດໃຫ້ເຮົາເຂົ້າໃຈ ຂໍ້ມູນພວກນັ້ນຫຼາຍຂຶ້ນ. ແລ້ວເຮົາຈະເຮັດແນວໃດ? ເຮົາສາມາດສ້າງ context ໄດ້ໂດຍຈາກການຖາມຄຳຖາມ WH questions:
- Who - ໃຜສ້າງຂໍ້ມູນນີ້ ອົງກອນ ຫຼື ບຸກຄົນ? ອົງກອນໃດສ້າງ, ເກັບ ຫຼື ໃຫ້ເງິນສຳລັບການເກັບຂໍ້ມູນ.
- What - ຂໍ້ມູນພວກນີ້ ຈະມີຜົນກະທົບຫຍັງແນ່?
- Where - ຂໍ້ມູນນີ້ມາຈາກໃສ?
- When - ສ້າງ ຫຼື ເກັບ ຕອນໃດ?
- Why - ເປັນຫຍັງຄືເກັບ ຫຼື ສ້າງຂຶ້ນມາເພື່ອຫຍັງ?
- How - ວິທີການເກັບ ຫຼື ສ້າງ ເຮັດແນວໃດ?