Môn này yêu cầu bạn ghép dữ liệu, một biểu đồ và một mạch tường thuật thành một câu chuyện đủ sức thúc đẩy thay đổi. Đó là một kỹ năng thật sự hữu ích, và nó chỉ cách một bước ngắn với một vấn đề thật sự nghiêm trọng.
Môn này yêu cầu bạn ghép dữ liệu, một biểu đồ và một mạch tường thuật thành một câu chuyện đủ sức thúc đẩy thay đổi. Đó là một kỹ năng thật sự hữu ích, và nó chỉ cách một bước ngắn với một vấn đề thật sự nghiêm trọng. Chính những kỹ thuật làm cho biểu đồ thuyết phục cũng là những kỹ thuật làm cho nó gây hiểu lầm, mà ranh giới giữa hai bên thì chẳng ai đánh dấu sẵn cho bạn. Sinh viên coi đây là môn học phần mềm sẽ học R và Tableau rồi cho ra sản phẩm đạt yêu cầu. Sinh viên hiểu rằng thuyết phục đi kèm một nghĩa vụ sẽ cho ra sản phẩm vừa tốt hơn vừa chặt chẽ hơn. Dưới đây là cách chuyên gia MAAS phân tích một môn có cấu trúc như thế.
Tác giả: Ban biên tập MAAS · Hiệu đính bởi chuyên gia Phân tích dữ liệu cấp cao (Tiến sĩ, Thống kê)
Cập nhật: 12/08/2026
Chuyên mục: writing-tips
Môn này là gì, và thật ra học những gì?
Trả lời thẳng: Tại UNSW, COMM2501 là môn Data Visualisation and Communication, 6 đơn vị tín chỉ bậc đại học thuộc Business School. Môn giới thiệu các công cụ thống kê và trực quan hoá phục vụ phân tích khám phá dữ liệu, dạy điều gì làm nên một biểu đồ hiệu quả, và hướng dẫn dựng biểu đồ tương tác bằng R, Tableau cùng các công cụ khác, gồm cả kỹ thuật đồ hoạ nhập vai. Môn nêu rõ rằng mình đặc biệt chú trọng việc kể chuyện bằng dữ liệu, được mô tả là ghép dữ liệu, biểu đồ của nó và một mạch tường thuật thành một câu chuyện thúc đẩy thay đổi.
Bằng chứng: Mô tả môn mở đầu bằng cách gọi tên đúng vấn đề mà nó sinh ra để giải quyết. Doanh nghiệp tạo ra khối lượng dữ liệu khổng lồ, và khả năng cho người khác tiếp cận khối đó bằng hình ảnh là kỹ năng thiết yếu của một người làm phân tích. Hãy chú ý cách đặt vấn đề. Trực quan hoá được trình bày như một bài toán tiếp cận, không phải bài toán trang trí. Biểu đồ chính là giao diện giữa một tập dữ liệu và một quyết định.
Ví dụ: Một bạn dựng bảng điều khiển gồm mười hai biểu đồ phủ hết mọi thứ có trong tập dữ liệu. Nó đầy đủ, và không ai dùng nổi. Bản sửa lại chỉ còn ba biểu đồ trả lời đúng một câu hỏi, và người phân tích đã tự đưa ra phán đoán về việc cái gì quan trọng, thay vì đẩy phán đoán đó sang cho người đọc.
Vì sao chữ "hiệu quả" ở đây mang nghĩa kỹ thuật?
Trả lời thẳng: Vì tính hiệu quả trong trực quan hoá đã được nghiên cứu bằng thực nghiệm chứ không bị bỏ mặc cho gu thẩm mỹ. Có một thứ bậc đã đo được về mức chính xác khi con người rút thông tin định lượng ra từ các cách mã hoá hình ảnh khác nhau, và nó cho bạn một lý do bảo vệ được khi chọn loại biểu đồ này thay vì loại kia.
Bằng chứng: Cleveland và McGill (1984) đặt mục tiêu xây một nền tảng khoa học cho các phương pháp đồ thị. Họ nhận diện một tập những nhiệm vụ tri giác cơ bản mà con người thực hiện khi đọc thông tin định lượng trên đồ thị, rồi xếp thứ bậc các nhiệm vụ ấy theo mức chính xác mà con người làm được. Nguyên tắc thiết kế suy ra trực tiếp từ đó là đồ thị nên dùng những nhiệm vụ nằm càng cao trong thứ bậc càng tốt. Áp dụng nguyên tắc này, hai tác giả kết luận rằng những dạng phổ biến gồm biểu đồ tròn và biểu đồ thanh chia đoạn cần tới thứ mà họ gọi là một cuộc phẫu thuật triệt để, bởi biểu đồ tròn bắt người đọc phán đoán góc trong khi cùng dữ liệu ấy luôn có thể trình bày trên một thang chung để người đọc phán đoán vị trí.
Ví dụ: Khi được hỏi vì sao thay biểu đồ tròn bằng biểu đồ chấm, một câu trả lời yếu hơn nói rằng biểu đồ tròn bị coi là lỗi thời. Một câu trả lời mạnh hơn nói rằng dữ liệu là các phần của một tổng thể nên luôn đặt được lên một thang chung, rằng phán đoán vị trí trên thang chung chính xác hơn phán đoán góc, và rằng thứ tự của năm nhóm không đọc nổi trên biểu đồ tròn nhưng hiện ra ngay trên biểu đồ chấm. Cùng một quyết định, và chỉ một trong hai là lập luận.
Ranh giới đạo đức của việc kể chuyện bằng dữ liệu nằm ở đâu?
Trả lời thẳng: Nó nằm ở chỗ mạch tường thuật bắt đầu chọn lọc bằng chứng thay vì đi theo bằng chứng. Kể chuyện đòi bạn phải có một luận điểm. Nó không cho phép bạn sắp xếp lại dữ liệu cho tới khi nó nói ra đúng luận điểm ấy.
Bằng chứng: Bóp méo không phải chuyện giả định, và tác động của nó đã được đo. Pandey và cộng sự (2015) thực hiện một phân tích thực nghiệm về những kỹ thuật bóp méo thường gặp trong trực quan hoá, kiểm tra xem các thao tác quen thuộc ấy có thật sự làm thay đổi kết luận của người đọc hay không. Phát hiện quan trọng với bài tập của bạn là chúng có làm thay đổi. Một trục bị cắt cụt, một thang bị đảo chiều hay một tỷ lệ khung hình bị chỉnh không phải những nét phong cách mà người đọc tinh ý sẽ tự động trừ hao. Chúng làm dịch chuyển phán đoán.
Kết quả đó vừa là lời cảnh báo vừa là lời nhắc trách nhiệm, và đó là lý do nó thuộc về một môn kể chuyện bằng dữ liệu chứ không chỉ thuộc về một môn đạo đức. Nếu bóp méo có tác dụng thật, thì mọi lựa chọn thiết kế của bạn đều là lựa chọn về mức độ người đọc sẽ tin, và bạn không thể tự nhận là trung lập với một quyết định mình đã cân nhắc mà chọn.
Ví dụ: Một bạn dựng lập luận về chi phí đang tăng đã cắt cụt trục tung, khiến mức tăng vừa phải trông thành kịch tính. Khi bị hỏi, bạn ấy nói xu hướng đó là thật. Đúng là thật. Bản sửa giữ nguyên trục đầy đủ, và bạn ấy đưa lập luận vào phần chú thích, chỉ ra rằng mức tăng bốn phần trăm trên nền đó là đáng kể nếu xét biên lợi nhuận. Lập luận vẫn sống, nó chỉ chuyển từ cái trục sang một câu chữ, nơi người đọc kiểm chứng được.
Giai đoạn khám phá nợ biểu đồ cuối cùng điều gì?
Trả lời thẳng: Nợ một lời khai trung thực về những gì bạn đã loại bỏ. Phân tích khám phá bao giờ cũng kéo theo các quyết định về giá trị thiếu, về điểm ngoại lai và về khoảng thời gian lấy dữ liệu, mà những quyết định đó định hình biểu đồ mạnh hơn bảng màu rất nhiều.
Bằng chứng: Trình tự của môn đặt khám phá trước truyền đạt là có lý do. Tới lúc bạn cho ra biểu đồ cuối cùng thì bạn đã chọn xong giữ lại những dòng nào, xử lý các chỗ khuyết ra sao, và chuỗi số bắt đầu cùng kết thúc ở đâu. Người đọc chỉ nhìn thấy biểu đồ đã hoàn thiện thì không thấy được bất kỳ điều nào trong số đó, nghĩa là nghĩa vụ công bố thuộc về bạn chứ không thuộc về họ. Đây chính là nguyên tắc của câu chuyện cái trục, chỉ được áp sớm hơn một bước trong quy trình.
Ví dụ: Một bạn loại hai tháng ngoại lai vì cho rằng đó là lỗi dữ liệu, và xu hướng trở nên sạch sẽ thuyết phục hẳn. Khi trợ giảng hỏi hai tháng ấy đã xảy ra chuyện gì, hoá ra một trong hai là một cú sốc có thật mà câu chuyện cần giải thích chứ không phải cần gạt đi. Bản cuối giữ lại cả hai điểm, chú thích rõ cú sốc, và đưa ra được một khẳng định mạnh hơn, bởi nó đã tính tới cả cái điểm không khớp.
Điều gì phân biệt một câu chuyện dữ liệu với một bản báo cáo?
| Thành phần | Báo cáo làm gì | Câu chuyện dữ liệu làm gì |
|---|---|---|
| Bố cục | Phủ hết tập dữ liệu | Trả lời đúng một câu hỏi |
| Chọn biểu đồ | Trình bày thứ đang có | Trình bày thứ gánh lập luận |
| Chú thích | Ghi nhãn trục | Nói rõ người đọc nên nhận ra điều gì |
| Bằng chứng ngược | Bỏ qua hoặc chôn xuống dưới | Đối diện với cách đọc đối lập mạnh nhất |
| Kết luận | Tóm tắt phát hiện | Nói cái gì nên thay đổi và dựa trên căn cứ nào |
Bằng chứng: Mô tả môn nêu mục tiêu là một câu chuyện đủ mạnh để thúc đẩy thay đổi, nghĩa là sản phẩm được chấm như một lập luận. Một lập luận chưa đối diện với phản bác mạnh nhất của chính nó là một lập luận chưa xong, bất kể nó được dựng hình đẹp tới đâu.
Ví dụ: Hai dự án cùng khai thác một bộ dữ liệu về năng suất. Dự án thứ nhất trình bày xu hướng rồi kết luận rằng năng suất là vấn đề. Dự án thứ hai trình bày đúng xu hướng ấy, thừa nhận cách đọc cạnh tranh vốn tập trung vào chất lượng việc làm và tình trạng thiếu việc, giải thích phần nào của dữ liệu phân biệt được hai cách đọc, rồi mới lập luận cho kết luận của mình. Dự án thứ hai mới là dự án sống sót được trước câu hỏi của một người không đồng tình.
Phần công cụ nên quan trọng tới mức nào?
Trả lời thẳng: Ít hơn sinh viên tưởng, và nó nên tàng hình trong sản phẩm cuối. R và Tableau là cách bạn tạo ra sản phẩm. Không phần nào trong điểm số của bạn phụ thuộc vào việc người đọc nhận ra bạn đã vất vả tới đâu.
Bằng chứng: Môn học đặt các công cụ vào một chuỗi bắt đầu bằng phân tích khám phá và kết thúc bằng truyền đạt. Khám phá là chỗ công cụ xứng đáng với công sức bỏ ra, vì đó là lúc bạn đang tìm hiểu trong dữ liệu có gì. Tới lúc truyền đạt thì câu hỏi chỉ còn là biểu đồ này có phải biểu đồ đúng hay không, và câu hỏi ấy có cùng một đáp án bất kể phần mềm nào vẽ ra nó.
Ví dụ: Một bạn dành gần trọn một tuần dự án để dựng biểu đồ tương tác có bộ lọc liên kết. Nó chạy tốt, và chưa người đọc nào từng đổi một bộ lọc. Một biểu đồ tĩnh kèm chú thích rõ ràng đã truyền tải được đúng ngần ấy thông tin, còn tuần đó lẽ ra dành để kiểm xem thông tin ấy có đúng không.
Một trình tự làm việc thực tế
- Viết ra câu hỏi trước khi mở dữ liệu. Một câu chuyện dữ liệu không có câu hỏi sẽ biến thành một chuyến tham quan tập dữ liệu.
- Khám phá trước, và khám phá tách riêng. Giữ các biểu đồ khám phá ở ngoài sản phẩm cuối, chúng được dựng để phục vụ bạn chứ không phục vụ người đọc.
- Chọn cách mã hoá theo nhiệm vụ tri giác, đừng chọn theo mong muốn đa dạng. Nếu người đọc cần so sánh giá trị, hãy cho họ vị trí trên một thang chung.
- Viết phần chú thích trước khi chốt biểu đồ. Nếu bạn chưa nói được người đọc nên nhận ra điều gì, biểu đồ đó chưa xong.
- Vẽ bản trung thực trước đã. Nếu hiệu ứng biến mất khi để trục đầy đủ, thì đó là một phát hiện về hiệu ứng, không phải một vấn đề của cái trục.
- Gọi tên cách đọc đối lập mạnh nhất với dữ liệu của bạn rồi đối diện với nó. Đây là thứ biến một bài trình bày thành một lập luận.
Câu hỏi thường gặp
Em có cần biết lập trình trước khi vào môn này không?
Môn học có dạy công cụ, và những bạn không có nền lập trình vẫn theo được, nhưng hãy dành thời gian cho phần thao tác ngay mấy tuần đầu, để về sau phần mềm thôi tranh giành sự chú ý với phần tư duy.
Biểu đồ càng phức tạp thì càng tốt phải không?
Không. Sự phức tạp chỉ chính đáng khi câu hỏi đòi hỏi nó. Riêng phần tương tác thì nên thêm vào vì người đọc cần tự đặt câu hỏi tiếp theo của họ, chứ không phải vì công cụ có sẵn chức năng đó.
Em cắt cụt trục được không?
Có những trường hợp chính đáng, và phép thử là việc cắt trục giúp người đọc thấy một điều có thật, hay tạo ra một ấn tượng mà dữ liệu không đỡ nổi. Nếu bạn cắt, hãy nói rõ ngay trên biểu đồ và cho người đọc biết mốc nền.
Gặp bộ dữ liệu không đỡ được lập luận của em thì làm sao?
Hãy đổi lập luận. Điều này nghe hiển nhiên, và nó chính là chỗ sai phổ biến nhất trong các câu chuyện dữ liệu của sinh viên, vì mạch tường thuật thường bị chốt cứng trước khi phần phân tích kịp xong.
Bài phân tích dữ liệu có nên trích tài liệu về trực quan hoá không?
Hãy theo đề cương môn của bạn. Ở chỗ điều đó phù hợp, một lựa chọn thiết kế được biện minh bằng nghiên cứu tri giác mạnh hơn hẳn một lựa chọn biện minh bằng sở thích, và nó chỉ tốn của bạn một câu.
MAAS đứng ở đâu trong việc này
Chuyên gia MAAS làm việc cùng sinh viên ở những môn như thế này, chứ không làm thay. Với một câu chuyện dữ liệu, vòng rà soát hữu ích nhất thường là một lượt đọc đầy thiện chí gây khó: một người không đồng tình với kết luận của bạn sẽ nói gì về biểu đồ này, về cái trục này, về năm dữ liệu bị bỏ đi này. Sản phẩm sống sót qua lượt đọc đó thường đơn giản hơn sản phẩm chưa qua, vì những phần trang trí không trụ nổi trước câu hỏi. Phần phân tích vẫn là của bạn. Nếu điều đó hữu ích, dịch vụ hỗ trợ học thuật và dịch vụ dự án dữ liệu và lập trình là hai chỗ để bắt đầu.
References
Cleveland, W. S., & McGill, R. (1984). Graphical perception: Theory, experimentation, and application to the development of graphical methods. Journal of the American Statistical Association, 79(387), 531–554. https://doi.org/10.1080/01621459.1984.10478080
Pandey, A. V., Rall, K., Satterthwaite, M. L., Nov, O., & Bertini, E. (2015). How deceptive are deceptive visualizations? An empirical analysis of common distortion techniques. In Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems (pp. 1469–1478). ACM. https://doi.org/10.1145/2702123.2702608
Tools & resources
UNSW Sydney. (2025). COMM2501: Data Visualisation and Communication. https://handbook.unsw.edu.au/undergraduate/courses/2025/COMM2501