Bạn có biết: 90% lỗi khi vẽ biểu đồ không nằm ở kỹ thuật, mà ở chỗ bạn chọn sai loại biểu đồ ngay từ đầu. Lúc mới học phân tích dữ liệu, Linh thường loay hoay không biết nên chọn loại biểu đồ nào. Làm xong thấy cũng đẹp, cũng đúng, nhưng khi gửi cho sếp thì lại bị yêu cầu vẽ lại. Và chuyện này xảy ra không chỉ một lần…

Nguyên nhân là vì không có ai dạy cách chọn biểu đồ phù hợp với câu hỏi. Nhiều người học phân tích dữ liệu chỉ được hướng dẫn cách vẽ từng loại biểu đồ, nhưng lại không nắm rõ biểu đồ đó được tạo ra để trả lời câu hỏi gì.

Trong bài viết này, chúng ta sẽ học về 3 loại biểu đồ nền tảng: biểu đồ cột, biểu đồ đường và biểu đồ tròn. Bạn có thể nghĩ rằng mình đã hiểu rõ chúng, nhưng chưa chắc đâu. Bởi 3 loại biểu đồ này chiếm hơn 80% tình huống thường gặp khi trực quan hóa dữ liệu, hãy dành thời gian theo dõi đến cuối. Linh tin rằng bạn sẽ rút ra được nhiều điều thú vị.

Ở bài viết tiếp theo, Linh sẽ giới thiệu thêm 3 loại biểu đồ thống kê nâng cao: biểu đồ phân tán, biểu đồ histogram và biểu đồ hộp. Chúng chiếm tỷ lệ nhỏ trong tổng số biểu đồ, nhưng lại mở ra nhiều insight giá trị cho việc ra quyết định.

Đặc biệt, Linh cũng sẽ chia sẻ cách sử dụng ChatGPT để tạo biểu đồ nhanh, dễ hiểu và đẹp mắt, ngay cả khi bạn không quen với việc viết code. Điều quan trọng là qua hai bài viết này, bạn không chỉ học cách vẽ, mà còn học cách xem biểu đồ như một công cụ kể chuyện. Nếu bạn từng bối rối khi chọn loại biểu đồ, hoặc từng tốn hàng giờ với biểu đồ trong Excel, thì chuỗi này sẽ giúp bạn tiết kiệm thời gian và tránh sai sót.

Để giúp bạn theo dõi hiệu quả hơn, Linh đã chuẩn bị sẵn một file dữ liệu mẫu mang tên AI Job Dataset. Nếu bạn thấy quen, thì đúng vậy, đây chính là file mà chúng ta đã sử dụng để thực hành ở những phần trước.

Cho bạn nào chưa biết, đây là bảng thống kê việc làm trong ngành AI trên toàn thế giới, bao gồm mức lương, vị trí công việc, kỹ năng yêu cầu và nhiều yếu tố liên quan. File này phản ánh rất sát những loại dữ liệu thường gặp trong phân tích nhân sự, tuyển dụng hoặc nghiên cứu thị trường lao động thực tế. 

Bạn có thể tải file dữ liệu mẫu tại đây.

Bây giờ, hãy bắt đầu với loại biểu đồ đầu tiên: biểu đồ cột (Bar Chart). Đây là một trong hai loại biểu đồ Linh dùng nhiều nhất, bên cạnh biểu đồ đường. Thực tế, hai loại biểu đồ này chiếm tới khoảng 70-80% số biểu đồ Linh từng tạo ra trong công việc. Không phải vì chúng đơn giản, mà bởi chúng cực kỳ hiệu quả.

Biểu đồ cột dùng để làm gì? Rất dễ hiểu: dùng để so sánh. Khi bạn có nhiều nhóm hoặc nhiều danh mục, và muốn biết nhóm nào cao hơn hay thấp hơn, thì biểu đồ cột luôn là lựa chọn số một.

Ví dụ, bạn có một danh sách các kỹ năng AI được yêu cầu trong tin tuyển dụng. Nếu muốn biết kỹ năng nào xuất hiện nhiều nhất, chỉ cần vẽ một biểu đồ cột. Cột dài nhất sẽ cho bạn thấy kỹ năng phổ biến nhất. Điều tuyệt vời là não bộ chúng ta rất nhạy trong việc so sánh chiều cao. Bạn chỉ cần nhìn hai cột, lập tức nhận ra cột nào cao hơn, không cần đọc số hay tính toán thêm. Đây chính là lý do Linh ưu tiên biểu đồ cột khi muốn truyền tải thông tin nhanh và rõ.

Để minh họa, Linh sẽ lấy bộ dữ liệu về các tin tuyển dụng liên quan đến AI. Trong đó có một cột ghi lại các kỹ năng trong phần mô tả công việc. Mỗi dòng là một tin tuyển dụng, chứa danh sách kỹ năng cần thiết. Linh chỉ cần yêu cầu ChatGPT vẽ biểu đồ Top 10 kỹ năng AI được nhắc đến nhiều nhất. Kết quả là một biểu đồ cột được sắp xếp từ cao xuống thấp, với Python đứng đầu, tiếp theo là SQL, rồi tới TensorFlow.

Một mẹo nhỏ: hãy sắp xếp các cột từ cao xuống thấp. Cách này giúp biểu đồ gọn gàng, dễ đọc hơn và tránh gây rối mắt.

Biểu đồ cột cũng có thể dùng cho dữ liệu theo thời gian, nhưng chỉ trong một số tình huống cụ thể. Ví dụ: khi thời gian được coi là danh mục (như số lần một sự kiện xảy ra theo từng tháng rời rạc), hoặc khi bạn muốn nhấn mạnh sự khác biệt giữa các giai đoạn thay vì thể hiện xu hướng.

Tuy nhiên, nếu mục tiêu là quan sát xu hướng thay đổi theo thời gian, thì biểu đồ đường sẽ phù hợp hơn. Linh sẽ giải thích kỹ ở phần sau.

Trước khi chuyển sang biểu đồ đường, Linh có một lời khuyên: nếu bạn dùng ChatGPT để hỗ trợ phân tích, hãy viết câu lệnh thật rõ ràng. Ví dụ: “Tạo biểu đồ cột cho 10 kỹ năng phổ biến nhất trong cột required_skills, sắp xếp từ cao xuống thấp, dùng Seaborn với tông màu xanh dương.” Việc này sẽ giúp ChatGPT tạo ra biểu đồ đúng ngay từ lần đầu tiên.

Khi bạn phân tích dữ liệu với ChatGPT, thực chất hệ thống đang chạy Python ở phía sau. Python là ngôn ngữ lập trình phổ biến trong khoa học dữ liệu, nổi tiếng nhờ cú pháp đơn giản, dễ đọc và có kho thư viện phong phú để xử lý dữ liệu, vẽ biểu đồ, thậm chí xây dựng mô hình AI.

Khi muốn trực quan hóa dữ liệu bằng Python, hai thư viện thường được sử dụng nhất là Matplotlib và Seaborn.

(1) Matplotlib giống như nền móng, có thể vẽ hầu hết mọi loại biểu đồ, nhưng đôi khi cần nhiều bước thiết lập để có kết quả gọn gàng.

(2) Seaborn được xây dựng dựa trên Matplotlib, nhưng tinh chỉnh sẵn màu sắc, bố cục và thẩm mỹ, giúp bạn tạo biểu đồ chuyên nghiệp nhanh chóng mà không cần chỉnh sửa nhiều.

Trong bài viết này, Linh đã dùng thư viện Seaborn để tạo biểu đồ trực quan, đẹp mắt và dễ theo dõi.

2. Biểu đồ đường (Line Chart)

Biểu đồ đường (Line Chart) là công cụ lý tưởng khi bạn muốn theo dõi sự thay đổi của một hiện tượng theo thời gian. Hãy hình dung nó giống như đường nhịp tim trên máy đo, hoặc đường giá cổ phiếu. Các điểm dữ liệu được nối lại, giúp bạn dễ dàng nhận ra xu hướng tăng, giảm hay biến động. Linh thường dùng biểu đồ đường khi phân tích dữ liệu chuỗi thời gian, chẳng hạn theo ngày, tháng hoặc năm.

(1) Xu hướng dài hạn - ví dụ, số lượng việc làm AI giữ mức ổn định từ tháng 1/2024 đến đầu 2025.

(2) Dấu hiệu bất thường - chẳng hạn, sự sụt giảm rõ rệt vào tháng 2/2025, cho thấy cần đặt câu hỏi: điều gì đã xảy ra lúc đó?

3. Biểu Đồ Tròn (Pie Chart)

Biểu đồ tròn (Pie Chart) là một trong những loại biểu đồ phổ biến nhất đối với người mới bắt đầu trực quan hóa dữ liệu. Lý do khá dễ hiểu: nó trực quan, dễ nhìn, từng lát tròn giống như miếng bánh pizza dữ liệu. Tuy nhiên, cũng chính vì sự đơn giản này mà biểu đồ tròn rất dễ bị lạm dụng. Linh đã thấy nhiều báo cáo, slide, hay dashboard đầy rẫy biểu đồ tròn, nhưng lại hiếm khi giúp người xem hiểu rõ điều gì thực sự quan trọng.

Câu hỏi đầu tiên bạn nên tự đặt ra khi muốn dùng biểu đồ tròn là: Bạn có đang so sánh các phần trong một tổng thể không? Nếu câu trả lời là có, và số phần chỉ khoảng 5 hoặc 6, thì bạn có thể dùng biểu đồ tròn. Nhưng nếu có tới 10 phần trở lên, Linh khuyên bạn nên dừng lại và chuyển sang biểu đồ cột. Một cách khác là gộp những phần nhỏ dưới 1-2% vào một nhóm “Khác” để giữ biểu đồ gọn gàng. Quá nhiều lát nhỏ sẽ khiến biểu đồ trở nên rối mắt.

Ví dụ trong bộ dữ liệu việc làm AI, có một cột company_size thể hiện quy mô doanh nghiệp: Nhỏ (Small), Vừa (Medium), Lớn (Large). Chỉ có 3 giá trị, rất lý tưởng để vẽ biểu đồ tròn. Linh sẽ dùng ChatGPT tạo biểu đồ thể hiện tỷ lệ phần trăm của từng quy mô. Kết quả cho thấy 3 nhóm có tỷ lệ tương đương, và trong trường hợp này, biểu đồ tròn hoạt động tốt vì dữ liệu đơn giản, dễ phân biệt.

Nếu dữ liệu có 3-4 phần lớn kèm vài phần nhỏ, bạn vẫn có thể dùng biểu đồ tròn. Nhưng nếu có tới 9-10 phần, hãy chuyển sang biểu đồ cột để người xem dễ đọc hơn. Với những phần nhỏ không quan trọng, bạn nên gộp vào nhóm “Khác”; còn nếu quan trọng, hãy ưu tiên biểu đồ cột để hiển thị rõ ràng.

Một lưu ý quan trọng: nếu dùng biểu đồ tròn, hãy sắp xếp các phần từ lớn đến nhỏ, và đặt phần lớn nhất ở vị trí 12 giờ. Cách này giúp người đọc dễ dàng nhận diện phần quan trọng ngay khi nhìn vào. Đồng thời, hãy hiển thị rõ tỷ lệ phần trăm trên từng lát. Khi yêu cầu ChatGPT vẽ, bạn có thể thêm chi tiết như: “Hiển thị phần trăm trên từng lát và dùng bảng màu tương phản.” Điều này đảm bảo biểu đồ vừa dễ đọc vừa không bị trùng lặp màu sắc.

Tóm lại, biểu đồ tròn vẫn rất hữu dụng, chỉ là không phải lúc nào cũng phù hợp. Linh thường xem nó như một công cụ nhỏ, chỉ dùng khi dữ liệu thật sự đơn giản và thông điệp cần truyền đạt rõ ràng trong vài phần chính. Khi biết chọn đúng thời điểm và đúng loại biểu đồ, bạn sẽ tránh được việc “vẽ cho vui” mà quên mất mục tiêu chính: làm dữ liệu trở nên rõ ràng và thuyết phục.

Vậy là chúng ta vừa đi qua 3 loại biểu đồ phổ biến nhất trong sáu loại biểu đồ mà bất cứ ai làm việc với dữ liệu cũng nên biết: biểu đồ cột, biểu đồ đường và biểu đồ tròn. Đồng thời, bạn cũng đã thấy cách vẽ chúng bằng ChatGPT một cách nhanh chóng và đẹp mắt.

Như bạn thấy, chỉ cần chọn đúng loại biểu đồ và đặt đúng câu hỏi, dữ liệu sẽ “lên tiếng” rõ ràng hơn bao giờ hết. Nếu trước đây bạn từng mất hàng giờ thử đi thử lại, thì giờ đây, với AI, bạn đã có thêm một “trợ lý đồ thị” vừa nhanh vừa chính xác.

Hãy nhớ rằng đây mới chỉ là một nửa chặng đường. Trong phần tiếp theo, chúng ta sẽ khám phá 3 loại biểu đồ thống kê nâng cao, nơi mà những con số có thể tiết lộ nhiều insight bất ngờ. Hẹn gặp bạn trong bài viết tiếp theo để tiếp tục hành trình biến dữ liệu thành câu chuyện trực quan và thuyết phục.