Dashboard Design for Decision-Making

---

Dashboard Design for Decision-Making

Framework ในการออกแบบ Dashboard ให้ตอบโจทย์ User และ Business Impact

หลายองค์กรมี Dashboard แต่กลับใช้งานไม่จริง เพราะแม้ข้อมูลจะเยอะ แต่ผู้ใช้เปิดมาแล้วไม่รู้ว่าอะไรสำคัญ และควรทำอะไรต่อ

Dashboard ที่ดีจึงไม่ใช่แค่หน้าจอรวมกราฟ แต่ต้องเป็นเครื่องมือที่ช่วยให้ผู้ใช้งานเห็นภาพรวม เข้าใจปัญหา และตัดสินใจได้เร็วขึ้น

Dashboard คืออะไร

Dashboard เปรียบเหมือนหน้าปัดรถยนต์หรือเครื่องบิน ที่รวมข้อมูลสำคัญไว้ในที่เดียว เพื่อช่วยให้ผู้ใช้งานมองสถานการณ์และตัดสินใจได้ถูกต้อง

ในธุรกิจ Dashboard มีประโยชน์หลัก 4 เรื่อง

1. ช่วยติดตามเป้าหมาย (Track Progress): ช่วยให้รู้ว่าผลงานตอนนี้ใกล้หรือไกลจากเป้าหมายแค่ไหน
2. ช่วยให้ตัดสินใจได้ดีและเร็วขึ้น: ผู้ใช้งานไม่ต้องรอรายงานจากคนอื่น แต่ดูข้อมูลและตัดสินใจได้ทันที
3. ช่วยให้เห็นโอกาสและความเสี่ยง (Risk & Opportunity): ช่วยให้เห็นสัญญาณผิดปกติเร็ว และมองเห็นโอกาสที่ควรเร่งต่อยอด
   - เห็นความเสี่ยง: ถ้ายอดขายจู่ๆ ตกฮวบ จะมีกราฟเตือนให้เห็นทันที ทำให้รีบเข้าไปแก้ปัญหาได้ก่อนจะสายเกินไป
   - เห็นโอกาส: ถ้าจู่ๆ มีสินค้าตัวไหนขายดีผิดปกติ เราจะเห็นเทรนด์และสามารถดันโปรโมทสินค้านั้นต่อได้ทันที
4. ทำลายกำแพงระหว่างแผนก (Break Down Silos): ทำให้แต่ละทีมเห็นข้อมูลที่สัมพันธ์กัน และทำงานร่วมกันได้ดีขึ้น

ทำไมหลาย Dashboard ถึงล้มเหลว

แม้องค์กรจำนวนมากจะลงทุนทำ Dashboard แต่ปัญหาที่พบซ้ำๆ คือ “สร้างแล้วไม่มีคนใช้” สาเหตุหลักมักมาจาก 3 เรื่อง

• Dashboard ถูกสร้างเพื่อ “แสดงข้อมูล” มากกว่า “ช่วยตัดสินใจ”
• ผู้ใช้งานเปิดแล้วไม่รู้ว่าอะไรคือประเด็นสำคัญ
• หน้าจอเต็มไปด้วยกราฟ แต่ไม่ตอบคำถามว่า แล้วต้องทำอะไรต่อ

ดังนั้น เป้าหมายของ Dashboard ไม่ควรเป็นเพียงการเอาข้อมูลมากองรวมกัน แต่ต้องทำหน้าที่เป็นเครื่องมือที่ช่วยให้คนในองค์กร เห็นภาพ เข้าใจ และลงมือทำได้จริง

เริ่มที่ “ผู้ใช้” ไม่ใช่เริ่มที่ “กราฟ”

ความเข้าใจผิดแบบคลาสสิกในการสร้าง Dashboard คือการเริ่มต้นด้วยคำถามว่า
“อยากได้กราฟอะไร”
“อยากดูข้อมูลแบบไหน”

คำตอบที่ได้มักเป็นกราฟยอดนิยม เช่น Line Chart, Bar Chart, Pie Chart หรือ Top 10 Table แล้วสุดท้ายก็เอาทุกอย่างมาวางรวมกันในหน้าเดียว ผลลัพธ์คือหน้าจอที่ดูแน่น ดูยุ่ง และไม่ช่วยให้ผู้ใช้เข้าใจว่าเรื่องสำคัญคืออะไร

แนวทางที่ถูกต้องกว่าคือการออกแบบแบบ User-Centric หรือการยึดผู้ใช้งานเป็นศูนย์กลาง โดยต้องเข้าใจผู้ใช้ใน 4 มิติหลัก

1. ขอบเขตของข้อมูลที่เขาอยากดู (Information Scoping) เราต้องรู้ว่าแผนกนี้สนใจข้อมูลอะไร เช่น:

• แผนกบัญชี: สนใจรายได้ กำไรสุทธิ ต้นทุน
• แผนกการตลาด: สนใจส่วนแบ่งการตลาด (Market Share) จำนวนลูกค้า ไม่ได้อยากดูข้อมูลบัญชีจ๋าๆ

2. คุณภาพและความสดใหม่ของข้อมูล (Information Quality & Timeliness) แต่ละงานต้องการความเป๊ะและความเร็วของข้อมูลไม่เหมือนกัน เช่น:

• แผนกการตลาด: ต้องการข้อมูลที่เร็ว (Real-time) เพื่อแข่งกับคู่แข่ง
• แผนกบัญชี: ข้อมูลช้าหน่อยได้ (เช่น รอสรุปสิ้นเดือน) แต่ข้อมูลต้อง ถูกต้อง 100% ห้ามมีทศนิยมผิดพลาด
• ระบบตรวจจับทุจริต (Fraud Detection): ต้องการข้อมูลที่เร็วมากๆ เพื่อระงับเหตุการณ์ให้ทัน แม้ระบบอาจจะมีเตือนผิดพลาดบ้าง (False Alarm) ก็ยังดีกว่าจับไม่ได้เลย

3. หน้าที่และจุดประสงค์ในการทำงาน (Function)

• ระดับปฏิบัติการ (Operation): ต้องการดูรายละเอียดเชิงลึก เพื่อแก้ปัญหารายวัน เช่น ฝ่ายผลิตอยากรู้ว่าตอนนี้เครื่องจักรตัวไหนเสีย จะได้รีบส่งช่างไปซ่อม
• ระดับผู้บริหาร (Executive): ไม่ได้อยากดูรายละเอียดหยุมหยิม แต่อยากดูภาพรวมกว้างๆ ทิศทางการเติบโต และความเชื่อมโยงของข้อมูล เพื่อใช้กำหนดกลยุทธ์บริษัท

4. อุปกรณ์ที่ใช้ดู Dashboard (Device / Viewing Method)
Dashboard บนมือถือควรเรียบง่ายและเลื่อนดูได้สะดวก Dashboard บนจอทีวีควรแสดงตัวเลขเด่นๆ โดยไม่ต้องคลิก ส่วน Dashboard บนคอมพิวเตอร์สามารถออกแบบให้มี Filter, Interaction และ Drill-down ได้มากกว่า

Problem — Reason — Action

แดชบอร์ดที่ดีไม่ใช่แค่หน้ารวมกราฟสวยๆ แต่ต้องเป็นเครื่องมือที่ช่วยให้ผู้ใช้งานตัดสินใจได้จริง ซึ่งโดยปกติเราพบว่าผู้ใช้ Dashboard จะมีกิจกรรมหลักๆคือ “See — Think — Do” นั้นคือ

1. See (ต้องการเห็นปัญหา)
   คือ ข้อมูลหรือมุมมองที่ผู้ใช้ต้องเห็นใน Dashboard- Measures → KPI / ตัวเลข
   - Time → เวลา (trend)
   - Locations → สถานที่ / สาขา
   - Dimensions → มิติ เช่น Product / Customer
2. Think (คิดหาสาเหตุว่าปัญหาที่เห็นมาจากไหน)
   คือ กระบวนการคิดในหัวของผู้ใช้
   - calculate → คำนวณ
   - compare → เปรียบเทียบ
   - identify → หาสาเหตุ
   - forecast → คาดการณ์
   - understand → ทำความเข้าใจ
3. Do (อยากแก้ปัญหานั้น)
   คือ Action ที่ผู้ใช้ต้องทำหลังดู Dashboard
   - decide → ตัดสินใจ
   - monitor → ติดตามสถานการณ์
   - alert → แจ้งเตือน
   - plan → วางแผน
   - execute → ลงมือทำ

เราสามารถนำหัวข้อต่างๆด้านบนมี Interview คนที่จะใช้ Dashboard เพื่อช่วยในการออกแบบ Dashboard ให้ตรงใจ มากกว่านั้นหลักการนี้ได้ถูกพัฒนาต่อมาเป็น “Problem — Reason — Action” Framework

1) Problem: เกิดอะไรขึ้น (ชี้เป้าปัญหาให้เห็นทันที)

เมื่อเปิด Dashboard ขึ้นมา ผู้ใช้งานควรรู้ทันทีว่าตอนนี้สถานการณ์ดีหรือแย่ เช่น ยอดขายต่ำกว่าเป้า อัตราการลาออกสูงขึ้น หรือสาขาบางแห่งทำผลงานตกลงอย่างชัดเจน

ข้อมูลส่วนนี้ควรวางไว้ในตำแหน่งเด่นที่สุด โดยเฉพาะมุมซ้ายบน และใช้สีหรือสัญญาณภาพเพื่อช่วยดึงสายตาไปยังประเด็นสำคัญทันที
- Key results → ผลลัพธ์หลัก เช่น ยอดขาย
- Lag indicators → ตัวชี้วัดปลายทาง (เกิดแล้ว)
- Desired outcomes → เป้าหมายที่อยากได้

2) Reason: เกิดขึ้นเพราะอะไร (บอกสาเหตุของปัญหา)

หลังจากเห็นปัญหา ผู้ใช้จะถามต่อทันทีว่า “ทำไม” Dashboard ที่ดีจึงต้องเตรียมข้อมูลเชิงวิเคราะห์ไว้รองรับ เช่น หากยอดขายลดลง อาจต้องดูต่อว่าเกิดจากจำนวนลูกค้าลดลง หรือยอดซื้อต่อบิลลดลง จากนั้นจึงแยกดูตามหมวดสินค้า ภูมิภาค หรือกลุ่มลูกค้า
- KPI drivers → อะไรเป็นตัวขับ KPI
- Lead indicators → ตัวชี้วัดล่วงหน้า
- Breakdown → แยกปัญหาเป็นส่วนย่อย

3) Action: แล้วต้องทำอะไรต่อ (นำไปสู่การลงมือทำ)

นี่คือส่วนที่หลายองค์กรพลาดมากที่สุด เพราะแม้จะรู้ปัญหาและสาเหตุแล้ว แต่ถ้า Dashboard ไม่ช่วยพาไปถึงระดับที่ “ลงมือได้” ผู้ใช้งานก็ยังต้องกลับไปหาข้อมูลเพิ่มเอง

Dashboard ที่ดีจึงควรพาผู้ใช้ไปถึงข้อมูลระดับที่เอาไปปฏิบัติได้จริง เช่น ระดับสาขา ระดับทีม ระดับสินค้า หรือระดับบุคคล เพื่อให้สามารถโทรสั่งการ ปรับแผน หรือออกมาตรการได้ทันที
- ดูข้อมูลในระดับที่ actionable (เช่น รายสาขา / รายคน)
- Highlight โอกาสทางธุรกิจ
- หา root cause แล้วแก้

Measures และ Dimension

ก่อนเลือกกราฟ เราต้องเข้าใจก่อนว่าข้อมูลใน Dashboard ควรประกอบด้วยอะไรบ้าง ซึ่งโดยหลักแล้วแบ่งได้เป็น 2 ส่วน

1. Measures (ตัวชี้วัด, KPI)

• Measures คือค่าที่คำนวณได้ เช่น
  - Speed เช่น เราทำงานไวไหม, Time to Purchase
  - Accuracy เช่น ปริมาณการโดนร้องเรียน
  - Volume เช่น ปริมาณยอดขาย ชิ้น หรือ รายได้เป็นต้น
  - Investment เช่น ต้นทุนในเรื่องต่างๆ

2. Dimensions: มุมมองที่ใช้เจาะลึก

• Dimensions คือแกนที่ใช้แบ่งหรือหั่นข้อมูล เช่น เวลา แผนก ภูมิภาค กลุ่มลูกค้า ช่วงอายุ หรือประเภทสินค้า

พูดง่ายๆ คือ Measures บอกว่า “เกิดอะไรขึ้น” ส่วน Dimensions ช่วยตอบว่า “เกิดกับใคร ที่ไหน เมื่อไร และในกลุ่มไหน”

ตัวอย่าง Measure และ Dimensions

ลด High Cognitive Load (ลดภาระความคิด)

Aggregation (การรวบยอดข้อมูล): Dashboard มีหน้าที่รวบรวมข้อมูลดิบที่มีความละเอียดสูง ขึ้นมาแสดงผลเป็นภาพรวมกว้างๆ (เช่น นำมารวมกัน (Sum) หรือหาค่าเฉลี่ย (Average)) เพื่อให้ดูง่าย

หลักการนำเสนอ Dashboard

นอกจากเนื้อหาแล้ว วิธีนำเสนอภาพก็มีผลอย่างมากต่อประสิทธิภาพของ Dashboard

1. ใช้สี ขนาด และตำแหน่งเพื่อดึงสายตา

สมองของคนเรารับรู้บางสิ่งได้เร็วมากโดยไม่ต้องคิด เช่น สีแดงท่ามกลางสีเทา หรือแท่งกราฟที่ยาวผิดปกติ ดังนั้นเราควรใช้สีและขนาดอย่างมีเป้าหมาย เพื่อชี้ประเด็นสำคัญ ไม่ใช่ใช้เพื่อความสวยงามเพียงอย่างเดียว

https://towardsdatascience.com/data-visualization-theory-an-introduction-a077c0d80498/

2. กฎขจัดขยะสายตา (Data-Ink Ratio)

ตัดสิ่งที่ไม่จำเป็นออก: Dashboard ที่ดีควรสะอาดและชัดเจน หลีกเลี่ยงกราฟ 3 มิติ เส้นตารางเข้มๆ พื้นหลังรบกวนสายตา และองค์ประกอบตกแต่งที่ไม่เพิ่มคุณค่าต่อการอ่านข้อมูล

3. ใช้สีอย่างมีวินัย

ไม่ควรใช้สีหลากหลายจนเกินไป เพราะจะเพิ่มภาระให้สมอง โดยทั่วไปสีควรถูกใช้เพื่อสื่อความหมาย เช่น สีแดงสำหรับปัญหา สีเขียวสำหรับผลลัพธ์ที่ดี หรือใช้สีเดียวกันแทนหมวดหมู่เดียวกันตลอดทั้ง Dashboard

https://storyiq.com/blog/the-3-keys-to-effective-dashboard-design/

การจัดวางที่ดี ทำให้ Dashboard “เล่าเรื่อง” ได้

คนส่วนใหญ่มองหน้าจอจากซ้ายบนไปขวา แล้วจึงไล่ลงล่าง ดังนั้นพื้นที่มุมซ้ายบนจึงเป็นจุดที่ควรวาง KPI หรือปัญหาที่สำคัญที่สุด

จากนั้นค่อยเรียงข้อมูลส่วนวิเคราะห์สาเหตุไว้ตรงกลางหรือด้านขวา และวางข้อมูลเชิงปฏิบัติ เช่น รายชื่อสาขา รายชื่อทีม หรือตารางรายละเอียด ไว้ด้านล่าง

การจัดวางที่ดีทำให้ Dashboard ไม่ใช่แค่ชุดของกราฟหลายอัน แต่เป็นเรื่องราวที่พาผู้ใช้งานคิดตามอย่างเป็นลำดับจาก
เกิดอะไรขึ้น → เพราะอะไร → ต้องทำอะไร

เลือกกราฟให้เหมาะกับคำถาม

กราฟไม่มีแบบไหนดีที่สุดสำหรับทุกสถานการณ์ สิ่งสำคัญคือเลือกให้เหมาะกับคำถามที่ต้องการตอบ

• ถ้าต้องการดูแนวโน้มตามเวลา กราฟเส้นมักเหมาะที่สุด
• ถ้าต้องการเปรียบเทียบหลายหมวดหมู่ กราฟแท่งมักชัดเจนที่สุด
• ถ้าต้องการดูความสัมพันธ์ระหว่างตัวแปร 2 ตัว Scatter Plot จะทรงพลังมาก
• ถ้าต้องการดูการกระจายตัวของข้อมูล Histogram หรือ Boxplot จะช่วยได้ดี
• หากต้องการดูสัดส่วน ควรใช้ Pie Chart อย่างระมัดระวัง และใช้เฉพาะกรณีที่มีหมวดหมู่น้อยจริงๆ

สิ่งสำคัญไม่ใช่ความหลากหลายของกราฟ แต่คือการเลือกกราฟที่ช่วยให้คน “เข้าใจได้เร็วที่สุด”

• Datavizcatalogue.com: แหล่งรวบรวมศึกษา Visualziation แบบต่างๆ

• Flourish.studio: เป็นอีกแหล่งที่เขียนออกมาดีมากๆ

Dashboard ที่ดี ต้องมี Interactivity เท่าที่จำเป็น

บนอุปกรณ์ที่รองรับ เช่น คอมพิวเตอร์หรือแล็ปท็อป เราควรใช้ความสามารถด้านการโต้ตอบให้เกิดประโยชน์ เช่น

• Tooltip เพื่อซ่อนรายละเอียดไว้จนกว่าจะชี้เมาส์
• Filter และ Highlight เพื่อดูข้อมูลเฉพาะกลุ่ม
• Drill-down เพื่อเจาะจากภาพรวมลงสู่รายละเอียด

แต่ก็ต้องระวังไม่ออกแบบเกินจำเป็น โดยเฉพาะในกรณีที่ผู้ใช้งานดูผ่านมือถือหรือจอทีวีที่ไม่มีใครกดคลิก

Dashboard ที่ดีไม่ใช่ Dashboard ที่มีกราฟเยอะที่สุด หรือหน้าตาสวยที่สุด แต่คือ Dashboard ที่ช่วยให้ผู้ใช้งาน เห็นประเด็นสำคัญ ตัดสินใจได้เร็ว และลงมือทำได้จริง

หากต้องสรุปหลักคิดทั้งหมดให้สั้นที่สุด อาจสรุปได้ว่า

เริ่มจากการเข้าใจผู้ใช้ เลือกข้อมูลที่ตอบคำถามจริง จัดลำดับให้เห็น Problem — Reason — Action และออกแบบทุกอย่างเพื่อลดภาระการคิดของผู้ใช้งาน

เมื่อทำได้แบบนี้ Dashboard จะไม่ใช่เพียงรายงานบนหน้าจอ แต่จะกลายเป็นเครื่องมือที่องค์กรเปิดใช้ทุกวัน และเป็นส่วนหนึ่งของการขับเคลื่อนการตัดสินใจอย่างแท้จริง

Data Science Explore the world of data science with Donato_Story

Dashboard Discover the power of data visualization with Donato_Story

Donato_Journey Join me on my journey (Thai version)

Course_Review Discover the training courses with Donato_Story (Thai version)

Let’s Connect!

Your thoughts and feedback are invaluable. Feel free to share them in the comments or connect with me on

• Medium: medium.com/donato-story
• Facebook: web.facebook.com/DonatoStory
• Linkedin: linkedin.com/in/nattapong-thanngam