ประเภทของข้อมูล (Qualitative/Quantitative) | Statistic พื้นฐานสำหรับ Data Analyst

CH.01 · 2/6

บทที่ 1 · ตอนที่ 1.2

ประเภทของข้อมูล (Qualitative/Quantitative)

ก่อนจะเลือกใช้กราฟหรือสถิติตัวไหน ต้องรู้ก่อนว่าข้อมูลที่ถืออยู่ในมือ “พูด” ได้แบบไหน — เลือกผิดประเภทตั้งแต่ต้น ตัวเลขที่ได้ท้ายทางก็ไม่มีความหมายเลย

⏱ 20 นาที 📊 ระดับ เริ่มต้น 📍 2 / 60 ตอน

ตอนที่แล้วเราคุยกันว่าสถิติช่วยแยกสัญญาณออกจากความคลาดเคลื่อน ตอนนี้เราจะเริ่มลงมือจริง และก้าวแรกที่คนมักข้ามไปคือการดูให้ออกว่า “ข้อมูลที่มีอยู่ตรงหน้าคือข้อมูลแบบไหน”

ผมเคยเจอ intern คนหนึ่งเอาคอลัมน์ “รหัสสาขา” (เช่น 1, 2, 3, 4) ไปคำนวณค่าเฉลี่ยแล้วได้ 2.4 แล้วสรุปว่า “สาขาเฉลี่ยของบริษัทคือสาขา 2.4” — ฟังดูตลก แต่มันคือผลลัพธ์ตรงไปตรงมาของการไม่แยกประเภทข้อมูลก่อนเริ่มวิเคราะห์ ตัวเลข 1-4 ตรงนั้นเป็นแค่ป้ายชื่อ ไม่ใช่ปริมาณที่บวกลบคูณหารกันได้จริง

สองตระกูลใหญ่: เชิงคุณภาพ กับ เชิงปริมาณ

ข้อมูลทุกคอลัมน์ที่เราเจอในงานแบ่งได้เป็นสองตระกูลใหญ่ก่อนเสมอ คำถามที่ใช้แยกง่ายที่สุดคือ “เอามาบวก ลบ เฉลี่ยกันได้อย่างมีความหมายไหม”

ข้อมูลเชิงคุณภาพ (Qualitative / Categorical)

คือข้อมูลที่บอก “ประเภท” หรือ “กลุ่ม” ไม่ใช่ปริมาณ เช่น เพศ, จังหวัด, ประเภทสินค้า, สถานะการสมัครสมาชิก (active/churned) แม้บางครั้งจะถูกแทนด้วยตัวเลข (เช่น รหัสสาขา) แต่ตัวเลขนั้นเป็นแค่ป้ายกำกับ เอามาเฉลี่ยกันไม่ได้

ข้อมูลเชิงปริมาณ (Quantitative / Numerical)

คือข้อมูลที่เป็นตัวเลขจริงและมีขนาดที่เทียบกันได้ เช่น อายุ, ยอดขาย, จำนวนครั้งที่เข้าเว็บ, ระยะเวลาที่ใช้ในแอป ข้อมูลกลุ่มนี้แบ่งย่อยอีกสองแบบ:

Discrete (นับได้) — เป็นจำนวนเต็ม นับทีละหน่วยได้ เช่น จำนวนออเดอร์ จำนวนคนในทีม (ไม่มี 2.5 ออเดอร์)
Continuous (วัดได้) — เป็นค่าต่อเนื่อง มีทศนิยมได้ไม่จำกัด เช่น น้ำหนัก ราคา เวลาที่ใช้บนหน้าเว็บ

ตัวอย่าง — ตารางข้อมูลลูกค้าหนึ่งแถว

รหัสลูกค้า: CUST-0231 (เชิงคุณภาพ — เป็นป้ายชื่อ) · จังหวัด: เชียงใหม่ (เชิงคุณภาพ) · จำนวนครั้งที่สั่งซื้อ: 7 (เชิงปริมาณ แบบ discrete) · ยอดใช้จ่ายรวม: 4,850.50 บาท (เชิงปริมาณ แบบ continuous)

ลองคิดดู

ลองนึกถึงตารางข้อมูลที่ใช้อยู่บ่อยๆ ในงาน มีคอลัมน์ไหนที่เป็นตัวเลขแต่จริงๆ แล้วเป็นเชิงคุณภาพซ่อนอยู่บ้างไหม (เช่น รหัสไปรษณีย์ เบอร์โทร รหัสพนักงาน)

ทำไมการแยกประเภทให้ถูกถึงสำคัญมาก

เหตุผลไม่ใช่แค่เรื่องความถูกต้องทางทฤษฎี แต่ส่งผลโดยตรงกับงานสามเรื่อง:

เลือกกราฟผิด — เอาข้อมูลเชิงคุณภาพไปทำ line chart (ซึ่งสื่อถึงการเปลี่ยนแปลงต่อเนื่อง) จะทำให้คนอ่านเข้าใจผิดว่ามีลำดับหรือแนวโน้ม ทั้งที่จริงๆ เป็นแค่กลุ่มที่แยกกันคนละกลุ่ม
เลือกสถิติผิด — ค่าเฉลี่ยใช้ได้กับข้อมูลเชิงปริมาณเท่านั้น ถ้าเอาไปใช้กับเชิงคุณภาพ (แบบ intern ในตัวอย่างข้างต้น) ตัวเลขที่ได้จะไม่มีความหมายอะไรเลย
เลือกโมเดลผิด — พอไปถึงขั้น regression หรือ machine learning การรู้ประเภทข้อมูลจะกำหนดว่าต้องแปลงข้อมูลยังไงก่อนใส่เข้าโมเดล

เคล็ดลับ

เจอคอลัมน์ไหนแล้วไม่แน่ใจ ให้ลองถามตัวเองว่า “ถ้าเอาค่าสองค่านี้มาบวกกันแล้วหารสอง ผลลัพธ์ที่ได้ยังมีความหมายอยู่ไหม” ถ้าใช่ คือเชิงปริมาณ ถ้าไม่ใช่ คือเชิงคุณภาพ ไม่ว่าหน้าตาจะเป็นตัวเลขหรือไม่ก็ตาม

สรุปจำง่าย

เชิงคุณภาพ = บอกว่าเป็น “อะไร”/”กลุ่มไหน” · เชิงปริมาณ = บอกว่า “เท่าไหร่” และแบ่งย่อยเป็นนับได้ (discrete) กับวัดได้ (continuous)

สรุปตอนนี้

ข้อมูลแบ่งเป็นสองตระกูลหลัก: เชิงคุณภาพ (บอกประเภท/กลุ่ม) และเชิงปริมาณ (บอกขนาด)
ข้อมูลเชิงปริมาณแบ่งย่อยเป็น discrete (นับได้) และ continuous (วัดได้)
ตัวเลขหน้าตาเหมือนปริมาณอาจเป็นเชิงคุณภาพซ่อนอยู่ (เช่น รหัสต่างๆ) ต้องเช็คด้วยคำถาม “เอามาเฉลี่ยแล้วมีความหมายไหม”
ตอนถัดไปเราจะลงลึกกว่านี้อีกขั้น ด้วยเรื่องระดับการวัด (measurement scale) ที่จะบอกได้ละเอียดขึ้นว่าข้อมูลแต่ละแบบใช้สถิติอะไรได้บ้าง

ทบทวนความเข้าใจQuiz ท้ายตอน 1.2

คะแนน 0 / 4

1. “รหัสสาขา” ที่แทนด้วยตัวเลข 1, 2, 3, 4 ควรจัดเป็นข้อมูลประเภทไหน

2. “จำนวนออเดอร์ที่ลูกค้าสั่งในเดือนนี้” เป็นข้อมูลเชิงปริมาณแบบไหน

3. คำถามไหนที่ช่วยแยกว่าคอลัมน์หนึ่งเป็นเชิงคุณภาพหรือเชิงปริมาณได้ดีที่สุด

4. ถ้าเอาข้อมูล “จังหวัดของลูกค้า” ไปทำกราฟเส้น (line chart) ปัญหาที่จะเกิดขึ้นคืออะไร