ดร. ภูริพันธุ์ รุจิขจร: เข้าใจวิกฤตด้วยภาพในมุมมองของ Data Visualization Specialist

ในสถานการณ์ที่วิกฤตที่สุด อะไรจะมีความหวังได้มากไปกว่า "ความเชื่อมั่น" ที่สามารถทลายความเคลือบแคลงสงสัยและความกลัวที่สุดท้ายจะทำลายทุกสิ่ง และแม้ "ความจริง" บางอย่างอาจทำให้เราเจ็บปวด แต่ความจริงนั้นจะช่วยให้เรามองเห็นทางรอดได้มากกว่าข่าวดีและคำปลอบประโลมที่ไม่อาจรับประกันได้ว่าจะเป็นจริง ในวันนี้ คนไทยจึงต้องการความกลัวในระดับที่พอดีกับความเป็นจริง เพื่อพร้อมรับมือกับสถานการณ์การแพร่ระบาดของโรคโควิด-19 ที่ยังไม่มีใครรู้ว่าจะจบลงอย่างไร การนำเสนอข้อมูลที่ถูกต้อง แม่นยำ และเข้าใจง่าย จึงถือเป็นความจำเป็นเพื่อช่วยให้เราได้ทำความเข้าใจกับสถานการณ์ตรงหน้าได้อย่างถี่ถ้วน อันจะนำไปสู่การรับมือ ปรับตัว และมองเห็นทางรอดได้ร่วมกัน

ดร. ภูริพันธุ์ รุจิขจร อาจารย์ประจำคณะพาณิชยศาสตร์และการบัญชี จุฬาลงกรณ์มหาวิทยาลัย ภาควิชาสถิติ และผู้ร่วมก่อตั้งบุญมีแล็บ บริษัทที่ผนวกเอาความรู้ด้านข้อมูล เทคโนโลยี และการออกแบบ มาสรรสร้างเป็นผลิตภัณฑ์และโปรเจ็กต์ที่ชวนกระตุ้นความสงสัยใคร่รู้ และทักษะการคิดวิเคราะห์ของผู้ใช้งานและผู้เสพข่าวสารได้อย่างสร้างสรรค์ เขาคือผู้อยู่เบื้องหลังการจัดการข้อมูลย่อยยากให้เล่าออกมาได้เข้าใจง่ายขึ้น ผ่านรูปแบบผลงานภาพที่เรียกว่า “Data Visualization” และในภาวะวิกฤตเช่นนี้ ที่หลายภาคส่วนยังขาดการนำเสนอข้อมูลที่ตรงไปตรงมาและน่าเชื่อถือ ความรู้และประโยชน์ของการแปลงข้อมูลเป็นภาพ จะสามารถเป็นเครื่องมือหนึ่งที่จะช่วยให้ประชาชนได้เข้าใจสถานการณ์ตรงหน้าอย่างชัดเจนขึ้นได้อย่างไร ผู้เชี่ยวชาญด้านข้อมูลหนุ่มไฟแรงคนนี้ พร้อมแล้วที่จะมาตอบคำถามนี้ให้รู้กัน

Data Visualization คืออะไร
หลัก ๆ คือการเอาข้อมูลมาแสดงผลเป็นภาพ หากมีข้อมูลอยู่ แทนที่เราจะแสดงผลเป็นตาราง ตัวเลข หรือตัวหนังสือ ก็ทำออกมาเป็นภาพ ซึ่งประโยชน์หลัก ๆ ของมันก็จะอิงอยู่กับว่ามนุษย์เราเป็นสัตว์ที่เข้าใจภาพได้ค่อนข้างดีและมีประสิทธิภาพ และภาพเป็นสิ่งที่ดึงดูดใจ น่าสนใจ เหมือนกับการเห็นอะไรสวย ๆ แล้วก็อยากดู ซึ่งมันก็นำไปสู่ประโยชน์ของมัน อย่างแรกที่เราใช้กันบ่อย ๆ คือการใช้ Visualization เพื่อช่วยในการสื่อสาร เนื่องจากภาพมันน่าสนใจและดึงดูดกว่า จึงเชิญชวนให้คนมาดูข้อมูลนั้น ๆ ได้ง่ายขึ้น ทำให้เขาได้สิ่งที่เราต้องการสื่อสารตามไปด้วย ส่วนประโยชน์อีกแบบหนึ่งคือ มันอาจจะไม่ได้ใช้เพื่อการสื่อสารอย่างเดียว แต่อาจจะช่วยให้เราย่อยข้อมูลบางอย่างหรือข้อสรุปอะไรบางอย่างได้ เพราะบางครั้งเราก็ไม่ได้ไอเดียเมื่อรับข้อมูลในปริมาณมาก ๆ แต่หากเราทำให้มันเป็นภาพก่อน ก็จะช่วยให้เราสื่อสารกับตัวเองได้ดีขึ้น ว่าสิ่งที่เราเข้าใจมันถูกหรือผิด ภาพจะช่วยให้เราเข้าใจง่ายขึ้น ดูเสร็จเราก็อาจจะเปลี่ยนภาพไปเรื่อย ๆ ภาพพวกนี้อาจไม่จำเป็นต้องสวยงาม แต่สามารถใช้สื่อสารเพื่อย้ำความเข้าใจของตัวเอง เพื่อนำไปสู่บทสรุปสุดท้าย และนำไปใช้สื่อสารกับคนอื่นต่อไปได้

มันจะไปแทนที่การสื่อสารแบบเดิมหรือไม่
ผมคิดว่าไม่ได้แทนที่ แต่เพียงไปเสริมบางอย่าง แต่เดิมมันมีของที่มีมูลค่าอยู่ แต่ไม่มีใครเอาไปใช้ประโยชน์ ยกตัวอย่างหลาย ๆ องค์กรอยากเปลี่ยนเป็น Digital Transformation คือทำ Dashboard เหมือนเขารู้ว่าองค์กรมีข้อมูลบางอย่างอยู่ แต่ไม่ได้เอาออกมาดู Dashboard ก็เป็น Visualization แบบหนึ่งที่ดึงเอาข้อมูลต่าง ๆ มาแสดงผลพร้อม ๆ กัน เพื่อช่วยให้การทำความเข้าใจหรือตัดสินใจอะไรบางอย่างขององค์กร ผมจึงคิดว่ามันไม่ได้แทนอะไร แต่มันไปช่วยเสริมสิ่งที่มีอยู่ให้มีประสิทธิภาพมากขึ้น 

อีกอันหนึ่งที่หลายคนอาจจะคิดว่า Visualization มาแทนคือ Data Journalism (การใช้วิทยาศาสตร์ข้อมูลช่วยในการรายงานข่าวที่ใช้ข้อมูลเป็นแกนหลัก) ในความเป็นจริงคือ Visualization ไม่ได้ไปแทนงานข่าวปกติ เพราะงานข่าวปกติ มันก็ยังทำหน้าที่ของมันได้ แต่ตอนนี้มันอาจจะมีรูปแบบใหม่ที่อาจจะสื่อสารบางเรื่องได้ง่ายและชัดเจนกว่า เช่น เรื่องโควิด-19 มันชัดเจนเลยว่า เราก็สามารถเขียนเป็นบทความตามปกติได้ แต่ของบางอย่างพอสื่อสารด้วยภาพมันเข้าใจได้ง่าย งานข่าวที่ดี ๆ ของฝั่งเอเชียอย่าง South China Morning Post ของฮ่องกง ก็ใช้ภาพสื่อสารข่าวโควิดได้อย่างมีประสิทธิภาพ เช่น เราจะเห็นเทรนด์ผู้ป่วยชัดเจนเลยว่าเพิ่มขึ้น ถ้าเราอ่านเป็นข้อมูลตัวหนังสือก็ทำได้ แต่มันอาจจะไม่เห็นภาพแบบเดียวกัน ผมว่ามันช่วยเสริมกันมากกว่า

แล้ว Data Journalism คืออะไร ต่างจาก Data Visualization อย่างไร
Data Journalism ก็คือการทำข่าวที่ใช้ข้อมูลมาเป็นแกนหลักก่อน แล้วถึงคิดได้เป็นประเด็นว่าจากตารางข้อมูลนี้ มันตั้งประเด็นอะไรได้บ้าง ซึ่งมันอาจเป็นเรื่องที่เราคาดไม่ถึงหรือไม่เคยคิดเป็นประเด็นเลยก็ได้ ทักษะการทำข่าวแบบนี้ต่างจากแต่ก่อนตรงที่ ปกติข่าวจะมาจากโต๊ะข่าวในลักษณะ Top Down ที่มีการแจกแจงให้นักเขียนเขียนข่าวแล้วค่อยส่งให้กราฟิกทำภาพประกอบ แต่ในการทำ Data Journalism จะต้องมีคนมาร่วมด้วยเยอะหน่อย ไม่ใช่แค่บรรณาธิการคนเดียว คือต้องมีคนที่เล่าเรื่องเป็น คนที่มีความเข้าใจเรื่องข้อมูล และนักออกแบบ เพื่อช่วยกันคิดว่าเนื้อข่าวแบบนี้จะเอาข้อมูลมานำเสนอเป็นลักษณะอย่างไร แล้วค่อยทำไปพร้อม ๆ กัน ปกติถ้าเป็นไปได้ เราก็อยากได้สกิลทั้งหมดนี้รวมอยู่ในคน ๆ เดียว แต่ในความเป็นจริงมันยังไม่มี เพราะมุมหนึ่งก็คือวิธีการสอนในมหาวิทยาลัยมันไม่ได้เอื้อให้คน ๆ เดียวมีสกิลหลากหลายขนาดนั้น ผมจึงคิดว่าร่วมมือกันทำเป็นทีมอาจจะเหมาะสมมากกว่า ซึ่งสกิลหลัก ๆ ที่ต้องมีสำหรับ Data Journalism คือความเป็นนักข่าว ที่คิดประเด็นได้ ถัดมาคือการเข้าใจในธรรมชาติของข้อมูล ความสามารถในการหาข้อมูล รู้ว่าข้อมูลนี้ทำอะไรได้บ้าง ข้อจำกัดคืออะไร อาจจะเขียนโค้ดได้หรือไม่ได้ก็แล้วแต่ อีกด้านคือความเชี่ยวชาญด้านการออกแบบและความสามารถในการ Encoding (การนำข้อมูลมาสร้างเป็นภาพ) ต่าง ๆ รวมทั้งเป็นคนที่เข้าใจว่าความสวยงามคืออะไร และเข้าใจในข้อจำกัดของผลลัพธ์ที่เป็นภาพ การทำงานได้เป็นทีมแบบนี้ก็น่าจะสร้างผลงานที่ดีได้

ส่วนความแตกต่างก็คือ Data Visualization สามารถเป็นเครื่องมือหนึ่งในการทำข่าวแบบ Data Journalism ตัวอย่างเช่น ถ้าเราพูดถึงเรื่องอุบัติเหตุในประเทศไทย แทนที่เราจะไปสัมภาษณ์ผู้เชี่ยวชาญด้านอุบัติเหตุบนท้องถนนหรือการจราจร เราก็อาจจะเอาข้อมูลจริงมาดูย้อนกลับไป 10 ปี แล้วพบว่าอุบัติเหตุในประเทศไทยมันมากขึ้นหรือน้อยลง อันนี้ก็จะเป็นอีกวิธีหนึ่งที่สามารถนำเสนอข่าวในรูปแบบใหม่ได้ ซึ่งเราอาจจะทำข้อมูลแบบภาพ เพื่อให้คนได้ย่อยข่าวสารนั้นง่ายขึ้น

การนำเสนอข้อมูลในลักษณะนี้จะทำให้ได้ข้อมูลที่ลดความคิดเห็นลงหรือไม่
การทำ Data Journalism อาจจะช่วยลดความคิดเห็นได้ แต่ต้องบอกก่อนว่าตัวข้อมูลหรือ Data โดยธรรมชาติมันมี Bias (อคติ) อยู่แล้ว ซึ่งอาจจะมีตั้งแต่ตอนที่เก็บข้อมูลเลยก็ได้ เพียงแต่ Data Journalism จะเอื้อให้คนคิดได้เอง ช่วยให้คนเข้าใจในข้อมูลนั้น ๆ ว่ามี Bias หรือไม่ เพราะเขาอาจจะแนบลิงก์ข้อมูลมาให้เราโดยตรง หรือการใช้ Visualization ที่ทำให้เราเห็นอะไรบางอย่างที่จากเดิมเรามองไม่เห็น เราอาจจะมีความสงสัยว่าอะไรจริงไม่จริง เพราะเราได้เห็นข้อมูลมากกว่าข้อมูลที่เขียนมาเฉย ๆ ในมุมหนึ่งมันจะเอื้อให้เป็น Data Driven (ข่าวที่เน้นการให้ข้อมูลเป็นหลัก) มากขึ้น ให้คนมีความรู้ความเข้าใจได้คิดวิเคราะห์มากขึ้นต่อข่าวนั้น ๆ หรือพูดง่าย ๆ คือจะใส่ความคิดเห็นได้ยากขึ้น เพราะถ้าใส่ลงไปแล้วไม่มีข้อมูลมาสนับสนุน คนอ่านก็จะไม่เชื่อทันที 

พบตัวอย่างของการทำ Data Visualization เรื่องการแพร่ระบาดของโควิด-19 ในประเทศไทยหรือไม่อย่างไร
พวกแผนที่ต่าง ๆ จากเอกชน ไม่ว่าจะเป็นเรื่องจำนวนเคสผู้ป่วยในระดับโลกว่ามีมากขนาดไหน หรือการเอาข่าวต่าง ๆ มาย่อยเป็นแผนที่และแทร็กว่าผู้ป่วยเคยเดินทางไปที่ไหนมาบ้าง ข้อมูลอะไรแบบนี้ก็สามารถทำเป็น Data Visualization ได้ ถ้ามองในการวิเคราะห์ข้อมูล คือมองว่าจากภาพทั้งหมดของแผนที่ เราเอาตัวเองลงไป แล้วดูว่าเราอยู่ตำแหน่งตรงไหน อยู่ใกล้กับผู้ติดเชื้อหรือเปล่า แล้วเราจะหลีกเลี่ยงได้อย่างไรบ้าง ซึ่งงานในลักษณะอย่างนี้เราจะไม่ค่อยเห็นในรัฐบาลเท่าไร แต่เมื่อมาดูที่ภาคเอกชนที่ค่อนข้างพร้อมทำข้อมูลอยู่แล้ว ขอเพียงให้เขามีข้อมูลที่เพียงพอ แต่ภาคเอกชนตอนนี้ก็ยังไม่มีข้อมูลเท่าไรเหมือนกัน การแถลงข่าวจากกระทรวงสาธารณสุขก็จะเป็นลักษณะรายงาน รูปเล่ม หรือนั่งโต๊ะแถลงข่าว แต่ไม่ได้ให้ข้อมูลมาเลยว่า ตกลงเคสนั้น ๆ เกิดขึ้นที่ไหน ผู้ป่วยไปที่ไหนมาบ้าง ตรงนี้เราต้องรวบรวมเองจากข่าวต่าง ๆ ซึ่งก็คงไม่สะดวกเท่าไร

ตัวอย่างการนำเสนอข้อมูลในสถานการณ์วิกฤตที่ดีควรทำอย่างไร
ผมคิดว่าตอนนี้มันมี 2 ค่ายอยู่ในเรื่องข้อมูล เราอาจจะเห็นชัด ๆ ถ้ามองจากฝั่งเอเชีย ปกติแทบจะเปิดเผยเกือบทั้งหมด แทบจะรู้เลยว่าทุกเคสเดินทางไปไหนมาบ้าง แน่นอนว่าไม่ได้ละเอียดถึงขั้นชื่อ กับอีกมุมหนึ่งคือข้อมูลจากฝั่งตะวันตก เราแทบจะไม่เห็นการรายงานเชิงเคสแบบละเอียด ๆ เลย อาจเป็นเพราะว่าเรามี Ideology (คตินิยม) ไม่เหมือนกัน ถ้าเป็นฝั่งเอเชียเราอาจสนใจความเป็นส่วนตัวน้อยกว่าฝั่งตะวันตก พอมาพิจารณาแบบนี้ ผมคิดว่าฝั่งเอเชียค่อนข้างประสบความสำเร็จในการควบคุมการระบาดของโรค ตัวอย่างที่ชัดเจนคือ สิงคโปร์ ที่ควบคุมได้ละเอียดมาก เพราะเขามีการเปิดเผยข้อมูลที่ละเอียดมากว่าคนนี้ไปติดจากใครมาบ้าง จากเหตุการณ์ไหน ใครไปติดใครต่อ แต่ในไทยเราจะไม่ค่อยรู้ ซึ่งผมคิดว่าเราอาจจะให้ความสำคัญเรื่องความเป็นส่วนตัว จึงไม่อยากให้คนรู้ว่าเคสนี้เป็นใคร แต่ในอีกมุมหนึ่งก็เป็นไปได้ว่า ทางภาครัฐเองก็ไม่ได้คิดว่าประชาชนต้องการรู้ จะรู้ไปทำไม รู้เท่าที่บอกก็น่าจะเพียงพอแล้ว อันนี้อาจจะเป็นความคาดหวังที่แตกต่างกัน แต่ผมว่าตอนนี้หลาย ๆ คนก็น่าจะคิดเหมือนกันว่าข้อมูลจากรัฐบาลอาจจะไม่เพียงพอ ทางรัฐก็อาจต้องพยายามให้ข้อมูลมากขึ้น

แล้วเราจำเป็นต้องรู้ข้อมูลมากขนาดสิงคโปร์ไหม
ผมคิดว่าควรรู้นะครับ เพราะที่บอกว่าประเทศไทยยังไม่เข้าสู่ระดับ 3 ในความเป็นจริงก็มีหลายคนสงสัยว่ามันเป็นอย่างนั้นจริงเหรอ แล้วคนนี้คนนั้นไปติดจากใครมา ก็ไม่มีการอธิบายเท่าไร แล้วตกลงมีการเทสต์จริง ๆ เหรอว่าทุกคนไปติดจากใครมา ถ้าอธิบายอย่างชัดเจน ผมว่าน่าจะลดความตื่นตระหนกได้มากกว่านี้ จริง ๆ มันมีอยู่ 2 ประเด็น ประเด็นหนึ่งคือ ถ้าบอกข้อมูลมากไป คนก็อาจจะกังวลเรื่องความเป็นส่วนตัวและอาจจะทำให้เกิดความตื่นตระหนกในบางกรณี เช่น ถ้าเกิดบอกว่าคนที่ติดเชื้อไปที่ร้านนี้ในเวลานี้ คนที่เคยอยู่ในร้านเวลาเดียวกันก็คงจะกังวล กับอีกแบบหนึ่งคือบอกกว้างไป เช่น ไม่บอกเลยว่าผู้ป่วยไปไหนมา แต่ประชาชนไปรู้จากข่าวลือว่าผู้ป่วยไปย่าน ๆ หนึ่ง ทำให้ทั้งบริเวณนั้นเดือนร้อนกันหมด แทนที่จะเดือนร้อนแค่กลุ่มใดกลุ่มหนึ่ง และผมก็คิดว่าการปกปิดข้อมูลอาจจะไม่ใช่วิธีการที่ดีเท่าไรในการควบคุมความตื่นตระหนก การเปิดเผยข้อมูลอาจจะดีมากกว่าเพราะคนจะตื่นตระหนกน้อยลง

สถานการณ์ในขณะนี้ เรายังขาดข้อมูลอะไรที่จำเป็นต้องรู้
ผมคิดว่าหลัก ๆ เลยคือขาดเรื่องเคสแต่ละเคส การบอกข้อมูลไม่ค่อยสม่ำเสมอ แต่ก็ต้องยอมรับว่าเหตุการณ์มันฉุกละหุก คืออาจจะไม่มีใครคิดแพตเทิร์นมาก่อนว่าต้องบอกข้อมูลละเอียดขนาดไหน แต่จนถึงทุกวันนี้เราก็ยังได้รับข้อมูลที่ไม่สม่ำเสมอเท่าไร ยังไม่ค่อยรู้ว่าตกลงแต่ละคนติดจากใครบ้าง บางวันรายงานอาชีพผู้ติดเชื้อ บางวันก็ไม่รายงาน ก็อาจจะสร้างความสับสน ซึ่งจริง ๆ ข้อมูลอาชีพก็เป็นเรื่องสำคัญ เราอาจจะอยากรู้ว่าอาชีพไหนมีความเสี่ยงมากกว่ากัน จะได้จัดการออกนโยบายถูก แม้กระทั่งคนที่อยู่ในอาชีพนั้นจะได้รับมือได้ถูกต้อง เป็นต้น

คัดกรองข่าวอย่างไรไม่ให้ตื่นตระหนกจนเกินไป
ก็ควรจะรับข่าวสารจากทางรัฐบาลเป็นหลัก แม้เขาอาจจะบอกข้อมูลน้อยไปหน่อย แต่ข้อมูลที่ได้จากภาครัฐก็น่าจะมีความน่าเชื่อถือมากที่สุด ถ้าเป็นไปได้ก็อยากให้รัฐบาลเปิดเผยข้อมูลที่เพียงพอกับความต้องการ

ตัวอย่างการสื่อสารเรื่องโควิด-19 ที่น่าสนใจและน่านำมาเป็นแบบอย่าง
ผมขอเน้นแค่ Data Visualization และ Data Journalism นะครับ ในเรื่องนี้ก็ยังต้องยกย่องให้ประเทศที่เป็นผู้นำเรื่องนี้อยู่แล้วอย่างสหรัฐอเมริกา ดูจากเจ้าดัง ๆ อย่าง The New York Time หรือ The Washington Post ก็เป็นสื่อ 2 เจ้าใหญ่ที่ค่อนข้างเชี่ยวชาญการทำสื่อที่มี Visualization อยู่ข้างใน หรือกล้าที่จะนำเสนอข้อมูลปริมาณมาก ๆ ที่ย่อยมาในระดับหนึ่งให้คนอ่านทำความเข้าใจกับข้อมูลได้ไม่ยาก ถ้าในเอเชียที่ค่อนข้างมีชื่อเสียงคือ South China Morning Post ที่ฮ่องกง ส่วนที่สิงคโปร์ก็มี The Straits Times ที่ทำได้ดีมากช่วงการแพร่ระบาดของโควิด-19 โดยการทำเรื่องเคสผู้ป่วยในสิงคโปร์ให้เห็นว่าแต่ละคนติดจากใครบ้าง

เมื่อเปรียบเทียบกับการนำเสนอข่าวในประเทศไทยแล้ว คิดว่าเป็นอย่างไร
แม้ตอนนี้หลาย ๆ ที่จะมีหมวดหมู่ข่าวโควิด-19 โดยเฉพาะอยู่แล้ว แต่ปัญหาหนึ่งที่เรามีก็คือ สำนักข่าวไทยอาจจะไม่เคยทำข่าวที่เป็นวิกฤตระดับนี้ในเชิงดิจิทัลแพลตฟอร์ม เราก็เลยไม่มีเวลาเตรียมตัว เลยใช้เวลานานนิดหนึ่งในการทำข่าวนี้ให้ทัน ยกตัวอย่างย้อนกลับไป ช่วงที่มีข่าวทีมหมูป่าติดถ้ำ เราจะเห็นว่าในตอนนั้นเราเริ่มทำข่าวออนไลน์แล้ว แต่ว่าเรายังไม่ค่อยพร้อมในการทำข่าวในมิติอื่น ๆ แม้เราจะทำข่าวเรื่องนี้ก่อนต่างชาติ เพราะมันเกิดขึ้นที่ไทยและเรามองว่าเป็นข่าวใหญ่ก่อนต่างประเทศ แต่สิ่งที่เราเห็นในทีวีส่วนใหญ่จะเป็นการสัมภาษณ์คนที่เกี่ยวข้องบ้าง แล้วก็จบไป จนกระทั่งเราเห็นข่าวของต่างประเทศ เราก็เริ่มเข้าใจว่ามันมีมุมอื่นในการทำข่าว เช่น การนำเสนอข่าวของญี่ปุ่นที่จำลองสถานการณ์ในถ้ำ เราถึงได้รู้ว่ามันก็ทำแบบนี้ได้ เหตุที่เราติดคือ เราอาจจะยังไม่พร้อมว่าต้องทำข่าวมากขนาดไหน และควรมีมุมมองอย่างไรในการทำข่าว ผมคิดว่าหลัง ๆ สำนักข่าวอาจเข้าใจมากขึ้น เพราะเรามีคู่แข่งเป็นสำนักข่าวต่างประเทศด้วย คือข่าวไทยมันจะไม่ใช่ข่าวแค่ในประเทศในภูมิภาคเราอีกต่อไป เพราะถ้ามันเป็นเรื่องใหญ่ระดับหนึ่ง คนต่างชาติก็จะมาทำข่าวเหมือนกัน ฉะนั้นเราอาจจะต้องทำเตรียมเก็บไว้ด้วย

ในเรื่องโควิด-19 ก็เป็นตัวอย่างที่ดีให้เราเห็นว่า เราสามารถทำระบบเตรียมไว้เพื่อใช้รับมือกับเรื่องอื่นได้ เช่น ถ้าเราทำเว็บไซต์อันหนึ่งที่ทำเรื่องโควิด-19 ไม่มีเหตุผลอะไรที่เราจะใช้สิ่งเดียวกันพูดเรื่องภัยแล้งหรือ PM 2.5 ไม่ได้ อาจจะทำเป็นแผนที่เหมือนกัน แล้วพูดว่าปัญหาเกิดขึ้นตรงไหนบ้าง เป็นต้น และผมอยากให้สำนักข่าวหรือแม้กระทั่งรัฐบาลเองรู้ว่าของแบบนี้ไม่ได้ทำครั้งเดียวทิ้ง เพราะถ้าเราออกแบบมาดี ๆ มันก็สามารถใช้ซ้ำกับข้อมูลประเภทเดียวกันได้เยอะ ๆ ถ้าข้อมูลเป็นประเภทเชิงพื้นที่ทั้งหมด ยังไงก็ตามมันก็ต้องเป็นแผนที่แบบเดิม เพียงแค่เปลี่ยนข้อมูลไป

คิดว่าคนไทยพร้อมเสพข้อมูลแบบ Data Visualization หรือไม่อย่างไร
ผมคิดว่าความกังวลส่วนใหญ่ไม่ได้มาจากผู้อ่านเป็นหลัก แต่เป็นคนที่จ้างเรามากกว่าที่กังวลว่าถ้าเอาไปปล่อยในเว็บไซต์จะมีคนอ่านไหม เหมือนที่คนพูด ๆ กันว่าประเทศไทยยังต้องมีละครแบบนี้แหละ เพราะเราเสพแต่ละครแบบนี้ หรือความจริงเราอาจจะคิดไปเองว่าเขาดูแต่ละครแบบนี้ แต่คนไทยอาจจะอยากดูอะไรยาก ๆ ก็ได้ แต่อันหนึ่งที่ต้องยอมรับคือ คนไทยอาจจะดูอะไรยาก ๆ ได้ไม่มากนักเมื่อเทียบกับคนต่างประเทศ ไม่ใช่ว่าเราเก่งไม่เท่าเขานะ เพียงแต่เราไม่ชิน แต่ถ้าเราได้ดูบ่อย ๆ เราก็จะชินไปเอง ไม่มีเหตุผลอะไรที่คนไทยจะอ่านชาร์ตไม่ออก แค่เราไม่คุ้นเคย ครั้งแรกเราอาจไม่คุ้น แต่ครั้งหลัง ๆ เราจะคุ้นไปเอง ซึ่งเรื่องนี้มีการศึกษาอยู่หลายครั้งว่าประเทศที่ใช้ Visual Language (ภาษาเชิงภาพ) ยาก ๆ เขาก็จะมีความทนทานในการอ่านของแบบนี้ ซึ่งการศึกษาคือไปดูหนังสือพิมพ์ของประเทศต่าง ๆ ว่าใช้ชาร์ตที่ยากขนาดไหน ยิ่งประเทศไหนใช้ชาร์ตยากขึ้นเท่าไร เขาก็ยิ่งทนทานและมีความพยายามในการการอ่านชาร์ตยาก ๆ 

ประเด็นนี้จึงเหมือนไก่กับไข่ ในมุมหนึ่งคนของเราอาจไม่พร้อม แต่ในอีกมุมหนึ่งเพราะเราไม่เคยให้อะไรยาก ๆ เลย ก็อาจจะต้องค่อย ๆ เริ่มให้อะไรที่ยากมากขึ้น ผมเห็นว่าหลายที่เริ่มนำเสนอชาร์ตที่ยากมากขึ้น ยกตัวอย่างที่ชัดเจนมากเลยคือตอนเลือกตั้งครั้งล่าสุด ก่อนหน้านี้เราอาจจะไม่เคยเห็นแผนที่ประเทศไทยปรากฏในข่าวหน้าหนึ่งมากเท่าไร เพื่อเล่าว่าเขตไหนพรรคไหนใครชนะ แต่การเลือกตั้งครั้งที่ผ่านมา เรามีแผนที่ที่ละเอียดมากขึ้น อยู่ในรูปแบบที่ถูกทำให้เข้าใจง่ายแล้วด้วย คือเอาเขตการปกครองของไทยมาย่อยให้กลายเป็น 6 เหลี่ยม แล้วมาวางต่อกันเป็นแผนที่ประเทศไทย ซึ่งผมก็เคยได้รับคอมเมนต์ประเภทนี้มาพอสมควรว่าคนอ่านจะรู้เรื่องไหม แต่ในความเป็นจริง ก็มีคนเข้าใจในทันทีโดยที่หนังสือพิมพ์เอาไปลงหน้าหนึ่งได้แบบที่ไม่ต้องรู้สึกว่าคนจะอ่านไม่รู้เรื่อง

เรื่อง : วรรณเพ็ญ บุญเพ็ญ | ภาพ : ภีร์รา ดิษฐากรณ์