เทคนิคที่ 095 · PYTHON / JAVASCRIPT

กราฟพัดFan Chart

แสดงว่ายิ่งพยากรณ์ไกล ยิ่งไม่แน่นอน

3
ผสานหลายแนวคิดควรรู้ก่อน · เข้าใจว่าพยากรณ์มีความไม่แน่นอน
ลองเล่น

01ภาพรวมของกราฟนี้

Fan chart แสดงพยากรณ์เป็นแถบหลายชั้นที่บานออกตามระยะเวลา รูปทรงพัดสื่อโดยตรงว่ายิ่งมองไกลยิ่งไม่แน่นอน ซึ่งเป็นสิ่งที่เส้นพยากรณ์เส้นเดียวสื่อไม่ได้เลยและมักทำให้คนเชื่อมากเกินควร

เปรียบเทียบให้เห็นภาพ

เหมือนแผนที่เส้นทางพายุที่กรวยกว้างขึ้นเรื่อย ๆ ตามวันข้างหน้า ซึ่งบอกว่าเราไม่รู้จริงว่ามันจะไปทางไหน

ใช้ที่ไหนบ้าง — พยากรณ์เงินเฟ้อ พยากรณ์ยอดขาย การคาดการณ์จำนวนผู้ใช้ หรือแบบจำลองการระบาด

สร้างอย่างไร

  1. ขั้นที่ 1แยกช่วงข้อมูลจริงออกจากช่วงพยากรณ์ให้ชัด
  2. ขั้นที่ 2คำนวณช่วงที่ระดับความเชื่อมั่นหลายระดับ
  3. ขั้นที่ 3วาดชั้นจากกว้างไปแคบด้วยสีเดียวไล่เข้ม
  4. ขั้นที่ 4ทำเส้นแบ่งที่จุดเริ่มพยากรณ์

ตัวอย่างคลาสสิก · Fan chart พยากรณ์เงินเฟ้อของธนาคารกลางอังกฤษ

ธนาคารกลางอังกฤษเริ่มใช้ fan chart ในรายงานเงินเฟ้อตั้งแต่ปี 1996 โดยตั้งใจให้ภาพสื่อว่าพยากรณ์คือช่วงไม่ใช่ตัวเลข รูปแบบนี้กลายเป็นมาตรฐานของธนาคารกลางทั่วโลก และถูกยกเป็นตัวอย่างว่าการออกแบบภาพเปลี่ยนวิธีที่สาธารณะเข้าใจพยากรณ์ได้จริง

Wikipedia · Fan chart (statistics) ↗

02อธิบายภาษาคนเข้าใจง่าย ๆ

พยากรณ์ที่แสดงเป็นเส้นเส้นเดียวมีปัญหาเชิงจิตวิทยาที่ร้ายแรง คือมันดูแน่นอนเท่ากับข้อมูลจริงที่อยู่ก่อนหน้า ทั้งที่ความมั่นใจต่างกันคนละเรื่อง

ผลคือผู้อ่านจำตัวเลขปลายเส้นไปใช้ตัดสินใจราวกับเป็นข้อเท็จจริง ซึ่งเป็นการใช้ข้อมูลที่ผิดพลาดและอาจเสียหายมาก

Fan chart แก้ด้วยรูปทรง แทนที่จะวาดเส้น มันวาดแถบหลายชั้นที่บานออกเรื่อย ๆ ทำให้ตาเห็นทันทีว่าความไม่แน่นอนโตขึ้นตามระยะ

ข้อดีที่สำคัญคือมันสื่อสารโดยไม่ต้องอ่านตัวเลข ใครมองก็รู้ว่าปลายพัดคือดินแดนที่เราไม่รู้อะไรมากนัก

เรื่องที่ต้องระวังคือชั้นของแถบต้องระบุให้ชัดว่าแต่ละชั้นคือระดับความเชื่อมั่นเท่าไร ไม่อย่างนั้นผู้อ่านก็ได้แค่ความรู้สึกโดยไม่มีตัวเลขไปใช้ต่อ

และต้องแยกช่วงข้อมูลจริงกับช่วงพยากรณ์ให้ชัดเจนเสมอ เพราะถ้าเส้นเดินต่อเนื่องโดยไม่มีเครื่องหมายอะไร ผู้อ่านจะไม่รู้ว่าความจริงจบตรงไหนและการเดาเริ่มตรงไหน

03ข้อมูลที่ต้องใช้

รูปทรงของข้อมูลอนุกรมเวลา
จำนวนมิติที่เข้ารหัสได้3 มิติ
จำนวนแถวที่เหมาะอดีต 12–60 จุด และอนาคต 4–24 จุดขั้นต่ำ 12 แถว
เส้นฐานศูนย์เลือกได้พยากรณ์สื่อระดับ ไม่ใช่ปริมาณสะสม

คอลัมน์ที่ต้องเตรียม

คอลัมน์ทำหน้าที่ชนิดเข้ารหัสด้วยจำนวนค่าที่เหมาะหมายเหตุ
dateเวลาเวลาx12–300 จุดครอบคลุมทั้งอดีตและอนาคต
valueค่ากลางตัวเลขต่อเนื่องyต่อเนื่องเส้นกลางของพัด
lowขอบล่างช่วงค่าyบานออกตามเวลาควรมีหลายระดับ
highขอบบนช่วงค่าyบานออกตามเวลาควรมีหลายระดับ
kindชนิดข้อมูลหมวดหมู่textureจริงหรือพยากรณ์★ ต้องแยกให้ชัด

ต้องเตรียมข้อมูลอย่างไรก่อนวาด

  1. ★ แยกช่วงข้อมูลจริงกับช่วงพยากรณ์ด้วยคอลัมน์ที่ชัดเจน
  2. คำนวณช่วงหลายระดับ เช่น 50 80 และ 95 เปอร์เซ็นต์
  3. ตรวจว่าแถบบานออกจริงตามระยะ

ค่าที่หายไป — ถ้าแบบจำลองให้ช่วงไม่ได้ในบางช่วง ต้องเว้นและระบุ ไม่ใช่ประมาณต่อ

สเกลของแกน — แกนค่าต้องครอบคลุมชั้นที่กว้างที่สุด และชั้นทั้งหมดใช้สีเดียวไล่เข้มไม่ใช่หลายสี

กราฟจะเริ่มพังเมื่อไร

ช่วงพยากรณ์ยาวกว่าช่วงข้อมูลจริง ซึ่งแปลว่าเดามากกว่ารู้

หน้าตาไฟล์ที่ต้องเตรียม

date,value,low,high,kind
2025-01-01,100.9,97.7,104.1,ข้อมูลจริง
2025-01-31,102.3,99.1,105.5,ข้อมูลจริง
…

04อ่านแล้วเห็นอะไร

สิ่งที่เห็นได้จากภาพ

  • อัตราการบานของความไม่แน่นอน
  • ช่วงค่าที่เป็นไปได้ในแต่ละระยะข้างหน้า
  • ระยะที่พยากรณ์เริ่มไม่มีประโยชน์เพราะช่วงกว้างเกินไป

สิ่งที่กราฟนี้ตอบไม่ได้

  • ★ ค่าที่จะเกิดขึ้นจริง เพราะทั้งพัดคือสิ่งที่แบบจำลองบอก ไม่ใช่สิ่งที่จะเกิด
  • เหตุการณ์ที่แบบจำลองไม่ได้คิดถึงเลย ซึ่งมักเป็นเหตุการณ์ที่สำคัญที่สุด

อ่านตามลำดับนี้

  1. หาเส้นแบ่งระหว่างข้อมูลจริงกับพยากรณ์ก่อน
  2. ดูว่าพัดบานเร็วแค่ไหน
  3. อ่านช่วงที่ระยะเวลาที่สนใจแทนที่จะอ่านเส้นกลาง

คำถามที่ตอบได้

  • พยากรณ์ไปได้ไกลแค่ไหนก่อนจะไร้ประโยชน์
  • ค่าที่เป็นไปได้ในอีกหกเดือนอยู่ในช่วงไหน
  • เราแน่ใจแค่ไหนกับตัวเลขปลายเส้น

สัญญาณว่ามีอะไรผิด

  • ไม่แยกช่วงข้อมูลจริงกับพยากรณ์
  • ไม่ระบุว่าแต่ละชั้นคือระดับความเชื่อมั่นเท่าไร
  • พัดไม่บานเลยซึ่งมักแปลว่าแบบจำลองประเมินความไม่แน่นอนต่ำไป

05เหมาะกับการนำเสนอแบบไหน

ผู้ชมที่เหมาะผู้ตัดสินใจที่ต้องวางแผนภายใต้ความไม่แน่นอน
เวลาที่ผู้ชมต้องใช้ไม่กี่วินาที
ขนาดเล็กสุดที่ยังอ่านได้460×280 px
รายงานเชิงวิเคราะห์
สิ่งพิมพ์
สไลด์ผู้บริหาร
สื่อสารกับคนทั่วไป
dashboard ที่อัปเดตตลอดพยากรณ์ควรทบทวนเป็นรอบ ไม่ใช่ดูสด

ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย

  1. ★ ทำเส้นแบ่งตั้งที่จุดเริ่มพยากรณ์พร้อมป้าย
  2. ระบุระดับความเชื่อมั่นของแต่ละชั้น
  3. เขียนช่วงค่าที่ปลายพัดเป็นตัวเลข

รูปแบบชื่อกราฟที่ควรใช้

พยากรณ์ <ตัวชี้วัด> ถึง <เวลา> โดยช่วงที่เป็นไปได้กว้าง <ค่า> ที่ปลายช่วง

06เอาไปใช้ต่อ

โค้ดทุกชิ้นอ่านไฟล์ fan-chart-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง

# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด fan-chart-sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์
import matplotlib
matplotlib.use("Agg")   # รันแบบไม่มีหน้าจอ ถ้ารันในเครื่องตัวเองลบบรรทัดนี้ได้
import matplotlib.pyplot as plt
import pandas as pd

C1, C2, C3 = "#2a78d6", "#eb6834", "#1baf7a"   # palette ของคลัง เปลี่ยนเป็นสีองค์กรได้
INK, SURFACE = "#0b0b0b", "#fcfcfb"

df = pd.read_csv("fan-chart-sample.csv")
df["value"] = pd.to_numeric(df["value"], errors="coerce")
df["low"] = pd.to_numeric(df["low"], errors="coerce")
df["high"] = pd.to_numeric(df["high"], errors="coerce")
NOTE = "spread"   # ← ค่าจาก Playground

fig, ax = plt.subplots(figsize=(7.6, 4.2), facecolor=SURFACE)
ax.set_facecolor(SURFACE)

d = df.sort_values("date")
hist = d[d["kind"] == "ข้อมูลจริง"]; fc = d[d["kind"] == "พยากรณ์"]
for frac, alpha in [(1.0, 0.12), (0.66, 0.18), (0.33, 0.26)]:   # ชั้นจากกว้างไปแคบ
    ax.fill_between(fc["date"],
                    fc["value"] - (fc["value"] - fc["low"]) * frac,
                    fc["value"] + (fc["high"] - fc["value"]) * frac,
                    color=C1, alpha=alpha, linewidth=0)
ax.plot(hist["date"], hist["value"], color=C1, linewidth=2.4, label="ข้อมูลจริง")
ax.plot(fc["date"], fc["value"], color=C1, linewidth=2, linestyle="--", label="พยากรณ์")
ax.axvline(fc["date"].iloc[0], color="#8c887e", linewidth=1)    # ★ เส้นแบ่งจริง/เดา
ax.legend(frameon=False)

ax.spines[["top", "right"]].set_visible(False)   # ลดเส้นที่ไม่ได้ให้ข้อมูล
fig.tight_layout()
fig.savefig("fan-chart.png", dpi=160)
print("เขียน fan-chart.png แล้ว ·", len(df), "แถว")

ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*" · ทดสอบกับเวอร์ชัน 3.10

07ลองเล่นเพื่อเข้าใจ

ข้อมูลตัวอย่าง · 24 แถว · seed 401● คำนวณใหม่ในเบราว์เซอร์ทันทีที่ปรับค่า
ยิ่งไกลยิ่งกว้าง
ข้อมูลจริงพยากรณ์ช่วงความไม่แน่นอน
100120140160ก.พ. 68ต.ค. 68พ.ค. 69เริ่มพยากรณ์

ขอบของแถบไม่ใช่เส้นแบ่งระหว่าง "เป็นไปได้" กับ "เป็นไปไม่ได้" — ค่าที่อยู่นอกแถบยังเกิดขึ้นได้

ความกว้างช่วงล่าสุด54.4
ความกว้างช่วงแรก6.40
จุดพยากรณ์8
ดูข้อมูลเป็นตาราง (24 แถว)
fan chart 24 จุดเวลา
วันที่ค่ากลางขอบล่างขอบบนชนิด
1/1/256810197.7104ข้อมูลจริง
31/1/256810299.1106ข้อมูลจริง
2/3/256810197.8104ข้อมูลจริง
1/4/256810399.5106ข้อมูลจริง
1/5/2568104101107ข้อมูลจริง
31/5/2568103100106ข้อมูลจริง
30/6/256810399.6106ข้อมูลจริง
30/7/256810197.4104ข้อมูลจริง
29/8/256899.796.5103ข้อมูลจริง
28/9/256899.696.4103ข้อมูลจริง
28/10/256810298.6105ข้อมูลจริง
27/11/256810399.7106ข้อมูลจริง
27/12/256810399.8106ข้อมูลจริง
26/1/2569106103109ข้อมูลจริง
25/2/2569109106112ข้อมูลจริง
27/3/2569112109115ข้อมูลจริง
26/4/2569113110117พยากรณ์
26/5/2569116109122พยากรณ์
25/6/2569118108128พยากรณ์
25/7/2569119106133พยากรณ์
24/8/2569123106140พยากรณ์
23/9/2569125104145พยากรณ์
23/10/2569127103151พยากรณ์
22/11/256912698.8153พยากรณ์

ลองแล้วจะเห็นอะไร

  • สังเกตอะไร: ลองอ่านช่วงค่าที่ปลายพัดแล้วถามว่าตัวเลขเดียวจะสื่อสิ่งนี้ได้ไหม — คำตอบคือไม่ได้เลย

ข้อควรระวัง

  1. ★ ไม่แยกช่วงข้อมูลจริงกับช่วงพยากรณ์ ทำให้ผู้อ่านไม่รู้ว่าการเดาเริ่มตรงไหน
  2. ไม่ระบุว่าแต่ละชั้นคือระดับความเชื่อมั่นเท่าไร
  3. พยากรณ์ไกลเกินกว่าที่ข้อมูลจริงรองรับได้
  4. ใช้หลายสีสำหรับชั้นต่าง ๆ แทนที่จะใช้สีเดียวไล่เข้ม

เมื่อไหร่ไม่ควรใช้กราฟนี้

  • ความไม่แน่นอนคงที่ไม่บานตามเวลา→ใช้แทน: confidence-band
  • ผู้อ่านต้องรู้สึกถึงความไม่แน่นอนจริง ๆ→ใช้แทน: hop-plot
  • ไม่มีแบบจำลองที่ให้ช่วงได้→ใช้แทน: line-chart พร้อมหมายเหตุ

กราฟที่เกี่ยวข้อง

เทคนิคถัดไป · แถบไล่ระดับ