ทำ dashboard แสดงข้อมูลเองด้วย AI ได้ไหม? เลือกแหล่งข้อมูล chart แบบไหน และทำยังไงให้ตัวเลขเชื่อถือได้

ทำได้ และเป็นงานที่ AI อย่าง Claude Code, Codex หรือ Cursor ทำได้ดี เพราะ dashboard ส่วนใหญ่คือการดึงข้อมูล คำนวณ แล้ววาด chart ซึ่งเป็นโค้ดรูปแบบที่ AI เจอมาเยอะ ส่วนที่ยากจริงไม่ใช่หน้าตา แต่เป็นการบอกให้ได้ว่าข้อมูลมาจากไหน ตัวเลขคำนวณยังไง และคนดูควรเอาไปตัดสินใจเรื่องอะไร

หลายคนเริ่มจากสั่ง AI ว่า "ทำ dashboard สวย ๆ ให้หน่อย" แล้วได้หน้าเว็บที่มี chart 8 อัน การ์ดตัวเลข 6 ใบ ดูดีมากตอนเปิดครั้งแรก แต่พอใช้จริงกลับไม่มีใครเปิดซ้ำ เพราะไม่มีตัวเลขไหนตอบคำถามที่เจ้าของงานสนใจ บทความนี้จะไล่ตั้งแต่การตั้งคำถาม เลือกแหล่งข้อมูล เลือก chart ไปจนถึงการทำให้คนดูเชื่อตัวเลขบนหน้าจอ

เริ่มจากคำถาม ไม่ใช่เริ่มจาก chart

ก่อนเปิด AI ให้เขียนประโยคเดียวว่า dashboard นี้ช่วยให้ใครตัดสินใจเรื่องอะไร เช่น "เจ้าของร้านดูว่าสัปดาห์นี้ขายเมนูไหนน้อยกว่าปกติ" หรือ "ครอบครัวดูว่าเดือนนี้ใช้เงินเกินงบหมวดไหน" ประโยคนี้จะเป็นตัวกรองทุกอย่างที่ตามมา chart ไหนไม่ช่วยตอบคำถามนี้ ก็ไม่ต้องใส่

ลองดูตัวอย่างจากผลงานบนแอปเทพ บันทึกสถิติค่าไฟ เป็นเว็บที่เก็บข้อมูลค่าไฟในรูปแบบสถิติ ขอบเขตชัดตั้งแต่ชื่อ คือเรื่องค่าไฟเรื่องเดียว นี่คือจุดเริ่มต้นที่ดีสำหรับมือใหม่ เพราะข้อมูลมีแค่ไม่กี่ field และคำถามที่ตอบก็ตรงไปตรงมา

ส่วน Okane เป็นแอปบันทึกรายรับรายจ่ายที่แปลงข้อความภาษาไทยเป็นรายการบัญชี แล้วให้ผู้ใช้ตั้งงบประมาณ ติดตามเป้าหมายการออม และดูภาพรวมการเงินได้ จะเห็นว่าหน้าภาพรวมมีความหมายเพราะมีงบและเป้าหมายให้เทียบ ตัวเลขลอย ๆ ว่า "เดือนนี้ใช้ไป 12,000 บาท" บอกอะไรได้น้อยกว่า "ใช้ไปแล้ว 80% ของงบ ทั้งที่เพิ่งผ่านไปครึ่งเดือน"

ข้อมูลมาจากไหน: 4 แหล่งที่พบบ่อย

dashboard ดีแค่ไหนขึ้นกับข้อมูลที่ป้อนเข้าไป แหล่งข้อมูลที่คนทำคนเดียวใช้กันบ่อยมีประมาณนี้

คำแนะนำคือเลือกแหล่งเดียวก่อน ให้ dashboard แรกทำงานได้ครบ แล้วค่อยเพิ่มแหล่งที่ 2 ทีหลัง การรวมหลายแหล่งตั้งแต่วันแรกทำให้แก้บั๊กยากมาก เพราะไม่รู้ว่าตัวเลขผิดเพราะต้นทางไหน

เลือก chart ให้ตรงกับคำถาม

AI มักเลือก chart ให้ตามความเคยชิน ซึ่งบางครั้งไม่ตรงกับสิ่งที่อยากสื่อ ใช้หลักง่าย ๆ ตามนี้

pie chart ใช้ได้เมื่อมีไม่เกิน 4 ถึง 5 ส่วน ถ้าหมวดเยอะกว่านั้น bar chart อ่านง่ายกว่าเสมอ

ตัวอย่างที่ไม่ได้ใช้ chart ธรรมดาคือ Economars ซึ่งแสดง supply chain ของอุตสาหกรรมต่าง ๆ ในรูปแบบ 3D พร้อมข้อมูลเศรษฐกิจมหภาคและสถานการณ์ภูมิรัฐศาสตร์ ให้ผู้ลงทุนสำรวจความเชื่อมโยงเพื่อช่วยค้นหาหุ้น คำถามของงานนี้คือ "อะไรเชื่อมกับอะไร" การแสดงความเชื่อมโยงจึงสื่อได้ตรงกว่า bar chart

ทำให้ตัวเลขเชื่อถือได้: ส่วนที่คนมักข้าม

dashboard ที่สวยแต่คนดูไม่เชื่อ ก็ไม่ต่างจากไม่มี ปัญหานี้หนักขึ้นเมื่อมี AI อยู่ในขั้นตอน เพราะ AI ตอบได้อย่างมั่นใจแม้ตัวเลขจะผิด

บอกที่มาของข้อมูลทุกชุด

AIAT Provincial Evidence Map เป็นตัวอย่างที่ดีในเรื่องนี้ เว็บนี้นำเสนอแผนที่ ข้อมูลรายจังหวัด และ Public API โดยมีรายการแหล่งข้อมูล 28 แหล่งและเปิดรับข้อมูลจาก 10 แหล่ง ที่น่าเรียนรู้คือเว็บบอกตรง ๆ ว่าข้อมูลที่เผยแพร่ยังอยู่ในสถานะ candidate หรือ needs_review จึงยังไม่ใช่ KPI ที่หน่วยงานรับรอง การติดสถานะแบบนี้ช่วยให้คนดูรู้ว่าควรเชื่อตัวเลขแค่ไหน

ในเว็บของเราเอง ทำได้ง่าย ๆ ด้วยการใส่บรรทัดเล็ก ๆ ใต้ chart ว่า "ที่มา: ไฟล์ยอดขายจากระบบ POS อัปเดตล่าสุด 08:00 น." แค่นี้คนดูก็รู้ว่าตัวเลขสดแค่ไหน

ให้ย้อนดูได้ว่าตัวเลขคำนวณมาจากอะไร

Multi-Agent Financial Intelligence ใช้สถาปัตยกรรม Multi-Agent วิเคราะห์ข้อมูลการเงินและการลงทุน โดยออกแบบให้ตรวจสอบย้อนกลับและอธิบายเหตุผลได้ ตัวโครงงานตั้งใจแก้ข้อจำกัดเรื่องการติดตามที่มาของตัวเลขในผลวิเคราะห์จาก AI ซึ่งเป็นปัญหาที่ใครทำ dashboard ที่มี AI วิเคราะห์ต้องเจอ

สำหรับงานขนาดเล็ก หลักเดียวกันใช้ได้ คือให้คลิกที่ตัวเลขสรุปแล้วเห็นรายการดิบที่รวมกันเป็นตัวเลขนั้น เช่น คลิก "ค่าอาหาร 4,200 บาท" แล้วเห็นรายการทั้งหมดของหมวดนี้ ถ้ามีรายการไหนผิด ผู้ใช้จะเจอเองและแก้ได้

เทียบกับของจริงอย่างน้อยหนึ่งครั้ง

TreeQ Carbon Platform คำนวณชีวมวล คาร์บอน และ CO₂e ของต้นไม้จาก 3D point cloud ที่ได้จาก LiDAR ภาคพื้นดิน โดยผลการประเมินมีหลักฐานตรวจสอบย้อนกลับได้ และผ่านการเทียบกับข้อมูลต้นไม้ที่เก็บเกี่ยวเพื่อวัดจริง 126 ต้น งานของเราอาจไม่ต้องละเอียดขนาดนั้น แต่หลักเดียวกันคือต้องมีชุดข้อมูลที่รู้คำตอบอยู่แล้วมาเทียบ

วิธีที่ทำได้ทันทีคือเตรียมข้อมูลตัวอย่าง 10 ถึง 20 แถวที่คิดเลขด้วยมือหรือด้วย spreadsheet ไว้ก่อน แล้วให้ AI เขียน test ว่าผลลัพธ์จากโค้ดต้องตรงกับตัวเลขชุดนี้ ทุกครั้งที่สั่ง AI แก้โค้ด ให้รัน test นี้ซ้ำ ถ้าตัวเลขเปลี่ยนโดยไม่ได้ตั้งใจ จะรู้ทันที

ขั้นตอนสั่ง AI ทำ dashboard แบบทีละชั้น

แทนที่จะสั่งทุกอย่างใน prompt เดียว ให้แบ่งเป็นชั้นแบบนี้

1. ชั้นข้อมูล: ให้ AI เขียนโค้ดอ่านข้อมูลจากแหล่งที่เลือก แล้วแสดงเป็นตารางธรรมดาก่อน ยังไม่ต้องมี chart ตรวจว่าข้อมูลครบและถูกต้อง
2. ชั้นคำนวณ: ให้ AI เขียนฟังก์ชันคำนวณแยกออกมา เช่น ยอดรวมรายเดือน ค่าเฉลี่ย เปอร์เซ็นต์เทียบเป้า พร้อม test ที่เทียบกับตัวเลขที่คิดมือไว้
3. ชั้นแสดงผล: ค่อยให้ AI ใช้ chart library วาด chart จากผลคำนวณ กำหนดชัด ๆ ว่าอยากได้ chart แบบไหน แกนอะไร
4. ชั้นการใช้งาน: เพิ่ม filter ตามช่วงเวลาหรือหมวด เพิ่มการคลิกดูรายการดิบ และบรรทัดบอกที่มาของข้อมูล
5. ชั้นมือถือ: เปิดดูบนมือถือจริง เพราะคนส่วนใหญ่ดู dashboard จากโทรศัพท์ chart ที่กว้างเกินจอต้องปรับเป็นแนวตั้งหรือซ่อนบางส่วน

ตัวอย่าง prompt สำหรับชั้นที่ 2

> เขียนฟังก์ชันคำนวณยอดค่าใช้จ่ายรวมแยกตามหมวดและเดือน จากข้อมูลในไฟล์ data.csv ที่มีคอลัมน์ date, category, amount ให้ข้ามแถวที่ amount ว่างหรือไม่ใช่ตัวเลข และนับจำนวนแถวที่ถูกข้ามไว้ด้วย แล้วเขียน test ที่ใช้ข้อมูลตัวอย่างใน sample.csv ซึ่งผลลัพธ์ที่ถูกต้องคือ อาหาร 3,450 บาท เดินทาง 1,200 บาท

สังเกตว่า prompt นี้บอกรูปแบบข้อมูล บอกวิธีจัดการข้อมูลเสีย และให้คำตอบที่ถูกต้องไว้ให้ AI เทียบ สามอย่างนี้ช่วยลดตัวเลขผิดได้มาก

ข้อผิดพลาดที่เจอบ่อยเวลาทำ dashboard ด้วย AI

• AI สร้างข้อมูลตัวอย่างขึ้นมาเองตอนยังไม่มีข้อมูลจริง แล้วลืมลบ ทำให้ dashboard แสดงตัวเลขที่ไม่มีอยู่จริง ควรสั่งให้ข้อมูลตัวอย่างมีป้ายกำกับชัดเจน และตรวจก่อน deploy
• ตัวเลขทศนิยมและเงินบาทปัดเศษไม่ตรงกันระหว่างการ์ดสรุปกับตาราง ให้กำหนดตั้งแต่ต้นว่าปัดที่ขั้นตอนไหน
• วันที่ผิดเพราะเรื่อง timezone ข้อมูลที่บันทึกตอนดึกอาจถูกนับเป็นวันถัดไป ต้องบอก AI ว่าใช้เวลาประเทศไทย
• ใส่ chart เยอะจนหน้าโหลดช้า โดยเฉพาะบนมือถือ เริ่มจาก 3 ถึง 4 chart ที่ตอบคำถามหลักก็พอ
• ข้อมูลส่วนตัวเปิดให้ใครก็เข้าดูได้ ถ้า dashboard มีข้อมูลการเงินหรือข้อมูลลูกค้า ต้องมีระบบ login และตรวจสิทธิ์ที่ฝั่ง server ไม่ใช่แค่ซ่อนปุ่ม

ควรเริ่มจากอะไรดี

ถ้ายังไม่เคยทำ dashboard มาก่อน เริ่มจากข้อมูลของตัวเองที่มีอยู่แล้ว เช่น ค่าไฟ ค่าใช้จ่าย หรือยอดขายรายวันใน spreadsheet ข้อมูลที่เรารู้จักดีทำให้เห็นทันทีว่าตัวเลขบนหน้าจอผิดหรือถูก นี่คือข้อได้เปรียบที่สำคัญที่สุดตอนฝึก

เมื่อ dashboard แรกใช้งานได้จริงและคุณเปิดดูซ้ำทุกสัปดาห์ แปลว่าคำถามตั้งต้นถูกแล้ว จากนั้นค่อยขยายไปข้อมูลจาก API ภายนอก หรือใส่ AI ช่วยวิเคราะห์ โดยยึดหลักเดิมคือบอกที่มา ย้อนดูได้ และเทียบกับของจริง

อยากดูไอเดียเพิ่ม ลองเข้าไปดูผลงานในหมวดการเงินและลงทุนหรือเครื่องมือ AI บนแอปเทพ จะเห็นว่าคนไทยหลายคนเริ่มจากปัญหาเล็ก ๆ ของตัวเอง แล้วต่อยอดเป็นเครื่องมือที่คนอื่นใช้ได้ด้วย