데이터 시각화 – 모범 사례 및 기초

"어수선함과 혼란은 데이터의 속성이 아니라 설계의 단점입니다." – 에드워드 터프테

데이터 시각화란 무엇입니까?

Michael Friendly는 데이터 시각화를 "정보 단위에 대한 속성이나 변수를 포함하여 일부 도식적인 형태로 추상화된 정보"로 정의합니다. 즉, 양적 내용을 시각적으로 일관성 있게 전달하는 방식입니다. 속성에 따라 데이터는 선 그래프, 막대 차트, 파이 차트, 산점도 또는 지도와 같은 다양한 방식으로 표시될 수 있습니다.

그래픽 디자이너는 데이터 시각화 모범 사례를 준수하고 데이터 세트를 시각적으로 표시하는 가장 좋은 방법을 결정하는 것이 중요합니다. 데이터 시각화는 유용하고 시각적으로 매력적이어야 하며 오해의 소지가 없어야 합니다. 특히 매우 큰 데이터 세트로 작업할 때 응집력 있는 형식을 개발하는 것은 유용하고 시각적으로 매력적인 시각화를 만드는 데 매우 중요합니다.

데이터 시각화를 사용하는 이유

IBM에 따르면 매일 2500조 바이트의 데이터가 생성됩니다. 연구 과학자인 앤드류 맥아피(Andrew McAfee)와 MIT의 에릭 브린욜프손(Erik Brynjolfsson) 교수는 “20년 전 인터넷 전체에 저장된 것보다 매초 더 많은 데이터가 인터넷을 통과한다”고 지적한다.

세상이 점점 더 많은 수의 전자 장치와 연결됨에 따라 데이터의 양은 계속 기하급수적으로 증가할 것입니다. IDC는 2025년까지 163제타바이트(163조 기가바이트)의 데이터가 있을 것으로 예측합니다.

이 모든 데이터는 인간의 두뇌가 이해하기 어렵습니다. 사실 인간의 두뇌가 어떤 종류의 유추나 추상화 없이는 5 보다 큰 숫자를 이해하기 어렵습니다. 데이터 시각화 디자이너는 이러한 추상화를 만드는 데 중요한 역할을 할 수 있습니다.

결국 빅 데이터는 이해하고 유용한 방식으로 소비되지 않으면 무용지물입니다. 이것이 바로 데이터 시각화가 경제에서 과학 및 기술, 의료 및 인적 서비스에 이르기까지 모든 분야에서 중요한 역할을 하는 이유입니다. 복소수 및 기타 정보를 그래프로 나타내면 내용을 이해하고 사용하기가 더 쉬워집니다.

사용 시기

많은 수는 의미 있는 방식으로 이해하기가 매우 어렵고 가장 유용한 많은 데이터 세트에는 막대한 양의 가치 있는 데이터가 포함되어 있기 때문에 데이터 시각화는 의사 결정자에게 중요한 리소스가 되었습니다. 이 모든 데이터를 활용하기 위해 많은 기업에서 데이터 시각화의 가치를 중요한 정보를 명확하고 효율적으로 이해함으로써 의사 결정자가 어려운 개념을 이해하고, 새로운 패턴을 식별하고, 데이터 기반 통찰력을 얻어 더 나은 성과를 낼 수 있도록 합니다. 결정.

데이터 시각화 디자인 솔루션 에 리소스를 투자할 가치가 있습니다. 비즈니스, 기술, 과학 또는 다른 분야에서 정보에 입각한 결정을 내리려면 대규모 데이터 세트를 이해하는 것이 필요합니다. 명확한 시각화를 통해 복잡한 데이터를 더 쉽게 파악할 수 있으므로 조치를 취하기가 더 쉽습니다.

원칙

명확한 목적 정의

데이터 시각화는 중요한 전략적 질문에 답하고 실제 가치를 제공하며 실제 문제를 해결하는 데 도움이 되어야 합니다. 예를 들어 성능을 추적하고, 고객 행동을 모니터링하고, 프로세스의 효율성을 측정하는 데 사용할 수 있습니다. 데이터 시각화 프로젝트를 시작할 때 시간을 내어 목적과 우선 순위를 명확하게 정의하면 최종 결과를 더 유용하게 만들고 불필요한 시각적 개체를 만드는 데 시간을 낭비하는 것을 방지할 수 있습니다.

청중 알기

데이터 시각화는 대상 고객과 명확하게 의사 소통하도록 설계되지 않은 경우 쓸모가 없습니다. 청중의 전문 지식과 호환되어야 하며 시청자가 쉽고 빠르게 데이터를 보고 처리할 수 있어야 합니다. 청중이 데이터가 제시하는 기본 원칙에 얼마나 익숙한지, 차트와 그래프를 정기적으로 볼 가능성이 더 높은 STEM 분야에 대한 배경 지식이 있는지 여부를 고려하십시오.

시각적 기능을 사용하여 데이터를 적절하게 표시

차트의 종류는 정말 많습니다. 표시되는 데이터를 시각화하는 데 가장 적합한 유형을 결정하는 것은 그 자체로 예술입니다. 올바른 차트는 데이터를 이해하기 쉽게 만들 뿐만 아니라 가장 정확한 조명으로 표시합니다. 올바른 선택을 하려면 전달해야 하는 데이터 유형과 전달 대상을 고려하십시오.

다음은 데이터 시각화에 가장 많이 사용되는 차트 유형입니다.

꺾은선형 차트: 꺾은선형 차트는 시간 경과에 따른 값을 비교하는 데 사용해야 하며 크고 작은 변화를 모두 표시하는 데 탁월합니다. 또한 둘 이상의 데이터 그룹에 대한 변경 사항을 비교하는 데 사용할 수도 있습니다.

막대 차트: 막대 차트는 여러 범주의 양적 데이터를 비교하는 데 사용해야 합니다. 시간 경과에 따른 변경 사항을 추적하는 데에도 사용할 수 있지만 이러한 변경 사항이 중요한 경우에만 사용하는 것이 가장 좋습니다.

산점도: 데이터 세트에 대한 두 변수의 값을 표시하려면 산점도를 사용해야 합니다. 두 집합 간의 관계를 탐색하는 데 탁월합니다.

원형 차트: 원형 차트는 전체의 일부를 표시하는 데 사용해야 합니다. 시간 경과에 따른 변화를 표시할 수 없습니다.

정리 및 일관성 유지

일관성은 빅 데이터 세트를 시각화로 컴파일할 때 특히 중요합니다. 일관된 디자인은 배경으로 효과적으로 사라지므로 사용자가 정보를 쉽게 처리할 수 있습니다. 최고의 비주얼리제이션은 시청자가 "직접 대면"하거나 다른 방식으로 주의를 끌지 않고 제시되는 데이터에 대한 결론에 도달하는 데 도움이 됩니다. 그들은 단순히 가능한 최선의 방법으로 데이터를 보여줍니다.

데이터 계층을 생성하면 다양한 데이터 요소가 의사 결정자에게 적절한 방식으로 표시됩니다. 가장 큰 값을 강조하거나 사용자에게 더 중요한 범주를 눈에 띄게 표시하기 위해 가장 높은 값에서 가장 낮은 값으로 정렬할 수 있습니다.

데이터가 표시되는 순서, 사용된 색상(예: 가장 중요한 포인트의 경우 밝은 색상, 기준 데이터의 경우 회색), 차트의 다양한 요소 크기(예: 원형 차트의 특정 조각을 차트의 일반 테두리)를 사용하면 사용자가 데이터를 보다 쉽게 ​​해석할 수 있습니다. 이러한 기술을 사용할 때 편향이 없어야 하는 경우에 주의하십시오.

데이터 시각화를 포괄적으로 만들기

색상 은 정보를 표현하고 구별하는 방법으로 광범위하게 사용됩니다. Salesforce에서 최근 실시한 연구에 따르면 사용자 결정의 핵심 요소이기도 합니다.

그들은 미학적으로 더 매력적이기 때문에 미묘한 색상 변화가 있는 팔레트에 대한 선호도가 더 높을 것이라고 가정하고 차트에 사용된 다양한 색상 조합에 사람들이 어떻게 반응하는지 분석했습니다.

그러나 그들은 매력적이면서도 미묘한 팔레트가 차트를 분석하고 통찰력을 얻는 것을 더 어렵게 만든다는 것을 발견했습니다. 이는 데이터를 표시하기 위해 시각화를 만드는 목적을 완전히 무효화합니다.

색상이 비슷하고 대비가 덜한 차트를 일반 사람이 읽기가 어렵다면 완벽한 시력이 없는 사람들에게는 훨씬 더 읽기 어렵고 인구의 상당 부분을 차지합니다. WHO에 따르면 약 2억 5,300만 명이 시각 장애를 갖고 살고 있습니다.

다행히도 Photoshop 및 Illustrator의 색맹 교정과 같이 이러한 장애가 있는 사람들이 이미지를 시각화하는 방법을 확인할 수 있는 도구가 있습니다. 충분히 큰 글꼴 크기를 사용하고 유형과 배경 사이의 적절한 대비를 사용하는 것과 같은 다른 것들도 도움이 됩니다.

시뮬레이션 도구에서 색상 팔레트에 문제가 있는 경우 그래프 가독성을 향상시킬 수 있는 기술이 있습니다.

• 대비가 높은 색상을 사용합니다.
• 다양한 유형의 정보를 전달하기 위해 패턴이나 질감을 사용하여 색상을 보완합니다.
• 텍스트 또는 아이콘을 사용하여 요소에 레이블을 지정합니다.

글꼴 선택은 텍스트의 가독성에 영향을 주어 의도한 의미를 향상시키거나 저하시킬 수 있습니다. 이 때문에 디스플레이 글꼴을 피하고 보다 기본적인 세리프체나 산세리프체를 고수하는 것이 좋습니다.

데이터 시각화의 매체에 읽을 수 있는 글꼴 크기가 있는지 확인합니다. Smashing Magazine 은 "현대 웹 디자인에서 본문 카피를 위한 최소 크기는 일반적으로 16픽셀이어야 합니다."라고 제안합니다.

데이터를 왜곡하지 마십시오

훌륭한 데이터 시각화는 왜곡을 피하면서 이야기를 명확하게 전달해야 합니다. 3D의 원형 차트와 같이 데이터 세트를 정확하게 나타내지 않는 시각적 표현을 사용하지 마십시오.

데이터 시각화는 데이터 자체를 왜곡하지 않고 시청자를 특정 결론으로 ​​이끌 수 있습니다. 이는 일반적으로 데이터를 일반적으로 전달하기보다는 특정 결론을 지원하기 위해 생성되는 대중 소비를 위한 인포그래픽과 같은 것을 디자인하는 데 특히 유용할 수 있습니다. 색상 선택 및 특정 데이터 포인트 호출과 같은 것은 오해의 소지가 있는 그래픽을 생성하지 않고 이를 위해 사용할 수 있습니다(이는 잠재적으로 디자이너의 신뢰성에 의문을 제기할 수 있음).

잘못된 데이터 시각화의 예

좋은 데이터 시각화의 예

결론

좋은 데이터 시각화는 그래픽을 사용하여 데이터 세트를 명확하고 효과적으로 전달해야 합니다. 최고의 시각화를 통해 데이터를 한 눈에 쉽게 이해할 수 있습니다. 그들은 복잡한 정보를 취하여 대상 청중이 쉽게 이해하고 결정을 내릴 수 있도록 분해합니다.

Edward R. Tuft가 지적했듯이 “디자인의 본질적인 테스트는 그것이 얼마나 세련된 것이 아니라 내용의 이해를 얼마나 잘 돕는가입니다.” 특히 데이터 시각화는 이 아이디어를 따라야 합니다. 목표는 디자인 자체에 관심을 끌지 않고 디자인을 통해 데이터를 향상시키는 것입니다.

이러한 데이터 시각화 모범 사례를 염두에 두는 것은 청중에게 진정으로 유용한 인포그래픽을 디자인하는 프로세스를 단순화합니다.

추가 읽기:

• 이러한 데이터 시각화로 영감을 얻으십시오
• 이 대시보드 디자인 영감으로 분석 업그레이드
• 대시보드 디자인 - 고려 사항 및 모범 사례
• 프레젠테이션 디자인과 시각적 스토리텔링의 예술
• 제품 디자인에서 인간 중심 디자인의 중요성
• 최고의 UX 디자이너 포트폴리오 – 영감을 주는 사례 연구 및 사례