4. 01 데이터 스토리텔링
숫자 그 이상
1. 통계와 시각화는 아무 의미 없는 날것의 숫자와 문자, 그 이상을 찾는 도구이다.
2. 데이터에는 의미, 진실, 아름다움이 있다.
3. 하나의 숫자는 한 사람이다 : 데이터를 이런 관점으로 봐야 한다.
5. 1 저널리즘
차트, 그래프 디자인은 단순히 통계 수치를 눈에 보이도록 만드는 일이 아니라
데이터의 이야기를 설명하는 일이다.
중요한 영역은 강조하고, 기호와 색상은 범례와 점을 이용해 주의 깊게 해설하여
독자들이 데이터의 이야기를 쉽게 이해할 수 있도록 만들어야 한다.
01 데이터 스토리텔링
6. 2 예술
- 사람들의 감정 표현을 인터랙티브하게 탐색하는 온라인 작업
데이터와 시각화는 항상 냉정하고 굳건한 사실, 분석적인 통찰이 아닐 수도 있다.
그보다는 감정적인 시선, 감정적인 이야기 전달, 공감을 불러 일으키는 데이터에 가까울 수도 있다.
01 데이터 스토리텔링
7. 3 오락 스프레드시트와 쉼표로 구분된 텍스트 파일 외에 사진이나 상태 업데이트도 데이터의 일종이다.
ex) 페이스북 : 사용자의 업데이트를 분석하여 그 해의 가장 행복한 날을 찾아서 보여줌
ex) 오케이큐피드 : 사용자들이 입력한 인적사항을 분석하여 흔한 거짓말을 밝혀냄
- 사람들이 자신의 키를 약 2인치 가량 크게 과장한다는 사실을 밝혀냄
01 데이터 스토리텔링
8. 4 설득 데이터 시각화는 사태의 시급함을 알리거나 행동을 촉구하려는 목적을 위해 사용되기도 한다.
데이터 그 자체가 흥미로운 이야기를 만들어 내지는 않기 때문에
데이터를 어떻게 디자인해서 전달하느냐가 중요하다.
ex) 한스 로슬링 : 자신의 이야기를 입증하기 위한 재료로 데이터 시각화를 사용함
01 데이터 스토리텔링
9. 01 데이터 스토리텔링
디자인
1 상징
독자가 쉽게 해석할 수 있는 상징을 만들어야 한다.
각 상징마다 라벨, 범례, 키워드 등을 이용하여 해설하는 것이 좋다.
- 전 세계의 국가별 파이어폭스 사용량 : 이 그래픽만 봤을 때는 진한 파란색이 수치가 더 높은건지 낮은건지 알수가 없기 때문에
범례를 이용하여 진한 파란색이 수치가 더 높은것임을 해설 해주어야 한다.
10. 2 축과 라벨
축에도 반드시 라벨이 있어야 한다. 라벨이 없는 그래프는 의미가 없다.
한 점이 어느 정도 수치를 표시하는지를 알려주기 위해서는 꼭 라벨이 필요하다.
3 출처의 표시
데이터가 어디에서 비롯되었는지를 꼭 표시해야 한다.
출처를 표시하면 다른 사람이 사실 관계를 확인할 수 있기 때문에 그래픽에 신뢰성을 더해준다.
4 받아들이는 사람을 위한 배려
그래픽의 대상이 되는 사람의 입장에서 깊이 생각해야 한다.
상황에 따라 단순하게 만들어야 할 수도 있고, 복잡하게 만들어야 할 수도 있다.
12. 02 데이터 다루기
데이터 수집 방법
1 다른 사람에게 받기
일반적으로 데이터는 다른 사람이나 조직으로부터 받게 된다.
하지만 이 과정에서 입력 실수가 있지는 않은지, 데이터의 출처는 어디인지,
어떻게 수집 되었는지, 무엇에 관한 것인지를 확인해야 한다.
2 데이터 찾기
검색 엔진 : 구글 / 울프람알파(Wolfram Alpha) 이용
직접 문의 : 연구 논문 / 뉴욕타임즈 데이터 출처 이용
대학 : 데이터&스토리 라이브러리(카네기 멜론 대학) / 버클리 데이터 연구소
데이터 어플리케이션 : 프리베이스 / 인포침스 / 넘브러리 / 위키피디아 이용
2 데이터 긁어 모으기
13. 02 데이터 다루기
데이터 형식화
1 데이터 형식
데이터 형식화란 데이터를 컴퓨터가 이해할 수 있는 형식으로 만드는 것이다.
데이터 형식은 사용 목적과 시각화 도구에 따라 다르다.
구분 텍스트 : 데이터의 줄바꿈으로 행을, 구분자로 열을 구분하는 텍스트 데이터로
가장 널리 이용되는 방식이다. 엑셀이나 구글 문서를 포함한 대부분의 스프레드시트에서
불러올 수 있으며, 반대로 스프레드시트의 데이터를 구분 데이터로 저장할 수도 있다.
CSV (Comma separated values) 파일은 쉼표로 구분,
TSV (Tab saparated values) 파일은 탭으로 구분
구분자는 공백(Space), 세미콜론(;), 콜론(:), 슬래시(/) 그 어떤 것이라도 가능하지만
쉼표와 탭 구분자가 가장 보편적으로 쓰인다.
14. 02 데이터 다루기
2 형식화 도구
구글 리파인 : 값에 따라 쉽게 정렬할 수 있고, 편한 검색 기능을 제공한다.
Mr. Data Converter : 엑셀로 갖고 있는 데이터를 다른 형식으로 변환 할 수 있다.
Mr. People : 사람 이름을 추출하는 기능을 제공한다.
스프레드 시트 : 단순한 정렬이나 몇 개의 개별 데이터를 수정하는 정도의 작업에 적합하다.
3 프로그램으로 형식화하기
스크립트에서 몇가지 코드만으로도 데이터를 전환할 수 있다.
16. 03 도구의 선택
데이터 분석이나 시각화에 어떤 도구를 쓰십니까?
정적인 데이터 그래픽을 만들고자 하면 R과 일러스트레이터를, 웹 애플리케이션에 붙일
인터랙티브 도구를 만들고자 하면 자바스크립트와 플래시를 사용할 수 있다.
적합한 도구는 달성하고자 하는 목표가 무엇인가에 따라 달라진다.
18. 04 시간 시각화
무엇을 볼 것인가
시계열 데이터 (Time series data)
시계열 데이터는 어디에나 있다. 사람들의 생각도 바뀌고, 인구 분포도 변하며,
사업은 확장한다. 이런 변화가 얼마나 있었는지 측정해서 기록하면 시계열 데이터가 된다.
시계열 데이터는 변화를 표현하기 때문에 트렌드를 찾을 수 있다.
증가하는가? 감소하는가? 계절에 따른 변화가 있는가?
이런 패턴을 찾으려면 개별적인 데이터보다 전체 그림을 볼 수 있어야 한다.
19. 04 시간 시각화
오바마 집권 이후의 고용률 변화
부시 행정부가 끝나는 시점에서 실직률이
급격히 늘어났다가, 오바마 집권 이후
줄어드는 현상을 볼 수 있다.
2001년부터 2010년까지의 고용률 변화
위의 차트만 보면 오바마의 새 행정부가 고용 상태에
확실히 긍정적인 영향을 가져온 듯 느껴지지만,
좀 더 긴 시간의 단위에서 보면 위의 차트와는 다른
차이를 느낄 수 있다.
-> 큰 그림을 그려보는 것은 항상 중요하다.
