이번 이야기는 약 5년 전, 어쩌면 조금 더 전에 시작됩니다. 딸아이가 기차에 푹 빠져 있어서, 우리는 작은 나무 기차 세트로 기찻길을 만들곤 했습니다. 때로는 부엌 바닥을 점령하기도 했죠.
그녀는 자기 전에 저에게 토마스 기차 이야기를 읽어달라고 했고, 가장 좋아하는 프로그램은 BBC에서 방영하는 토마스와 친구들 이야기였어요. 그런데 이게 JMP 와 무슨 관련이 있냐고요? 당시에는 전혀 관련이 없었죠. 저는 그때 JMP에서 일하지도 않았으니까요. 하지만 요즘 세상이 너무 혼란 스러워서 여행을 못 가게 되자, 그래픽 디자인 초심으로 돌아가 데이터 시각화를 공부하고 있어요. 정말 재밌네요.
저는 Xan Gregg( @XanGregg )의 비디오 프레젠테이션을 시청하고, 다른 프레젠테이션에서 필기한 내용을 복습하고, Edward Tufte와 Stephen Few의 책도 읽었습니다. Nick Desbarats 교수님의 수업도 몇 번 들을 기회가 있었습니다.
지난 몇 달 사이, 문득 깨달은 게 있는데, 데이터 시각화 전문가들이 모두 같은 방향으로 나아가고 있다는 사실입니다(미리 말장난을 좀 해도 괜찮을까요?). 데이터 시각화 전문가들의 말을 한마디로 요약하자면, 마치 토마스 기차 이야기에서 나오는 대사처럼 "시각화가 원하는 건 유용함 뿐이다"라는 것입니다.
화려한 열차 vs. 실제 운행 중인 열차
제 딸아이의 (저작권이 엄격하게 보호되는) 책들에 나오는 의인화된 기차들은 대체로 모두 유용하려고 노력합니다. 하지만 각자 개성이 있죠. 어떤 기차는 깨끗함을 좋아하고, 어떤 기차는 조금 거칠어도 개의치 않고, 또 어떤 기차는 화려함을 좋아합니다. 세상에는 별별 사람이 다 있잖아요? 하지만 궁극적으로 사람이 기관차들에게 줄 수 있는 최고의 칭찬은 " 정말 유용 했다"는 것입니다. 예쁘거나 화려하거나 거칠어서가 아니라, 그저 유용했다는 것이죠.
그래프에 의인화를 부여한다면, 아마 비슷한 느낌을 줄 것입니다. 그렇다면 그래프는 어떻게 유용해질까요? 우선, 그래프가 전달하고자 하는 문제, 메시지 또는 결과가 있어야 합니다. 몇 가지 예를 살펴보고, 각각의 목적과 비교해 본 다음, 더 유용하게 만들기 위한 몇 가지 수정 사항을 알아보겠습니다.
이 그래프는 얼마 전 제 뉴스피드에 올라왔습니다. 기사에 따르면 이 그래프는 "기사 에서 정의한 네 가지 요소를 바탕으로 각 활동이 코로나바이러스 위험 측면에서 어떻게 비교되는지"를 보여주기 위한 것이었습니다.
그렇다면 이 그래프는 시각화 연습의 목적을 얼마나 잘 달성했을까요? 제 생각에는 "괜찮았지만 훨씬 더 잘할 수 있었을 것"입니다. 자세한 이유는 나중에 이야기하겠지만, 핵심은 어떤 활동이 위험한지 한눈에 파악하기 어렵고, 활동 간의 위험 수준을 비교하기도 어렵다는 점입니다.
다음 예시에서는 제가 2020년 할로윈 기사에서 만들었던 시각 자료를 활용해 보겠습니다. 저는 오슨 웰스의 라디오 방송 "세계 전쟁"의 대본을 분석했습니다. 제 분석은 여기에서 확인하실 수 있습니다. 이 시각화 자료의 목적은 라디오 대본에 나오는 모든 용어를 요약하고 중요한 주제나 용어를 강조하는 것이었습니다.
어떻게 생각하세요? 제 생각엔 처참하게 실패했어요. 왜냐고요? 자세한 건 나중에 설명드리겠지만, 워드 클라우드 같은 건 데이터 아트의 영역에 더 가깝다고 생각해요. 로고, 마케팅 자료, 티셔츠 등에 워드 클라우드가 사용되는 건 재미있거나 시각적으로 눈길을 끌기 때문이죠. 하지만 유용한 강조 표시를 하더라도 인사이트를 전달하는 도구로서는 형편없어요.
아, 스파이더 차트… 제 오랜 숙적이죠. 죄송합니다. 솔직히 말해서 저는 이런 차트에 대해 어느 정도 편견이 있습니다. 하지만 왜 제가 이 차트를 그렇게 싫어하는지 이해하실 수 있도록 설명해 보겠습니다. (말장난 죄송합니다.) 학술지 논문 에 실린 스파이더 차트의 설명은 다음과 같습니다. " 14가지 종류의 맥주에 대한 5가지 감각적 특성을 나타낸 스파이더 차트가 [그래프]에 나와 있습니다. 각 샘플은 저마다 고유한 감각적 특성을 가지고 있으며, 샘플 8, 10, 14, 11, 9, 2는 각각 신맛, 쓴맛, 단맛, 염소향, 톡 쏘는 맛, 그리고 '기타 맛'이 가장 강했습니다." 자, 여기 그래프가 있습니다.
네. 상당히 안 좋은 상황이죠. 하지만 이런 차트에서는 꽤 흔한 일입니다.
데이터 시각화에 대해 더 자세히 배우는 데 따르는 한 가지 단점은 일단 문제점을 발견하면, 그 문제점을 외면 할 수 없다는 것입니다. 그리고 현재 우리 사회의 문제는 매일 엄청난 양의 그래프가 쏟아져 나온다는 점입니다. 팬데믹과 미국 대선으로 인해 우리는 수많은 그래프에 둘러싸여 있습니다. 이러한 시각화 자료들은 화려하고 세련될 수도 있고, 다소 투박할 수도 있지만, 대부분은 그다지 유용하지 않습니다. 그래서 우리는 쓸쓸하고 의미 없는 그래프들로 가득한 세상을 마주하고 있습니다. (씁쓸한 현실이죠?) 하지만 연말연시이니만큼, 이 문제를 해결해 봅시다. 우선 근본적인 문제점을 파악해야 합니다.
예쁜 것이 유용하지 않을 수도 있지만, 유용한 것은 언제나 아름답다.
왜 이렇게 쓸모없는 그래프들이 많을까요? ( 나쁜 그래프 라고 부르지는 않겠습니다. 유용하지 않은 건 그래프 자체의 잘못이 아니라, 그저 그렇게 그려졌을 뿐이니까요.) 제 생각에는 사람들이 한 가지 개념을 놓치고 있기 때문입니다. 예쁘기만 한 것은 유용하지 않을 수 있지만, 유용한 것은 본질적으로 아름답습니다 . 여기서 아름답다는 것은, 의도된 목적을 완벽하게 달성할 때 나타나는 형태의 우아함을 의미합니다.
닉 데스바라츠는 이 개념을 설명하기 위해 그리스어 ' 텔로스(telos)' 라는 용어를 사용합니다. 이 분야에 종사하는 많은 사람들(저를 포함해서)은 시각화의 한계를 뛰어넘는 데 너무 몰두한 나머지 데이터 시각화의 본질인 '소통'을 잊어버리는 경향이 있습니다. 시각화 그 자체만을 위해 시각화를 하고 소통이라는 핵심 요소를 놓치면, 그래프는 무용지물이 될 위험이 있습니다. 물론, 유용하지 않은 그래프가 아름답지 않다는 뜻은 아닙니다. 다만, 최적의 소통 도구는 아니라는 것입니다.
쉬운 길을 택하세요
자, 그럼 어떻게 해야 할까요? 제가 보여드린 그래프들은 실제 활용도가 그리 높지 않습니다. 유용하지 않기 때문에, 마치 슬픈 그래프처럼 보입니다. 우리는 슬픈 그래프를 원하지 않잖아요? 그렇죠! 그러니 이제 고쳐봅시다.
앞서 언급한 예시들의 문제는 저자들이 뇌의 시각 정보 처리 시스템의 강점을 제대로 활용하지 못하고 있다는 점입니다. 다니엘 카네만의 저서 『생각의 속도 』에서 제시된 논리를 따라가 보면, 우리는 정보를 처리하는 두 가지 시스템을 가지고 있다고 할 수 있습니다. 하나는 무의식적으로 작동하며 매우 효율적인 시스템(시스템 1)이고, 다른 하나는 복잡한 문제를 처리하도록 설계되었지만 더 의식적인 시스템(시스템 2)입니다. 이 두 번째 시스템을 사용하는 것은 더 많은 에너지를 소모하기 때문에, 이 시스템을 사용하면 시청자가 피로해질 위험이 있습니다. 따라서 사람들이 그래프를 이해하기 위해 너무 많은 생각을 해야 할 때, 그래프는 유용하지 않게 되고(즉, 재미없는 그래프), 우리의 뇌는 피로해집니다(슬픈 뇌!). 이 문제를 해결하려면 첫 번째, 더 본능적인 정보 처리 시스템을 사용하는 것이 중요합니다.
시스템 1은 빠른 패턴 인식, 직선 거리 판단 및 이와 유사한 작업을 위해 설계되었습니다. 예를 들어, 수천 년 전 생사를 가르는 순간적인 결정이 필요했다면 시스템 1이 처리했을 것입니다. 데이터 시각화 전문가들이 막대 그래프를 사용하는 것이 더 좋다고 강조하는 이유도 바로 이 때문입니다. 우리는 곡선이나 면적보다 직선 거리를 판단하는 데 더 능숙합니다. 일반적으로 막대 그래프는 시스템 1로 처리됩니다. 다시 말해, 사람은 막대 그래프의 정보를 빠르게 읽고 처리하도록 타고났다는 뜻입니다. 두 지점 사이의 최단 거리는 직선이며, 우리 뇌를 통과하는 가장 빠른 경로 또한 직선이기 때문입니다!
첫 번째 그림으로 돌아가서, 근본적인 문제는 시스템 2를 사용해야 하는 시각화를 만들고 있다는 점입니다. 임의의 척도를 만들고, 각 활동에 대한 값을 그 척도에 따라 정량화하고, 각 사각형의 값을 합산해야 합니다. 이 모든 과정을 거쳐야 총 위험 점수를 얻을 수 있습니다. 그리고 활동들을 비교하고 싶을 때도 이 과정을 다시 반복해야 합니다. (이것만 써도 피곤해지네요!) 그렇다면 왜 이 모든 과정을 그래프에서 처리하지 않는 걸까요? 시스템 1을 활용하도록 설계된 몇 가지 대안(제가 JMP로 만든 두 가지와 텍사스 의학 협회 에서 제공하는 한 가지)을 소개합니다.
훨씬 읽기 쉬워 보이죠?
기능이 형태를 결정하게 하라
이 모든 생각을 시작하게 만든 증기 기관차에 대해 다시 한번 생각해 봅시다. 기관차가 왜 그런 모습을 하고 있는지 생각해 본 적 있으신가요? 저희 할아버지는 모형 기차의 열렬한 팬이셔서, 제가 이런 생각을 하는 건 어쩌면 유전적인 영향일지도 모르겠습니다. 아니면 어린 시절 여름방학 동안 할아버지의 기차들을 구경하거나, 새로 구입하신 모형 기차를 사러 가게에 갔던 기억 때문일 수도 있겠죠. 어쨌든 저는 증기 기관차의 모습에서 늘 특별한 우아함을 느껴왔습니다.
Source: https://en.wikipedia.org/wiki/Steam_locomotive_components출처: https://en.wikipedia.org/wiki/Steam_locomotive_components
외관을 현대화하기로 결정했을 때조차도 기능이 형태를 좌우했습니다.
Source: https://en.wikipedia.org/wiki/Steam_locomotive#/media/File:Number_4468_Mallard_in_York.jpg출처: https://en.wikipedia.org/wiki/Steam_locomotive#/media/File:Number_4468_Mallard_in_York.jpg
마찬가지로, 그래프를 그릴 때는 항상 명확한 목적 진술 을 하는 것으로 시작해야 합니다. 그래프가 유용하려면 목적이 있어야 한다는 점을 기억하세요. 탐색적 분석을 하는 경우, 목적 진술은 조사를 이끌어가는 질문이 될 수도 있습니다.
제가 사용한 워드 클라우드의 경우, 목표는 대본에서 가장 중요한 주제를 보여주는 것이었습니다. 하지만 워드 클라우드는 이러한 목표를 제대로 달성하지 못합니다. 앞서 말씀드렸듯이, 워드 클라우드는 "데이터 시각화"라기보다는 "데이터 아트"에 가깝습니다. 워드 클라우드는 긴 단어가 단순히 길이 때문에 더 중요해 보이는 착시 현상을 일으키는 문제가 있습니다. 아래 예시에서는 데이터를 약간 수정하고 시각화 방식을 평행 그래프로 변경했습니다. 각 등장인물 또는 등장인물 그룹이 다양한 주제와 어떻게 연관되는지 추적하는 것이 시청자를 오도할 가능성이 적고 더 통찰력 있는 시각을 제공하는 데 더 효과적입니다. (참고로, 이 그래프는 상호작용이 가능하므로 왼쪽의 로컬 데이터 필터를 사용하여 자유롭게 클릭해 보세요.)
여기서 핵심은 미적 요소도 중요하지만, 유용한 시각화의 기반은 명확한 목적 진술과 그 목적에 대한 충실함이라는 점입니다.
차축에 얽히지 마세요
사람들이 그래프를 매력적으로 보이게 하는 가장 쉬운 방법(네, 제가 그래프를 매력적이라고 불렀습니다. 뭐, 어쩔 수 없죠)은 아마도 직교 좌표계 그래프(x, y축)를 중심축을 중심으로 감싸는 것일 겁니다. 이렇게 하면 파이 차트, 레이더 차트, 스파이더 차트 등이 만들어집니다. 이런 차트들은 보기에는 매력적 이지만 , 과연 유용성은 더할 나위 없이 높을까요?
일반적으로 그 질문에 대한 답은 "아니요"입니다. 인간은 방사형 시스템으로 거리나 크기를 비교하도록 타고나지 않았습니다(파이 차트는 올바르게 사용될 경우 예외입니다). 또한, 데이터가 너무 많아지면 금방 복잡해질 수 있습니다. 안타깝게도 데이터 시각화 분야의 많은 사람들, 심지어 전문가들조차도 이러한 함정에 빠지곤 합니다.
아! 그리고 스파이더 차트를 계속 해서 비판하기보다는, 잰 그레그의 말처럼 스파이더 차트가 그다지 유용하지 않다는 점 에 동의하고 이 문제에 대한 다른 예시들을 살펴보도록 합시다.
북극의 죽음의 소용돌이 (네, 제목이 대문자로 표기될 만큼 충분히 자극적인 제목입니다)는 이러한 문제점을 잘 보여주는 예입니다. 제목 자체는 극적인 느낌을 불러일으키고, 어쩌면 그것이 시각적인 효과를 통해 전달하고자 하는 궁극적인 설득력일지도 모릅니다.
이 시각 자료의 직접적인 목표는 해빙 부피가 매년 회복되지 않고 있으며, 실제로 상황이 악화되고 있다는 것을 전달하는 것입니다. 하지만 (이 시각 자료의) 문제점은 데이터를 방사형 좌표계로 변환함으로써 시스템 2 인지를 사용하게 된다는 점입니다. 즉, 핵심을 파악하기 위해 우리의 뇌가 더 많은 노력을 기울여야 한다는 뜻입니다. 그렇다면 이처럼 시스템 1 방식을 사용하는 것이 더 낫지 않을까요?
이 그래프를 보면 다음과 같은 사실이 분명해집니다. a) 하락 추세가 있고, b) 지난 40년 동안 볼 수 없었던 최저 수준보다 훨씬 낮습니다. 또한 막대 그래프를 사용함으로써 시스템 1을 활용하게 되므로, 첫 번째 그래프를 사용했을 때보다 훨씬 빠르게 이러한 결론에 도달했을 가능성이 높습니다.
이 두 번째 그래프는 알베르토 카이로가 시각화를 6단계로 평가하는 데 사용하는 그래프입니다. 그는 이 그래프를 첫 번째 저서인 《인포그래피 2.0》에서 처음 제안했고, 이후 《기능적 예술》 에서 다시 논의했습니다.
이 그래프의 목적은 복잡성과 이해 가능성이라는 여섯 가지 차원에서 그래픽이 얼마나 효과적인지를 보여주는 것입니다. 첫 번째 예시의 경우, 이 그래프는 (개념적으로) 시스템 1과 시스템 2를 얼마나 활용하는지를 기준으로 점수를 매깁니다. 이러한 차원은 디자인 개념 쌍(추상화 대 구상화, 기능성 대 장식, 밀도 대 경량성, 단일 차원성 대 다차원성, 독창성 대 친숙성, 참신성 대 중복성)으로 구성됩니다. 하지만 이러한 차원들을 중심축을 중심으로 펼쳐 놓으면, 독자는 각 쌍의 점수를 확인하기 위해 그래프 전체를 훑어봐야 합니다. (또한 점수를 연결하면 거미줄처럼 복잡해 보이지만, 이 부분은 넘어가도록 하겠습니다.) 그렇다면 차라리 이렇게 하면 되지 않을까요?
동일한 정보가 전달되며, 이를 전달하는 데 있어 빠른 시스템 1 인지 능력이 활용됩니다! 따라서 정보를 더 빨리 얻을 수 있습니다.
제가 여기서 말하려는 요점은, 정말 타당한 이유가 없는 한, 유용한 그래프의 경우 방사형 그래프를 피하는 것이 더 나은 선택일 가능성이 높다는 것입니다.
언제나 진실되게 행동하십시오
이 주제는 민감할 수 있으며, 저는 누구를 고의로 다른 사람들을 오도했다고 비난하려는 것이 아닙니다. 분석에서 진실성을 확보하는 데 문제가 생기는 것은 개인적인 편견이 결과물에 스며들도록 내버려 둘 때입니다. 데이터 분석과 데이터 시각화는 그 자체로 주관적인 요소가 내재되어 있습니다. 어떤 시각화를 만들든 의견, 또는 적어도 데이터 해석의 요소가 포함됩니다. 저는 Xan이 디스커버리 서밋 과 JMP 온에어 에서 몇 번 언급했던 것처럼 모든 차트는 편향되어 있고, 그중 일부는 유용하다는 말을 들었습니다(유명한 George Box의 명언을 변형한 것입니다). 진실된 시각화를 만드는 데 있어 중요한 점은 시각화를 구성하고 데이터를 해석하는 과정에서 내리는 선택이 모두 투명해야 한다는 것입니다. 그래프 제목에 중요한 요점을 넣는 것처럼 간단할 수도 있습니다.
또는 유용한 주석을 제공하는 것:
중요한 점은 그래프가 가정과 결론을 숨기려 하지 않고 명확하게 드러내야 한다는 것입니다.
마무리하겠습니다.
이 글에서 다루지 않은 내용이 많습니다. 솔직히 말해서, 제가 강조하려는 요점의 맥락에서 보면, 그런 것들은 모두 유용한 그래프를 만드는 다양한 전략일 뿐입니다. 정말 유용한 그래프를 만드는 것을 목표로 삼는다면, 나머지는 자연스럽게 따라올 것입니다.
방사형 그래프는 일반적으로 선형 그래프만큼 유용하지 않습니다. 우리 뇌가 그런 방식으로 작동하지 않기 때문입니다. 가정과 해석을 명확히 밝히지 않으면 독자가 사고 과정이나 무의식적인 편견을 이해하지 못하기 때문에 그래프의 유용성이 떨어집니다. 무엇보다 중요한 것은 문제 제기나 논지가 없는 시각화 자료는 유용한 그래프를 만들기 어렵게 만든다는 점입니다.
결론적으로, 유용한 그래프는 행복한 그래프라는 것을 기억합시다. 우리 모두 그래프를 최대한 유용하고 행복하게 만들기 위해 최선을 다해야 합니다. 여러분의 모든 그래프(그리고 휴일)가 행복하길 바랍니다. 이제 '토가 스프링스'에도 눈이 내리기 시작해서 저는 따뜻한 코코아를 마시며 사색 에 잠기러 갑니다. 2021년에 다시 만나요.
