데이터 시각화의 성능 높이기
디자인 이론과 데이터 시각화의 성능
일반적인 시각적 요소와는 관계가 없을지 몰라도, 대시보드의 성능은 사용성과 사용자 경험에 단연코 중요한 부분입니다. 이와 관련된 이론으로는 도허티 임계를 설명합니다.
도허티 임계
도허티 임계는 사용자와 시스템의 상호작용이 이루어지는 중에 사용자의 주의가 분산되지 않기 위해서 400ms 안에 반응해야 한다는 이론입니다. 당장 우리는 마우스나 키보드의 반응 속도가 조금만 느리더라도 답답함을 느끼며 컴퓨터 사용에 불편함을 느끼게 될 것입니다.
이러한 이론을 토대로, 많은 프로덕트에서는 로딩 애니메이션을 도입하고 있습니다.
많은 정보가 표시되는 화면이라면, 물리적으로 빠른 안에 표시하는 것은 불가능하지만, 클릭하고 난 뒤 아무런 반응 없이 5초를 기다리는 것보다, 즉각 로딩 중이라는 인지가 가능한 애니메이션을 제공하여 5초를 기다리는 것은 사용자 경험에 아주 큰 차이가 발생합니다. 5초간 아무런 반응이 없는 화면이라면, 사용자는 제대로 클릭한 것인지, 기다리면 열리는 것인지, 그냥 고장이 난 것인지에 대한 확신이 없이 불안감이 증가하는 반면, 로딩 중이라는 화면을 제공한다면, 적어도 사용자는 기다리면 열릴 것이라는 기대를 할 수 있게 되기 때문입니다.
일반적인 사례에 대해 설명하였지만, 데이터 시각화 대시보드에서는 분석가가 로딩 화면을 마음대로 조작하는 것은 어려울 수 있습니다. 다행히, 이러한 기본적인 로딩 화면 이미지는 개발 프로그램 내에서 제공되는 경우가 많지만, 여기서는 대시보드의 속도 자체를 근본적으로 높이는 방법에 대해 잠깐 설명하고자 합니다. 바로 집계성 데이터입니다.
데이터 시각화는 기본적으로 집계한 측정값을 다양한 항목을 포함한 카테고리 데이터로 쪼개어 보는 데에 있습니다. 이때, 대시보드에서 표시하는 뷰의 가장 작은 단위가 원본 데이터의 최소 단위보다 크다면, 원본 데이터의 최소 집계 단위를 조금 더 높이는 것이 대시보드의 근본적인 속도에 도움을 줄 것입니다.
예를 들어, 365일의 매출 데이터가 있다고 가정합니다. 그러면 테이블 형태의 원본 데이터에는 365개의 행이 존재할 것입니다. 하지만, 만약 대시보드에서는 일 추이가 아닌 월 추이만으로 대시보드를 활용하고 있다면, 굳이 365개의 데이터를 남겨두지 말고, 원본도 월 단위로 집계하여 12개의 데이터 테이블로 데이터를 시각화하라는 것입니다. 이외에도 개발 도구나 언어에 따라 대시보드의 속도를 높이는 방법은 다양하지만, 이러한 집계성 데이터 테이블이 가장 근본적으로 속도를 향상할 수 있는 방법일 것입니다.
하지만 이와 관련하여 또 다른 흥미로운 연구가 있습니다. 화면에 따라, 오히려 너무 빠른 속도는 신뢰도를 떨어뜨릴 수 있다는 것입니다.
예를 들어, 사용자가 이제부터 클릭한 대시보드에는 매우 많은 데이터가 포함되어 있다는 것을 인지하고 있다고 가정합니다. 이때, 만약 대시보드 1초 만에 나타난다면, 사용자는 오히려 대시보드가 기대했던 데이터의 양을 전부 포함하고 있는 것인지 의심하게 된다는 이야기입니다. 실제로도, 만약 평소 10초 정도 로딩이 걸리던 화면이 만약 1초 만에 표시가 된다면, 몇 가지의 오류로 인해 데이터가 누락이 된 경우를 의심해 볼 수 있을 것입니다.
본 포스팅은 전자책 - 엑셀 데이터로 실습하는 Tableau 데이터 시각화와 디자인에서 일부 발췌하였습니다.
