데이터 시각화의 원리
사전 주의적 특성
이전 포스팅에서 데이터를 시각화하는 이유를 알아보았다면, 이번 글에서는 시각적인 특성이 어떻게 우리의 인지에 영향을 미치는지에 대해 이야기해보겠습니다.
사전 주의적 특성(pre-attentive attributes)은 사람의 시각을 자극하여 인지를 도울 수 있습니다.
사전 주의적 특성에는 어떤 것들이 있을까요?
사전 주의적 특성이란, 우리가 시각적인 무언가를 바라보며 주의를 기울이기 전에 우리의 뇌가 무의식적으로 인지하는 특성을 이야기합니다.
이 특성에는 아래의 이미지와 같은 길이, 면적, 방향, 크기, 모양, 위치, 그룹, 채도, 명도 등이 해당합니다.
예를 들어, 상품 카테고리별 매출을 기록한 데이터가 있을 때, 기업에서 매출이 가장 큰 값을 보고하거나 전체적인 가격의 경향을 보고해야 한다고 가정해보겠습니다.
이렇게 숫자의 데이터를 나열한 데이터에서 만약 가장 큰 항목을 찾아야 한다거나, 전체적인 값의 경향을 파악하기 위해서는 값의 평균을 구하거나 크기 순서대로 정렬하는 작업이 필요할 것입니다.
이때, 데이터의 크기에 따라 막대 차트를 그리게 되면, 사전 주의적 특성 중 길이를 활용하여 값의 크기와 경향을 빠르게 인지하고 분석할 수 있습니다. 아래의 차트를 참고하면, 크기 순서대로 정렬하지 않더라도, 의자가 가장 높은 매출을 기록하였으며, 가전제품이나 테이블이 중간 정도의 매출을 보인다는 것을 바로 인지할 수 있습니다.
이처럼 사전 주의적 특성을 활용하면 데이터의 크기와 경향 등을 빠르게 인지할 수 있지만, 몇 가지 주의할 점이 있습니다.
먼저, 모든 사전 주의적 특성을 동일한 수준으로 인식하는 것은 아니다. 특성에 따라 비교적 더 정확하게 인지할 수 있는 순서가 존재합니다.
클리블랜드와 맥길(1986)에 따르면, 위치 > 길이 > 방향 > 각도 > 크기 > 명도 > 채도 순으로 사람이 인지할 수 있는 정확도의 차이가 있다고 이야기합니다. 즉, 같은 데이터를 시각화하더라도 길이를 사용한 막대 차트와 각도와 크기를 활용한 파이 차트를 보았을 때 값을 정교하게 비교할 수 있는 수준이 다를 수 있다는 것입니다.
예를 들어, 아래의 이미지는 세 개의 항목의 매출 데이터를 각각 파이 차트와 막대 차트로 시각화하였습니다. 그리고 세 개의 항목 중 기술과 가구의 항목이 가지는 매출의 차이는 크지 않은 것을 확인할 수 있습니다.
여기서, 파이 차트를 통해 기술과 가구 항목 중 어떤 매출이 높은지 알 수 있을까요? 아마 그 차이를 쉽게 파악하는 것은 어려울 것입니다.
반면에, 우측의 막대 차트에서는 작은 차이이지만, 기술과 가구 중 기술의 매출이 조금 더 높다는 것을 확실하게 파악할 수 있습니다.
이처럼, 우리의 뇌는 길이라고 하는 특성에 비해 각도와 면적이라는 특성을 통해 정교한 크기를 인지하고 비교하는 데에 어려움이 있을 수 있다는 것입니다.
지금까지 데이터를 시각화하는 기본적인 원리를 다루어 보았습니다. 특히, 우리의 시각을 통해 빠르게 인지할 수 있는 사전 주의적 특성의 개념과 특징을 이야기하며, 그 특성에 따라 인지할 수 있는 정도의 차이가 있다고 언급하였습니다.
여기서 이러한 질문을 해 볼 수 있을 것입니다.
그렇다면 어떤 데이터에 대해 어떤 특성을 사용해야 할까요? 혹은, 인지하기 가장 쉬운 위치나 길이 특성을 활용한 차트만 그리면 되진 않을까요?
앞으로의 포스팅을 통해, 이러한 질문에 대해 데이터 시각화 실무와 디자인 이론으로 설명해보도록 하겠습니다.
다만 결론을 미린 말씀드리다면, 본질적으로 데이터 시각화는 데이터를 분석한 내용과 인사이트를 의사 결정권자에게 효율적으로 전달하는 것이에 있습니다. 따라서, 데이터 시각화를 할 때에는 분석하고자 하는 데이터와 더불어, 데이터 시각화를 보게 될 사용자를 이해하고 분석하여 적절한 데이터 시각화를 수행하여야 할 것입니다.
본 포스팅은 전자책 - 엑셀 데이터로 실습하는 Tableau 데이터 시각화와 디자인에서 일부 발췌하였습니다.
