코로나19 데이터시각화로 살펴본 시각화 유형들
코로나19 데이터시각화 5가지 유형
코로나 19 시대, 그 어느 때보다 데이터가 중요한 역할을 했습니다.
코로나 19에 대한 정보를 전달하고, 확진자 및 사망자 수를 기록하고, 의료체계 현황을 분석해 이를 바탕으로 보건정책을 마련하는 등 데이터는 코로나 19 현황을 파악하고 해결책을 마련하는 데 큰 도움을 주었습니다.
데이터에서 발견된 정보들은 시각화를 통해 전달됐습니다. 아마 가장 많이 접한 시각화는 확진자 및 사망자 수의 증감을 보여주는 라인차트(line chart) 일 것 같습니다. 이 외에도 시뮬레이션, 증강현실(AR), 3D 스토리텔링 등 다양한 시도가 이루어졌습니다.
이 스토리에서는 코로나19 데이터를 다룬 대표적인 데이터 시각화 사례들 살펴보고 우리가 고민해봐야 할 부분은 무엇인지 이야기해보려고 합니다.
1. 익숙한 정보와의 비교
세계보건기구 (World Health Organization, 이하 WHO)가 코로나19에 대해 팬데믹을 선언했을 때만 해도 우리는 코로나19에 대해 아는 것이 많이 없었죠. 이 때문에 2020년 초반에는 코로나19에 대해 새롭게 알게 된 정보를 전달하기 위한 데이터 시각화가 많았습니다.
당시 저는 워싱턴 포스트의 그래픽 팀에서 비주얼 저널리스트로 재직하고 있었습니다. 데이터 시각화 등의 비주얼을 이용해서 스토리를 만드는 일을 했습니다. 코로나19 관련 브레인스토밍이 이루어졌고, 다른 두 명의 비주얼 저널리스트와 함께 코로나19가 다른 바이러스와 어떻게 다르게 확산되는지 알아보기로 했습니다. 제한된 인구 내에서 감염이 확산되는 시뮬레이션을 만들어 코로나19를 우리에게 다소 익숙한 홍역 및 에볼라 바이러스와 비교하였습니다. 시뮬레이션은 캐나다 감염병 모델링 석학인 데이비드 피스만(David. Fisman) 토론토대 병역학 교수와의 소통을 바탕으로 개발되었습니다.
다음은 2020년 2월 19일 워싱턴 포스트 보도의 시뮬레이션에서 한 순간을 캡처한 것입니다. 빨간색은 감염된 인구수를 의미합니다. 왼쪽은 코로나19 전염이 시작된 날을 기준으로 49일이 지난 시점입니다. 오른쪽은 홍역 전염이 시작된 지 36일이 지난 후입니다. 당시 코로나19 변이의 확산 속도가 홍역에 비해 매우 느렸던 것을 알 수 있죠. 우리에게 익숙한 정보와의 비교를 통해 코로나19를 좀 더 직관적으로 이해할 수 있도록 했습니다.
출처: 워싱턴 포스트자세한 아래의 내용은 아웃스탠딩 원문에서 확인할 수 있습니다.
2. 감염경로에 대한 시각화
3. 트래커를 활용한 시각화
4. 데이터 뒤의 사람을 보여주는 시각화
5. 행동의 변화를 이끌어내는 시각화
https://outstanding.kr/datavisualization20230130
