데이터야, 나의 커리어 성장을 부탁해
게슈탈트의 6가지 원리와 데이터 시각화
#1. 게슈탈트의 원리란 무엇인가?
여러분들 이 로고를 아시나요?
(광고 아님)
바로 미국의 운송회사 페더럴 익스프레스, 페덱스의 로고입니다. 숨은 그림 찾기 한번 해보죠. 이 회사 로고에 숨겨져 있는 요소가 하나 있는데요. 눈을 크게 뜨고 잘 찾아보세요. 바로 대문자 E와 소문자 x 사이에 숨은 그림 ➩입니다. 이렇게 우리는 시각적 디자인 사이에 실제 존재하지 않는 디자인 요소를 인지해내는 능력이 있습니다. 인간의 두뇌가 글자 이미지의 합보다 더 큰 이미지인 전체 합을 만드는데 능숙하기 때문입니다.
우리는 부분을 모아서 전체를 구성하기 전에, 전체 덩어리를 먼저 본다.
우리는 무의식적으로 부분을 단순히 부분이 아닌 전체를 구성하는 요소로 인식합니다. 그리고 복잡한 형상을 추상화하여 단순하게 이해하죠. 게슈탈트 원리는 여기에 기반하고 있습니다. 단순화하고 추상화하기 위해 어떻게 생겼는지 형태를 살피고, 패턴을 인식하게 됩니다. 형태는 독일어로 게슈탈트(Gestalt)라고 하는데요. 독일에서 처음 나온 시각과 인지의 이론인 이것을 게슈탈트, 우리말로 형태 이론이라고 표현합니다. 심리학에 기반한 이론이지만 이는 인간공학과 사용자 경험에 널리 사용되고 있습니다.
데이터 역시 우리가 시각적으로 인식하게 만드는 데이터 시각화 그래프를 표현할 때는 이 원리를 적용할 수 있습니다. 형태 이론은 일반적으로 유사성, 근접성, 공통성, 완결성, 연속성, 연결성이라는 6가지 원리를 가지고 있습니다. 우리는 데이터를 시각화할 때 각 요소들이 어떻게 작용하는지 알아보고 실제 실무에도 적용해 보겠습니다.
1) 유사성(SIMILARITY)
우리나라 임금근로자 평균소득과 증감률
다음은 우리나라 임금근로자의 평균소득과 증감률 데이터입니다. 다음 데이터를 어떻게 보셨나요? 여러분들은 2017년 평균소득부터 2018, 2019… 순으로 아래 열 방향으로 읽으셨을 겁니다.
그럼 다음 데이터는 어떠한가요?
아마도 가로 행방향으로 읽으셨을 겁니다. 2017년 평균소득은 287만 원이고, 증감률은 3.5% 다음으로 2018년은…. 순으로 말이죠. 이처럼 데이터의 유사성을 표현하는 방식에 따라서 보는 사람의 생각을 움직일 수 있습니다. 모든 행에 대해서 좌우로 다 읽도록 할 수도 있고, 반대로 불필요한 요소를 제거할 수도 있습니다.
이번에는 시각화의 예를 살펴볼까요?
우리가 데이터의 범례를 표시하면서 선이나 막대의 색상이 무엇을 의미하는지 구분해 주는 것은 게슈탈트의 유사성에 해당이 됩니다. 좌측의 데이터 범례에 A 지수와 B 지수의 색상이 선그래프의 시계열 추세를 구분하는 변수임을 인지하는 것이죠
2) 근접성(PROXIMITY)
여러분들은 다음 산점도에서
점들이 몇 개의 그룹으로 나눠 보이시나요?
네, 같은 색상의 점들이라도 점들의 위치가 가까운 것들끼리 묶어서 3개의 군집으로 인식하신 분들이 대부분일 겁니다. 이처럼 물리적인 거리에 따라 데이터들을 인식하는 원리를 바로 게슈탈트의 근접성 원리라고 합니다. 사람들은 가까이 있는 것이 같은 것이라는 것이라고 인식하게 됩니다.
이제 데이터 시각화에 적용을 위해 아까의 A, B 지수 시계열 그래프를 다시 들고 와 보겠습니다.
A와 B 지수의 데이터 라벨을 같은 색상으로 별도 표시했던 것을 기억하실 겁니다. 실제 이것을 더욱 강력하게 하려면, 보는 사람으로 하여금 데이터 범례와 시각화 부분을 왔다 갔다 하게 하지 말고, 게슈탈트의 근접성 원리를 이용하여 그래프에 가까이 붙여보는 것도 좋은 방법입니다. 여기에 더해서 유사성을 이용해서 같은 색상으로 텍스트를 변경한다면 이해가 더욱 명확해집니다.
3) 공통성(ENCLOSURE)
공통성은 막대그래프에서 색상이나 도형으로 묶어서 표현하는 방법에 해당합니다. 이것은 물리적으로 묶어서 또는 나눠서 보여주기 때문에 매우 강력한 도구입니다. 예시와 같이 데이터 묶기/나누기 스킬을 사용할 때 명확하게 공통성을 부여할 수 있습니다.
이때 더욱 강조하기 위해서 같은 색상을 사용하는 “유사성”을 추가로 부여하기도 합니다. 강조를 한다는 것은 보는 이로 하여금 불필요한 생각에 에너지를 낭비하지 않아도 되도록 배려해 주는 것과 같습니다.
4) 완결성(CLOSURE)
게슈탈트의 완결성 원리에 의하면 그래프에서 경계는 불필요합니다. 실제 시각적으로 감각적인 그래프에서 여백을 사용하여 데이터를 명확하게 하는 경우를 많이 보았을 것입니다.
우리는 위 데이터 시각화 그래프에서 경계가 굳이 없더라도 하나의 그래프로 인식합니다. 데이터의 범례도 마찬가지이죠. 오히려 불필요한 경계는 데이터에 집중할 수 없도록 많드는 방해요소로 작용하게 됩니다. 따라서 오른쪽 그래프와 같이 두 개의 선만을 제거해도 우리는 좀 더 데이터를 보는데 집중할 수 있게 됩니다.
5) 연속성(CONTINUITY)
그래프에서 X축이나 Y축의 선을 제거할 수 있습니다. 왜냐하면 데이터의 라벨을 표현하는 부분이 일관적으로 정렬되어 있고 그 사이에 존재하는 공백 역시 일관성이 있기 때문입니다. 이러한 원리는 게슈탈트의 연속성에 기인합니다. 불필요한 선 등 경계선을 삭제해도 데이터를 이해하는 데는 전혀 지장이 없습니다. 오히려 불필요한 요소를 제거함으로써 데이터가 돋보여 집중할 수 있습니다.
다음 그래프는 2023년 분기별 영업이익을 나타낸 막대그래프입니다. 영업이익 금액과 Y축을 구분하는 선도, 아래쪽의 분기와 X축을 구분하는 선도 모두 생략되었지만 데이터를 인식하는 데는 전혀 지장이 없습니다. 오히려 데이터가 우리 눈에 더욱 선명하게 들어오는 것을 느끼셨을 겁니다.
6) 연결성(CONNECTION)
마지막은 연결성입니다. 하지만 연결성 보다 같은 색상, 모양과 같은 유사성이 강해서 데이터의 시각적 요소에 공통성을 부여하여 연결성을 끊어낼 수 있습니다. 게슈탈트 원리는 사람이 데이터를 인식하는 방법을 이해하고 거꾸로 이용할 수 있게 만들어줍니다. 우리는 불필요한 요소를 제거할 수도, 필요한 강조와 기능을 더할 수도 있습니다.
위의 제품별 판매량 비율변화 그래프에서 제품 1의 판매량 막대 크기 끝에 선을 연결해서 다음연도로 이어줌으로써 보는 사람들이 데이터를 직접적으로 인식하도록 만들어줍니다. 자연스럽게 +18%, +7%, +12%라는 수치를 해당 선위에 배치시켜 줌으로써 근접성(PROXIMITY)의 원리를, 그리고 색상을 적용시켜 줌으로써 유사성(SIMILARITY)의 원리를 적용시켜 주었습니다.
이제 밋밋했던 데이터에 게슈탈트의 6가지 원리를 적용하면 다음과 같이 탈바꿈할 수가 있습니다.
가장 먼저 유사성은 누적막대의 색상이 같은 제품으로 인식하게 만들었습니다. 또한 제품 1이라는 레벨값을 값은 색상으로 매칭해 줌으로써 보는 사람으로 하여금 제품 종류를 직관적으로 인식하게 만들었죠. 또한 제품 1, 2, 3에 대한 범례값을 별도로 만들지 않고 그래프의 좌측에 일렬로 위치시킴으로써 근접성의 원리를 적용했습니다. 또 상단에 데이터 분석 결과를 해석함에 있어서 2020년과 2021년 사이에 있었던 제품 관련 스토리를 배치, 2022년 과 2023년 사이의 스토리를 배치함으로써 근접성을, 색상을 주황색과 초록색으로 표시함으로써 유사성의 원리를 활용했습니다.
불필요한 그래프의 FRAME을 삭제하면서 완결성을 고려하였고, X, Y축과 그리드 선을 제거하면서 일관성 있는 패턴이 인식되도록 연속성을 고려하였습니다. 그리고 연결성을 주기 위해서 제품 1의 막대그래프의 끝에서 다음 연도로 출발하는 점선을 연결해 줌으로써 데이터를 순서대로 파악할 수 있도록 돕는 역할을 하였습니다.
# 2. 이론과 실전의 활용
지금까지 설명드린 게슈탈트의 6가지 원리를 데이터 분석결과의 표현법으로 정리하면 다음 표와 같습니다.
중요한 것은 원리와 이론보다는 활용
지식과 이론은 중요하지만, 그것을 현실에서 활용하는 데서 진정한 가치기 있습니다. 어떤 원리나 이론도 현실에서 적용되지 않으면 그것은 단순한 개념일 뿐입니다. 이를 비유하자면, 지식과 이론은 마치 도면과 설계도와 같습니다. 그러나 진정한 건축의 아름다움과 기능은 그 도면과 설계를 현실에 구현하고 건물을 세우는 과정에서 나타납니다.
지식과 이론은 마치 악보와 악기와 같습니다. 악보에 적힌 음표와 악기는 각자 중요하지만, 진정한 음악은 악보를 읽고 악기를 다루며 연주할 때 만들어집니다. 지식과 이론은 마치 악보와 악기가 합쳐져 음악을 창조하는 과정과 같습니다.
또한, 의사결정을 내릴 때에도 마찬가지입니다. 이론적인 지식과 경험은 마치 나침반과 지도와 같습니다. 올바른 의사결정에 도달하기 위해 나침반은 방향을 제시해 주고, 지도는 고난이 얼마나 높고 낮을지 지형을 보여줍니다. 그러나 여정을 시작하고 실제로 목적지에 도달하려면 나침반과 지도는 보조수단일 뿐. 앞으로 "나아가야 합니다"
나침반과 지도는 보조수단일 뿐
앞으로 나아가야 합니다
따라서, 우리는 항상 이론을 실제 상황에 적용하고, 지식을 경험과 실천으로 바꾸어야 합니다. 이렇게 하면 우리의 학습과 노력이 의미를 갖게 되며, 문제를 해결하고 목표를 달성하는데 도움이 됩니다. 이론과 원리를 실제로 적용하여 문제를 해결하고 성취를 이루는 것은 지식의 진정한 가치를 발견하는 첫걸음입니다. 각 원리가 적용되는 이론을 알고 실제에 적용한다면 보다 나은 데이터 분석 결과로써 리포트와 성과물을 만들고 이것이 데이터 기반 의사결정을 하는 문화로 자리 잡을 수 있을 것이라고 생각됩니다.
