안녕하십니까, 이방실입니다. 불과 얼마 전까지만 해도, 데이터를 가지고 멋들어진 그래프와 차트를 만들어내는 능력은, 있으면 좋고 없어도 큰 문제없는 기술이라는 시각이 많았습니다. 그러다 보니 팀 내에서도 모든 사람들이 데이터를 시각화하는 데 뛰어난 능력을 갖고 있는 건 아니었죠. 대개 디자인 업무를 전문적으로 하거나 데이터를 중시하는 일부 관리자들을 중심으로 data visualization에 힘쓰는 경향이 컸습니다. 하지만 이제 상황이 바뀌었습니다. Visual communication은 이제 관리자라면 누구나, 마땅히 갖고 있어야 하는 필수 기술이 됐습니다. 대량의 데이터가 압도적인 속도로 쏟아져 나오는 이른바 ‘빅 데이터’의 시대를 맞아, 데이터를 시각적으로 추상화하는 작업이 없으면 데이터를 제대로 이해하기가 어렵기 때문이죠. 데이터가 워낙 방대하??보니, 심지어 비주얼 커뮤니케이션을 통해서만 자신의 업무를 제대로 이해할 수 있는 경우도 점점 늘어나고 있습니다. 그렇다면 데이터 시각화를 효과적으로 하려면 어떻게 해야 할까요? 요새는 워낙 다양한 소프트웨어 툴들이 마련돼 있어서, 굳이 특별한 디자인 기술이나 데이터 관리 기술이 없더라도 손쉽게 그래프를 그리고 차트를 제작할 수 있습니다. 하지만 역설적으로, 그만큼 더 형편없는 차트와 그래프를 만들어 낼 가능성도 높아지고 있습니다. 아무런 전략 없이 프로그램에서 지시하는 대로 클릭 클릭을 계속 해 그래프와 차트를 만들어 내 봤자, 그것을 통해 무엇을 말하고자 하는지 해석해 낼 수 없는 경우도 많아집니다. 시각화는 단순한 데이터 변환 이상의 작업이기 때문입니다. 데이터 시각화를 제대로 하려면, 먼저 시각화하려는 정보의 본질과 시각화의 목적을 생각해야 합니다. 정보의 본질은 크게 두 가지로 구분할 수 있습니다. 하나는 ‘정성적’ 정보고, 다른 하나는 ‘정량적’ 정봅니다. 정성적 정보는 개념적 정보로도 불리는데요, 조직체계도처럼 숫자로 표시하기 힘든 정보를 말합니다. 정량적 정보는 매출이나 수익처럼 숫자로 표시할 수 있는 정보를 의미합니다. 정량적 정보는 숫자로 구성돼있기 때문에 그래프 등으로 쉽게 표시할 수 있습니다. 반면 정성적 정보는 그래프보다 개념적 도표나 순서도 등으로 표시하는 경우가 많죠. 하지만 정성적 자료도 때로는 그래프 형태로 표시되기도 합니다. 신기술의 수용 양상을 보여주는 가트너의 하이프 사이클을 보면, 내용은 분명히 정성적 정보지만 그래프 형태로 표시해주니 더 쉽게 잘 이해가 됩니다. 신기술이 초기에 등장했다 기대 이상으로 큰 거품이 형성됐고, 나중에 실제 가치 이하로 하락한 다음에 점차 안정기를 갖는 모습이 매우 잘 이해가 됩니다. 데이터의 종류가 파악됐다면, 이제 목적이 무엇인지를 묻는 두 번째 질문을 던져봐야 합니다. 즉, 단순히 정보를 전달하려는 목적인지, 아니면 새로운 무언가를 찾아내려는 게 목적인지 구분해볼 필요가 있습니다. 예를 들어 “부서별 현재 예산 규모를 설명”하는 게 목적이라면, 이는 선언적 목적으로 분류됩니다. 또 “마케팅 투자가 실제 수익에 얼마나 기여하는지 알아내는 게 목적”이라면 새로운 사실을 알아내는 게 목적이기 때문에 ‘탐구적’ 목적으로 분류할 수 있습니다. 이렇게 정보가 개념적이냐 데이터 기반이냐의 2가지로, 또 시각화의 목적이 선언적이냐 탐구적이냐의 2가지로 나눠보면 총 4개의 조합을 만들어 볼 수 있습니다. 이 4가지 visual communication의 유형에 따라 데이터를 시각화하는 접근법도 달라져야 한다는 게 Harvard Business Review의 senior editor인 스콧 베리나토의 주장입니다. 그럼 이 4가지 유형에 대해 하나하나 살펴보도록 할까요? 첫째, 개념적인 정보, 즉 정성적인 정보를 선언적 목적, 즉 단순전달을 위해 시각화하는 경웁니다. 일반적인 프레젠테이션이나 강의할 때 아이디어를 묘사하는 과정에서 자주 사용되는 유형이죠. 이 때에는 아무리 복잡한 아이디어도, 핵심만 간추려 쉽게 단순화해 명확하게 의미를 전달하는 게 가장 중요합니다. 괜히 멋있는 차트를 만들겠다고 너무 많은 색깔을 사용한다거나 불필요한 이미지를 삽입했다가는 오히려 메시지 전달에 걸림돌이 될 수 있습니다. 예를 들어, 문제해결책을 찾는 기법 중 피라미드 탐색이라는 방법이 있습니다. 자기 업계와 가까운 분야에서 최고 전문가를 찾고, 그 최고 전문가가 다른 분야의 전문가를 소개해 주고, 다시 또 최고의 전문가를 찾는 식으로 새로운 정보를 탐색하는 방식인데요, 그림1)처럼 표시하면 복잡한 설명 없이도 쉽게 이해가 됩니다. 하지만 그림2)처럼 3차원으로 표시하면 복잡하기도 하고 개념이 잘 와 닿지도 않습니다. 오히려 단순하고 명료하게 접근하는 게 훨씬 효과적입니다. 두 번째, 정성적 정보를 새로운 사실을 알아내기 위한 탐구적 목적으로 시각화하는 경우입니다. 주로 브레인스토밍을 할 때 사용할 수 있는 visual communication기법인데요, 예를 들어 어떤 프로젝트의 초기 단계에서 혁신적이고 참신한 아이디어를 얻기 위해 격의 없이 토론할 때, 말뿐 아니라 그림으로 서로 의견을 교환하는 걸 생각해 보면 됩니다. 이 때 핵심은 ‘대충’ 그리는 겁니다. 그림을 전문 화가처럼 잘 그릴 생각을 하지 말고 대충 스케치하듯이 빠르게 그려가면서 이야기를 해야 진행도 빨라지고 아이디어 창출도 잘 될 수 있습니다. 세 번째, 정량적 데이터를 탐구적 목적에서 시각화하는 경웁니다. visual discovery, 즉 시각적 발견 유형에 해당합니다. 대개 어떤 실험을 통해 가설을 검증하거나 특정한 패턴을 찾아보기 위한 visual communication방법이죠. 이 때에는 spreadsheet를 조작하는 기술이나 프로그래밍 능력, 데이터 관리 기술 및 각종 분석 툴을 활용할 필요가 있습니다. 예를 들어, ???시간대에 모바일 기기가 데스크톱 사용량을 추월한다는 가설을 입증하고 싶다면, 그림3)처럼 복잡한 그래프로는 거의 불가능합니다. 하지만 모바일과 태블릿 그래프를 합해 하나로 만들고, 특정 구간을 잘라서 단순화해 보여주면 그림4)처럼 특정 시간대에 데스크탑보다 모바일 활용이 더 많다는 걸 확실히 보여줄 수 있습니다. 이처럼 세 번째 방법에선, 방대한 양의 데이터에서 의미 있는 메시지를 도출해 간결하고 명확하게 핵심 내용 전달하는 게 중요합니다. 마지막으로 네 번째, 정량적 데이터를 사실 전달 목적으로 시각화하는 경웁니다. 이 유형은 일상적인 데이터 시각화라고 할 수 있습니다. 빅 데이터를 다루는 세 번째 유형과 달리, 이 네 번째 유형은, 비교적 단순한 정보와 소량의 데이터를 기반으로 하는 경우가 많습니다. 이 때에는 차트를 단순 명료하게 작성하는 게 필요하기 때문에 디자인 기술이 중요합니다. 디자인이 엉성하면 명확해야 할 정보들이 제대로 나타나지 않게 되기 쉬우니까요. 또한 단순화를 위해 절제와 용기 역시 필요합니다. 자기가 아는 모든 정보를 차트 안에 집어넣고 싶어 하는 본능과 싸워, 꼭 필요한 데이터만 간추려 제시하는 게 핵심입니다. 예를 들어, 의료비 지출이 줄어들고 있다는 사실을 보여주기 위해 굳이 표5)처럼 복잡한 내용을 보여줄 필요는 없습니다. 표6)처럼 핵심 내용과 데이터만 보여주는 게 훨씬 이해력을 높일 수 있습니다. 데이터 시각화는 단순히 수많은 정보를 차트나 그래프 형태로 기계적으로 변환시키는 걸 뜻하지 않습니다. 데이터 상태로는 잘 보여 지지 않았던 사실을 제대로 볼 수 있도록 도와주는 게 데이터 시각화의 주된 목적이라는 사실을 꼭 기억하시기 바랍니다. 감사합니다