데이터 리터러시와 시각화 대시보드 이해하기

사회적으로 데이터 활용에 대한 중요성이 강조되면서, 공공, 민간 분야 가리지 않고 데이터 활용을 기반으로 한 다양한 시도가 이어지고 있습니다. 동시에 데이터를 다룰 줄 아는 인력에 대한 수요도 증가하고 있습니다. 그러나 현실은 인력 자체가 부족한 상황입니다. 최근 소프트웨어정책연구소와 전자정보통신산업진흥회 등 유관 기관과 업계는 2022년까지 빅데이터 산업에서 부족한 인력 수를 2,785명으로 추산했습니다. 문제 상황을 극복하기 위해 기업은 데이터 분야의 역량을 가진 인재를 채용하는 방법뿐만 아니라 자체적으로 인재 육성을 위한 프로그램을 진행하는 등 적극적으로 나서고 있습니다.

이런 흐름은 사회에서 데이터 활용 역량을 보유한 사람이 경쟁력 있는 인재로 인정받고, 그 역할을 하게 된다는 것을 의미합니다. 현업에서 실무를 하는 사람들이 데이터를 주제로 한 교육에 높은 관심을 두고, 참여하는 것 역시 같은 맥락으로 이해할 수 있습니다. 그렇다면 사회와 개인이 관심을 두는 데이터 활용 역량, 그것은 무엇이고, 어떻게 기를 수 있을까요? 또 현업의 실무자들은 어떻게 데이터를 활용하고 있을까요?

데이터를 보고 읽는 능력, 데이터 리터러시는 시각화로 부터 시작!

그중에서도 데이터 시각화는 누구나 데이터를 활용할 수 있는 가장 쉽고 빠른 방법입니다. 복잡한 데이터 분석 기술이 없는 사람도 쉽게 시각화 차트를 만들 수 있어, 데이터 활용을 하는 데 있어서의 진입 장벽이 낮습니다. 또 특별한 분석 역량이 없어도 시각화 차트 내 요소의 시각적 패턴을 근거로 데이터 의미를 해석하기 때문에, 누구나 쉽게 데이터 인사이트를 발견하고 스토리텔링 할 수 있습니다.

데이터 시각화를 활용하면 많은 양의 데이터도 시각화 차트 하나로 요약할 수 있습니다. 시각화 차트 유형은 매우 다양한데, 이 중 어떤 시각화 차트를 활용하느냐에 따라서 같은 데이터로도 여러 가지 인사이트를 발견할 수 있습니다. 이처럼 시각화를 근거로 데이터를 분석하고 인사이트를 도출하는 것을 ‘시각적 분석(Visualization Analysis)’이라고 합니다. 시각적 분석에서는 데이터 시각화를 얼마나 잘 이해하고 활용하느냐에 따라서 도출 가능한 데이터 인사이트의 범위가 달라집니다. 우리가 데이터 인사이트를 찾는 목적이 결국 어떤 문제 상황을 극복하거나, 개선하기 위한 것이라면, 얼마나 의미 있는 인사이트를 찾을 줄 아는가의 문제는 데이터를 근거로 만들어 낼 수 있는 가치 창출 범위의 문제로 이어집니다. 시각화를 강조하지 않을 수 없는 이유가 여기에 있습니다!

데이터 기반의 가치 창출 극대화를 위해 데이터 시각화에 대해 정확히 이해하고 활용할 줄 알아야 합니다. 데이터 시각화를 효과적으로 활용하는 방법은 데이터에 적합한 시각화 유형을 선택하여 차트로 만드는 것입니다. 단, 시각화 차트 하나로는 도출 가능한 인사이트가 제한적이므로, 다수의 시각화 차트를 종합하여 보고 인사이트를 도출할 수 있어야 합니다. 이를 위해 필요한 것이 바로 데이터 시각화 대시보드입니다.

많은 양의 데이터를 쉽고 빠르게 탐색하는 방법, 데이터 시각화 대시보드!

데이터 시각화 대시보드는 한 개 이상의 시각화 차트를 한 화면에 모아서 배치하고, 데이터 탐색을 할 수 있도록 설계한 화면입니다. 한 화면에 모아 놓은 여러 시각화 차트를 한 번에 보면서 차트 하나로 데이터를 볼 때 보다 종합적인 인사이트를 도출할 수 있습니다.

데이터 시각화 대시보드의 장점은 여러 차트를 한 화면에 모아서 볼 수 있는 것뿐만 아니라 많은 양의 데이터를 빠르게 탐색할 수 있는 인터랙티브 기능 요소를 포함한다는 것입니다. 데이터 필터와 차트 간 인터랙션 기능 요소를 활용하면 데이터의 조회 기간을 변경하거나, 특정 항목을 기준으로 세부 데이터를 빠르게 확인할 수 있습니다.

데이터 시각화 대시보드에서 데이터 탐색을 위해 활용하는 인터랙티브 기능 요소를 자세히 알아보겠습니다. 데이터 필터는 데이터 시각화 대시보드에 표현할 데이터의 범위를 선택하는 것입니다. 가장 일반적인 경우는 데이터의 시간 범위를 선택하는 것인데요. 위 사례는 데이터 시각화 대시보드 상단에 데이터의 시간 범위를 연도별로 선택할 수 있도록 데이터 필터를 대시보드 최상단에 배치하였습니다. 특정 연도를 선택할 때마다 시각화 대시보드에 표현하는 데이터의 범위가 달라지고, 이에 따라 차트의 시각적 패턴이 달라지는 것을 볼 수 있습니다.

시각화 차트 간 인터랙션 기능 요소는 특정 차트 영역 내에서 사용자가 어떤 행동을 취하면, 해당 시각화 차트와 연동된 차트의 데이터도 관련된 내용으로 변경되는 것을 말합니다. 이는 크게 두 가지-차트 간 데이터 필터, 차트 간 데이터 하이라이팅-로 구분됩니다.먼저 차트 간 데이터 필터를 알아봅시다. 데이터의 범위를 필터링하는 것은 앞서 설명한 대시보드의 데이터 필터와 같으나, 데이터 필터를 하는 방식이 특정 차트 내에서 클릭이나 마우스 오버와 같은 인터랙션에 의한 것입니다. 예를 살펴볼까요?

왼쪽의 지도 시각화에서 항구를 의미하는 특정 원을 선택하면 오른쪽 시각화 차트들의 시각적 패턴이 달라지는 것을 볼 수 있습니다. 차트 간 데이터 필터 기능을 활용하여 항구별 세부 데이터를 빠르게 확인할 수 있습니다. 인터랙티브 데이터 시각화 대시보드에서 자유롭게 탐색하여 다양한 인사이트를 도출한다는 것은 이처럼 다양한 기준으로 데이터를 필터하여 조건별 인사이트를 도출하는 것을 의미합니다.

차트 간 인터랙션 요소의 다른 하나는 차트 간 하이라이팅으로 연동되어 있는 차트가 특정 차트에서의 인터랙션(클릭, 마우스 오버 등)에 따라 동일 항목이 하이라이팅 되는 것을 의미합니다. 위 사례를 보면, 한 시각화 차트 안에서 특정 항목(항구)을 클릭할 경우, 연동된 차트의 동일 항목의 요소가 하이라이팅 되는 것을 알 수 있습니다. 여러 시각화 차트에서 인사이트를 도출할 때, 같은 항목의 데이터를 쉽고 빠르게 식별할 수 있습니다. 여기에 더해 인터랙티브 데이터 시각화 차트의 툴팁 기능은 시각화 요소로 요약된 데이터의 상세 수치를 보여주는 데 효과적입니다.

첫 번째, 경영진이 기업의 핵심 KPI 지표 변화를 모니터링하기 위한 용도로 만든 데이터 시각화 대시보드입니다. 상세한 데이터 지표를 일일이 보여주기보다는 핵심 KPI 지표를 한눈에 볼 수 있는 시각화 대시보드를 구성합니다. 특히 시간 흐름에 따라 비교할 수 있는 라인 차트를 중심으로 표현하거나, 특정 기간 대비 증감률을 보조 지표로 활용하는 경우가 많습니다.

두 번째, 조직 및 인사 관리 부서의 경우 부서 혹은 지점, 구성원 개인 등을 기준으로 데이터를 탐색할 수 있는 시각화 대시보드를 활용합니다. 부서별로 성과를 한눈에 비교할 수 있는 시각화 차트를 활용하거나 데이터 필터의 기준을 부서로 하여, 부서별 상세 데이터를 탐색할 수 있도록 만듭니다. 인터랙티브 데이터 시각화 대시보드로 데이터 범위 기준을 달리하여 상세 데이터를 보고 인사이트를 도출합니다.

예를 들어 타깃 마케팅을 목표로 한다면 기업의 고객 데이터를 분석하기 위한 시각화 대시보드를 만들어 해당 기업의 고객의 특성을 도출합니다. 이 경우 자사 제품을 실제 구매한 고객 데이터를 활용할 수도 있고, 자사 홈페이지에 들어온 사람 전체를 잠재 고객으로 보고 해당 데이터를 활용할 수도 있습니다. 기업 내부의 데이터뿐만 아니라 외부 데이터를 함께 활용하는 경우도 있습니다. 가장 대표적인 사례가 날씨 마케팅인데, 제품의 판매량 데이터와 날씨 데이터를 함께 분석 및 시각화하여 고객의 구매 패턴을 파악, 마케팅 액션 수립에 근거로 활용합니다. 또 온라인 마케팅의 경우 광고나 소셜 채널별 데이터를 수집하고 이를 시각화하여 채널별 성과를 정기적으로 모니터링하고 개선점을 도출합니다.