데이터 시각화·그래프 읽기

좋은 시각화는 장식이 아니라 비교할 값을 정확히 드러내는 분석 도구입니다. 무엇을 비교하는지 정하고 위치·길이·색 같은 시각 부호를 의도적으로 선택해야 합니다.

자료형만 보고 고르지 말고 비교·추세·분포·관계·구성 중 어떤 질문인지 먼저 정합니다. 같은 매출 자료도 제품 비교에는 막대, 월별 추세에는 선, 거래분포에는 히스토그램이 맞습니다.

사람은 공통축의 위치와 길이를 각도·면적·부피보다 정확히 비교합니다. 정밀한 비교에는 3D 원기둥이나 거품보다 같은 기준선의 점과 막대가 유리합니다.

축의 시작값, 간격, 단위, 범위, 선형·로그척도를 확인합니다. 막대는 길이로 값을 표현하므로 보통 0에서 시작해야 하지만 선그래프는 작은 변화를 보기 위해 범위를 좁힐 수 있습니다.

범위를 좁혔다면 축 절단을 분명히 표시하고 변화량의 실제 크기를 함께 적습니다.

막대는 서로 떨어진 범주 비교, 선은 순서가 있는 시간 변화에 적합합니다. 원그래프는 전체가 100%이고 범주가 적을 때만 사용하며 비슷한 조각 비교에는 막대가 낫습니다.

범주형 값을 선으로 연결하면 존재하지 않는 연속성과 중간값을 암시할 수 있습니다.

평균 막대 하나는 산포·왜도·다봉성·이상치를 숨깁니다. 히스토그램, 상자그림, violin, 개별 점을 목적과 표본 크기에 맞게 사용합니다.

같은 평균이라도 분포는 전혀 다를 수 있으므로 오차막대와 원자료를 함께 보여주는 것이 좋습니다.

산점도에 색을 더하면 집단 차이를 볼 수 있지만 색 범주가 많으면 해석이 어려워집니다. 패널을 나누는 small multiples는 같은 축에서 집단 패턴을 비교하기 좋습니다.

전체 추세와 집단 내부 추세가 다를 수 있으므로 집계 수준을 확인합니다.

평균 점 하나만 그리면 집단 차이가 확정적인 것처럼 보입니다. 원자료 분포와 함께 신뢰구간·예측구간 등 질문에 맞는 불확실성을 표시합니다.

SD는 개인값의 흩어짐, SE는 표본평균의 반복표집 변동, 95% CI는 모집단 평균의 그럴듯한 범위를 나타냅니다. 같은 길이의 오차막대라도 의미가 다르므로 캡션에 종류를 명시합니다.

두 95% CI가 조금 겹친다고 차이가 반드시 유의하지 않은 것은 아닙니다. 차이의 검정은 두 추정치의 공분산과 설계를 반영한 직접적인 차이 CI로 판단합니다.

색은 강조나 집단 구분에 제한적으로 사용하고, 연속값에는 밝기가 순서대로 변하는 팔레트, 양·음 편차에는 중앙색이 있는 발산형 팔레트를 사용합니다.

적록 조합에만 의존하지 말고 명도·모양·직접 라벨을 함께 사용합니다.

잘린 막대축, 불균등한 시간 간격, 3D 원근, 면적·부피 과장, 표본 수 누락, 선택된 기간, 누적값과 월별값의 혼용은 차이를 과장하거나 숨깁니다.

이중축 두 선은 각 축 범위를 조절하면 거의 어떤 방향으로도 맞출 수 있습니다. 단위가 다른 두 추세는 같은 기준시점을 100으로 지수화하거나 정렬된 별도 패널로 보여주는 편이 안전합니다.

색상척도의 중앙과 범위를 임의로 잡으면 작은 차이가 위기처럼 보일 수 있습니다. 데이터 범위뿐 아니라 의미 있는 기준값과 결측 색상을 범례에 표시합니다.

① 제목과 질문을 확인합니다. ② 점·막대·선이 무엇을 나타내는지 봅니다. ③ 축·단위·척도·기간을 확인합니다. ④ 가장 큰 패턴과 예외를 찾습니다. ⑤ 표본 수·불확실성·출처·누락된 비교를 점검합니다.

마지막으로 그래프가 보여주는 사실과 그래프로는 말할 수 없는 인과 주장을 구분합니다.

• •
  비교·추세·분포·관계·구성 중 질문을 먼저 정하고 그래프를 선택합니다.
• •
  공통축의 위치와 길이가 면적·각도·3D 부피보다 정확한 비교를 돕습니다.
• •
  축 시작값·간격·단위·선형 또는 로그척도를 반드시 확인합니다.
• •
  원자료의 산포와 추정의 불확실성을 가능한 한 함께 표시합니다.
• •
  그래프가 보여주는 패턴과 인과적 설명을 구분하고 왜곡 가능성을 점검합니다.