데이터 시각화란 무엇인가요?

현대의 기업은 일반적으로 다음과 같은 다양한 데이터 소스의 많은 데이터를 처리합니다.

• 내부 및 외부 웹 사이트
• 스마트 디바이스
• 내부 데이터 수집 시스템
• 소셜 미디어

그러나 원시 데이터는 이해하고 사용하기 어려울 수 있습니다. 따라서 데이터 사이언티스트는 올바른 컨텍스트에서 데이터를 준비하고 제시합니다. 또한 의사 결정자가 데이터 간의 관계를 식별하고 숨겨진 패턴이나 추세를 감지할 수 있도록 데이터에 시각적 형태를 부여합니다. 데이터 시각화는 비즈니스 인텔리전스를 개선하고 데이터 중심 의사 결정 및 전략적 계획 수립을 지원하는 이야기를 만들어줍니다.

데이터 사이언티스트는 데이터 시각화를 위해 3가지 주요 구성 요소를 결합합니다.

스토리

스토리는 데이터 시각화의 목적을 나타냅니다. 데이터 사이언티스트는 데이터 분석을 통한 달성 목표에 대해 여러 이해관계자와 의견을 나눕니다. 예를 들어 핵심 성과 지표를 측정하거나 판매량을 예측할 수 있습니다. 데이터 사이언티스트와 비즈니스 사용자는 데이터를 통해 전달하고자 하는 스토리를 식별하기 위해 협업합니다.

데이터

그런 다음 데이터 분석가는 데이터 스토리를 설명하는 데 도움이 되는 적절한 데이터 세트를 식별합니다. 기존 데이터 형식을 수정하고, 데이터를 정리하고, 이상값을 제거하고, 추가 분석을 수행합니다. 데이터 준비 후 다양한 시각적 탐색 방법을 계획합니다.

시각적 객체

그런 다음 데이터 사이언티스트는 새로운 인사이트를 공유하는 데 가장 적합한 시각화 방법을 선택합니다. 주요 데이터 포인트를 강조 표시하고 복잡한 데이터 세트를 단순화하는 차트와 그래프를 만듭니다. 또한 비즈니스 인텔리전스를 위한 데이터를 체계적으로 제시하는 효율적인 방법을 생각합니다.

차트와 그래프가 가장 일반적이지만 다양한 데이터 시각화 방법을 사용할 수 있습니다. 데이터 시각화 방법의 5가지 주요 유형은 다음과 같습니다.

시간 데이터 시각화

시간 데이터 시각화는 선 그래프, 선 차트 또는 타임라인과 같은 선형 1차원 객체를 나타내는 데 사용됩니다. 예를 들어, 꺾은선형 차트를 사용하여 지정된 기간 동안 지속적으로 발생하는 변경 사항을 표시할 수 있습니다. 꺾은선형 차트의 여러 선은 같은 기간 동안 다양한 요인의 변화를 보여줍니다.

계층적 데이터 시각화

계층적 데이터 시각화는 상위 항목에 대한 공통 링크가 있는 항목 그룹 또는 항목 집합을 나타냅니다. 이러한 데이터 트리를 사용하여 정보 클러스터를 표시할 수 있습니다. 예를 들어 인벤토리 데이터 수량을 상위 노드(옷)와 하위 노드(셔츠, 바지 및 양말)가 있는 트리로 표시할 수 있습니다.

네트워크 데이터 시각화

네트워크 데이터 시각화는 서로 다른 유형의 관련 데이터 간의 복잡한 관계를 나타내는 데 유용합니다. 예:

• 데이터를 그래프의 점으로 나타내는 산점도
• 산점도에 세 번째 데이터 요소를 추가하는 거품형 차트
• 다양한 크기의 단어를 사용하여 단어 빈도를 나타내는 워드 클라우드

다차원 데이터 시각화

다차원 데이터 시각화는 둘 이상의 데이터 변수를 단일 2D 또는 3D 이미지로 나타냅니다. 막대 차트, 파이 차트 및 누적 막대 그래프는 이러한 시각화의 일반적인 예입니다. 예를 들어, 막대 차트는 둘 이상의 데이터 요소를 비교하고 일정 기간 동안 한 변수의 변화를 보여줍니다. 파이 차트는 각 범주 아래에 전체의 일부를 시각화합니다. 

지리 공간 데이터 시각화

열 지도, 밀도 지도 또는 지도 도표와 같은 지리 공간 데이터 시각화는 실제 위치와 관련된 데이터를 표시합니다. 예를 들어 데이터 시각화는 다양한 소매점을 방문하는 고객 수를 보여줍니다.

데이터 시각화는 정보의 잘못된 표현이나 특정 사실의 과장으로 이어질 수 있는 몇 가지 문제를 갖고 있습니다.

데이터의 지나친 단순화

데이터 사이언티스트는 데이터 이해와 통신 사이에서 균형을 찾아야 합니다. 데이터를 지나치게 단순화하면 주요 정보가 손실될 수 있습니다. 학업 성과에 대한 과학적 데이터 보고서를 예로 들어보겠습니다. 보고서는 지난 10년 동안 학생들의 비디오 게임 사용이 증가한 반면 학업 성취도는 하락했음을 나타내는 막대 차트를 보여줍니다. 그리고 비디오 게임 사용이 학업에 부정적인 영향을 미쳤다고 결론지었습니다. 그러나 데이터 시각화는 지나치게 단순화되어 인구 통계와 학업 성과에 영향을 미치는 기타 여러 요인을 고려하지 않습니다.

편견

편견은 데이터 시각화에 부정적인 영향을 미칩니다. 데이터 보고서를 작성하는 팀은 개인 일정에 맞는 데이터를 미리 선택하여 편향된 결과를 만들어낼 수 있습니다. 데이터 시각화 도구가 더 정확하지만 이를 운영하는 팀이 편견을 갖고 데이터를 선택하고 정리하여 의도치 않게 편향된 결과가 나올 수 있습니다. 따라서 데이터 시각화 작업에 다양한 팀과 의견을 포함하는 것이 중요합니다.

과장

상관 없는 데이터를 시각화하여 존재하지 않는 상관 관계를 생성할 수 있습니다. 악의적인 행위자는 그러한 부정확한 데이터 시각화를 사용하여 해로운 행동이나 잘못된 의사 결정을 정당화할 수 있습니다. 예를 들어, 한 팀이 가족 관계에 있는 공급업체를 지원하기 위해 제조 장비에 과도하게 지출합니다. 그런 다음 새 장비 설치 후 작업자 안전이 어떻게 개선되었는지 강조하는 데이터 시각화 보고서를 사용하여 구매를 정당화합니다. 그러나 실제로는 새 장비와 관련이 없는 몇 가지 요인이 작업자 안전에 기여했습니다.

AWS에는 모든 유형의 데이터에 대한 자세한 보고서를 작성하는 데 사용할 수 있는 두 가지 주요 데이터 시각화 도구가 있습니다.

Amazon Managed Grafana

Amazon Managed Grafana는 저장 위치에 관계없이 지표를 쿼리, 시각화 및 이해하기 위한 인기 있는 오픈 소스 분석 플랫폼인 오픈 소스 Grafana를 위한 완전관리형 서비스입니다. Amazon Managed Grafana는 기본적으로 AWS 계정의 AWS 데이터 소스와 통합됩니다. 대시보드를 처음부터 작성할 필요 없이 사전 구축된 다양한 시각화 요소 중에서 선택하여 지표, 로그 및 트레이스 분석을 빠르게 시작할 수 있습니다.

Amazon QuickSight 

Amazon QuickSight는 ML 기반 데이터 시각적 객체, 대화형 대시보드 및 데이터 분석을 제공하는 클라우드 네이티브 서버리스 비즈니스 인텔리전스 서비스입니다. 이를 사용하여 데이터에서 숨겨진 인사이트를 찾고, 정확한 예측을 수행하고, 새로운 수익 창출 기회를 얻을 수 있습니다. QuickSight는 ML을 사용하여 데이터에 대한 자연어 질문에 대한 정확한 응답을 생성합니다.

지금 무료 계정을 만들어 AWS에서 데이터 시각화를 시작하세요.