기술 노트 | MDS 인텔리전스

[ 연재 포스팅 ]

Rapid-IoT 데이터 시각화에 기반이 되는 이론 부분을 아래에 순서로 연재할 예정입니다.

실제 업무에서는 어떻게 활용이 되었는지를 파악하면서 진행하겠습니다.

1. IoT 데이터 시각화 ⑴ – 정의와 프로세스

2. IoT 데이터 시각화 ⑵ – 정보의 구조화

3. IoT 데이터 시각화 ⑶ – 정보의 시각화

4. IoT 데이터 시각화 ⑷ – 시각화 방법

지난 2편 포스팅에서는 데이터 시각화 단계 중 정보의 구조화를 알아보았습니다.

이번 포스팅은 그 다음 단계인 정보의 시각화에 대해 설명드리겠습니다.

정보의 시각화 방법에는 분석과 함께 제공되는 시각화 도구(Tool)에 의해 결정되는 경향이 강하다고 볼 수 있습니다. 차트나 그래프가 분석에 내용을 반영하기 위해 어떤 방식으로 써야 하는지 그 쓰임새를 익히고, 적절한 데이터와 정보의 시각화를 위한 수단으로 이용되어야 합니다.

시각화에 도구에는 한정된 그래프만 구현하다 보면, 분석적 사고를 효율적으로 보여주기보다는 단지 멋져 보이는 그래프를 선호하기 쉽게 됩니다. 어떠한 효율적인 분석 내용을 전달할 것인가를 고려해서 그에 맞는 그래프는 선택하는 것이 매우 중요하다고 볼 수 있겠습니다. 다음 그림은 정보 시각화에 대한 각 영역별 이용 그래프를 표기하는 다섯가지 방법입니다.

[그림 1] 정보 시각화 방법

1. 시간 시각화

시간에 따른 데이터 변화를 표현합니다. 시계 열 데이터에 가장 특징적인 요소는 트렌드, 즉 경향성으로 장기간에 걸쳐 진행되는 변화 또는 트렌드를 추적하는데 주로 이용합니다.

시간 전후 관계를 감안하여 값의 의미를 더 분명하게 이해할 수 있습니다.시간 데이터는 분절 형과 연속 형 두 분류가 존재합니다.

- 분절 형 : 데이터의 특정 시점 또는 특정 시간 구간 값

- 연속 형 : 기온 변화 같은 데이터

■ 막대 그래프

값들이 뚜렷한 차이를 보이는 경우로 수치를 길이로 표현해 절대 값을 갖는 막대를 배치함으로써 상대적인 차이를 한눈에 알아보는 것이 가능합니다.

- 시각 축(가로)는 시간 순서대로 정렬된 시간의 특정 시점을 나타내게 됩니다.

- 값 축(세로)는 그래프의 크기 범위를 나타내게 됩니다.

하지만 막대 값들이 차이가 미미하거나 표시할 값(막대)의 수가 많은 경우에는 막대들을 비교하기가 쉽지 않은데, 시각적 차이를 강조하기 위해 막대에 다양한 색상을 적용할 수 있는데 이때 색상은 특정 상태나 범위를 나타내게 됩니다.

[그림 2] 막대 그래프

■ 누적 막대 그래프

구성은 일반적인 막대 그래프와 거의 비슷하지만 차이점이라면 한 구간에 해당하는 막대가 누적된다는 점이 있습니다. 한 구간이 몇 개의 세부 항목으로 나누어 지면서 전체의 합의 의미가 있을 때 누적 막대 그래프를 이용하면 됩니다. 한 구간의 각 세부 항목은 질감과 또는 색상으로 구분하며 표기하게 됩니다.

[그림 3] 누적 막대 그래프

■ 점 그래프

면적을 표시할 필요가 없기 때문에 더 적은 공간에 그릴 수 있고, 한 점에서 다음 점으로 변하는 점의 집중 정도와 배치에 따라 흐름을 파악하기가 용이합니다. 일반적으로 두 변수의 연관 관계를 보여줄 때 많이 이용하게 됩니다.

[그림 4] 점 그래프

■ 연속형 데이터 - 연결된 점, 선 그래프

연속 시계 열 그래프는 점 그래프와 거의 같은데, 점 사이를 선으로 연결한다는 점에서 차이가 있습니다. 선으로 표현되는 연속적인 데이터의 끊임없이 변화하는 현상의 추이를 볼 수 있으며, 변수의 변화를 명확하게 표시할 필요가 있거나 Trending 또는 변화율 정보가 중요한 경우 선 그래프를 사용하게 됩니다.

[그림 5] 연결된 점, 선 그래프

2. 분포 시각화

일반적인 특징은 최대(maximum), 최소(minimum), 전체 분포(overall distribution) 로 분류할 수 있습니다. 최대와 최소는 글자 그대로 순서 정렬에서 양 끝을 취하면 최대와 최소로 할 수 있습니다. 분포 시각화에서 가장 중요한 건 분포 정도라고 할 수 있습니다. 분포 데이터는 부분을 전부 합치면 1 또는 100%가 되게 됩니다. 전체 과점에서 부분 간의 관계를 보여줘야만 합니다.

■ 원 그래프

원 그래프는 분포의 정도를 총합 100%로 나타내서 부분 간의 관계를 보여주며, 면적으로 값을 보여주며, 수치를 각도로 표기하게 됩니다. 부분과 부분 간 비율을 알아보는 데 사용되는 방법으로 육안으로 면적을 가늠하고 시각을 비교해야 하므로 어떤 경우에는 그래프를 해석하기가 쉽지 않은 경우도 발생되게 됩니다. 최대한 구성 요소를 제한하고 내용을 설명하기 위한 텍스트와 퍼센티지를 포함시키는게 좋습니다. 추가 정보를 제공하여 사용자가 각 그래프 조각의 의미와 가치를 놓고 혼동하는 상황을 방지해야 합니다.

[그림 6] 원 그래프

■ 도넛 차트

원 그래프와 마찬가지로 수치를 각도로 표기합니다. 원 그래프와 달리 중심부를 잘라내 도넛 모양으로 보인다는 점이 다릅니다. 중심에 구멍 때문에 조각에 해당하는 수치는 조각의 면적이 아닌 길이로 표시할 수 있습니다.

[그림 7] 도넛 차트

■ 트리맵

영역 기반의 시각화로 각 사각형의 크기가 수치로 나타나게 됩니다. 한 사각형이 포함하고 있는 바깥의 영역은 그 사각형이 포함된 대 분류를, 내부의 사각형은 내부적인 세부 분류를 의미 하게 됩니다. 단순 분류 별 분포 시각화에도 쓸 수 있지만, 위계 구조가 있는 데이터나 트리 구조의 데이터를 표시할 때 사용하게 됩니다.

[그림 8] 트리 맵

■ 누적 연속 그래프

몇 개의 시계열 그래프를 차곡차곡 쌓아 올려서 빈 공간을 채워가는 것을 말합니다. 가로축은 시간을 나타내며 세로축은 데이터 값을 나타내게 됩니다. 한 시점의 세로 단면을 가져오면 그 시점의 분포를 볼 수 있게 해주게 됩니다. 시간에 따라 연속적인 누적 막대 그래프라고도 볼 수 있습니다.

[그림 9] 누적 연속 그래프

3. 관계 시각화

상관관계를 알면 한 수치의 변화를 통해 다른 수치의 변화를 예측이 가능합니다. 관계 시각화는 스캐터 플롯과 멀티플 스캐너 플롯이 사용되게 됩니다. 스캐터 플롯은 한국어로 표현하게 되면 “산점도” 입니다. 산점도는 두 데이터 항목에 공통 변이를 나타내는 2차원 도표입니다.

- 각 마커(점, 사각혁, 플러스 기호 등) : 관측치

- 마커의 위치 : 각 관측지에 대한 값

- 가로 축과 세로 축의 변수 값에 대응하는 점을 좌표에 배치하면 그 상관관계 확인

- 점이 오른쪽 위로 올라가는 추세 : 양의 상관관계

- 점이 오른쪽 아래로 떨어지는 추세 : 음의 상관관계

- 점의 배치에 패턴이 없는 경우 : 상관관계가 없음

데이터가 얼마나 분포 되었는지 데이터 포인트들이 얼마나 밀접한 관련이 있는지 이해하는데 도움을 주게 됩니다. 데이터의 분포에 존재하는 패턴을 신속하게 식별이 가능하게 됩니다. 데이터 포인트가 많을 때 특히 유용한 반면, 데이터 포인트의 수가 적은 경우에 오히려 막대 그래프나 일반 표가 정보를 제대로 표기하는데 효율적일 수 있습니다.

■ 버블 차트

세 가지 요소(가로축에 변수, 세로축에 변수, 버블의 크기)의 상관관계를 표기할 수 있는 방법입니다. 수십 또는 수백 개의 값을 갖거나 값들이 몇 자릿수 씩 차이가 나는 데이터 세트에 유용합니다. 특정 값들을 다양한 크기의 버블로 시각적 표현을 할 때도 이 방식을 사용합니다. 하지만 종종 버블 차트를 보는 사람들은 원의 면적을 보는게 아니라 원의 지름을 갖고 판단하는 경향이 있습니다.

[그림 10] 버블 차트

■ 히스토그램

다른 말로 분포 그래프라고 할 수 있습니다. 평균값을 중심으로 양 옆이 점진적인 감소 보양을 보이는 종 곡선을 의미합니다. 왼쪽으로 치우친 모양이라면 데이터 전체 범위에서 수치가 낮은 쪽으로 몰려있다고 볼 수 있습니다. 오른쪽으로 치우쳐 있다면 높은 쪽에 몰려 있음을 의미하게 됩니다. 수평선으로 그려진다면 균일한 분포를 의미하게 됩니다. 막대의 높이는 빈도를 나타내고 폭은 의미가 없습니다. 가로축과 세로축은 연속적인 데이터로 구성해야 합니다.

[그림 11] 히스토그램

4. 비교 시각화

여러 개의 변수를 다뤄야할 때 마주하는 첫 번째 난관은 시작점을 찾는 것으로 자신에게 있는 데이터를 끊임없이 생각하다 보면 너무 많은 변수와 세부 분류에 압도 되기도 합니다. 때로는 모든 데이터를 한번 훑어본 다음 흥미로운 점을 짚고 다른 점을 찾아가는 과정이 더 도움이 될 수 있는 경우도 있습니다.

■ 히트맵

시각화 기법에서 가장 많이 유용하게 쓰이는 그래프 중 하나로써 여러가지 변수를 비교가 가능하다는 특징이 있습니다. 한 칸의 색상으로 데이터 값을 표현하게 됩니다.

하나의 대상에 해당하는 한 행을 왼쪽에서 오른쪽으로 보면서 모든 변수를 파악할 수도 있고, 하나의 변수에 대응하는 한 열을 위에서 아래로 읽을 수도 있습니다. 데이터가 지나치게 많은 경우엔 더 혼란스럽기만 할 수 있어서 적당한 색상을 선택하고 약간의 정렬 과정을 거쳐서 그리는게 더 좋습니다.

[그림 12] 히트맵

■ 레이더 차트

다른 말로 스타 차트 또는 방사형 차트라고 표현됩니다. 중앙에서 외부 링까지 이어지는 몇 개의 축을 그리고, 전체 공간에서 하나의 변수 마다 축 위의 중앙으로부터 거리를 수치로 나타내게 됩니다. 각 변수를 라인 위에 표시한 지점을 연결해 연결선을 그리며 그 결과는 별 모양의 도형이 나타나게 됩니다.

- 중심 점 : 축이 나타내는 값의 최소값

- 바깥 점 : 가장 먼 끝의 최대값

[그림 13] 레이터 차트

■ 평행 좌표계

대상이 많은 데이터에서 집단적인 경향성을 쉽게 알아볼 수 있게 해주게 됩니다.

- 여러 축을 평행으로 배치

- Y 축 윗부분은 변수 값 범위의 최대값, 하단은 변수 값 범위의 최소 값

- 측정 대상은 변수 값에 따라 위아래로 이어지는 연결 선으로 표기

[그림 14] 평행 좌표 계

■ 다차원 척도 법

데이터 세트 상의 개별 데이터 간의 유사도를 바탕으로 시각화 하는 방법으로 대상 간의 유사성(또는 선호도) 측도에 의거해 대상을 다차원 공간 속에 배치시키는 방법입니다.

표현하고자 하는 객체 간 간격이 발생하는, 즉 거리 행렬(distance matrix) 을 포함하는 데이터의 시각화에 유용합니다. 유사성이 작은 대상과는 멀리, 유사성이 큰 대상과는 가까이 위치를 시키게 됩니다.

[그림 15] 다차원 척도 법

5. 공간 시각화

지도의 한 위치를 다른 위치와 비교해보는 것이라고 할 수 있습니다. 지도를 만들 때 위치를 정확하게 배치해야 하며, 색상 구분도 정확해야 하고, 라벨이 위치를 가려서는 안되며, 정확한 투시 방법을 선택해야 합니다. 하나의 지도는 시간상의 한 지점, 한 순간의 현실만 반영하고 있지만, 여러 장의 지도를 통해 시간의 여러 단면을 표현도 가능합니다.

■ 지오 차트 (Geo Chart)

- 위도와 경도의 위치 값을 모르고 지명만 알아도 시각화 작업 가능

- 영역 모드와 마커 모드 지원, 나라별, 지역별 지도를 쉽게 제작 가능

≫ 영역 모드 : 국가, 지방 또는 국가와 같은 전체 지역을 채색

≫ 마커 모드 : 사용자가 지정한 값에 따라 조정 되는 것, 버블 차트를 이용해 영역 지정 가능