데이터의 목적을 찾아주는 지도, 앤드류 아벨라의 차트 선택 매트릭스
데이터 시각화의 거장 앤드류 아벨라(Andrew Abela) 박사는 복잡한 데이터 속에서 어떤 차트를 사용해야 할지 고민하는 사람들을 위해 '차트 선택 매트릭스(Chart Selection Matrix)'라는 가이드라인을 제시했습니다. 이 방법론은 "무엇을 보여주고 싶은가?"라는 질문에서 시작하여 데이터의 목적을 4가지 핵심 유형으로 분류합니다.
앤드류 아벨라의 4가지 데이터 목적 분류
아벨라 박사는 차트를 선택하기 전, 데이터가 전달하고자 하는 메시지의 본질을 파악하는 것이 가장 중요하다고 강조합니다.
| 목적 (Objective) | 설명 | 주요 질문 |
|---|---|---|
| 비교 (Comparison) | 여러 항목 간의 차이나 시간 흐름에 따른 변화를 보여줄 때 | 항목 간에 누가 더 큰가? 시간에 따라 어떻게 변했나? |
| 구성 (Composition) | 전체 데이터가 어떤 부분들로 이루어져 있는지 보여줄 때 | 전체 중 특정 부문의 비중은 얼마인가? |
| 분포 (Distribution) | 데이터가 어떤 범위에 어떻게 퍼져 있는지 보여줄 때 | 데이터가 몰려 있는 구간은 어디인가? 이상치는 없는가? |
| 관계 (Relationship) | 두 개 이상의 변수 간에 어떤 상관관계가 있는지 보여줄 때 | 소득이 높을수록 소비도 늘어나는가? |
목적별 최적의 차트 선택 예시
데이터의 목적을 정했다면, 그다음은 변수의 개수나 시간 포함 여부에 따라 세부 차트를 선택합니다.
1. 비교 (Comparison)
항목 간의 순위나 크기 차이를 명확히 드러내는 데 중점을 둡니다.
- 시간 흐름이 있을 때: 선 차트(Line Chart), 세로 막대 차트(Column Chart)
- 항목 간 단순 비교: 가로 막대 차트(Bar Chart)
2. 구성 (Composition)
전체 대비 부분의 비율이 중요할 때 사용합니다.
- 정적인 상태: 파이 차트(Pie Chart), 폭포 차트(Waterfall Chart)
- 시간에 따른 변화: 누적 막대 차트(Stacked Bar Chart), 누적 영역 차트(Stacked Area Chart)
3. 분포 (Distribution)
데이터의 빈도나 집중도를 파악하는 것이 핵심입니다.
- 단일 변수: 히스토그램(Histogram), 선형 히스토그램
- 다중 변수: 산점도(Scatter Plot)
4. 관계 (Relationship)
변수 사이의 연결 고리를 찾는 것이 목적입니다.
- 두 개의 변수: 산점도(Scatter Plot)
- 세 개의 변수: 버블 차트(Bubble Chart - 크기 요소를 추가)
실전 적용을 위한 팁
아벨라의 매트릭스를 활용할 때는 다음의 의사결정 과정을 거치면 더욱 효과적입니다.
- 첫째, 메시지를 정의하세요: "우리 회사의 시장 점유율이 1위다"라는 메시지라면 '비교' 목적을 선택해야 합니다.
- 둘째, 변수를 확인하세요: 보여줄 데이터가 1개인지, 2개인지, 혹은 그 이상인지에 따라 차트의 복잡도가 결정됩니다.
- 셋째, 시간의 유무를 따지세요: 시간이 포함된다면 흐름을 보여주는 선형이나 세로 막대형이 유리합니다.
Choosing the Right Chart for Your Data
이 영상은 앤드류 아벨라의 차트 선택 다이어그램을 실제 데이터 시각화 과정에 어떻게 적용하는지 시각적으로 잘 설명해 줍니다.