Information Design and Data Visualization Principles

데이터와 메타데이터의 개념 및 분류 원리

  • 데이터(Data)와 메타데이터(Metadata)의 정의

    • 데이터(Data): 정보의 한 조각이자 단일 사건(Event). 그 자체만으로는 독립적이며 특별한 의미를 가지기 어려움.

    • 메타데이터(Metadata): 데이터가 품고 있는 데이터, 즉 '데이터에 관한 데이터(Data about data)'. 데이터를 추출하고 해석하는 맥락이자 컨텍스트(Context) 역할을 수행함.

    • 와인(Wine)을 통한 데이터와 메타데이터의 비유:

    • 와인 자체: 단일 데이터.

    • 와인의 메타데이터: 와인의 생산 국가 및 지역, 포도의 품종, 알코올 도수, 생산 연도(빈티지) 등.

    • 메타데이터 시각화 실생활 사례:

    • 국가별 맥주 소개 시각화: 맥주(데이터)를 각 국가의 주류법(공공장소 음주 허용 여부 등) 메타데이터와 결합하여 전달하며, 맥주잔의 용기 및 용량 정보를 함께 제공함.

    • 우유팩 표기 정보: 우유팩 겉면에 기재된 영양소, 용량, 성분 표기 등은 모두 우유에 대한 메타데이터에 해당함.

  • 메타데이터 기준의 데이터 분류(Categorization)와 관계성 발견

    • 커피숍(Coffee Shop) 데이터 분류 예시:

    • 커피값(비용) 기준 분류: 저가 브랜드 vs 고가 브랜드.

    • 매장 크기(공간 사이즈) 기준 분류.

    • 데이터 배열 후 관계성(Correlation) 도출:

    • 매장 사이즈가 작은 장소일수록 커피값 또는 땅값이 더 비싸다는 경향성 발견.

    • 매장 사이즈가 클수록 땅값이 저렴하다는 경향성 발견.

    • 분류 및 배열을 통해 해당 커피숍을 대체할 수 있는 장소의 존재 유무 등 새로운 관계성을 발견할 수 있음.

  • 데이터 배열(Arrangement)의 5가지 핵심 기준 (LATCH 원리)

    • Location (장소 기반): 지도(Map) 상의 위치를 기준으로 데이터를 배치함.

    • Alphabetical (알파벳/가나다순): 데이터 간의 특별한 참여성이나 위계가 없을 때 단순 검색용으로 배치함 (예: 전화번호부).

    • Time (시간/연대기순): 역사적 사건, 박물관 데이터 등 시간의 흐름에 따라 배치함.

    • Category (카테고리/속성): 데이터가 가진 고유한 속성에 따라 분류하여 배치하며, 시각적으로는 주로 색상(Color)을 통해 구분함.

    • Hierarchy (위계): 사건의 경중이나 데이터의 크기, 중요도 등 위계 구조에 따라 배치함.

    • 자동차(Automobile) 데이터의 LATCH 적용 예시:

    • 자동차 한 대: 단일 데이터.

    • 배기량, 연비, 생산국, 생산 연도: 메타데이터.

    • 생산 국가 기준 배치: 지도(Location) 활용.

    • 생산 연도 기준 배치: 연대기(Time) 활용.

    • 차종(경차, 중형차 등) 기준 배치: 카테고리(Category) 활용.

    • 배기량 및 생산량 크기 기준 배치: 위계(Hierarchy) 활용.

데이터 배열과 상관관계 분석 기법

  • 어피니티 라이브러리(Affinity Diagram)를 활용한 상관관계 도출

    • 곡물과 비료의 상관관계 매트릭스 분석 절차:

    • A,B,C,D,E,FA, B, C, D, E, F: 곡물 재배 부지 (쌀, 보리 등).

    • 1,2,3,4,5,6,7,8,91, 2, 3, 4, 5, 6, 7, 8, 9: 비료의 종류.

    • 매트릭스 상에서 특정 곡물 부지에 효과가 있는 비료의 교차 지점에 체크 표시를 함 (예: AA 부지는 11번 비료에 효과가 있음).

    • 흩어져 있는 체크 표시(검은색 점)들을 위아래 및 좌우로 모아 정렬함.

    • 정렬 결과 AA 타입을 포함한 총 33가지 유효한 패턴/경향성이 도출됨을 확인함.

  • 통화 기록 데이터를 통한 시각화 및 인사이트 도출

    • 사람 A,B,C,DA, B, C, D 간의 통화 기록 데이터 분석:

    • BB의 통화 건수(빨간 줄)가 가장 많게 나타남.

    • 단순 통화 건수가 많다는 사실만으로는 정밀한 인사이트를 얻기 어려움 (BB가 콜센터 직원이라 업무상 전화를 많이 해야 하는 상황일 수 있음).

    • 시각적 변수를 통한 다차원 데이터 표현:

    • 통화 방향성: BB가 전화를 걸었는지, 전화를 받았는지 구분.

    • 통화 시간(지속 시간): 11~22분 내외의 짧은 통화는 콜센터 업무일 가능성이 높고, 11시간 이상의 긴 통화는 친한 사이일 가능성이 높음.

    • 선의 굵기(Line Thickness): 통화 시간이 길수록 선을 굵게 표현.

    • 색상(Color): 전화를 먼저 걸었는지 받았는지 발신/수신 여부를 구분.

    • 시각화를 활용하면 대량의 복합 정보를 한눈에 동시에 다룰 수 있음.

정보 디자인의 게슈탈트 원리 및 시각적 변수

  • 정보 디자인의 궁극적 목표

    • 시청자/사용자가 정보를 빠르게 인지(Cognition)하고 정확하게 이해하게 만들며, 시간이 지난 후에도 기억에 남아 직관적으로 떠올릴 수 있도록 디자인하는 것.

    • "정보를 쉽고 단순하게 만드는 것이 디자인에서 가장 어렵다."

  • 게슈탈트 이론(Gestalt Theory)과 그룹핑

    • 비슷한 속성이나 시각적 요소끼리 묶어주는 그룹핑(Grouping)이 정보 디자인에서 가장 중요한 핵심 요소임.

    • 지도와 같이 정보량이 과도하게 많은 시각화에서는 중요한 정보가 눈에 잘 띄도록 색상 및 표현 방식을 달리하여 정보를 명확히 분리해야 함.

  • 시각적 변수(Visual Variables)의 종류와 활용

    • 색상(Color): 데이터의 유형 및 카테고리를 구분하는 가장 쉬운 방법. 단, 색맹/색약 사용자를 배려하여 기호나 문자를 병행 표시하는 인지 시스템을 구축해야 함.

    • 방향(Orientation): 요소의 기울기나 각도를 조절하여 시각적 구분을 형성.

    • 패턴 및 텍스처(Pattern & Texture): 색상과 크기 외에 추가적인 변수가 너무 많을 때 효과적으로 활용함.

    • 위치(Position): 지리적 위치나 상대적 배치 공간 활용.

    • 크기(Size): 데이터의 수량적 차이나 정도(Magnitude)를 표현.

    • 형태/모양(Shape): 데이터 속성 구분 (예: 남성은 네모, 여성은 동그라미로 지정하여 한눈에 인지하도록 함).

    • 데이터 강조 원칙: 전달하고자 하는 핵심 데이터에만 색상을 부여하고, 나머지 비핵심 정보는 유추하여 파악할 수 있도록 색상을 제거/절제함.

  • 정보 디자인 실무 적용 사례

    • 닥터자르트(Dr. Jart+) 화장품 1010가지 라인업 유형화:

    • 수분 보습 라인은 물방울이 합쳐지는 아이콘, 모공 타이트닝 라인은 전용 그래픽 등 사용자가 한눈에 효능을 연상할 수 있도록 디자인 시스템 구축.

    • 44대 주요 도시(런던, 로마, 파리, 베를린) 기하학적 단순화 지도:

    • 도시의 형태를 뼈대 형태로 극도로 단순화하고, 강(River)의 위치(남쪽 위치, 지그재그, 곡선 흐름 등)를 도시와 매칭하여 기억하기 쉽도록 디자인함.

    • 인체 호문쿨루스(Homunculus) 및 시각화 기준별 변주:

    • 신경 분포 밀도 기준: 신경이 집중된 입술과 손이 가장 크게 표현됨.

    • 상해 보험금 지급액 기준: 상해 발생 시 보상금이 가장 높은 눈과 손이 가장 크게 표현됨.

    • 칼로리 소모량 기준: 에너지 소비가 가장 큰 뇌(Brain)가 가장 크게 표현되고, 그 뒤를 심장이 이음.

    • 구글 검색 결과량 기준: 검색 건수가 많은 부위가 크게 표현됨.

    • 동일한 데이터 대상이라도 어떤 메타데이터 기준을 적용하느냐에 따라 시각화의 결과와 메시지가 완전히 달라짐.

그래프 및 차트 디자인 가이드라인

  • 데이터의 유형 분류

    • 정량적 데이터(Quantitative Data):

    • 이산형(Discrete): 개수와 같이 명확하게 떨어진 개별 단위의 데이터.

    • 연속형(Continuous): 키, 온도 등 끊이지 않고 이어지는 데이터.

    • 정성적 데이터(Qualitative Data): 범주, 특성, 기술적 속성 등.

  • 막대 그래프(Bar Chart) 설계 법칙

    • 축 기준선: 막대 그래프는 반드시 00부터 시작해야 함 (00이 아닌 숫자부터 시작할 경우 데이터 간 비율 차이에 심각한 착시 효과가 발생함).

    • 가로 축 배치: 항목 이름(라벨)이 길 경우 세로 막대 대신 가로 막대 그래프를 사용하며, 시간의 흐름이나 연대기적 데이터는 가로 축에 배치함.

    • 가독성 유지: 세로 방향으로 표기된 텍스트는 가독성을 심각하게 떨어뜨리므로 사용을 지양함.

    • 그래프 간격: 막대 사이의 간격이 너무 넓으면 시선이 중앙 빈 공간으로 빠져나가므로 적정한 간격을 유지해야 함.

  • 꺾은선 그래프(Line Chart) 설계 법칙

    • 선의 개수 제한: 한 그래프 내에 44개 이상의 선을 복잡하게 겹쳐 배치하지 않아야 함.

    • 범례 배치: 그래프 끝부분에 타이틀/라벨을 직접 적어주면 가독성이 크게 향상됨.

    • 범위를 벗어난 공간 절삭: 불필요한 미사용 공간은 자르고 필요한 구간을 명확히 보여줌.

시각적 착시와 다중 변수 차트 유형

  • 시각적 착시(Visual Illusion) 경계

    • 동일한 데이터라도 축의 시작 지점을 00으로 두지 않거나 크기를 인위적으로 조절하면, 실제 차이는 매우 미미함에도 불구하고 엄청난 차이가 존재하는 것처럼 보이는 착시 오류가 발생함.

  • 시간대별 데이터 시각화 사례

    • 창의적 예술가들의 2424시간 하루 일과 분석:

    • 예: 피카소(Picasso)는 주로 오후부터 활동을 시작하여 식사 후 새벽 시간대까지 집중적으로 작업하는 라이프스타일 경향을 보임.

  • 파이 차트(Pie Chart) 활용 및 배치 규칙

    • 사용 목적: 전체 대비 부분의 비율을 보여줄 때 사용함.

    • 항목 수 제한: 너무 많은 슬라이스를 포함하지 않아야 함.

    • 단순 비교: AA와 BB 두 값을 단순 비교할 때는 파이 차트보다 막대 그래프가 훨씬 직관적임.

    • 시작점 및 순서: 상단 중앙(1212시 방향)을 시작점으로 두고, 가장 비중이 높은 항목부터 시계 방향으로 순차 배치함.

  • 절대값 vs 상대값 (Absolute vs Relative Value)

    • 전달하려는 메시지의 정확성에 따라 절대값과 상대값 선택이 달라짐.

    • 국가별 국방비 지출 시각화 예시:

    • 절대 금액 기준: 미국이 압도적인 11위로 보임.

    • 국가 전체 예산 대비 비중(상대값) 기준: 미얀마가 가장 높은 비중을 차지함.

  • 산점도(Scatter Plot)

    • 두 변수 간의 경향성(Trend) 및 상관관계를 파악할 때 유용함 (예: 공부 시간과 성적 간의 비례 관계를 점을 찍어 시각화).

  • 버블 차트(Bubble Chart)를 통한 다중 변수 표현

    • 하나의 차트에 44가지 이상의 다차원 변수를 한눈에 표현 가능:

    • XX축 위치, YY축 위치, 버블의 크기(면적), 버블의 색상.

    • 버블 차트 크기 계산 주의사항: 버블의 크기는 반지름(Radius) 길이가 아닌 면적(Area) 비율로 계산하여 적용해야 정확함 (계산이 복잡할 경우 AI 도구 활용 권장).

    • 한스 로슬링 형태의 글로벌 통계 버블 차트 사례:

    • XX축: 출산율 / YY축: 수명.

    • 버블 크기: 평균 수명 또는 인구수 / 색상: 대륙 구분.

    • 시각화 도출 결과: 수명이 긴 국가(동아시아: 한국, 일본 등 보라색 버블)는 출산율이 낮고, 출산율이 가장 높은 국가(아프리카 국가 등)는 평균 수명이 짧고 버블 크기가 작음.

  • 레이더 차트 (스파이더 차트 / 훌라 차트 / 메이저 차트)

    • 체조 선수의 다각적 기량 분석이나 국가별 거주 환경 평가에 활용함.

    • 워킹홀리데이 국가 비교 학생 작품 예시:

    • 안전성, 임금 수준, 체류 조건 등 다수의 평가 항목을 방사형 축으로 설정.

    • 도출된 다각형의 면적이 넓을수록 전반적인 환경이 우수하고, 안쪽으로 좁혀질수록 열악함을 직관적으로 파악할 수 있음.

  • 체르노프 페이스 (Chernoff Faces)

    • 1010~1515개 이상의 다수 변수를 사람의 얼굴 요소(눈, 코, 입 크기, 얼굴 모양, 헤어스타일 등)에 치환하여 시각화함.

    • 구체적 수치를 개별 기억하긴 어렵지만, 종합적인 형태를 통해 그룹 간 차이를 한눈에 직관적으로 비교할 수 있음.

  • 히트맵 (Heatmap)

    • 동일한 색상 계열에서 명도와 채도(진하기)의 차이로 데이터의 집적도와 밀도를 표현함.

    • 판매량 히트맵 예시: 요일별/시간별 매출 데이터를 시각화했을 때 수요일과 금요일에 가장 매출이 높음을 한눈에 파악 가능함.

비유적 표현 및 정보 구조화 8가지 패턴

  • 비유적/은유적 표현 (Metaphorical Representation)

    • 추상적이거나 거대한 숫자 데이터를 사람들에게 직관적으로 와닿게 만들기 위해 친숙한 매체로 치환하여 표현함.

    • 탄소 배출량 시각화: 배출량을 눈에 보이는 물리적 부피로 비유.

    • 칼로리 소모량 및 에너지 치환 시각화: 코카콜라, 햄버거 등의 음식이 가진 열량(Calorie)을 인체 및 자동차의 에너지 소비량 단위로 치환하여 직관적 이해를 돕고 맥락을 전달함.

  • 정보 구조화 및 레이아웃 8가지 패턴

    1. 대조 및 비교 (AA와 DD의 단순 비교)

    2. 연대기 및 시간 순서 배치

    3. 공간 및 지리적 배치 (지도 기반 위치 표현)

    4. 위계 및 단계별 고취 구조

    5. 트리맵 (Treemap: 데이터의 면적 대비 비율 및 인터랙티브 구조)

    6. 관계 시각화 (네트워크 및 흐름 표현)

    7. 생키 다이어그램 (Sankey Diagram)

    8. 속성별 카테고리 분류

  • 생키 다이어그램 (Sankey Diagram)의 유래

    • 본래 열에너지의 유입, 유출 및 진행 과정에서 발생하는 에너지 손실 효율을 흐름의 굵기(폭)로 표현하기 위해 개발된 다이어그램임.

인터랙티브 정보 시각화 프로젝트 사례

  • 판소리 인터랙티브 시각화 프로젝트

    • 데이터 구성: 1717세기, 1818세기, 2020세기의 판소리 각 곡을 개별 데이터로 설정함.

    • 인터랙션 및 기능:

    • 판소리 사운드 재생 기능 탑재.

    • 판소리 내 등장인물 간의 관계망 시각화 (파란색: 주인공 및 조력자, 빨간색: 대립자/적대자).

    • 화면 좌측 패널에 해당 판소리의 발생 지역 지도를 표시하고 하단에 상세 설명 제공.

    • 한 화면 내에 다채로운 메타데이터를 유기적으로 결합하여 직관적인 이해를 지원함.

  • 뮤직 월간 (Music Organ) 프로젝트

    • 컨셉: 인체의 장기(Organ) 형태에서 모티브를 얻어 음악 산업 디자인을 전개함.

    • 내용: LP판, 88트랙 카세트테이프, MP3 등의 기술적 변화에 따른 음악 산업의 구조적 변천사와 사회적 사건을 결합하여 시각화함.

    • 음악 산업의 활성화, 쇠퇴, 소멸 과정을 시간의 흐름 및 검색 기능과 연결함.

  • 뉴욕타임스/블룸버그 스타일의 정치인 관계망 인포그래픽

    • 기준 변경(필터링) 시스템 구축:

    • 정치인들의 브레인 인맥, 블룸버그와의 친분 관계, 직함(Job Title), 출신 지역 등 사용자가 조망하고자 하는 메타데이터 기준을 바꿀 때마다 네트워크 및 사전 형태의 데이터가 실시간으로 재구성됨.

  • AI 직업 대체 가능성 시각화 프로젝트

    • 검색 및 시각 효과: 사용자가 직업명(예: 아티스트)을 검색하면 해당 직업이 로봇으로 변화하는 정도를 시각적으로 연출함.

    • AI에 의해 쉽게 대체되는 직업과 대체하기 어려운 직업의 차이를 직관적으로 전달함.

프로젝트 진행 단계 및 다음 주 과제 안내

  • 학기 전체 커리큘럼 및 진행 단계

    • 33주차 (현재): 핵심 메시지 설정 및 기초 자료 조사 공유.

    • 44주차 (다음 주): 메타데이터 기준의 데이터 유형화, 시각화 레이아웃 스케치 제출, 1인당 1515분씩 발표 및 피드백.

    • 55주차: 구체화된 인터랙티브 설계안에 대해 김원종 교수님과 공동 크리틱 진행.

    • 88~99주차: 최종 인터페이스 설계 및 정보 시각화 진입.

  • 다음 주 과제 세부 수행 사항

    • 스케치 작성: 데이터를 어떤 배치 방식으로 보여줄 것인지, 무엇을 강조할 것인지에 대한 레이아웃 스케치 준비.

    • 팀원별 메타데이터 유형화 실습:

    • 팀원 44명이 각자 11가지씩 담당하여 총 44가지 메타데이터 관점으로 데이터를 유형화함.

    • 관점 적용 예시: 인프라 구조 기준, 기후 기준, 창의 목적/소리/표현/체제 시각화 기준, 청년층과 6565세 이상 고령층의 부양 단계 기준 등.

    • 실습을 통해 자신의 데이터가 가진 속성을 정확히 이해하는 것이 필수적임.

  • 자료 조사 관련 주의사항

    • 출처의 명확성: 제시하는 모든 데이터는 출처(Source)가 명확해야 함.

    • 자료의 최신성: 데이터의 신뢰성을 확보하기 위해 가장 최신의 자료를 수집하고 분석해야 함.