1교시 : 시각화의 방법론을 이해하면!다양한 시각화를 할 수 있을 것이다.
1. <데이터 시각화>
-What, Why? How!
1) what is 데이터 시각화?
데이터를 관계를 만들어서(스토리) 인사이트를 도출 및 결정하는것
데이터 시각화의 가장 중요한 것은 **‘化’**이다. 결과물이 아니다
- 데이터란 ? 인간의 양, 속도, 다양성, 가치, 신뢰
- 시각언어란? 그래픽 이미지, 영상, 차트, 아이콘
- 활용은? 멀티미디어를 활요하여 표현하는것은? 인터랙티브 소통! interactive!내가 원하는 것을 내가 바로 볼 수 있는것
2) 데이터 시각화 범위
- 과학
- 데이터분석
- 여러 분야
3) 과거와 현재의 데이터 시각화
- 과거의 방법론은 엑셀처럼 하는 것이 아니다
- 단순한 차트가 아니다, 차트 그리기를 지양해야한다.
- 단순대시보드는 필요없어 데이터와의 관계가 있어야한다
4) 데이터와 정보는 다르다!
4-1) 데이터
사실에 기반해서 나오는 것이 데이터(단순한 자료의 나열)
절차 수집→ 분석
4-2) 정보
정보란 의미가 부여된 데이터 그룹
절차 데이터의 의미있는 조합을통해 관련성과 목적성을 가짐
특징 처리/구조화/유형화
예제 날씨 교통 주식
ex) 주로, table로 되어 있는 것이 정보이다
시각화란 정보로 결과를 만들어내는 행위
시각화의 방법론을 이해하면!다양한 시각화를 할 수 있을 것이다.
- 데이터 시각화는 트랜드(흐름)을 볼 수 있는 것이 필요하다.>> icon/simbol/color >> 좀더 친근하게 소통할 수 있는 방법 : 데이터의 본질을 잘 보일 수 있는 방법
- 시간을 절약/ 소통/인사이트를 잘 도출하기 위해서 데이터 시각화를 할 수 있다.
2. <시각화에서 '관점'>
- 나.만.의.관.점!
- 데이터 시각화의 tool을 쓰면, 한가지 관점이 아니라, 여러 관점에서 볼 수 있다!
- in 천문학
2교시 : 데이터 시각화! WHY! 인사이트를 도출 및 발견하고 소통하기 위함! 더 나아가 새로운(AI를 함께하는)일자리를 얻기 위해서
- 정보 소통방식의 변화
- 왜 데이터를 시각화 해야하는가, 데이터를 이해하는데 도움을 주는 것을 넘어서서 다른 무언가 + α
- 최근 ‘시각’화를 다른 감각체계보다 많이 사용한다.
- 이해하기 쉽다? 시간을 줄여주고 정확도와 데이터와 정보의 관계를 파악하게 해주는 것!
데이터 시각화는 데이터를 어떻게 읽느냐에 따라 다르다! 4V!
데이터 시각화 방법론의 순서 : 데이터를 수집 → 정제 → 분석 → 시각화
idea → 데이터 수집 → 데이터 필터링(쓰레기 발견) → 데이터 정제/정련 →데이터 분석 →인사이트 도출
데이터 분석은(탐색적 데이터 분석) 데이터를 정제를 잘해서 개별분석을하고 그 관계를 통합분석하는 방법
전처리 활용하려는 데이터에 적합한 방법론을 사용
- 스크립트언어와 태블로의차이 특징
- 컴퓨터 언어(전문적, 진입장벽이 높다, 막상하면 어렵고 시간이 걸린다.)
- 태블로(배우기, 사용하기 쉽다/드래그&드롭/ 하지만 사용료..또르륵)
태블로에서
- 먼저 데이터 관계를 설정해서 추출!
- 그 다음에 데이터를 라벨링(수집/정제…)
- 이상치 확ㅇ
- 그다음 차트별로 구해낼 것입니다.~! 개별분석(데이터 혹성 골: 단일다중변수)
시각언어 구성요소
(1) visual Metaphor 위치 크기 각도 색 크기
(2) coordinate System(axis..)
(3) scale(ex. 일반적인 자, 로그 좌표, 퍼센트, 시간적인 개념…등…) >> 축을 어떻게 설정하느냐에 따라 필터와 시각이 많이 바뀐다. 다양한 그래프들을 사용할 수 있다.
(4)context : 보는 사람이 잘 이해할 수 있도록,
대화 서술형 구성
청중의
감정에 따른 소통순서
비주얼 인식에 따라 적절한 시각과 크기 배치
- 시각화를 할 때 하면 안되는거
- 한 데이터를 여러가지 방법론을 사용할 필요는 없다. 데이터에 대한 올바른 방법을 찾는 것이 중요하다.
- 수많은 데이터를 사용할 수 있기 때문에, 단순열거는 올바르지 않다. >> 해결하기 위해서 scale을 조정하는 행동 등이 필요하다.
- 유의미한 범례를 보여주는 것이 좋다. ex) 파이차트를 보여줄 경우, 전체 범례보다, 주요 범례를 보여주고 따로 표현해야한다.
- scale 조정하여 이상치를 임의로 자르거나 꺾쇠로 표현하는 것은 금물!
- 다양한 색을 사용하기 보단 같은 데이터에서는 최소한의 색을 사용하는 것이 좋다.
데이터의 색 의미 기준을 명확히 두어야한다.
HOW
속성파악
전처리 열심히
시각언어 활용
시각화 툴 사용
탐색적 데이터 분석!