100개의 대시보드가 말해주는 데이터 시각화의 흔한 실수들[아티클]

 

100개의 대시보드가 말해주는 
데이터 시각화의 
흔한 실수들
[아티클]

 

 

출처 : Unsplash

 

 

안녕하세요, 오늘은 데이터 분석을 시작하는 단계에서

자주 범하게 되는 데이터 시각화 오류에 대해 짚어보려고 합니다.

 

데이터 시각화는 복잡한 정보를 쉽게 전달하는 강력한 도구입니다. 

하지만 잘못된 시각화는 오히려 혼란을 야기할 수 있습니다. 

Maven Analytics 쇼케이스에서 무작위로 선정된 100개의 대시보드를 분석한 결과, 

초보 데이터 분석가들이 자주 범하는 8가지 주요 오류를 발견했습니다.

 

1. 불필요한 시각 요소 (58%)

가장 흔한 오류는 이해도를 높이지 않으면서 공간만 차지하는 

"차트정크(chartjunk)"입니다. 

물결 선, 아이콘, 화려한 삽입물, 다양한 폰트 등은 매력적으로 보일 수 있지만, 

대시보드를 복잡하게 만들어 핵심 데이터 포인트를 이해하기 어렵게 만듭니다.

https://businessq-software.com/2019/02/28/chartjunk_and_why_to_avoid_them/

 

2. 가이드 부족 (53%)

많은 대시보드가 데이터의 맥락이나 추세를 제대로 보여주지 못했습니다. 

예를 들어:
- 숫자의 좋고 나쁨을 판단할 수 있는 맥락 부재
- 축, 레이블, 범례 등의 누락
- 변화의 대상과 기간이 불분명한 표현

특히 측정 단위를 표시하지 않거나 이상치를 설명하지 않는 경우가 많았습니다.

https://www.codeconquest.com/blog/12-bad-data-visualization-examples-explained/

3. 부적절한 제목/레이블 (45%)

많은 분석가들이 Power BI나 Tableau의 기본 레이블을 

그대로 사용해 일반 독자가 이해하기 어려운 경우가 많았습니다. 

발행 전 모든 레이블과 제목을 검토하고, 

필요한 경우 약어나 비즈니스 용어를 설명하는 것이 중요합니다.

 

 

4. 부적절한 차트 유형 (42%)

시간에 따른 변화를 보여주기 위해 트리맵이나 파이 차트를 사용하거나, 

5개 이상의 세그먼트가 있는 파이 차트를 사용하는 등의 오류가 있었습니다. 

적절한 차트 선택이 중요합니다:

- 범주별 수치 데이터 비교: 막대 차트
- 시간에 따른 추세: 선 차트
- 두 변수 간의 관계: 산점도

https://www.oldstreetsolutions.com/good-and-bad-data-visualization

 

 

5. 부적절한 색상 사용 (40%)

형광색 같은 자극적인 색상 사용, 같은 페이지 내 다른 의미로 동일한 색상 사용, 

파이 차트에서 여러 조각에 같은 색상 사용 등의 오류가 있었습니다.

https://www.oldstreetsolutions.com/good-and-bad-data-visualization

 

6. 과도하게 화려한 배경 (22%)

 

주제와 관련된 이미지를 배경으로 사용하는 것은 매력적일 수 있지만,

이 역시 차트정크의 일종입니다.

단순한 흰색이나 중성적인 배경을 사용하는 것이 좋습니다.

https://www.oldstreetsolutions.com/good-and-bad-data-visualization

 

7. 맞춤법/문법/구두점 오류 (20%)

발행 전 대시보드와 분석문을 철저히 검토하고,

Grammarly 같은 도구를 활용하는 것이 좋습니다.

 

 

8. 5개 이상 세그먼트의 파이 차트 (12%)

파이 차트에 5개 이상의 세그먼트가 있으면 각 조각의 크기를 파악하기 어렵습니다. 

이런 경우 막대 차트를 사용하는 것이 더 효과적입니다.

 

 

우수 대시보드의 특징

분석 과정에서 몇몇 뛰어난 대시보드도 발견했습니다. 

이들의 공통점은 다음과 같습니다:

 

- 약어나 전문 용어를 쉽게 설명

- 중요 사건 전후의 추세 비교
- 이상치를 그래프로 표시하고 주목하며 가능한 설명 제공
- 실행 가능한 실용적 비즈니스 권장사항 제시

우수한 대시보드의 예,

Jasmin Jusufbegovic's Data Analytics Project | Maven Analytics

 

 

 

---

이번 아티클을 통해 우리는 다음과 같은 인사이트를 얻을 수 있습니다.

1. 시각화의 단순함과 명확성이 핵심입니다. 불필요한 요소는 과감히 제거하세요.
2. 맥락 제공이 중요합니다. 데이터가 의미하는 바를 독자가 쉽게 이해할 수 있도록 해야 합니다.
3. 적절한 차트 선택이 메시지 전달의 핵심입니다.
4. 색상은 신중하게 사용해야 합니다. 일관성 있고 의미 있는 색상 사용이 중요합니다.
5. 전문성은 디테일에서 나옵니다. 맞춤법, 문법, 레이블 등 작은 요소들도 꼼꼼히 챙기세요.

이러한 오류들을 피하고 우수 사례를 참고한다면, 

더욱 효과적이고 인상적인 데이터 시각화를 만들 수 있을 것입니다.

 

 

 

 

I analyzed 100 dashboards. Here are the most common data viz errors I saw.