데이터 시각화의 어두운 면, 잘못된 정보 전달의 4가지 기술 [아티클]

데이터 시각화의 
어두운 면, 
잘못된 정보 전달의 
4가지 기술 
[아티클]

 

 

 

오늘은 데이터 시각화가 어떻게 잘못된 정보를 전달하는 도구로 사용될 수 있는지,

그리고 이를 어떻게 식별할 수 있는지에 대해 이야기하고자 합니다.

 

데이터 시각화는 통찰력을 빠르고 쉽게 전달하는 데 사용되는 강력한 도구입니다. 

이는 이사회 구성원부터 TV 시청자, 정부 관계자, 

소셜 미디어 팔로워에 이르기까지 다양한 청중에게 사용됩니다. 

하지만 이러한 장점은 때로는 데이터를 조작하고 

잘못된 메시지를 전달하는 데 악용될 수 있습니다. 

특히 대부분의 독자가 데이터 전문가가 아니며, 

세부 사항을 검토할 시간이 부족하다는 점을 이용하여 조작이 이루어질 수 있습니다.

 

---

데이터 조작의 4가지 주요 기술을 자세히 살펴보겠습니다:

 

1. 원하지 않는 데이터 포인트 제거

Matthew Walker의 베스트셀러 "Why We Sleep"의 사례는 

이 기술의 대표적인 예시입니다. 

수면 시간과 부상 위험의 상관관계를 보여주는 차트에서 

5시간 수면 데이터(54% 부상 위험)를 의도적으로 제외했습니다. 

이는 "수면이 적을수록 부상 위험이 높다"는 narrative에 맞지 않는 

데이터였기 때문입니다. 

책에서는 6시간(72%), 7시간(60%), 8시간(34%), 9시간(18%) 데이터만을 보여주어, 

수면 시간과 부상 위험이 완벽한 반비례 관계에 있는 것처럼 보이도록 조작했습니다.

 

 

2. 패턴 심리학 활용

시각적 요소들이 주는 심리적 영향을 이용하는 기술입니다:

- 녹색 = 긍정적
- 빨간색 = 부정적
- 급격한 상승 = 중요성
- 큰 크기 = 중요성
- 상관관계 = 인과관계

특히 Y축을 0이 아닌 지점에서 시작하여 데이터 포인트 간의 차이를 과장하거나, 

색상을 전략적으로 사용하여 특정 메시지를 강조하는 방식이 자주 사용됩니다. 

예를 들어, 기후 변화 데이터를 표현할 때 전체적으로 붉은색 계열을 사용하여 

위기감을 고조시키는 방식이 대표적입니다.

 

3. 선택적 데이터 분류

이 기술은 데이터를 제거하지 않고도 분류 방식을 조정하여 

원하는 스토리를 만들어내는 방법입니다. 

예를 들어, 가구당 거주자 수 데이터에서 그룹화 방식을 달리하여 

"과밀 가구가 많다" 또는 "적절한 거주 환경이다"라는 

상반된 메시지를 전달할 수 있습니다. 

이는 학술 연구에서도 자주 사용되는 기술로, 

John Lott와 David Mustard의 총기 소지법 관련 연구에서도 

이러한 선택적 분류를 통해 원하는 결론을 도출한 사례가 있습니다.

 

4. 가독성의 전략적 조정

이는 데이터 제시 방식을 통해 독자의 주의를 조절하는 기술입니다. 

원하지 않는 데이터는 복잡한 표 형식으로 제시하여 

독자가 상세히 살펴보는 것을 어렵게 만들고, 

강조하고 싶은 데이터는 간단한 선형 또는 막대 차트로 표현하여 

쉽게 이해할 수 있도록 합니다.

---

 

1.  데이터 조작은 단순히 데이터를 삭제하는 것이 아닌,

      다양한 시각적 기법을 통해 이루어질 수 있습니다.

2. 데이터 시각화의 윤리적 책임은 제작자와 소비자 모두에게 있습니다.

3. 비판적 시각으로 데이터를 평가하고, 잘못된 사용을 발견했을 때 이를 지적하는 것이 중요합니다.

4. 확증 편향과 외부 압박이 무의식적인 데이터 조작을 야기할 수 있습니다.

5. 데이터 시각화의 조작은 의도적이든 무의도적이든 잘못된 결론으로 이어질 수 있으므로, 

    항상 원본 데이터와 시각화 방법을 면밀히 검토해야 합니다.

 

 

Advanced Techniques in Lying using Data Visualizations