시각화 디자인

시각화의 정의

1.데이터 시각화의 중요성

시각화란?

• 매우 광범위하게 분산된 방대한 양의 자료를 분석하여 한 눈에 볼 수 있도록 도표나 차트 등으로 정리
• 통찰력을 얻기 위해서는 시각화한 서비스가 필요

2.데이터 시각화의 목적

• 데이터 분석, 의사소통

3.효과

• 정보를 습득하는 시간을 절감, 즉각적인 상황 판단
• 흥미를 유발하고 정보의 빠른 확산 기대
• 자료를 기억하기 쉬움

시각 이해와 시각화

1. 시각 이해의 위계

2. 데이터

• 사전적 정의 : datum의 복수형, 근거가 되는 사실이나 참고 자료를 의미, 정보와 혼용, 미디어에 저장된 형태
• 연구나 조사 등의 결과인 일종의 기초 자료, 정보를 만들기 위한 원자재
• 정보로서 가치가 부족해 분석이 대상은 되도 디자인의 대상은 될 수 없다.
• 불완전, 비연속적, 정보 전달 가치 없음

3. 정보

• 그 자체로 의미, 관점에 따라 다르게 전달될 수 있고 나름대로 형태와 형식을 가짐
• 패턴을 가시화, 의미를 전달
• 가치를 갖기 위해서는 변형과 조직화 필요
• 콘텍스트 : 데이터의 환경, 이해하는 사람의 환경과 태도가 무엇인지 설명
• 자기 조직화되지 않은 일반적인 의미만을 내재

4. 지식

• 다른 영역의 정보가 자기 조직화해 획득할 수 있는 것
• 경험을 통해 정보를 통합, 인위적으로 습득하는 고도의 논리적 상식
• 경험을 통해 형성된 지식은 세부 사항을 설명할 뿐만 아니라 다양한 상황에 적용할 수 있도록 일반화한 것

5. 지혜

• 고차원 방법으로 충분하고 이상적인 패턴을 이해하는 정보의 최종 단계
• 지식이 자기 내면화가 되서 개인적 맥락 안에 포함될 때 지혜가 됨
• 자기 내면화된 지식이라 상대방에게 전달하기 어려움
• 추상적이고 철학적, 인위적으로 전달하거나 공유할 수 없음

6. 정보 인터렉션 디자인

• 공급자는 데이터와 정보에 속하고 수용자는 정보와 지식 단계에 속함
• 정보 : 글로벌 콘텍스트, 지식 : 로컬 콘텍스트

시각화 분류와 구분

1. 데이터 시각화

• 그래픽 의미를 이용해 명확하고 효과적으로 의사소통하기 위함
• 복잡한 데이터보다는 직접적인 관점을 제공
• 연결과 그룹핑에 초점
• 두 가지 관점 : 통계적 그래픽,주제 지도학
• 마인드 맵, 데이터 표현, 관계 표현, 기사, 리소스, 툴과 서비스

2. 정보 시각화

• 시각적 표현 방법의 간학문적 연구 영역
• 대규모 비수량 정보를 시각적으로 표현
• 시각적 표현 방법과 인터렉션 기술을 통해 정보를 직관적인 방법으로 전달하기 위해 접근 방법을 창조
• 표현 : 분기도, 수지도, 히트맵 , 트리맵

3. 정보 디자인

• 사람이 사용할 수 있는 효과적인 정보를 시각적으로 표현
• 데이터, 정보 시각화도 정보 디자인에 속한다고 할 수 있다.
• 인포그래픽, 다이어그램

4. 인포그래픽

• 중요한 정보를 한 장의 그래픽으로 표현해 사람들이 손쉽게 정보를 이해할 수 있도록 하는 그래픽 메세지
• 패턴이나 트렌드를 봄, 기초, 지도, 기술문서 등에서 이용
• 뉴스 그래픽이라고도 불리고, 원 데이터를 취급하지 않음
• 차트, 다이어그램, 일러스트레이션 등 사용
• 정보형 메세지
  • 객관적인 정보 전달
  • 지하철 노선도와 같이 실제 지도를 왜곡하더라도 보기 쉽도록 구현
• 설득형 메세지
  • 주장하는 바를 알리는데 목적
  • 정보 전달보다는 시각적으로 강렬하게 주장하는 바를 전달
  • 사회 계층별 분포 데이터를 옷에다 극단적으로 함축한 예시가 있음

빅데이터 시각화 영역

• 메시지 전달 관점에서 시각화
  • 데이터 시각화 : 많은 데이터에 의미부여해 효율적으로 전달
  • 정보 시각화 : 큰 범주에 해당하는 정보를 시각화
• 정보 디자인은 데이터의 디테일보다는 그래픽을 적극적으로 이용해 시각 스토리텔링 형식의 설득형 메시지를 전달하는 것에 초점
• 객관적 표현에 초점
• 직접적으로 전달하는 기능성에 초점을 맞춘 정보형 메시지를 전달하기 위한 데이터 시각화를 하는 경향이 강함.
• 설득형 메시지인 경우 인포그래픽에 해당하는 결과물이 도출될 수 있음

정보 디자인에서 빅데이터 시각화 영역

• 양적 정보 디자인은 정보 시각화와 겹치면서 데이터를 객관적으로 비교해 인과관계를 왜곡없이 전달하는데 초점을 둠
• 정보의 내용과 환경이 복잡하므로 표현도 다차원적이어야 함
• 어떤 식으로 해석하는 가에 대한 통계적 차원의 시각화 방법 및 이에 따른 시각 표현이 병행되어야 함.

시각화 프로세스

정보 디자인 프로세스

인포그래픽 디자인 10단계

1. 프로젝트 수주&니즈 파악
2. 메타데이터 읽기
3. 보충자료 요청
4. 자료분석&이야기 찾기
5. 초안 작성
6. 글쓰기&이미지 취합
7. 디자인
8. 시안 작성
9. 검토&수정
10. 납품

정보 디자인 프로세스 10단계

1. 데이터 자체를 수집하는 단계

   • 스토리를 시작하는 단서를 찾음
   • 큰 그림은 떨어진 차트 안에서가 아닌 흩어져 있는 다양한 리소스들로부터 발견됨
   • 시각화 전문가가 원 데이터를 직접 수집하기는 어려움

2. 모든 것을 읽기

   • 에코시스템 안에서 정보의 작은 조각들을 큰 그림으로 맞추는 것이 중요
   • 정보가 빠졌는지, 근거를 확인하는 등의 노력 필요

3. 내러티브 찾기

   • 내러티브 : 스토리텔링, 실화나 사건을 묘사, 이야기를 조직하고 전개하기 위해 이용되는 각종 전략, 형식을 포괄
   • 인포그래픽은 복잡한 데이터를 명료화하고 프로세스를 설명하고 트렌드를 창조, 논란의 부분을 보조하는 의도와 함께 시작된다.

네레티브를 찾기 위한 질문

• 제공하고자 하는 스토리를 만들어 내는 것이 가능한가?
• 이 주제에 관심이 가는가?
• 주목할 만한 사실, 가치를 말하고 있는가?

4. 문제의 정의

   • 결과에 대한 논리성을 검토
   • 컬러, 타이포그래피 등의 주관적인 관점에서 디테일을 만들어감
   • 수용자에게 정보의 진실을 알아가는 경험을 하게 해야함

5. 계층 구조 만들기

   • 이야기의 중심을 찾으면 프로젝트를 정리하고 개별 자료를 정리
   • 중요한 것은 주인공으로, 나머지는 보조적인 요소로 배열, 해당 요소들이 리서치 단계에서 콘셉트 보드 역할을 함
   • 이 단계에서 최종 결과물이 나타나기 시작

6. 와이어프레임 그리기

   • 계층 구조가 결정되면 와이어프레임이 창조됨
   • 시각표현을 만들어내 정보의 계층 구조를 이해하게 만듬

7. 포맷 선택

   • 가장 좋은 접근 방법은 전통적인 파트와 그래프를 이용하는 것
   • 프로세스를 설명하기 위해 다이어그램, 흐름도 등이 필요
   • 간단한 숫자를 나열하는 것도 충분
   • 충분한 예산이 있다면 인터렉션을 시도
   • 결정은 이러한 포맷들의 복합이거나 한 가지 종류의 포맷을 불문하고 그것이 갖고 있는 데이터에 의해 선택되야됨

8. 시각 접근 방법 결정하기

   • 차트와 그래프를 일러스트와 함께 보여주거나 전통적인 데이터 표현과 시각 표현을 함께 사용하기도 함
   • 정보, 매체, 클라이언트, 브랜드, 주제는 궁극적인 해결 방법을 결정하는 요소들
   • 직관적이고 효과적인 인포그래픽을 결정하기 위해서는 두 가지 시각적 접근 방법 필요 초기 데이터의 아름다움을 만들어내는 방법 : 컬라나 타이포그래피, 각 조각들을 연결한 구조들은 추상화 느낌 일러스트레이션이나 메타포를 이용한 방법 : 사진 등 다양한 자료로 시각화, 어떤 시각적 접근 방법이 목적에 맞는지 결정

9. 정제와 테스트

   • 최종 결과물 디자인이 원래 의도와 목적에 맞게 데이터와 시각적 스토리텔링이 잘 되었는지 확인
   • 쉽게 이해되는지의 여부 확인
   • 평가하고 가능하면 디자인을 간단하게 개발하고, 반복 테스트 과정이 진행되어야 함

10. 세상에 선보이기

    • 온라인을 통해 대중들에게 배포
    • 모든 사실 조사와 상상이 스토리의 모든 관점을 드러내는 것은 아님. 새로운 방식으로 해석될 수 있어 프로젝트가 결코 끝난 것으로 보는 게 아님
    • 새로운 데이터가 나타나면 프로젝트는 프로세스 안에서 지속됨

빅데이터 시각화 프로세스

시각화 방법론

1. 정보 디자인 교과서 : 4단계 방법론
   • 조직화된 데이터, 시각적 매핑, 시각적 형태, 전달 방식
2. 마티아스 샤피로 : 3단계
   • 질문 만들어내기, 데이터 수집, 시각적 표현
   • 분석보다 적당한 주제 선별
   • 어느 정도 정해진 범주를 두고 시작하는 것이 아니라 시각화를 다루는 사람에 의해 좌우됨
   • 질문과 수지의 단계가 바뀔 수도 있다.
3. 벤프라이 : 7단계
   • 프로세싱을 통해 프로그래밍으로 시각화
   • 데이터를 모으고 분석하는 단계가 세분화

4. 방법론 연계

• 정보 구조화

  • 수집 및 탐색, 분류, 배열, 재배열의 4단계로 나뉨
  • 구조화 방법이 미리 학습되어야 함
  • 기계학습 알고리즘으로 파악 후 자동 시각 추출하는 방법도 연구 중임
  • 통계적 접근으로 시각화하는 것과 시각화 목적으로 정보 구조화에 접근하는 것은 다름.

• 정보 시각화

  • sas, 하둡, 타블로 등 툴 사용
  • 그래프를 왜, 어떻게 표현하는지 설명

• 정보 시각 표현

  • 시각 표현을 극대화하고 다듬는 방안을 실험
  • 데이터 시각화를 탐험할 수 있게 하는 다양한 벙법을 습득할 필요가 있음

빅데이터 시각화 프로세스

빅데이터 시각화 도구

1. 엑셀
2. 구글 차트
   • 속도 빠르고 모바일에서 잘 작동
   • 구글 스프레드 시트 저장, 초보자 위한툴 제공
   • 차트 api가 있음
3. infogr.am
   • 30종 차트, 무료 사용
   • pnf, pdf 추출 가능, 온라인 공유 용이
4. 매니아이즈
   • 11개 등을 제한된 범위 내 사용
   • 데이터 셋 올리고 차트 선택
5. D3.js
   • 시각화 프레임워크, html, css 사용
6. 파이썬
   • 대규모 데이터, 큰 계산 다룸
   • 작은 코드로 많은 기능 가능, 다양한 라이브러리
   • 탐색 단계라면 훌륭한 툴임
7. processing
   • 디자이너와 데이터 아티스트의 활용 목적인 언어
   • 몇줄의 코드로 애니메이션과 인터렉티브 그래픽을 만듬
   • 자바로 만들어져 느리지만 최근 자바스크립트로 만들어주는 프로세싱 버전이 공개됨
8. R
   • 데이터 통계분석 위주, 패키지가 많음
   • 대다수 통계학자와 분석가들이 선호하는 프로그램
   • 인터랙티브 그래픽과 애니메이션이 취약, 한 번 더 수정해야하는 단점이 있음
9. YFD
   • 온라인 애플리케이션 시각화 툴
   • 트위터 데이터 수집하여 시각화 도구로 패턴 및 관계를 찾는다.
   • 개인적인 데이터를 다루기 위해 만들어짐
10. 일러스트 레이터
    • 벡터 기반 그래픽을 제작할 때 편리
    • PDF포맷으로 추출된 것을 편집하는데 이용