Source: Levelica Canonical: https://www.levelica.com/ko/guides/data-visualization # 데이터 시각화 (Data Visualization) ## 요약 (Summary) 데이터를 시각적 형태로 옮겨 읽히게 만드는 역량. 목적에 맞는 표현을 고르고 오독을 막아 의도한 정보를 전달한다. ## 설명 (Description) 데이터 시각화는 숫자를 위치, 길이, 색, 형태 같은 시각 채널에 실어 읽을 수 있게 만드는 작업입니다. 무엇을 보여줄지 정하고, 데이터 유형에 맞는 시각적 인코딩(Visual Encoding)을 고르고, 축과 색이 만들어 내는 오독을 걷어내고, 그림을 보지 못하는 독자에게도 같은 정보가 닿는지 확인하는 일까지 포함합니다. 차트를 읽고 해석하는 쪽이 아니라, 읽힐 그림을 설계하고 전달하는 쪽에 무게를 둡니다. --- ## 레벨 개요 (Level Overview) | 레벨 | 숙련도 단계 (Proficiency Stage) | 해시태그 | | ---- | ------------------------------- | ------------------------------------------------------------------------------ | | Lv.1 | 차트 해독 | #ChartAnatomy #AxisReading #ChartTypeIdentification #VisualChannelSpotting | | Lv.2 | 정확한 차트 제작 | #ChartTypeSelection #AxisLabeling #ScaleIntegrity #ChartDeclutter | | Lv.3 | 목적 기반 설계 | #EncodingChoice #MisleadingAxis #TextAlternative #ChartAnnotation | | Lv.4 | 청중 적응 설계 | #SmallMultiples #ColorVisionSafety #InteractionDesign #AudienceAdaptation | | Lv.5 | 표준 수립과 리뷰 | #ChartStandards #VisualizationReview #DesignCritique #DataVizMentoring | | Lv.6 | 조직 시각화 체계 | #VisualizationGovernance #EncodingGuideline #PerceptualEvidence #VizCurriculum | | Lv.7 | 인코딩 어법 창시 | #EncodingLexicon #NewChartForm #VisualizationCanon #DataVizPedagogy | > 숙련도 단계는 각 레벨의 핵심 행동에서 도출한 명칭입니다. 데이터 시각화에는 국제 공인 급수 체계가 없어 등급 코드를 단계명으로 쓰지 않으며, 단계 순서는 PNAS에 실린 시각화 리터러시 연구의 개념 프레임워크와 Brehmer & Munzner의 다층 과업 분류 체계가 제시하는 진행에 맞췄습니다. > **통합 프레임워크:** 이 가이드의 7레벨은 하나의 등급표를 옮긴 것이 아니라 네 개의 독립 축이 만나는 자리에서 나뉩니다. Cleveland & McGill(1984)의 지각 실험과 PNAS에 실린 시각화 리터러시 연구의 개념 프레임워크는 **인코딩 결정 축**(데이터 유형을 어떤 시각 요소에 싣는가를 고르는 판단의 정교함)을, Brehmer & Munzner의 다층 과업 분류 체계는 **과업 층위 축**(그림이 왜 필요한지, 어떤 수단으로 만드는지, 무엇을 넣고 무엇을 내보내는지 가운데 어디까지 스스로 정하는가)을, VLAT 시각화 리터러시 평가와 W3C 접근성 지침의 복합 이미지 규정은 **수용 검증 축**(만든 결과가 읽혔는지 확인하는 방법이 자기 눈에서 독자 응답과 텍스트 대안으로 옮겨 가는 진행)을, 현장에서 그림을 발행하는 사람의 실무는 **오독 책임 축**(그림이 잘못 읽혔을 때 그 결과를 자기 한 장에서 팀과 조직, 나아가 분야의 읽기 습관까지 어디까지 감당하는가)을 담당합니다. 이 가이드는 시각적 인코딩의 설계와 전달을 다루며, 데이터를 분석해 결론을 얻는 일이나 남의 데이터 주장을 비판적으로 수용하는 일은 다루지 않습니다. > **교차 검증 (Cross-Validation):** 레벨 경계는 서로 다른 출처가 같은 지점을 가리키는지 확인해 정했습니다. > > - **Lv.2↔Lv.3 경계**: VLAT은 저자들이 소비 차원에 한정된다고 밝힌 도구라, 읽기 과업 목록이 여기서 범위를 다합니다. 같은 자리에서 W3C 복합 이미지 규정이 요구하는 두 겹의 텍스트 대안은 정보 전달의 책임을 만든 사람 쪽으로 옮기고, Brehmer & Munzner가 말하는 how 층위도 이 지점에서 처음 요구됩니다. Cleveland & McGill(1984)이 기초 지각 과제 사이의 정확도 차이를 실험으로 확인한 것도 같은 경계를 가리킵니다. 인코딩을 바꾸면 읽히는 정확도가 함께 달라지므로, 무엇을 어디에 실을지가 여기서부터 판단의 대상이 되기 때문입니다. 관례를 따라 그리던 자리에서 목적을 정해 인코딩을 고르는 자리로 넘어갑니다. > - **Lv.4↔Lv.5 경계**: Brehmer & Munzner의 why 층위는 남이 만든 그림을 판정할 때 비로소 필요해집니다. W3C 규정도 개별 그림 점검에서 발행 규칙으로 성격이 바뀌고, PNAS 연구가 정의와 연습, 평가를 한 묶음으로 설계한 것은 역량을 남에게 요구하려면 판정 가능한 과제가 있어야 함을 보여 줍니다. 자기 그림을 잘 만드는 일에서 남의 그림을 판정하는 일로 책임이 넘어갑니다. > - **Lv.6↔Lv.7 경계**: 이 위로는 어떤 출처도 다음 단계를 지정하지 않습니다. PNAS의 개념 프레임워크도 Brehmer & Munzner의 분류 체계도 이미 쓰이는 표현을 정리하는 데서 멈추므로, Lv.7은 분류표 안의 자리가 아니라 분류표를 늘리는 기여로만 정의됩니다. --- ## Level 1 #ChartAnatomy #AxisReading #ChartTypeIdentification #VisualChannelSpotting ### 요약 (Summary) 차트를 뜯어보고 어떤 값이 어느 시각 요소에 실렸는지 짚는 단계 ### 설명 (Description) 데이터 시각화에 처음 들어선 상태입니다. 인코딩 결정 축에서 보면 아직 남이 고른 매핑을 확인하는 구간이라, 막대와 꺾은선, 산점도를 구별하고 축과 범례가 무엇을 알려 주는지 짚는 데 집중합니다. 하나의 그림에서 어떤 값이 위치에 실리고 어떤 값이 색이나 크기에 실렸는지 분해합니다. 그림을 직접 설계하는 일은 다음 레벨의 몫입니다. ### 체크리스트 (Checklist) - [ ] 막대, 꺾은선, 산점도, 파이 차트를 보고 종류를 구별할 수 있다 - [ ] 차트에서 축, 축 레이블, 눈금, 범례, 제목을 각각 지목할 수 있다 - [ ] 하나의 차트에서 어떤 값이 위치, 길이, 색, 크기 중 무엇에 실렸는지 말할 수 있다 - [ ] 꺾은선 차트에서 두 시점 사이의 증감 방향과 크기를 30초 안에 읽어낼 수 있다 - [ ] 표로 된 데이터를 기본 차트 한 개로 옮겨 그릴 수 있다 - [ ] 같은 데이터를 그린 차트 두 개 중 값을 비교하기 쉬운 쪽을 고르고 이유를 말할 수 있다 - [ ] 자신이 그린 첫 차트를 남에게 보여 주고 무엇을 읽었는지 받아 적을 수 있다 > 이 체크리스트를 대부분 달성했다면, Lv.2 정확한 차트 제작 단계로 진입하여 데이터 유형에 맞는 차트를 직접 고르는 일에 도전할 준비가 됐습니다. VLAT 시각화 리터러시 평가를 만든 Lee, Kim & Kwon의 연구는 값을 찾고 추세를 읽고 극값을 비교하는 과업을 문항으로 나눠 측정합니다. 자기가 그린 그림에 같은 과업을 하나씩 던져 보면, 읽기 점검표가 그대로 제작 점검표로 뒤집힙니다. --- ## Level 2 #ChartTypeSelection #AxisLabeling #ScaleIntegrity #ChartDeclutter ### 요약 (Summary) 데이터 유형에 맞는 차트를 골라 읽을 수 있는 그림으로 만드는 단계 ### 설명 (Description) 직접 그림을 만들기 시작하는 단계입니다. 범주형과 연속형을 구분해 그에 맞는 차트 종류를 고르고, 제목과 축 레이블, 단위, 출처를 갖춰 그림 하나만 떼어 놓아도 뜻이 통하게 만듭니다. 인코딩 결정 축에서는 아직 통용되는 관례를 따르는 구간이고, 수용 검증 축에서는 자기 눈으로 확인하는 수준에 머무릅니다. ### 체크리스트 (Checklist) - [ ] 범주형과 연속형 데이터를 구분하고 각각에 맞는 차트 종류를 고를 수 있다 - [ ] 제목, 축 레이블, 단위, 데이터 출처를 모두 갖춘 차트를 만들 수 있다 - [ ] 막대 차트의 기준선을 0에서 시작시키고 그렇게 하는 이유를 설명할 수 있다 - [ ] 정렬 순서를 바꿔 값의 순위가 한눈에 드러나는 차트로 다듬을 수 있다 - [ ] 한 그림에 담을 계열 수를 줄여 겹쳐 읽히는 선을 정리할 수 있다 - [ ] 완성한 차트를 흑백으로 출력해 계열이 구분되는지 확인할 수 있다 - [ ] 같은 데이터를 두 가지 차트 종류로 그려 보고 고른 쪽의 근거를 한 문장으로 적을 수 있다 > 이 체크리스트를 대부분 달성했다면, Lv.3 목적 기반 설계 단계로 진입하여 독자의 판단을 먼저 정하고 인코딩을 고르는 일에 도전할 준비가 됐습니다. Cleveland & McGill(1984)은 기초 지각 과제 사이에 읽어내는 정확도 차이가 있음을 실험으로 확인했습니다. 같은 데이터를 세 가지 형식으로 그린 뒤 각각을 남에게 읽히고 값을 얼마나 정확히 읽어내는지 견줘 적어 두면, 고르는 일이 취향에서 판단으로 바뀝니다. --- ## Level 3 #EncodingChoice #MisleadingAxis #TextAlternative #ChartAnnotation ### 요약 (Summary) 전달 목적을 정하고 인코딩을 골라 그림을 혼자 완성하는 단계 ### 설명 (Description) 의존에서 자율로 넘어가는 자리입니다. 독자가 이 그림으로 무엇을 판단해야 하는지 먼저 적고, 그 판단에 필요한 비교를 위치나 길이에 싣습니다. 잘린 축과 이중축, 부피로 부풀린 면적처럼 값을 왜곡하는 요소를 걷어냅니다. 수용 검증 축이 여기서 바뀌어, 짧은 식별용 설명과 값·추세·관계를 담은 긴 설명을 붙여 그림을 보지 못하는 독자에게도 정보가 닿게 합니다. ### 체크리스트 (Checklist) - [ ] 그림 하나에 독자가 내려야 할 판단을 한 문장으로 적고 그에 맞는 인코딩을 고를 수 있다 - [ ] 잘린 축, 이중축, 입체 효과처럼 값을 왜곡하는 요소를 세 가지 이상 찾아 걷어낼 수 있다 - [ ] 짧은 식별용 대체 텍스트(Alt Text)와 값·추세·관계를 담은 긴 설명을 함께 붙일 수 있다 - [ ] 강조할 계열만 색을 남기고 나머지를 낮춰 시선이 지나는 순서를 만들 수 있다 - [ ] 그림 안에 결론 문장을 주석으로 넣어 독자가 해석을 놓치지 않게 할 수 있다 - [ ] 완성 전에 두 명 이상에게 보여 주고 읽어낸 내용의 차이를 반영해 고칠 수 있다 - [ ] 집계 단위나 기간을 바꿨을 때 같은 데이터가 다르게 보이는 경우를 찾아 기록할 수 있다 - [ ] 그림 없이 문장만으로 같은 결론이 서는지 확인하고 그림이 필요한 이유를 적을 수 있다 > 이 체크리스트를 대부분 달성했다면, Lv.4 청중 적응 설계 단계로 진입하여 같은 데이터를 청중별로 다시 짜는 일에 도전할 준비가 됐습니다. W3C 접근성 지침은 복합 이미지에 짧은 식별용 설명과 긴 설명을 함께 두라고 규정합니다. 하나의 정보를 두 겹으로 준비하는 이 습관이 청중별 두 벌 설계로 곧장 이어지므로, 긴 설명을 먼저 쓰고 그 문장이 짧아지는 만큼만 그림에 맡기는 순서로 연습하면 전환이 빨라집니다. --- ## Level 4 #SmallMultiples #ColorVisionSafety #InteractionDesign #AudienceAdaptation ### 요약 (Summary) 청중과 매체에 따라 구성을 바꿔 복합 시각화를 설계하는 단계 ### 설명 (Description) 규칙 적용에서 상황 적응으로 넘어갑니다. 과업 층위 축에서 이 그림이 왜 필요한지부터 정의해, 같은 데이터를 의사결정자용과 실무자용으로 나눠 설계합니다. 여러 범주를 같은 축 기준으로 나열하거나 상호작용을 넣어 독자가 스스로 조건을 바꾸게 합니다. 색만으로 갈리지 않도록 형태와 위치를 겹쳐 부호화하고, 매체에 따라 밀도를 조정합니다. ### 체크리스트 (Checklist) - [ ] 하나의 데이터셋을 의사결정자용과 실무자용 두 벌로 나눠 상세도를 다르게 만들 수 있다 - [ ] 여러 범주를 같은 축 기준으로 나열한 소형 다중 그림(Small Multiples)을 만들 수 있다 - [ ] 색각 이상 독자가 구분하도록 색 외에 형태나 위치로 이중 부호화(Redundant Encoding)할 수 있다 - [ ] 필터, 확대, 세부 표시 같은 상호작용을 넣고 각 동작이 답하는 질문을 적을 수 있다 - [ ] 인쇄물, 발표 화면, 모바일 화면에 맞춰 같은 그림의 밀도와 글자 크기를 조정할 수 있다 - [ ] 시간, 분포, 부분과 전체, 관계 중 어떤 비교인지 판정하고 그에 맞는 형식을 고를 수 있다 - [ ] 자기 그림이 오독된 사례를 모아 원인을 인코딩, 레이블, 맥락으로 분류할 수 있다 - [ ] 데이터가 결론을 받쳐 주지 않을 때 그림 대신 결론을 고친 기록을 남길 수 있다 > 이 체크리스트를 대부분 달성했다면, Lv.5 표준 수립과 리뷰 단계로 진입하여 다른 사람의 그림을 판정하는 일에 도전할 준비가 됐습니다. Brehmer & Munzner의 다층 과업 분류 체계는 시각화를 왜 만드는지, 어떤 수단으로 만드는지, 무엇을 넣고 무엇을 내보내는지로 나눠 봅니다. 이 순서대로 묻되 인코딩만은 Cleveland & McGill(1984)이 실험으로 가른 정확도 문제로 다뤄, 두 대안을 같은 독자에게 읽혀 견준 결과를 적으면 취향 지적이 줄고 고칠 지점이 층위별로 드러납니다. --- ## Level 5 #ChartStandards #VisualizationReview #DesignCritique #DataVizMentoring ### 요약 (Summary) 팀 차트 표준을 세우고 다른 사람의 시각화를 리뷰하는 단계 ### 설명 (Description) 개인의 산출물에서 팀의 기준으로 범위가 넓어집니다. 오독 책임 축이 여기서 갈리는데, 자기 그림 한 장이 아니라 팀이 내보내는 모든 그림의 정확도를 떠안습니다. 색과 축, 레이블 규칙을 문서로 정하고 템플릿으로 굳히며, 다른 사람의 시각화를 인코딩 정확도와 오독 위험, 접근성 기준으로 리뷰합니다. 그림을 만들지 않는 편이 나은 경우도 판정합니다. ### 체크리스트 (Checklist) - [ ] 색, 글꼴, 축, 레이블 규칙을 담은 팀 차트 표준 문서를 만들어 5명 이상이 쓰게 할 수 있다 - [ ] 다른 사람의 시각화를 인코딩 정확도, 오독 위험, 접근성 세 기준으로 리뷰할 수 있다 - [ ] 반복 보고용 차트 템플릿을 만들어 제작 시간이 줄어든 정도를 기록으로 남길 수 있다 - [ ] 발행 전 점검 절차를 정해 텍스트 대안과 색 대비를 항목으로 확인하게 할 수 있다 - [ ] 세 명 이상에게 인코딩 선택 근거를 가르치고 각자 개선 전후 그림을 제출하게 할 수 있다 - [ ] 조직에 반복되는 잘못된 차트 관행을 두 가지 이상 찾아 대체안과 함께 공지할 수 있다 - [ ] 독자 다섯 명 이상에게 같은 그림을 읽게 해 응답이 갈리는 지점을 짚어낼 수 있다 - [ ] 시각화 요청 중 그림이 필요 없는 건을 판정해 표나 문장으로 되돌릴 수 있다 > 이 체크리스트를 대부분 달성했다면, Lv.6 조직 시각화 체계 단계로 진입하여 부서를 가로지르는 가이드라인을 세우는 일에 도전할 준비가 됐습니다. PNAS 연구가 시각화 리터러시의 정의와 연습, 평가를 한 묶음으로 설계했듯, 가르칠 수 있는 기준에는 판정 가능한 과제가 따라붙습니다. 팀 표준의 각 조항을 통과와 실패를 가를 과제 한 개로 바꿔 쓰면, 문서가 규범에서 교육 과정으로 자랍니다. --- ## Level 6 #VisualizationGovernance #EncodingGuideline #PerceptualEvidence #VizCurriculum ### 요약 (Summary) 조직 시각화 체계를 설계하고 분야의 기준 논의에 참여하는 단계 ### 설명 (Description) 팀을 넘어 조직과 분야로 영향이 확장됩니다. 부서마다 다르게 쓰이던 표현을 하나의 가이드라인으로 묶고, 인코딩 규칙마다 시각 인지 연구의 근거를 붙여 취향 논쟁을 판정 가능한 문제로 바꿉니다. 교육 과정을 설계해 역량을 사전·사후로 측정하고, 업계 논의에 방법론을 내놓습니다. 자기 규칙이 통하지 않는 예외도 함께 공개합니다. ### 체크리스트 (Checklist) - [ ] 부서 셋 이상이 따르는 시각화 가이드라인을 만들고 준수 여부를 분기마다 점검할 수 있다 - [ ] 시각 인지 연구 결과를 근거로 인코딩 규칙을 정하고 근거를 문서에 남길 수 있다 - [ ] 시각화 교육 과정을 설계해 20명 이상에게 운영하고 사전·사후 역량을 측정할 수 있다 - [ ] 업계 행사에서 시각화 방법론을 발표하거나 전문 매체에 기고할 수 있다 - [ ] 조직의 시각화 품질 지표를 정의하고 12개월 이상의 추이를 보고할 수 있다 - [ ] 새 차트 형식을 시험해 독자 이해도를 기존 형식과 견주고 채택 여부를 결정할 수 있다 - [ ] 자기 가이드라인이 통하지 않는 데이터 유형을 찾아 예외 규칙과 함께 공개할 수 있다 > 이 체크리스트를 대부분 달성했다면, Lv.7 인코딩 어법 창시 단계로 진입하여 분류표에 없던 표현을 세우는 일에 도전할 준비가 됐습니다. Cleveland & McGill(1984)은 표현의 우열을 주장이 아니라 독자의 읽기 정확도로 가릴 수 있음을 실험으로 보였습니다. 새 형식을 내놓을 때도 같은 데이터를 기존 형식과 나란히 그려 정확도를 재고 그 절차까지 공개하면, 남이 재현할 수 있는 근거가 남습니다. --- ## Level 7 #EncodingLexicon #NewChartForm #VisualizationCanon #DataVizPedagogy ### 요약 (Summary) 새로운 인코딩 어법을 세워 후대의 읽기 습관을 바꾸는 단계 ### 설명 (Description) 데이터 시각화의 어법 자체에 흔적을 남기는 수준입니다. 기존 분류 체계가 담지 못하는 데이터 구조를 위해 새로운 표현 형식이나 인코딩 규칙을 세우고, 그것이 다른 조직과 다음 세대의 기본값이 됩니다. 등급이나 자격이 다음 단계를 지정하지 않으므로, 도달의 근거는 남긴 어법이 얼마나 오래 참조되는지로만 확인됩니다. ### 체크리스트 (Checklist) - [ ] 자신이 제안한 차트 형식이나 인코딩 규칙이 외부 조직 세 곳 이상에서 쓰임을 확인할 수 있다 - [ ] 자신의 시각화 저작이 다른 제작자에게 10건 이상 인용되었음을 확인할 수 있다 - [ ] 자신의 기여가 5년 이상 학계와 실무 양쪽에서 참조되어 왔음을 입증할 수 있다 - [ ] 자신이 가르친 사람들이 각자의 조직에서 시각화 기준을 세우고 있음을 확인할 수 있다 - [ ] 기존 분류 체계가 담지 못하는 데이터 구조에 맞는 새 표현 형식을 만들어 검증할 수 있다 - [ ] 자기 어법이 가리는 정보와 한계를 함께 공개해 후대가 대안을 세우게 할 수 있다 > 이 체크리스트를 대부분 달성했다면, 사람들이 데이터를 무엇으로 보는지 그 기본값을 바꾸는 자리에 서 있습니다. VLAT이 측정한 읽기 능력도 W3C가 규정한 전달 요건도 이미 만들어진 표현을 전제로 하며, 그 표현을 늘리는 일은 등급이 아니라 후대가 무엇을 당연하게 여기는지로만 확인됩니다. --- ## 참고 자료 (References) - [Data visualization literacy: Definitions, conceptual frameworks, exercises, and assessments](https://www.pnas.org/doi/10.1073/pnas.1807180116) — Proceedings of the National Academy of Sciences (PNAS) - [VLAT: Development of a Visualization Literacy Assessment Test](https://www.bckwon.com/pdf/vlat.pdf) — Lee, Kim & Kwon (IEEE TVCG) - [A Multi-Level Typology of Abstract Visualization Tasks](https://www.cs.ubc.ca/labs/imager/tr/2013/MultiLevelTaskTypology/brehmer_infovis13-corrections.pdf) — Brehmer & Munzner (IEEE InfoVis) - [Web Accessibility Tutorials: Complex Images](https://www.w3.org/WAI/tutorials/images/complex/) — W3C Web Accessibility Initiative (WAI) - [Graphical Perception: Theory, Experimentation, and Application](https://doi.org/10.1080/01621459.1984.10478080) — Cleveland & McGill (Journal of the American Statistical Association)