TIL

범주형 변수(dimension)란 개별 항목(category)으로 구분되는 데이터 값을 갖는 변수를 말합니다. 일반적으로 값은 텍스트, 날짜 형태를 띱니다. 간혹 숫자 형태의 값을 갖는 변수를 범주형 변수로 활용하기도 하는데, 이 경우 수학적으로 계산할 수 없다는 점에서 수치형 변수와 구별됩니다. 이를 범주형 변수의 종류로 설명할 수 있는데, 좀 더 세분화해 ① 텍스트 ② 지역 ③ 날짜 ④ 숫자 4가지로 정리할 수 있습니다. 범주형 변수의 데이터 집산은 전체 데이터를 ‘여러 그룹으로 나누는 것’을 의미합니다. 전체 데이터를 성별, 연령별, 지역별 그룹으로 나눈 것이 예입니다. 이는 ‘수학적 계산’ 과정을 통해 데이터를 집산하는 수치형 변수의 데이터 집산과 구별됩니다. 시각화 차트는 범주형 변수와 수치형 ..

한 개 이상의 시각화 차트를 한 화면에 모아서 배치하고 데이터를 탐색할 수 있도록 설계한 화면 인터랙티브 기능 - 많은 양의 데이터를 빠르게 탐색 가능 특정 차트 내에서 클릭이나 마우스 오버와 같은 액션으로 데이터 필터링 하이라이팅 기능- 특정 차트에서 특정 요소 클릭같은 액션 시 연동된 차트의 동일 항목 데이터 요소가 하이라이팅됨 같은 항목 데이터를 빠르게 식별 가능 데이터 시각화 대시보드를 잘 만드는 법 사용자 니즈 파악하기 - 활용 대상 데이터 파악 - 핵심 지표 선정 - 인사이트 도출 / 시나리오 파악 - 목적에 적합한 시각화 차트 활용 - 한 화면의 시각화 차트는 5개 이내 - 핵심 인사이트별 개별 대시보드 제작 1. 내가 보고 싶은,분석하고 싶은 데이터는 무엇인지 파악 2. 분석 대상 데이터가..

지리 정보가 갖고 있는 의미 맥락에 따라 데이터 인사이트를 도출할 수 있다 스몰 멀티플즈 다수의 시각화 차트 나열한 Set 장점 1. 다수의 변수를 하나에 차트에 표현 - 심플 2. 같은 형태로 표현 - 차트 하나만 읽을 수 있으면 다른 차트도 이해 가능 3. 항목 간 데이터 빠르게 비교 가능 스몰 멀티플즈 & 시계열 데이터 - 선차트 여러 항목을 시각적 패턴에 따라서 분류해 인사이트를 도출 시계열 기준 초반에 남성의 비중이 우세하다(주황색 음영) 이후 여성의 비중이 우세하다(청록색 음영)는 것을 시각적 패턴으로 한눈에 확인가능 차트 상단에 배치된 타이틀을 읽지 않고도 6개 차트의 시각적 패턴만으로도 각 직업별로 우세한 비중을 차지하는 성별의 변동이 많음을 알 수 있다. 각 주별 차트의 막대는 투석 환자..

차트 영역 내 특정 요소를 더해 전달하고자 하는 인사이트 직접적으로 노출 텍스트 활용 데이터 레이블(날짜텍스트) 추가 바로 인사이트를 찾을 수 있도록 Annotation(주석) 달아 부연 설명을 차트 영역 내에 표시 선 활용 데이터 해석에 도움되는 부가 정보를 표시하기 위함 참조선 평균보다 많은지 적은지 쉽게 판단 가능 추세선 데이터 추이의 경향을 보여줌 증가추세, 감소추게, 기울기 = 데이터 변화의 폭 색 활용 회색 바탕에 파랑색으로 강조 원하는 데이터에 집중 지도 데이터의 크기를 색으로 표현한 히트맵 정전이라는 주제 - 검은 배경 인사이트 전달 효과 극대화 특정 부분만 잘라 별개의 차트 삽입

데이터 시각화에 적합한 데이터는? 로우 데이터 (Row data) 통계표에서 하나의 셀은 여러 데이터를 포함한다. (빨간 셀은 남자,2018년11월,50-59세 3가지 정보를 포함) 로우데이터로 통계표 만들기 = 데이터 시각화 과정 통계표 - 데이터 시각화 차트 유형 중 하나 로우데이터는 하나의 셀은 해당 셀이 포함된 열의 정보만 포함 각 열의 셀의 값은 펏번째 행(header)의 정보만 담고 있음 시각화 과정에서 특정 변수(로우데이터의 열)만 선택한다. 데이터 시각화 차트 = 로우 데이터의 변수를 특정 기준으로 데이터 조합, 계산한 결과를 시각화 요소를 활용하여 표현한 것 로우데이터의 변수 수치형 변수 = 계산 가능한 숫자 형태의 값 범주형 변수 = 개별 항목(category)로 분류되는 값 4가지 유..

데이터를 어떻게 활용할 것인가? - 데이터를 보고 읽는 능력인 데이터 리터러시의 필요성 - 데이터를 목적에 맞게 활용할 수 있고 데이터의 의미를 정확히 해석할 수 있어여 한다. 데이터 리터러시의 하위 역량 데이터 수집 빠른 시간 내 데이터를 검색하고 선별 -> 필요한 데이터를 확보 데이터 관리 수집한 데이터를 분석 가능한 형태로 구조화 가공 및 분석 목적에 맞는 분석 방법을 활용해 의미 있는 결과 도출 데이터 시각화 도형과 색을 활용해 차트 같은 시각화 결과물을 만드는 것 데이터 기획 데이터 활용 과정 전반의 계획 세우기 , 분석하고자 하는 데이터 관계 이해하는 역량 필요 시각화 데이터 분석 과정에서 빠르게 데이터를 탐색하고 인사이트 도출을 돕는다 시각적 분석 = 시각화를 기반으로한 데이터 분석 시각화가..