데이터에서 가치로
시각화와 해석

크림 전쟁(1850년대)에서 간호사 플로렌스 나이팅게일은 충격적인 사실을 발견해요 — 병사들이 전투보다 병원의 위생 문제로 더 많이 죽고 있다는 것. 하지만 장군과 관료들은 숫자 표를 들이밀어도 움직이지 않았죠.

그래서 그녀는 사망 원인을 색으로 구분한 장미 모양 도표(로즈 다이어그램)를 고안했습니다. 위생 개선 전후로 파란 영역(예방 가능한 죽음)이 극적으로 줄어드는 그림은 누구도 외면할 수 없었고, 결국 군 의료 체계가 바뀌어 수많은 생명을 구했어요. 통계를 '설득'으로 바꾼 시각화의 원조랍니다.

통계학자 안스콤은 1973년에 짓궂은 데이터 네 묶음을 만들었어요. 네 묶음은 평균도, 분산도, 상관계수도 거의 똑같습니다. 숫자 요약만 보면 완전히 같은 데이터처럼 보이죠.

그런데 산점도를 그려 보면 — 하나는 곧은 직선, 하나는 곡선, 하나는 이상치 하나가 전체를 왜곡한 모양, 하나는 수직선에 가까운 모양… 전혀 다른 네 세상이 드러납니다.

교훈: 요약 통계만 보지 말고 반드시 그림을 그려 보라. 시각화는 예쁘게 꾸미는 일이 아니라, 숫자가 숨기는 진실을 드러내는 분석의 필수 단계예요.

• 스프레드시트(엑셀·구글 시트) — 입문 최적. 범위 선택 → 차트 삽입이면 끝. 협업도 쉬워요.
• 공공데이터 시각화 서비스 — KOSIS 통계시각화, 서울 열린데이터광장 등은 클릭만으로 차트를 만들어 줘요.
• 파이썬(matplotlib 등) — 대용량·자동화·자유로운 표현. 3단원에서 배울 프로그래밍과 만나면 이렇게 단 몇 줄!

import matplotlib.pyplot as plt

months = [1, 2, 3, 4, 5, 6]
sales  = [120, 135, 160, 210, 280, 390]
plt.plot(months, sales, marker="o")   # 선그래프
plt.show()

도구는 거들 뿐 — 핵심은 언제나 "무엇을 보여 줄 것인가"입니다.

코로나19 시기, 전 세계인이 매일 데이터 시각화를 들여다봤어요. 확진자 추이 선그래프, 지역별 현황 지도, 그리고 유명한 '곡선을 평평하게(Flatten the curve)' 그래프 — 방역으로 유행 곡선을 낮추면 의료 체계가 견딜 수 있다는 메시지를 곡선 두 개로 전 세계에 설득했죠.

시각화 하나가 수십억 명의 행동(거리두기, 손 씻기)을 바꾼, 역사상 가장 큰 규모의 사례일 거예요. 데이터 시각화는 이렇게 공공의 생명을 지키는 언어가 되기도 합니다.