비즈니스

기업 비즈니스, 보안, 네트워크, 기업용 소프트웨어

arrow_downward최신기사

가설검증

'탐색적 데이터 시각화'를 통한 문제해결 접근법 ②전남 강진군 생리대 사례

탐색적 데이터 시각화를 통한 문제해결 접근법으로, 앞서 제주도 대중교통에 대한 불만을 해결하자는 주제로 탐색적 데이터 시각화를 통해 데이터를 탐색하고, 최종 문제를 도출하는 과정을 간략히 살펴보았습니다. 이번 편의 주제 키워드는 전남 강진군에서 진행된 국민디자인단의 디자인씽킹 사례 중 하나인 '생리문제'입니다. 이번 역시, 데이터 기반의 디자인씽킹 과정 중에서도 문제해결의 앞 단에서 가장 중요한 문제정의와 검증과정을 중심으로, 이 단계에서 주요하게 쓰이는 '탐색적 데이터 시각화'로 인한 특징과 이를 통한 인사이트 도출과정에 대해 살펴보도록 하겠습니다.  · · · · ·  탐색적 데이터 시각화 과정으로 문제과정 들여다보기 창의적 문제해결전략이라 불리는 디자인씽킹 과정에서 가장 핵심적이며 많은 리소스를 쓰는 단계가 바로 [공감하기]입니다. 그만큼 문제에 대한 제대로된 이해와 니즈에 대한 공감이 중요합니다. 이를 위해 기존의 디자인씽킹 과정에서는 주로 정성적 분석기법을 활용하며,...

데이터 시각화 오류

알고 있어야 보인다! 사람들은 잘 모르는 데이터 시각화의 약점

완벽한 데이터 시각화를 위해 꼭 알아야 할 2가지 우리는 효과적으로 데이터를 활용하기 위해 시각화를 만듭니다. 시각화를 통해 많은 양의 데이터를 쉽게 요약해서 볼 수 있고, 데이터 인사이트도 빠르게 찾을 수 있기 때문이죠! 그러나 모든 시각화가 언제나 좋은 것은 아닙니다. 시각화에도 약점이 있습니다. 간단히 요약한 차트의 시각적 패턴을 무조건 믿었다가 데이터 해석을 잘못하게 되는 경우가 대표적입니다. 따라서 시각화의 효과를 제대로 활용하기 위해서는 시각화의 장점을 알고 있는 만큼 약점에 대해서도 알고 있어야 합니다. 오늘은 데이터 시각화 분야의 유명 인사인 알베르토 카이로(Alberto Cairo)의 책 『the truthful art : data, charts, and maps for communication』(이하 『the truthful art』)의 내용을 바탕으로 데이터 활용 시 알아야...

데이터 기업

'탐색적 데이터 시각화'를 통한 문제해결 접근법 ①제주도 대중교통 사례 분석

지난 정부의 미래준비위원회가 만든 ‘10년 후 대한민국, 미래 일자리의 길을 찾다’ 보고서에서 언급된 4차 산업혁명 시대에 필요한 인재의 핵심 역량 TOP3 중 가장 첫 번째로 언급된 것은  ‘창의성 기반의 문제해결력’이라고 합니다. 그 뒤로 꼽힌 역량은 기계와의 공생능력, 소통능력 등이었습니다. 결국 인간이 기계와 차별화되면서도 기계를 활용해 보다 많은 가치를 창출하기 위해서는 인간만의 '창의적인 문제해결 역량'이 필수적이라는 것이지요. 물론 이 조사 결과 외에도 각국의 기업 대상 설문조사에서도 다양한 방법을 사용해 업무를 수행하는 이른바 ‘문제 해결 스킬’이 점차 중요하게 대두되고 있습니다. 말마따나 국내에서도 이에 대한 관심도는 꾸준히 증가하고 있고, 이러한 흐름은 자연스럽게 비즈니스 분야의 인재 트렌드로도 이어져 오늘날 '문제해결 역량'은 기업의 인재 양성 및 발굴분야에서도 주요하게 꼽는 핵심역량지표 중 하나가 되었다고 볼 수 있습니다. · · · · · 개인과 조직의 창의적 문제해결 방법, 탐색적 데이터 시각화를 통한 문제검증부터! 그렇다면 창의적 문제해결은 어떤...

데이터 기업

데이터 시각화로 비즈니스 문제 해결하기

프랑스의 국민영웅이자 백년전쟁의 영웅, 잔 다르크. 조금 허무맹랑해보이긴 하지만 프랑스 동부 지역에서 농부의 딸로 태어나 어느날 문득 나라를 구하라는 하나님의 계시를 받고 전쟁에 참여한 것으로 알려져 있습니다. 이유야 어찌됐건 당시 잉글랜드와 프랑스 사이에 벌어진 백년전쟁에서 번번히 패하던 프랑스는 잔 다르크의 영웅적인 활약으로 드라마 같은 역전승리를 이끌어내고, 대부분의 전투에서 승승장구할 수 있었습니다. 다른 시대, 다른 주제이긴 하지만 이 잔 다르크의 이야기를 바탕으로, 오늘날 시장경제와 비즈니스 기업들에 대해 다시 살펴보면 어떨까요 ? 오늘날 비즈니스 조직들 역시 시장이라는 무한경쟁의 전쟁터에서 너도나도 기업혁신을 외치지만 번번히 실패하는 경우가 허다합니다. 누구나 애플, 에어비앤비, 우버와 같은 혁신적인 제품과 서비스로 시장의 승리를 거머쥐고 싶어하나 실상은 쉽지 않습니다. 이토록 기업혁신이 어려운 이유는 잔 다르크 같은 인재가...

DAISY

사람들이 궁금해하는 시각화, 나의 궁금증은 아닐까?

"데이터 활용이 중요하다던데, 어떻게 하면 좋을까? "나도 데이터를 활용할 수 있을까?" 데이터, 데이터 하는 시대! 다양한 영역에서 데이터를 활용하고 있다는 소식을 어렵지 않게 들을 수 있습니다. 또 데이터를 기반으로 만들어졌다는 제품과 서비스를 우리가 사용하는 모습 역시 낯설지 않죠! 데이터와 우리가 점차 가까워지고 있음을 느끼게 됩니다. 이런 배경 가운데 많은 기업과 기관, 그리고 현업에서 실무를 하는 사람들이 데이터 활용에 관심을 갖는 것은 너무나 당연한 일이라고 할 수 있습니다! 그동안 데이터 시각화를 중심으로 데이터 활용 분야에서 다양한 경험을 해온 저희로서는 시각화에 대한 많은 사람의 궁금증을 들어왔습니다! 시각화가 무엇인지 호기심 가득한 눈으로 찾아오시는 분들, 나도 시각화를 배워보고 싶다며 문을 두드려주셨던 분들, 우리 기업에...

기업 대시보드

차트만 모아놓는다고 다 같은 시각화 대시보드가 아니다!

효과적인 데이터 시각화 대시보드를 만드는 방법 데이터 활용 역량, 데이터 리터러시가 요구되는 시대, 데이터 리터러시 역량을 기르고, 실질적인 데이터 활용을 위해 우리는 시각화에 집중할 필요가 있습니다. 지난 ‘실무에서 데이터를 활용하는 방법, 데이터 시각화 대시보드!’ 글에서 우리는 데이터 리터러시 역량을 키우기 위해 필요한 시각화에 대해 알아보고, ‘데이터 탐색 및 인사이트 도출을 위해서 데이터 시각화 대시보드가 유용하다’는 것을 알아보았습니다. 특히 실제 기업에서 데이터 시각화 대시보드를 활용하는 사례에 대해 언급하여 실질적인 시각화의 활용이나, 데이터 시각화 도입을 염두에 두고 있던 분들의 많은 관심을 받았습니다. 이어지는 이번 글에서는 같은 시각화 대시보드를 만들더라도, 더 나은 시각화 대시보드를 만들기 위해 미리 알아두어야 할 것들에 관해 이야기하고자 합니다....

데이터 활용

시각화 만들기, 이것만 알면 누구나 할 수 있다!

데이터 시각화 개념과 원리 이해하기 누구나 데이터를 활용할 수 있는 가장 쉬운 방법은 데이터 시각화 차트로 만드는 것입니다. ‘데이터 시각화’라고 하면 다소 거창해 보일 수 있지만, 우리는 누구나 한 번쯤 데이터 시각화를 한 경험이 있습니다. 수학 교과 과정, 대학과 직장 등에서 보고서, 발표 자료를 만들었을 때를 생각해보면 쉽게 고개를 끄덕이게 될 것입니다. 그렇다면 누구나 한 번쯤 해본 경험이 있을 만큼 쉬운 데이터 시각화를 여러분은 어떻게 하고 있나요? 매일 똑같이 그리는 막대 차트가 지루하게 느껴지지는 않나요? 막대 차트말고 만들 수 있는 차트는 무엇이 있을까요? 전달하고 싶은 데이터 분석 결과를 효과적으로 보여주기 위해 어떤 시각화 차트를 사용하는 것이 가장 적합한 것인지 알고...

DAISY

성별, 연령별, 지역별…데이터를 나누면 인사이트가 보인다

시각적 데이터 탐색 및 분석을 위한 데이터 집산(Data Aggregation) 이야기를 이어가 봅시다. 지난 글에서는 데이터 집산 개념과 수치형 변수를 활용한 데이터 집산에 대해 알아보았습니다. 이번 글에서는 범주형 변수를 활용한 데이터 집산의 개념과 시각화 유형에 대해 자세히 알아보겠습니다. · · · 데이터를 보는 수십 개의 눈, 어떤 기준으로 볼 것인가 범주형 변수란 무엇일까요? 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...

DAISY

숫자는 계산하라고 있는 것, 차트 만들기에서도 예외 없다

지난 글 ‘데이터 하나로 몇 개의 차트를 만들 수 있을까요?’에서 데이터 집산(Data Aggregation)의 개념을 알아보았습니다. 시각화에서 데이터 집산은 그 기준이 되는 변수의 유형에 따라 두 가지(수치형, 범주형)로 나뉘는데요. 이번에는 수치형 변수를 활용해 데이터 집산을 해보고, 시각화했을 때의 효과까지 자세히 알아봅니다. · · · · · 시각화 차트를 만드는 순간, 당신은 이미 데이터 집산을 했다 먼저 수치형 변수의 개념을 간단히 알아봅시다. 수치형 변수(measure, value)란 계산이 가능한 숫자 형태의 값을 가진 변수를 의미합니다. 시각화 차트는 수치형 변수와 범주형 변수(dimension, 항목(category)으로 구분되는 값)의 조합으로 만들어집니다. 이때 범주형 변수 항목별로 수치형 변수의 값이 합산(SUM)되는 것이 일반적입니다. 시각화 차트를 만드는 과정을 통해 자세히 알아보겠습니다. 먼저 시각화를 하기 위해 필요한 데이터인 로우(raw)...

DAISY

데이터 하나로 몇 개의 차트를 만들 수 있을까?

 데이터 하나로 만들어진 이 모든 차트 데이터 분석 결과 보고서나 자료를 보면, 많은 시각화 차트와 데이터 표가 포함된 경우가 많습니다. 이런 보고서를 보고 있노라면, ‘이 보고서에 정말 많은 종류의 데이터가 활용됐구나’, ‘이 모든 것을 다 이해하기는 힘들겠다’ 등의 생각이 듭니다. 데이터에 압도되는 듯한 느낌이 드는 것이죠. 그러나 꼭 그럴 필요는 없습니다. 사실 특정 조사 기관이 하나의 조사를 한다면, 해당 조사 결과 데이터는 하나로 정리되었을 것이기 때문입니다. 여기에서 데이터란 정제되지 않은 상태의 원본 데이터인 로우(raw) 데이터를 의미합니다. 이들이 보고서에 여러 개의 시각화 차트와 데이터 표를 넣은 이유는 데이터 분석 과정에서 발견한 여러 인사이트를 전달하기 위한 보조 자료로써 활용했기 때문입니다. 여기에서 우리는...