[이 책의 구성] 이 책은 3부로 구성된다. 1부 ‘데이터, 시각화로 날개를 달다’에서는 막대 그래프, 산점도, 파이 차트 같은 도표와 차트 유형을 설명한다. 특히 시각화의 과학적 원리에 중점을 둔다. 세상에 존재하는 모든 시각화 방식을 백과사전처럼 나열하기보다는, 발표 자료에 많이 나오거나 도표를 직접 만들 때 유용한 핵심적인 시각적 효과들을 소개한다. 1부에서는 시각화하려는 데이터의 유형이 아니라 전하고자 하는 메시지의 유형에 따라, 시각화를 분류해 설명한다. 2부 ‘그래프 디자인의 원칙’에서는 도표들을 결합할 때 생기는 여러 디자인 문제를 다룬다. 데이터 시각화의 미적 측면에 가장 중점을 두지만, 물론 그게 전부는 아니다. 주어진 데이터셋에 알맞은 유형의 도표나 차트를 선택했다면 색상, 기호, 글씨 크기 같은 시각적 요소를 보기 좋게 구성해야 한다. 그래야 뜻이 명료하게 전달되고 보기에도 좋은 결과물이 나온다. 2부의 각 장에서는 그동안 내가 실무에서 거듭 겪어왔던 여러 문제를 다룬다. 3부 ‘시각화 레벨업 노하우’에서는 1부나 2부에 부합하지 않는 그 밖의 주제들을 다룬다. 이미지와 그래프를 저장할 때 주로 선택하는 파일 형식, 시각화 소프트웨어 선택 기준, 문서 전체의 맥락을 고려한 그래프 배치 방법을 설명한다. 이 책은 논리적인 순서로 전개되지만 각 장이 독립적인 내용으로 구성되어 있으므로 첫 장부터 차례대로 읽지 않아도 된다. 자유롭게 페이지를 건너뛰면서 그때그때 관심 있는 부분이나 고민 중인 주제를 다루는 부분을 찾아 읽자. 한 번에 끝까지 읽기보다 항상 곁에 두고 조금씩 읽으면서, 시각화 도표를 만들 때마다 책에 나오는 개념을 몇 가지씩 시도해보고, 다음번에는 다른 개념이 나오는 장을 읽거나 예전에 읽었던 장을 복습하는 편이 이 책을 더 알차게 활용하는 방법이다. 예전에 읽었던 장을 몇 달 뒤 다시 읽으면 같은 내용에서도 다른 깨달음을 얻을 수도 있다. 이 책에 나오는 시각화 도표는 대부분 R의 지지플롯2(ggplot2) 패키지로 만들었다. 그러나 책 자체는 R 언어에 국한되지 않고 시각화 도표 제작에 통용되는 원칙을 다룬다. 무슨 소프트웨어를 사용했는지는 부수적인 요소일 뿐이다. 이 책에 나오는 도표는 어떤 시각화 소프트웨어를 사용해서든 만들 수 있다. 다만 지지플롯2나 비슷한 패키지들에는 다른 시각화 라이브러리에 비해 이 책에 쓰인 기능들이 훨씬 편리하게 구현되어 있다. 무엇보다도 이 책은 R 언어 학습서가 아니므로 코드나 프로그래밍 기술을 설명하지 않는다. 따라서 코딩보다는 도표 자체의 개념에 집중하자. 시각화 도표 만드는 방법이 궁금하다면 깃허브(https://github.com/clauswilke/dataviz)에서 이 책의 소스 코드를 확인할 수 있다. 또한 관련한 패키지 설치환경과 방법은 이 책의 도서 정보 페이지(https://www.onlybook.co.kr/entry/dataviz)에서 찾아볼 수 있다. [이 책의 주요 특징] ■ 색상을 활용해 데이터를 강조, 구별, 표현하기 위한 기본 개념 ■ 핵심 정보를 다양한 방식으로 제공하는 올바른 기호화 ■ 자주 쓰이는 데이터 시각화 유형들을 그래픽으로 확인 ■ 좋은 그래프와 나쁜 그래프에 대한 다양한 예시 ■ 문서나 보고서에서 이야기를 효율적으로 전달하는 차트 활용법 [이 책의 독자 대상] 데이터 과학자, 데이터 분석가, 디자이너, 마케터, 컨설턴트, 학생, 교수, 의사, 기자, 직장인, 기업 대표 등 누구나 할 것 없이, 정확하고 올바른 정보 전달에 관심 있는 이라면 누구나 [옮긴이의 글] 데이터 시각화는 다양한 의미가 담긴 숫자들을 점으로, 선으로, 면으로 그려내는 작업입니다. 수학적 언어를 시각적 언어로 ‘번역’하는 작업이죠. 제가 이 책을 위해 한 일도 영어를 한국어로 번역하는 것이었습니다. 이렇게 공통의 키워드를 놓고 보니, 번역과 데이터 시각화에는 제법 비슷한 구석이 많아 보였습니다. 사실 요즘 세상에서는 번역기를 돌리면 1초 만에 뚝딱하고 번역문이 나오기도 합니다. 지금 당장 마이크로소프트 워드에서 차트 메뉴에 들어가 숫자를 대강 입력하면 그럴싸한 그래프가 나오는 것처럼 말입니다. 하지만 이 책을 그런 식으로 번역했다면 지금 제가 ‘옮긴이의 글’이라는 제목으로 지면 한 장을 차지하는 사치를 누리지는 못했을 겁니다. 진작에 짤렸겠죠. 그런 불상사 없이 저자의 메시지를 여러분께 전달하기 위해 저는 영어에 대한 기본적 이해를 바탕으로 원문의 의미를 정확히 파악하고, 전문 기술서에 맞는 어투를 선택하고, 같은 뜻이라도 무슨 한국어 단어를 골라 어떻게 배열해야 독자들에게 잘 이해될까 고민하며 한 문장 한 문장을 옮겼습니다. 수학적 이해를 바탕으로 데이터를 통찰하고, 특성에 맞는 시각화 방식을 선택하며, 요소들의 크기와 모양, 색상, 위치를 이리저리 조절해서 비로소 의미 있고 효과적인 그래프를 완성하는 것과 같은 과정이었습니다. 번역 실무자 입장에서, 이 책은 데이터를 유창한 시각 언어로 번역하는 방법을 꽤나 체계적으로 설명한 알짜배기라는 생각이 듭니다. 그래서 연구실이나 회사에서 데이터를 다루는 분들이 가장 큰 관심을 가지시겠지만, 실무자가 보고하는 시각화 결과물을 보면서 의사결정을 해야 하는 ‘장군님’들에게도 유용한 책이 아닐까 합니다. 아는 만큼 보인다는 말이 있듯이, 데이터 시각화의 원리와 과정을 잘 알면 다른 사람이 만든 그래프도 더 정확하게 이해하고 핵심을 간파할 수 있으니까요. 왜 ‘장군님’을 거명했는지는 책을 읽으면서 직접 발견하시면 좋겠습니다. [감수의 글] 데이터 시각화 과정에서 두 가지 원칙을 지켜야 한다. 하나는 사실의 왜곡이 없어야 하는 것이고 다른 하나는 보는 사람이 인지적인 부담 없이 쉽고 명확하게 시각화 결과물을 이해할 수 있어야 한다는 점이다. 그런데 실제 업무에서 이런 원칙을 지키는 것은 쉽지 않다. 데이터의 특징이나 분석 결과물은 숫자인데 이를 시각적 요소로 변환하는 과정에서 필연적으로 질적인 변화가 발생하기 때문이다. 마치 애니메이션과 실사물의 차이처럼 내용과 주제는 같지만 표현하는 방식이 완전히 달라지는 것이다. 이 책의 독특함과 효용성은 숫자를 시각적 요소로 변환하는 과정에서 핵심적인 고려 사항을 구체적이고도 명확하게 제시하고 있다는 점이다. 예를 들어 분석 결과는 두 그룹의 평균 값의 비교일 수도 있고, 비율의 비교일 수도 있으며, 시간에 따른 추세의 변화일 수도 있고 심지어는 확률의 불확실성마저 분석 결과의 하나로서 시각화의 대상일 수 있다. 이렇게 다양한 분석 결과를 왜곡 없이 효과적으로 전달하기 위해 차트의 모든 구성 요소, 즉 축, 스케일, 차트 모양, 기호, 색상, 그래프 면적 등이 어떻게 서로 조화롭게 조직되어야 하는지 잘 정리되어 있어서 감수 작업을 하면서도 데이터 시각화에 대해 체계적으로 다시 한번 정리할 수 있는 유익한 계기가 되었다.

1장_ 시작하며: 이 책의 내용과 구성 __이 책의 예시 그래프를 이해하는 법 [1부] 데이터, 시각화로 날개를 달다 2장_ 데이터 시각화: '읽는' 데이터에서 '보는' 데이터로 __시각적 속성의 의미와 데이터 유형 __데이터 값을 시각적 속성으로 바꾸기 3장_ 위치 스케일: 좌표와 축 __데카르트 좌표 __비선형 축 __곡선 축이 있는 좌표계 4장_ 색상 스케일 __색을 활용한 데이터 구분 __색을 활용한 데이터 값 표현 __색을 활용한 강조 5장_ 다양한 시각화 방식 __수량의 시각화 __분포의 시각화 __비율의 시각화 __x-y 관계로 나타내는 시각화 __지리공간 데이터의 시각화 __불확실성의 시각화 6장_ 수량 데이터의 시각화 __막대 도표의 다양한 활용 __묶은 막대와 누적 막대 __점 도표와 히트맵 7장_ 데이터 분포의 시각화: 히스토그램과 밀도 도표 __단일 분포 상태의 시각화 __여러 분포 상태를 하나의 도표로 시각화 8장_ 데이터 분포의 시각화: 경험적 누적 분포 함수와 QQ 도표 __경험적 누적 분포 함수 __고도의 비대칭 분포 __QQ 도표 9장_ 여러 분포 상태의 결합 시각화 __가로축에 기준을 둔 분포 상태의 시각화 __세로축에 기준을 둔 분포 상태의 시각화 10장_ 비율 데이터의 시각화 __파이 차트 __병렬 막대 도표 __누적 막대와 누적 밀도 도표 __전체 대비 부분 비율의 표현 11장_ 내포된 비율 데이터의 시각화 __내포 비율 시각화의 잘못된 사례 __모자이크 도표와 트리맵 __내포 파이 차트 __평행 집합 12장_ 여러 정량 변수의 관계 시각화 __산점도 __상관곡선 __차원 축소 __쌍 데이터 13장_ 독립 변수의 시계열 데이터와 함수 시각화 __단일 시계열 데이터 __다중 시계열 데이터와 용량-반응 곡선 __2개 이상의 반응 변수를 포함한 시계열 데이터 14장_ 추세의 시각화 __평활화를 통한 데이터 보정 __정의된 함수 형식으로 추세 시각화 __추세 제거와 시계열 데이터 분해 15장_ 지리공간 데이터의 시각화 __투영 도법 __레이어를 활용한 지도 __단계구분도 __단순화한 카토그램 16장_ 불확실성의 시각화 __빈도의 개념을 이용한 확률의 시각화 __점 추정의 불확실성 시각화 __곡선 적합의 불확실성 시각화 __가설적 결과 도표 [2부] 그래프 디자인의 기본 원칙 17장_ 잉크 양 비례의 원칙 __선형 축 도표 그리기 __로그 축이 있는 도표 그리기 __데이터 값을 면적으로 나타내기 18장_ 오버플로팅: 겹치는 점 처리 방법 __반투명 값과 지터링 __2차원 히스토그램 __등고선 그래프 19장_ 효과적인 색 사용을 위한 조언 __목적 없는 무분별한 색 사용은 금물 __비단조적 색상 스케일 구성 __색각 이상자를 배려하자 20장_ 불필요한 기호화 __불필요한 기호화는 범례 디자인을 망친다 __범례가 없어도 좋은 도표 21장_ 여러 개의 패널로 구성된 도표 __소형 다중 패널 __복합형 도표 22장_ 제목, 캡션, 표의 효과적 활용 __도표 제목과 캡션 __축과 범례 제목 __표, 제대로 만들기 23장_ 데이터 이해를 돕는 시각화의 주변 요소 __적절한 수준의 요소 활용 __배경 격자 __쌍 데이터__ 24장_ 축 레이블의 글자는 큼직하게 25장_ 선 그림은 피하자 26장_ 3차원 그래픽과 차트는 그만 __불필요한 3차원 그래픽은 지양하자 __3차원 위치 스케일도 이제 그만 __3차원 시각화가 필요한 경우 [3부] 시각화 레벨업을 위한 꿀팁 27장_ 가장 흔히 쓰는 이미지 파일 형식 __비트맵과 벡터 그래픽 __비트맵 그래픽 무손실 및 손실 압축 __이미지 형식 변환하기 28장_ 올바른 시각화 소프트웨어 선택법 __재현 가능성과 반복 가능성 __데이터의 탐색적 분석과 데이터 표현 __내용과 디자인은 분리하자 29장_ 스토리텔링과 요점 전달 __이야기란 무엇일까 __장군님을 위한 도표 만들기 __방대한 정보는 복잡한 도표로 __기억에 남는 도표 만들기 __일관성을 유지하되 반복은 피할 것