기사 유형: 데이터 시각화 기사
스프레드시트에는 팀에 필요한 모든 숫자가 담겨 있을 수 있지만, 정작 가장 중요한 패턴은 파악하기 어렵게 만들 수 있습니다.
고객 지원 매니저가 요일별, 시간대별 티켓 건수를 검토하는 상황을 가정해 보겠습니다. 이 글에서 사용한 예제 데이터 세트에서는 화요일 오전 9시의 티켓 건수 34건에서 오전 11시에는 68건으로 증가하며, 수요일과 목요일에도 정오 무렵 유사한 증가세를 보입니다.
표에는 모든 수치가 나와 있습니다. 하지만 관리자가 화요일 오전 11시에 티켓 68건이 기록되었다는 사실만 관심 있을 리는 없을 겁니다.
더 유용한 질문들은 더 포괄적입니다.
수요가 정오 무렵에 반복적으로 정점을 찍나요? 가장 붐비는 시간대가 특정 요일에 집중되어 있나요? 특정 시간대가 주변 값과 비정상적으로 다르나요? 해당 시간대에 인력 배치 수준을 변경해야 합니까?
격자에서 해당 답을 찾으려면 행과 열 전반에 걸쳐 반복적인 비교를 해야 합니다.
히트맵은 색상의 농도를 활용해 높은 값, 낮은 값 또는 비정상적인 값을 시각적으로 명확히 구분함으로써 해당 작업의 방식을 개선합니다.
단순히 표를 더 다채롭게 만드는 것이 목적이 아닙니다. 이는 2차원 전반에 걸친 패턴을 더 쉽게 인식하도록 하기 위함입니다.
본 문서에서 '히트맵'은 주로 웹사이트 클릭 또는 스크롤 히트맵이 아닌 색상으로 코딩된 데이터 매트릭스를 의미합니다.
표는 값을 보여주지만 패턴은 파악하기 더 어렵습니다
사용자가 정확한 값을 검색해야 할 때 테이블은 효과적입니다.
관리자가 화요일 오전 10시에 접수된 지원 티켓의 정확한 개수를 알고 싶다면 해당 셀에서 즉시 답을 확인할 수 있습니다.
질문이 단일 값에서 패턴으로 바뀌면 작업은 더 어려워집니다.
늦은 오전이 오후보다 지속적으로 더 붐비는지 확인하려면 여러 날에 걸쳐 여러 셀을 비교해야 합니다. 테이블에 여전히 답이 담겨 있지만 해당 패턴이 바로 눈에 띄지 않을 수 있습니다.
고밀도 데이터는 비교 문제를 일으킨다
두 개의 의미 있는 차원이 반복적으로 교차할 때 어려움이 자주 발생합니다.
일반적인 구조는 다음과 같습니다:
일 × 시간
부서 × 지표
기계 × 교대
캠페인 × 채널
각 셀은 해당 차원들 간의 하나의 교차점을 나타냅니다.
조합의 수가 늘어나면 독자는 주변 행 및 열과 더 많은 값을 비교해야 하는데, 이때 히트맵이 유용하게 활용될 수 있습니다.
행과 열 전반에 걸친 이러한 색상 활용 방식은 Tableau의 “하이라이트 테이블 또는 히트맵 작성” 문서에서 범주형 데이터 비교에 대해 제시한 가이드라인과도 일치합니다.
지원 티켓 테이블에서 가시적인 패턴으로
여기에서 사용된 지원 티켓 데이터 세트에는 오전 9시부터 오후 3시까지의 7개 시간대와 월요일부터 금요일까지의 5개 평일이 포함되어 있습니다.
모든 티켓 수는 이미 원본 테이블에서 확인할 수 있습니다. 문제는 더 높은 값들이 의미 있는 패턴을 이루는지 식별하는 것입니다.
표만 읽어도 화요일 오전 10시 55장, 화요일 오전 11시 68장, 수요일 오전 11시 64장, 목요일 오전 11시 66장과 같은 개별 값을 확인할 수 있습니다.
동일한 값이 히트맵 으로 표시되면 더 광범위한 패턴을 더 쉽게 파악할 수 있습니다.
화요일 오전 11시에 가장 높은 개별 수치가 있으며티켓 68장입니다.
하지만 더 유용한 발견은 그 한 개의 세포에만 국한되지 않습니다.
화요일, 수요일, 목요일 전체에 걸쳐 티켓 건수는 높은 수준을 유지하며대략 오전 10시부터 오후 1시 사이에 집중됩니다. 인접한 고가 셀들이 뚜렷한 정오 시간대 클러스터를 형성합니다.
지원 관리자에게는 해당 패턴이 단일 최대 근무 시간보다 인력 배치 의사결정에 더 적합할 수 있습니다.
이 표는 정확한 집계 수치를 확인하는 데 여전히 유용합니다. 히트맵은 개별 값을 검토하기 전 전반적인 집중도를 더 쉽게 파악할 수 있도록 추가적인 정보 층을 제공합니다.
색상은 개별 값을 시각적인 패턴으로 변환합니다
히트맵은 각 값에 추가적인 시각적 신호를 부여합니다.
값이 높을수록 더 강렬하게 보일 수 있는 반면, 값이 낮을수록 덜 두드러지게 나타납니다. 다른 경우에는 색상이 의미 있는 기준점을 상회하거나 하회하는 움직임을 나타낼 수 있습니다.
정확한 수치는 여전히 중요합니다. 색상은 단순히 독자가 먼저 어디를 봐야 할지 결정하는 데 도움을 줄 뿐입니다.
수십 개의 셀을 하나씩 이동하는 대신, 독자는 집중된 영역을 발견하고 해당 영역을 생성한 행-열 조합을 파악한 뒤 기반이 되는 숫자로 돌아갈 수 있습니다.
이렇게 하면 독자가 복잡한 스프레드시트를 다루는 방식이 바뀔 수 있습니다:
가시적 패턴 → 관련 셀 → 정확한 값
해당 시퀀스는 질문이 개별적인 단일 수치가 아니라 집중도와 관련된 경우 특히 유용합니다.
가장 유용한 인사이트는 개별 셀이 아니라 클러스터인 경우가 많습니다
히트맵에서 가장 강렬한 셀이 자동으로 가장 중요한 발견 사항은 아닙니다.
지원 티켓 예시가 그 이유를 보여줍니다.
화요일 오전 11시가 최대 68장으로 가장 많습니다. 만약 분석을 거기서 멈춘다면, 결론은 단순히 화요일 오전 11시가 가장 붐비는 시간대라는 것일 수 있습니다.
주변 셀들이 더 유용한 정보를 알려줍니다.
화요일 오전 10시부터 오후 1시 사이에 발권 건수는 각각 55건, 68건, 63건, 57건으로 집계되었습니다.
수요일 기록은 52, 64, 61, 55입니다.
목요일 기록은 57, 66, 65, 58입니다.
이로 인해 여러 인접한 날짜와 시간대에 걸쳐 지속적인 대량 대역이 형성됩니다.
인력 배치 의사결정 시에는 고립된 단일 최댓값보다 반복적으로 나타나는 정오 시간대 집중 구간이 더 중요합니다.
반복적으로 나타나는 핫존은 활동이 집중되는 위치를 보여줍니다
고강도 세포의 집단은 활동이 반복적으로 집중되는 위치를 드러낼 수 있습니다.
지원 팀의 경우, 이 패턴은 인접한 여러 시간대에 추가 인력 배치가 필요함을 시사할 수 있습니다.
제조업에서는 특정 기계와 교대조를 중심으로 집중이 반복적으로 이뤄지면 운영상의 문제에 주의를 기울이게 될 수 있습니다.
마케팅 팀은 동일한 원칙을 사용하여 캠페인과 채널 전반의 성과를 비교할 수 있습니다.
비즈니스 환경은 변화하지만 분석이 필요한 핵심 질문은 여전히 비슷합니다:
"중요한 가치는 개별적으로 존재하는 것이 아니라 어디에서 함께 나타나는가?"
단리된 세포는 예외 사항을 가리킬 수 있습니다
군집만이 주목할 만한 유일한 패턴은 아닙니다.
주변 값과 크게 차이가 나는 단일 셀은 추가 조사가 필요한 예외 상황을 나타낼 수 있습니다.
평소에는 조용하던 구간이 갑자기 인접 구간보다 훨씬 활발해지면, 히트맵을 통해 이러한 편차를 더 쉽게 파악할 수 있습니다.
그 원인을 설명할 수 없습니다.
다음 단계는 여전히 기본 기록과 관련 비즈니스 이벤트를 확인하는 것입니다. 제품 출시, 서비스 중단, 캠페인, 청구 문제 또는 기타 이벤트가 해당 변화의 원인일 수 있습니다.
이 구분은 매우 중요합니다.
시각화는 무언가가 발생한 이유를 입증하지 않고도 조사해야 할 지점을 보여줄 수 있으며 무언가가 발생한 이유.
색상은 히트맵을 더 명확하게 만들거나 오해를 불러일으킬 수 있습니다
색상은 히트맵의 주요 시각적 표현 수단이지만, 가장 오해하기 쉬운 요소 중 하나이기도 합니다.
동일한 데이터 세트라도 값을 인코딩할 때 사용하는 스케일, 중점 및 범위에 따라 모습이 크게 달라 보일 수 있습니다.
따라서 독자는 시각적 강도를 마치 원래 측정값인 것처럼 취급하는 것을 피해야 합니다.
색상은 데이터를 나타내는 것일 뿐, 데이터 그 자체는 아닙니다.
규모는 중요해 보이는 요소를 바꾼다
대부분의 값이 90에서 100 사이에 있다고 상상해 보십시오.
색상 척도가 해당 범위에 꽉 맞춰져 있으면 91과 99 사이의 시각적 차이가 극적으로 보일 수 있습니다.
운영상 8점의 변화가 중요한 경우에는 그것이 적절할 수 있습니다.
하지만 기업이 90에서 100 사이의 값을 본질적으로 유사하다고 간주할 경우, 동일한 디자인이 시각적으로 작은 차이를 과장할 수 있습니다.
척도가 너무 광범위할 경우 반대의 문제가 발생합니다.
중요한 값이 40에서 80 사이에 있는데 전체 측정 범위는 0에서 1000까지라고 가정해 보세요. 실제로 의미 있는 해당 범위 내의 차이를 파악하기 어려워질 수 있습니다.
따라서 히트맵은 범례 및 기반 값과 함께 해석해야 합니다.
어두운 셀은 이를 생성한 척도와의 연관 속에서만 의미를 갖는다.
의미 있는 중간값은 최댓값보다 더 중요할 수 있다
일부 히트맵은 단순히 낮은 값에서 높은 값으로 이동하는 방식을 따르지 않습니다.
예산 차이는 유용한 사례를 제공합니다.
값이 0이라는 것은 지출이 예산과 일치했음을 의미할 수 있습니다.
양수 값은 과잉 지출을 나타낼 수 있는 반면, 음수 값은 부족한 지출을 나타냅니다.
그 경우 중요한 정보는 0점으로부터의 방향과 거리입니다.
발산형 색상 척도는 해당 기준점의 양쪽에 있는 값을 구분할 수 있습니다.
따라서 중간값은 해당 데이터의 비즈니스 의미를 반영해야 합니다.
단순히 최댓값만 강조하는 것보다 0, 목표치, 평균 또는 다른 임계값을 제시하는 것이 더 유용한 정보를 제공할 수 있습니다.
위치가 의미를 가질 때 히트맵이 가장 효과적입니다
히트맵을 사용하기로 결정할 때 스프레드시트의 크기부터 고려해서는 안 됩니다.
비교의 구조부터 시작해야 합니다.
다음과 같은 행렬, 즉 시간 × 요일 방식이 작동하는 이유는 모든 위치가 의미 있는 시간 조합을 나타내기 때문입니다.
이것이 바로 지원 티켓 예시에서 일어나는 일입니다. 수평으로 이동하면 여러 날의 동일한 시간을 비교하는 것이고, 수직으로 이동하면 같은 날의 서로 다른 시간을 비교하는 것입니다.
다른 구조물들도 동일한 원리로 작동할 수 있습니다.
지표 × 부서를 사용하면 동일한 지표를 여러 팀에 걸쳐 배치할 수 있습니다.
기계 × 교대는 반복적인 운영 집중 현상을 더 쉽게 파악할 수 있게 해줍니다.
각각의 경우에서 셀의 위치는 해석에 영향을 미칩니다.
그것이 바로 히트맵에 분석적 가치를 부여하는 요소입니다.
히트맵은 반복적인 행 및 열 비교를 지원합니다
히트맵은 독자가 반복되는 행-열 교차점에서 동일한 지표를 비교해야 할 때 가장 유용합니다.
대규모 데이터 세트 자체만으로는 이를 사용해야 할 충분한 이유가 되지 않습니다.
수천 개의 관측치는 여전히 질문에 따라 추세, 순위, 분포 또는 관계로 더 잘 표현될 수 있습니다.
행렬 구조는 행의 개수보다 더 중요합니다.
다른 차트가 더 읽기 쉬운 경우는 언제인가요?
더 간단한 차트가 질문에 더 직접적으로 답할 수 있는 경우, 히트맵은 해당 차트를 대체해서는 안 됩니다.
1년간의 월별 수익은 기본적으로 순서가 있는 시간 추세이므로 꺾은선형 차트 가 일반적으로 더 명확합니다.
두 개의 연속형 수치 변수 간의 관계를 조사하는 것이 목표일 경우, 산점도 가 더 적합합니다.
개별 관측값의 분포는 히스토그램을 사용하면 더 쉽게 이해할 수 있습니다.
데이터가 많다고 해서 히트맵이 적절한 차트라는 의미는 절대 아니다.
비교의 구조가 더 중요하다.
패턴은 의사결정으로 이어질 때 유용해집니다
가장 어두운 셀을 찾는 것은 히트맵의 최종 목적이 아닙니다.
실질적인 성과는 해당 가시적인 패턴이 사람이 조사해야 할 사항, 우선순위를 정해야 할 사항 혹은 결정해야 할 사항을 변화시키는지 여부를 파악하는 것이다.
지원 티켓 데이터로 돌아가기.
협의로 해석하면 다음과 같습니다:
화요일 오전 11시의 티켓 발권량이 68건으로 가장 많습니다.
해당 항목은 값을 보고합니다.
더 유용한 해석은 다음과 같습니다:
화요일부터 목요일까지 정오 무렵의 티켓 처리 건수가 여전히 높은 수준을 유지하고 있어, 해당 시간대의 인력 배치 적정성에 대한 검토가 필요한 것으로 보입니다.
현재 시각화는 4단계를 거쳤습니다:
색상 → 패턴 → 해석 → 의사결정
동일한 논리가 다른 분야에서도 적용됩니다.
장비 문제가 집중적으로 발생하면 유지보수 팀이 특정 기계-교대조 조합에 집중하게 될 수 있습니다.
예산 차이 행렬은 어떤 부서가 반복적으로 목표에서 벗어나는지 보여줄 수 있습니다.
이러한 결정 중 어느 것도 오직 색깔만을 근거로 내려져서는 안 됩니다.
시각화 결과를 의사결정 지원에 활용하기 전에 원본 값, 단위, 척도, 레이블 및 비즈니스 맥락을 여전히 확인해야 합니다.
지원 티켓 사례는 이것이 왜 중요한지도 명확히 보여줍니다. 히트맵을 보면 화요일부터 목요일까지의 정오 시간대 집중 현상이 시각적으로 명확하게 드러나지만, 실제로 인력 배치를 변경할지 여부를 결정하려면 티켓 복잡도, 해결 시간, 현재 인력 수준, 서비스 목표 등 추가 정보가 필요합니다.
이 차트는 하나의 패턴을 식별해 줍니다. 비즈니스 맥락에 따라 해당 패턴을 어떻게 활용할지가 결정됩니다.
따라서 최적의 히트맵이 반드시 색상이 가장 선명한 히트맵인 것은 아닙니다.
이 도구는 근본적인 차이를 왜곡하지 않으면서도 중요한 비교를 더 쉽게 인식할 수 있게 해줍니다.
데이터가 이미 의미 있는 행과 열 행렬을 형성하고 있는 경우, 히트맵 생성기는 이러한 값을 시각적 패턴으로 전환하는 데 필요한 수동 작업을 줄일 수 있습니다. 차트를 결정에 사용하기 전에 결과 척도, 레이블 및 소스 값을 검토해야 합니다.