jan16-14-68677421

차트는 뉴스의 너무나도 중요한 일부분입니다. 화면 앞에서 인간의 사고는 게을러지기 때문에, 차트는 뉴스 및 언론매체로부터 우리를 멀어지지 않게 하는 효과적인 방법입니다. (그들은 이를 두고 ‘참여’라고 이야기하죠.) 차트는 트윗보다도 더 강력한데, 그림 한 장이 140자 혹은 10,000자의 글자보다 더 가치있기 때문이죠. 저는 차트가 복잡한 개념을 이해하고 기존의 것들에 새로운 시각을 제공해 줌으로써 사람들에게 큰 도움을 주고 있다고 생각합니다. 시각화한다는 것은 그만큼 강력합니다.

그러나 다른 한편으로는, 차트는 그 자체가 뉴스가 되기도 합니다. 시각화라는 과정을 통해 더욱 강력해지는 차트를 사람들은 역으로 악용하려 하기도 합니다. 한 쪽에 치중된 토론이나, 많은 이해관계가 걸려있는 비즈니스에서 간혹 차트 제작자들은 설득력 있는 시각화와 정직하기 못한 조작 사이의 선을 아슬아슬하게 넘나듭니다.

최근, 뉴욕타임즈는 에어백 제조사 ‘타카타(Takata)’로부터 한 통의 이메일을 받았는데, 이메일에는 ‘타카타의 엔지니어들이 사람들의 주의를 딴 데로 돌리기 위해 에어백 테스트의 결과에 대한 차트의 색깔이나 선을 고의적으로 바꾼다’라는 내용이 포함되어 있었습니다. 이러한 대규모의 데이터 조작은 궁극적으로 혼다가 해당 에어백 제조사와의 관계를 청산하게 되는 결과를 초래했습니다.

사실 제가 그 차트를 직접 본 적이 없기 때문에 그 차트에 얼마나 조작이 심했는지 판단하기는 어렵습니다. 하지만 이는 회사의 관리자들이 언젠가 자신이 시각화 능력을 기르기 위해 차트에서 강조하고자 하는 부분을 바꾸고, 어떠한 데이터를 삭제하거나 추가하고 있는 입장이 될 수도 있다는 하나의 명백한 사례입니다.

여기 최근 뉴스가 되었던 하나의 차트가 있습니다.
CXbDeDiWAAArRA1
@GlobeHorowitz: 2015년 사상 가장 최악의 차트

이 차트의 의도는 아주 분명하나 표현된 방식이 너무나 허술해서 악의가 있다고 지적하기에도 웃긴 상황입니다. 정말 아마추어적인 조작에 불과하죠. 마치 체육시간에 수업을 땡땡이 치려는 한 학생이 선생님에게 건넨 쪽지처럼요. “오늘 스콧을 운동에서 좀 빼주세요 – 스콧의 엄마가” 미국 의회에서 이 차트가 제시되자마자 모든 사람들이 비난의 목소리를 냈습니다.

어떤 사람이 무언가를 진실인 것처럼 말하는 이유를 이해하기 위해 그들이 활용하는 몇 가지 테크닉을 알아보는 것은 꽤 도움이 될 것입니다. 이 테크닉을 이해함에 있어 가장 좋은 생각의 출발점은, 차트 제작자가 당신이 그 차트를 보았으면 한다는 의도를 알아채는 것입니다. 위의 사례의 경우, 모든 의사결정은 낙태의 증가와 암 검진이 역의 상관관계가 있다는 것에서 비롯되게끔 설계되었을 것입니다. 어느 하나가 증가하면, 다른 하나가 감소하죠. 두 개의 선을 교차시킴으로써 우리가 차트를 보는 그 즉시 들었던 생각을 실제로 주입하고자 했던 거죠. 만약 제가 수치를 보지 않았다면, 혹은 제가 청문회나 C-SPAN (미국연방의회 중계방송국)에서의 화면을 보는 것처럼, 수치를 확인하기도 힘든 상황이었다면, 그 효과는 더 컸을 것입니다. 저는 두 선을 교차시키는 것이 두 변인 간의 인과관계를 충분히 암시할 수 있다고 보았습니다. 차트를 그린 사람은 강한 색조의 빨간색 선으로 낙태의 증가를 표시함으로써, 차트에서 매우 ‘지배적인’ 이미지로 강조했지만, 그에 반해 암 검진자 수에 대한 그래프는 옅은 분홍색으로 표시함으로써, “이 빨간 선이 분홍 선보다 더 높게 증가하네”라는 메시지를 주입시키려 하고 있었습니다.

그렇다면 어떤 차트가 덜 조작되었다고 할 수 있을까요? 생각해보니, 어떠한 차트도 해당하지 않는 것 같군요! 많은 사람들은 y축을 암 검진/예방 서비스를 받은 전체 인구로 설정하고 선을 그렸습니다. 그건 이해가 가지만, 조금 더 살펴보았습니다. 여기서 이 조사에 해당하는 사람은 ‘여성’입니다. 2006년에서 2013년 사이에 여성의 인구에는 변동이 있었죠. 미국 인구조사국의 예상치를 활용하여, 차트 내의 값들은 저는 1000명의 여성 중 암 검진/예방 서비스를 받은 사람들의 수라는 ‘비율’로 수정해보았습니다. 그리고 10세 이하의 여성은 이 수치에서 제외했습니다.

W160107_BERINATO_CANCERSCREENINGS

2006년에 비해 2013년에 암 검진을 받은 사람들이 절반도 되지 않는다는 사실은 매우 흥미로웠고, 저는 왜 그런 현상이 발생했는지 궁금해졌습니다. 하지만 원래의 차트가 의도했던 바가 암 진단과 낙태의 상관관계를 보여주기 위해서였다면, 이제 왜 이 ‘비율’로 값을 적용한 차트가 사용되지 않았는지 알 수 있습니다. 그렇게 의도된 상관관계는 사실 그냥 존재하지 않았던 것입니다! 사실, 낙태율은 거의 변화가 없었습니다. 10세 이상의 여성 1000명 중 2.19명에서 2.33명으로 아주 소폭 증가했을 뿐이죠.

조금 전의 사례는 아주 쉬운 케이스였습니다. 아무리 합리화를 해도 낮은 수치의 값을 y축 상에서 높은 수치의 값 위에 배치할 순 없습니다. 그러나 이런 교묘한 트릭들은 이미 우리가 만드는 모든 차트에 존재합니다. 누군가는 이 차트가 2006년에서 2013년 사이의 자료는 포함하고 있지 않다고 반박할 수도 있지 않을까요? 만약 2010년에 낙태의 수가 2배가 되었다가, 다시 제자리에 돌아왔다면? 만약 암 진단을 위한 기금 제도가 갑자기 변화했다면? 아마 1달러의 펀딩 당 암 진단 횟수가 더 좋은 지표가 되었을까요? 모든 차트는 이러한 의사결정 과정을 포함합니다. 다시 말해 모든 차트는 이용 가능한 정보의 조작이라고 말할 수 있겠습니다.

이것은 최근 트위터에서 이슈가 되었던 더 교묘한 차트입니다.
CWN3D6nWUAUmQWW
2015년 12월 14일 – ‘당신이 꼭 알아야 하는 #기후변화 에 대한 유일한 차트입니다.”

이 트윗에 딸린 차트는 이 문제를 놓고 양 측으로 사람들을 갈라놓았습니다. 순식간에 리트윗을 한 사람들도 있던 반면, 이 차트가 ‘거짓말’이라고 하면서 격앙된 반응을 보인 사람들도 있었습니다. 하지만 이 차트는 분명 정확하게 그려졌습니다. 차트를 그린 사람은 낮은 값을 높은 값 위에 그린다든가, 관련된 어떤 데이터를 생략했다든가 하는, 어떠한 나쁜 조작도 가하지 않았습니다. 차트가 잘못된 부분은 없는데, 왜 일부에서는 이 차트에 대해 극도의 분노를 보였을까요?

가장 중요한 이 질문을 기억합시다. “당신이 이 차트를 보았을 때, 차트를 그린 사람이 의도하는 것은 무엇이라고 생각합니까?” 이 차트의 경우, 이 질문에 대한 답은 “아무것도 일어나지 않는다”일 것입니다. 차트 제작자는 당신이 그저 하나의 일직선을 보았으면 하죠. y축을 0으로 시작하여, 최고값의 2배 이상으로 끝점을 설정함으로써 그래프의 평평함은 더욱 강조되었습니다. y축을 세로로 더 늘릴수록, 차트에서 보이는 값들간의 간격은 더욱 짧아지고, 그래프를 평평하게 합니다.

하지만 그래프의 평평함은 단지 인위적인 조작의 차원에서만 바라볼 순 없습니다. 기온이 상승한다는 것은 온도가 1도 상승하는 사실 이외에도 여러 가지 의미가 있으니까요. 우리가 데이터를 읽거나 차트의 특정값에 생각해보지 않는다는 것을 이 차트를 만든 사람은 이해하고 있습니다. 우리는 그저 차트의 ‘외형’을 봅니다. 그리고 그 간결함에 반응합니다. 이는 심리학에서 게슈탈트 원리의 가장 중심이 되는 ‘프래그난츠의 법칙’과 연관되는데, 이것이 바로 간결함을 의미합니다. 인간은 어떤 것을 접했을 때 그 순간 보이는 가장 쉬운 의미를 받아들이는 경향을 보입니다.

그래서 우리는 이 평평한 그래프를 보고 그 모양과 연관되는 어떤 관습적인 사고방식을 거칩니다. 그리고 그 끝에는 ‘불변함’이라는 개념이 자리하죠. 아무것도 변하지 않고, 한결같고, 안전한 그런 느낌이 드는 셈입니다.

제가 이 차트의 사례를 좋아하는 부분은 바로, 당신이 이 차트를 그저 ‘사기꾼의 농간’이라고 간주하고 넘어갈 수 없다는 점입니다. 이 차트는 속임수 없이 정확하게 그려졌기 때문에, 이 차트가 잘못되었다고 생각하는 사람들에게, 이 차트는 분명 정확하게 그려졌고, 또한 어떤 추세를 설명하는 그래프에서 작은 변화가 왜 그렇게 중요한지 잘 설명해주고 있다고 생각합니다. 많은 사람들이 그냥 그렇게 했습니다. 역으로 어떤 사람들은 y축의 길이를 줄여 그래프의 기울기를 더 급하게 만들었습니다. 많은 과학적 접근들은 결국 이 차트의 지표를 ‘평균온도와의 차이’로 바꿈으로써 차트 내 그래프의 기울기를 급하게 만들었죠.

또 다른 방법은, 급격한 변화가 보였던 사실들을 평평한 선으로 그려봄으로써 게슈탈트를 공격하는 것입니다. 아래는 제가 위의 차트와 비슷한 테크닉을 이용해 그려본 차트입니다. y축을 최고값보다 훨씬 이상의 수준까지 확장시킴으로써 평평함을 강조하고자 했죠. (이 데이터는 실제가 아니고 설명을 위해 인위적으로 만든 것입니다.) 화살표를 오른쪽으로 끌어 왜 아무 변화가 없이 보이는 것이 실제로 문제가 되는지 확인해보세요.

Screen Shot 2016-03-13 at 8.59.12 PM

많은 사람들은 기후변화에 대한 이 차트가 “봐, 평평하잖아. 아무 일도 일어나지 않아. 이제 걱정은 그만해.”라고 말하기 위해 만들어졌다고 생각했습니다. 똑같은 논리를 체온으로 대입해본다면 이는 혼수 상태나 심지어 죽음까지 일으킬 수 있는 큰 문제입니다. 그래서 간혹, 평평한 그래프 조차 어떤 무언가를 의미합니다.

뉴스나 기업에서 만들어내는 시각화된 데이터를 ‘소비’하는 사람들은 차트가 객관적으로 그려졌는지 판단하기 위해서 프래그낸츠의 법칙에 적용되는 사고를 해서는 안됩니다. 사실, 우리의 시지각 시스템은 그런 자연스런 법칙에 따라 작동할 수 밖에 없습니다. 평평한 그래프를 보고 변화가 없다고 해석하는 것은 이와 같은 이치입니다. 당신이 할 수 있는 것은, 현재 보고 있는 것에 시간과 여유를 가지고 비판적으로 생각하는 것입니다. 마치 다른 누군가가 당신들에게 새로운 정보를 제시할 때 당신들이 보이는 그런 사고방식과 태도처럼요. 만약 매니저가 당신에게 “경쟁기업의 수익동향에 변화가 없기 때문에, 우린 걱정할 것이 없어”라고 메모를 적어 보냈다면, 당신은 과연 아무런 생각 없이 그 의견에 동의할 수 있을까요?

최근 한 연구에 따르면, 우리가 비판적 사고력을 향상시키고 끊임없이 연습한다면 시각적인 데이터에 대한 독해력을 향상시킬 수 있다고 합니다. 위의 사례에서 이렇게 발생하는 작은 논쟁들은 시각적인 데이터에 대한 독해력이 사람들 전반적으로 개선되고, 우리가 뉴스와 비즈니스에서 시각화하는 것에 대한 윤리적 범위를 어떻게 정의할 것인지에 대해 재고하기 시작했다는 중요한 신호입니다. 이러한 예시는 특히 정치 분야에서 많이 찾아볼 수 있는데, 사실 그 분석 자체는 그렇게 이념적이지는 않습니다. 타카타 사의 엔지니어들처럼, 케이스를 만들고, 협상에서 승리하며, 결과를 문서화 해야 하는 역할에 있는 매니저들에게는 이는 아주 중요한 문제입니다. 시각화 하는 과정에서 얻게 되는 힘을 그들은 과연 어떻게 통제할까요? 이것은 매우 큰 책임감이 요구되는 일이라는 것을 부디 인지했으면 합니다.

* 미국 인구조사국은 2006년에 각 연령대 별 여성의 인구 추정치를 발표했지만, 2013년에는 동일한 자료가 없습니다. 2013년 수치는 전체 인구의 51%를 여성으로 간주하고 (2006년의 여성 인구 비율과 동일합니다.) 10세 이하의 여성에 해당하는 13%의 비율을 제했습니다. (이 역시도 2006년의 데이터를 기반으로 같은 비율을 적용했습니다)

  • 원문 제목: Is That Chart Saying What You Think It’s Saying?
  • 한글 제목: 당신이 해석한 차트와 실제 차트의 차이
  • 저자 소개: 스콧 베리나토(Scott Berinato)는 하버드비즈니스리뷰의 상임 에디터이자, “Good Chart: The HBR Guide to Making Smarter, More Persuasive Data Visualizations”의 저자로, 이 책은 Harvard Business Review Press에서 출판될 예정이며, 현재 사전 주문이 가능합니다.
  • 원문 링크: https://hbr.org/2016/01/is-that-chart-saying-what-you-think-its-saying
  • 번역: 김태환 / HBR포럼코리아 (hbrforum.org)

댓글 남기기