2.1 데이터 시각화의 기본 개념2.1.1 데이터, 정보, 지식의 관계2.1.2 데이터 시각화의 목적2.1.3 게슈탈트 원리와 데이터 시각화1. 가까운 것끼리 묶자 (근접성)2. 비슷한 것끼리 묶자 (유사성)3. 닫힌 것을 하나로 묶자 (폐쇄성)4. 나열된 요소를 하나로 묶자 (연속성)2.1.4 색상 이론과 시각화에서의 적용1. 색상 조화2. 색상의 의미3. 색각 이상자를 위한 고려2.1.5 데이터 인코딩: 시각적 변수1. 위치2. 길이3. 각도4. 면적5. 부피6. 색상7. 질감2.2 데이터 시각화 유형2.2.1 막대 차트2.2.2 선 그래프2.2.3 파이 차트2.2.4 산점도2.2.5 버블 차트2.2.6 히트맵2.2.7 지도: 단계구분도, 버블맵, 히트맵1. 단계구분도2. 버블맵3. 지도 히트맵
2.1 데이터 시각화의 기본 개념
데이터 시각화는 차트, 그래프, 지도, 대시보드와 같은 시각적 요소를 사용하여 정보와 데이터를 그래픽으로 표현하는 것이다. 이는 복잡한 데이터를 더 이해하기 쉽게 만들기 위해 패턴, 추세, 통찰력을 강조하는 과정이다. 데이터 시각화는 단순히 데이터를 보기 좋게 꾸미는 것을 넘어, 데이터를 시각적 맥락에서 전달하고 번역하는 프로세스이다.
이를 통해 사용자는 데이터를 직관적으로 이해하고, 중요한 인사이트를 빠르게 파악할 수 있다. 그래프, 차트, 막대 등 다양한 시각적 보조 도구를 활용하여 데이터를 시각적으로 표현하면, 다양한 데이터 집합 간의 관계를 명확히 전달할 수 있다.
2.1.1 데이터, 정보, 지식의 관계
- 데이터는 원시적인 사실이나 수치를 의미한다.
- 정보는 이러한 데이터를 조직화하고 맥락을 부여한 것이다.
- 지식은 정보를 이해하고 적용할 수 있는 능력을 말한다.
데이터 시각화는 이 과정에서 데이터를 정보로, 그리고 궁극적으로 지식으로 변환하는 데 중요한 역할을 한다. 데이터를 시각화 하면 단순한 숫자나 텍스트 이상의 의미를 전달할 수 있으며, 이를 통해 사용자들은 데이터를 더 잘 이해하고 활용할 수 있게 된다.
2.1.2 데이터 시각화의 목적
데이터 시각화의 주요 목적은 복잡한 데이터를 이해하기 쉽게 만드는 것이다. 효과적인 시각화는 다음과 같은 원칙을 따른다.
- 명확성
- 데이터를 왜곡 없이 정확하게 표현해야 한다. 데이터의 진실성을 유지하고, 사용자에게 혼란을 주지 않도록 해야 한다.
- 효율성
- 최소한의 시각적 요소로 최대한의 정보를 전달해야 한다. 불필요한 장식이나 복잡한 요소는 배제하고, 핵심 정보에 집중해야 한다.
- 미학
- 시각적으로 매력적이어야 사용자의 관심을 끌 수 있다. 아름다운 디자인은 사용자의 주의를 끌고, 정보를 더 쉽게 이해하게 한다.
- 기능성
- 사용자가 데이터를 탐색하고 인사이트를 얻을 수 있어야 한다. 인터랙티브 요소를 포함하여 사용자가 데이터를 직접 조작하고 분석할 수 있게 한다.
2.1.3 게슈탈트 원리와 데이터 시각화
게슈탈트 원리는 인간이 시각적 정보를 어떻게 인식하고 조직하는지 설명하는 심리학 이론이다. 이는 사용자가 데이터를 더 직관적으로 이해하고, 복잡한 정보를 쉽게 파악할 수 있게 하기 때문에 데이터 시각화에서 매우 중요한 개념으로 적용한다. 다음은 게슈탈트 원리의 주요 개념과 이를 데이터 시각화에 적용하는 방법이다.
1. 가까운 것끼리 묶자 (근접성)
가까이 있는 요소들은 그룹으로 인식된다. 데이터 시각화에서는 관련된 데이터 포인트를 가깝게 배치하여 사용자가 한눈에 그 관계를 파악할 수 있게 한다. 예를 들어, 막대 그래프에서 관련된 데이터 포인트를 서로 가깝게 배치하면, 사용자는 이들이 같은 카테고리에 속한다고 자연스럽게 이해하게 된다.
.png?table=block&id=fffebf76-ee8a-81fb-aedd-e0b2f2872ba3&cache=v2)
같은 크기의 원이 같은 개수로 모여 있다고 해도 왼쪽의 A그룹과 오른쪽의 B그룹의 느낌이 다르게 다가온다. A그룹은 전체가 하나라는 인상을 주지만 B그룹은 각 열이 구분되어 있어 B그룹 내에서도 각 열을 서로 다른 그룹이라고 인식하게 된다.
위 이미지는 네이버 날씨의 주간예보이다. 각 요일마다 오전, 오후로 나누어 날씨를 표현했는데 요일마다 요소의 간격을 두어 일주일의 날씨를 하나의 덩어리가 아닌 각 요일 별 날씨로 인식하게 한다. 근접성의 원리를 반대로 적용하여 적용한 사례이다.
2. 비슷한 것끼리 묶자 (유사성)
비슷한 모양, 색상, 크기의 요소들은 서로 관련이 있다고 인식된다. 데이터 시각화에서는 동일한 카테고리나 그룹의 데이터를 같은 색상이나 형태로 표현하여 사용자가 쉽게 구분할 수 있게 한다.
.png?table=block&id=fffebf76-ee8a-8123-9d5c-c1ef41ba364a&cache=v2)
크기, 모양. 색상 순으로 유사성의 인상을 높일 수 있으며 그룹화가 더 잘 되어 보인다. 아래 이미지를 보면 각 나라별 크기나 모양은 달라도 동일한 색상을 가지면 같은 그룹으로 인식하게 된다.
3. 닫힌 것을 하나로 묶자 (폐쇄성)
불완전한 형태도 완전한 형태로 인식하려는 경향이 있다. 데이터 시각화에서는 일부 정보가 생략되더라도 사용자가 전체 패턴을 인식할 수 있도록 돕는다. 예를 들어, 점선이나 선으로 이루어진 그래프도 사용자는 전체적인 트렌드를 인식할 수 있다.
4. 나열된 요소를 하나로 묶자 (연속성)
눈은 자연스러운 경로를 따라 움직인다. 데이터를 자연스러운 흐름으로 배열하여 사용자가 데이터를 따라가며 이해할 수 있도록 해야 한다. 예를 들어, 범프 그래프에서는 데이터 포인트를 연속적인 선으로 연결하여 시간 경과에 따른 변화를 쉽게 이해할 수 있다.
게슈탈트 원리는 UI/UX에 많이 사용되지만 데이터 시각화에도 적용할 수 있다. 이런 원리는 데이터의 구조와 관계를 명확히 하고, 사용자에게 더 나은 시각적 경험을 제공하는 데 중요한 역할을 한다.
2.1.4 색상 이론과 시각화에서의 적용
데이터 시각화에서 색상을 적절히 사용하면 사용자가 데이터를 더 쉽게 이해하고 인식할 수 있게 된다. 시각화에서 색상은 데이터를 구분하거나, 강조하거나, 값의 범위를 나타내는 데 사용될 수 있다. 다음은 색상 이론의 주요 개념과 이를 시각화에 적용하는 방법이다.
1. 색상 조화
색상 조화는 유사 색 등을 이용한 조화로운 배색을 의미한다. 데이터 시각화에서 색상 조화를 적절히 활용하면, 시각적 일관성을 유지하고, 사용자가 데이터를 쉽게 인식할 수 있게 된다. 예를 들어, 보색을 사용하여 서로 대비되는 데이터를 강조하거나, 유사색을 사용하여 연속적인 데이터를 부드럽게 연결할 수 있다.
.png?table=block&id=fffebf76-ee8a-81db-af7a-db82a2a5e731&cache=v2)
2. 색상의 의미
데이터 시각화에서 색상의 의미를 고려하면, 데이터를 더 효과적으로 전달할 수 있다.
색칠할 변수가 숫자이거나 기본적으로 순서가 지정된 값이 있는 경우 색이 연속적으로 이어지는 순차 생상으로 묘사할 수 있다. 일반적으로 낮은 값은 밝은 색과 관련이 있고, 높은 값은 어두운 색과 관련이 있다.
숫자 변수의 중앙값이 0과 같이 의미가 없는 경우 발산 색상을 적용할 수 있다. 양쪽은 중앙값보다 큰 값이고, 중앙을 제외한 양쪽에는 서로 다른 색상이 순차 색상으로 지정된다.
.png?table=block&id=fffebf76-ee8a-8180-81ab-d348eed86ced&cache=v2)
3. 색각 이상자를 위한 고려
색맹, 색약 등의 색각 이상자를 위한 배색 선택은 모든 사용자가 데이터를 이해할 수 있도록 돕는다. 데이터 시각화에서 색상 외에도 패턴이나 텍스처를 사용하여 데이터를 구분할 수 있게 하면, 색각 이상자도 데이터를 쉽게 이해할 수 있다. 예를 들어, 빨간색과 녹색을 함께 사용하지 않거나, 서로 다른 패턴을 사용하여 데이터를 구분할 수 있다.
2.1.5 데이터 인코딩: 시각적 변수
데이터를 시각적 요소로 변환하는 과정을 데이터 인코딩이라고 한다. 이를 통해 데이터의 특성을 시각적으로 표현할 수 있으며, 데이터 시각화에서 주로 사용되는 시각적 변수들은 다음과 같다.
1. 위치
위치는 2D 또는 3D 공간에서 데이터 포인트의 위치를 나타낸다. 이는 지리적 데이터를 시각화 하거나, 산점도와 같은 그래프에서 데이터의 분포를 표현하는 데 효과적이다. 예를 들어, 지도를 사용하여 특정 지역의 데이터를 시각화 할 때 위치를 활용할 수 있다.
아래 이미지는 잉글리쉬 헤리티지(English Heritage)에서 만든 블루 플라크(Blue Plaque) 설치 현황을 런던 지도에 나타낸 점 밀집도 이다.
2. 길이
길이는 막대 그래프에서 주로 사용되며, 데이터의 크기를 비교하는 데 유용하다. 긴 막대와 짧은 막대를 비교하여 각 항목의 값을 쉽게 파악할 수 있다. 아래 이미지는 국가 별 보유하고 있는 사이트 수를 둥근 막대 그래프로 나타낸 것이다. 길이가 제일 긴 스웨덴이 가장 많은 사이트를 보유한 국가임을 알 수 있다
3. 각도
각도는 원형 차트에서 사용되며, 데이터의 비율을 나타낸다. 원형 차트는 전체에 대한 부분의 비율을 쉽게 이해할 수 있게 한다. 데이터를 원형 차트로 나타내어 각 항목이 전체에서 차지하는 비율을 한눈에 파악할 수 있다.
4. 면적
면적은 버블 차트 등에서 사용되며, 데이터의 크기를 비교하는 데 효과적이다. 버블 차트에서는 각 데이터 포인트가 거품(버블)의 크기로 표현되며, 이를 통해 데이터의 크기를 비교할 수 있다.
5. 부피
부피는 3D 시각화에서 사용되며, 데이터의 양을 나타낸다. 3D 그래프에서는 데이터 포인트가 부피로 표현되어 데이터를 더 입체적으로 이해할 수 있게 한다. 각 정육면체는 세계 문화유산을 나타내며 색상의 강도는 2004년 이전과 이후를 구분한다.
6. 색상
색상은 범주형 데이터나 연속형 데이터를 표현하는 데 사용된다. 색상은 데이터를 구분하거나, 강조하거나, 값의 범위를 나타내는 데 유용하다. 예를 들어, 열지도(히트맵)에서 색상을 사용하여 각 지역의 온도 분포를 나타낼 수 있다.
.png?table=block&id=fffebf76-ee8a-81ac-aab6-dbf22fca86ea&cache=v2)
7. 질감
질감은 추가적인 차원의 데이터를 표현할 때 사용된다. 질감을 통해 데이터의 특성을 더 명확하게 전달할 수 있다. 지도 위 국가를 다른 텍스쳐로 표현해 공통분모의 국가를 볼 수 있다.
이러한 시각적 변수들은 각각의 데이터 특성에 맞게 적절히 사용될 수 있다. 위치와 길이는 정량적 데이터를 표현하는 데 효과적이며, 색상은 범주형 데이터를 구분하는 데 유용하다. 이러한 기본 개념들을 이해하고 적절히 적용함으로써, 데이터의 특성을 잘 반영하면서도 사용자가 직관적으로 이해할 수 있는 효과적인 데이터 시각화를 만들 수 있다.
2.2 데이터 시각화 유형
데이터 시각화는 다양한 유형이 있으며, 각각의 유형은 특정한 데이터 유형과 목적에 맞게 사용해야 한다.
2.2.1 막대 차트
막대 차트는 범주형 데이터를 비교하는 데 가장 널리 사용되는 차트 유형이다. 각 데이터 항목은 막대로 표시되며, 막대의 길이나 높이는 해당 항목의 값에 비례한다. 막대 차트는 명확한 시각적 비교를 제공하기 때문에, 데이터를 빠르게 이해하고 항목 간 차이를 쉽게 식별할 수 있다.
막대 차트는 수평 또는 수직으로 나타낼 수 있다. 수직 막대 차트는 일반적으로 "세로 막대 차트"라고 불리며, 각 범주는 x축에, 데이터 값은 y축에 배치된다. 반면, "가로 막대 차트"는 범주가 y축에, 데이터 값이 x축에 배치되어 비교 대상이 많은 경우 유용하다.
막대 차트는 다음과 같은 상황에서 효과적으로 사용된다.
- 범주 간 비교
- 여러 범주를 비교할 때 적합하다. 예를 들어, 월별 매출을 비교하거나, 각 나라별 인구 수를 비교할 때 사용된다.
- 시간 흐름에 따른 변화
- 특정 기간 동안의 변화를 보여주기 위해 사용할 수 있다. 이 경우 막대 차트는 시계열 데이터에 적용할 수 있지만, 데이터 포인트가 많아지면 꺾은선 차트와 같은 다른 유형의 차트를 사용하는 것이 더 적합할 수 있다.
- 누적 비교
- 누적 막대 차트(stacked bar chart)는 각 항목 내에서 여러 요소를 비교할 수 있는 방법을 제공한다. 예를 들어, 각 월의 매출을 제품군 별로 나누어 비교할 수 있다.
2.2.2 선 그래프
.png?table=block&id=fffebf76-ee8a-81ab-a99f-d0c1a5d08b25&cache=v2)
선 그래프는 연속적인 데이터를 시각적으로 표현하는 데 주로 사용되는 차트 유형이다. 시간에 따른 변화를 보여주거나, 두 변수 간의 관계를 명확하게 드러내는 데 효과적이다.
각 데이터 포인트를 선으로 연결하여 데이터를 연속적으로 표현하며, 변동 추세나 패턴을 한눈에 파악할 수 있다.
선 그래프는 주로 다음과 같은 상황에서 사용된다.
- 시간 흐름에 따른 변화
- 주로 시간 경과에 따른 데이터를 나타낼 때 사용되는데 예를 들어, 주간 또는 월간 판매량 변화를 나타내거나, 주가 변동을 시각화 하는데 적합하다.
- 연속적 데이터 표현
- 연속적인 데이터가 있을 때 선 그래프는 그 사이의 추세나 패턴을 쉽게 파악할 수 있게 해준다. 데이터 포인트 간의 간격을 시각적으로 연결함으로써, 특정 구간에서의 증감이나 변화 양상을 명확하게 확인할 수 있다.
- 다중 데이터셋 비교
- 여러 라인을 통해 다중 데이터셋을 동시에 비교할 수 있다. 예를 들어, 두 제품의 매출 변화를 시간에 따라 비교하거나, 다양한 부서의 성과를 비교하는 데 유용하다.
2.2.3 파이 차트
.png?table=block&id=fffebf76-ee8a-81b8-bfc0-e6f0bb62599f&cache=v2)
파이 차트는 전체에 대한 각 항목의 비율을 시각적으로 표현하는 데 사용되는 대표적인 차트 유형이다. 원형으로 구성된 파이 차트는 각 섹터(조각)가 전체에 대해 차지하는 비율을 나타내며, 각 섹터의 크기는 해당 항목의 비율에 비례한다. 파이 차트는 주로 비율, 분포 또는 구성 비율을 보여줄 때 효과적이다.
파이 차트는 다음과 같은 상황에서 유용하다.
- 구성 비율 시각화
- 파이 차트는 전체의 일부를 나타내는 데 최적화되어 있다. 예를 들어, 회사의 총 매출에서 각 제품이 차지하는 비율이나, 한 해 예산에서 각 부문이 차지하는 비율을 시각적으로 표현할 수 있다.
- 비율 비교
- 파이 차트는 몇 개의 항목 간 비율을 쉽게 비교할 수 있도록 돕는다. 항목의 수가 적을수록 파이 차트는 더 명확한 비교를 제공한다.
파이 차트는 간단하고 직관적이지만, 3가지 주의 사항을 고려해야 한다.
- 항목의 수
- 항목의 수가 너무 많을 경우 파이 차트는 복잡해지고 읽기 어려워질 수 있다. 보통 5~6개의 항목을 넘지 않는 것이 좋다.
- 비율의 정확성
- 파이 차트는 정량적 비교보다는 대략적인 비율을 보여주는 데 적합하다. 비슷한 크기의 조각들은 명확하게 구분하기 어려울 수 있으므로 차이가 미세한 경우 다른 차트 유형을 고려하는 것이 좋다.
- 색상 사용
- 각 섹터를 구분하기 위해 다양한 색상을 사용해야 하지만, 너무 많은 색상을 사용하면 혼란을 줄 수 있으므로 색상의 수를 제한하는 것이 바람직하다.
2.2.4 산점도
.png?table=block&id=fffebf76-ee8a-8108-ae84-d60f6dfb9a9c&cache=v2)
산점도는 두 변수 간의 관계를 시각화 하는데 유용한 차트 유형이다. 데이터를 x축과 y축에 점으로 나타내어 두 변수 사이의 상관관계나 분포를 파악하는 데 도움을 준다. 각 점은 두 변수의 값에 해당하며, 이러한 점들의 분포는 변수 간의 관계를 직관적으로 보여준다.
산점도는 다음과 같은 상황에서 효과적으로 사용된다.
- 두 변수 간의 관계 분석
- 산점도는 두 변수가 서로 어떤 관계가 있는지 확인할 때 유용하다. 예를 들어, 학생들의 공부 시간과 시험 성적 간의 상관관계를 분석하거나, 제품의 가격과 판매량 간의 관계를 시각화 할 수 있다.
- 패턴 및 트렌드 식별
- 점들이 특정 패턴을 형성하면 두 변수 사이의 상관관계를 알 수 있다. 점들이 대체로 상승하는 경향이 있으면 양의 상관관계, 하락하는 경향이 있으면 음의 상관관계가 존재한다고 해석할 수 있다.
- 이상치 탐지
- 산점도는 데이터의 이상치를 시각적으로 쉽게 식별할 수 있는 도구이다. 대다수의 데이터 점들과 크게 떨어진 점들은 비정상적이거나 특별한 케이스로 간주될 수 있다.
산점도를 다루기 전, 3가지 주의사항이 있다.
- 상관관계
- 점들이 한쪽으로 몰리거나 특정 경향을 보이는 경우, 두 변수 간의 상관관계가 있다고 해석할 수 있다. 상관관계는 양수일 수도, 음수일 수도 있으며, 상관관계의 강도는 점들의 밀집도에 따라 달라진다.
- 독립성과 종속성
- 산점도 에서는 일반적으로 x축이 독립 변수, y축이 종속 변수로 설정된다. 이는 독립 변수가 종속 변수에 미치는 영향을 분석하는 데 도움을 준다.
- 데이터 분포
- 점들의 분포가 특정한 형태를 가지지 않는다면 두 변수 간에 특별한 상관관계가 없다고 해석될 수 있다. 이러한 경우, 변수들은 독립적일 가능성이 높다.
2.2.5 버블 차트
.png?table=block&id=fffebf76-ee8a-81c3-8a00-d48237c7dc11&cache=v2)
버블 차트는 산점도의 확장된 형태로, 세 개 이상의 변수를 동시에 시각화 하는데 사용된다. x축과 y축을 사용하여 두 변수를 나타내고, 각 데이터 포인트는 원(버블)으로 표현된다. 이때, 버블의 크기는 세 번째 변수를 나타낸다. 따라서 버블 차트는 세 가지 데이터를 한 번에 비교하거나, 각 변수 간의 상관관계를 탐색하는 데 유용하다.
버블 차트는 다음과 같은 상황에서 효과적이다.
- 다차원 데이터 표현
- 버블 차트는 3차원 데이터를 시각적으로 쉽게 이해할 수 있게 한다. 예를 들어, 제품의 가격(x축), 판매량(y축), 그리고 시장 점유율(버블의 크기)을 동시에 시각화 하여 각 변수 간의 관계를 파악할 수 있다.
- 상대적인 비교
- 각 데이터 포인트의 크기를 통해 상대적인 중요도를 표현할 수 있다. 이는 특정 범주나 항목이 다른 것들과 어떻게 비교되는지 명확하게 보여줄 수 있다.
- 데이터 그룹 간 차이
- 여러 데이터 그룹을 시각화 할 때 버블 차트는 그룹 간 차이를 쉽게 파악하게 해준다. 각 버블은 색상이나 크기를 통해 구별할 수 있어, 데이터 그룹 간의 차이를 명확하게 보여준다.
2.2.6 히트맵
.png?table=block&id=fffebf76-ee8a-8100-8909-e583a9ed8fe5&cache=v2)
히트맵은 데이터의 값에 따라 색상을 다르게 표시하여 패턴, 트렌드, 상관관계를 시각적으로 표현하는 차트 유형이다.
행과 열로 구성된 2차원 데이터 구조에서 각 셀의 색상 강도는 해당 데이터 값의 크기나 빈도를 나타낸다. 히트맵은 복잡한 데이터를 색상으로 직관적으로 표현하기 때문에 대량의 데이터를 빠르게 분석하고 이해하는 데 유용하다.
히트맵은 다음과 같은 상황에서 사용된다.
- 데이터 분포 확인
- 데이터를 분석할 때 특정 값들이 어떤 패턴으로 분포되어 있는지 쉽게 파악할 수 있다. 예를 들어, 고객의 행동 패턴이나 웹사이트에서 사용자의 클릭 분포를 분석할 때 유용하다.
- 패턴 식별
- 많은 데이터셋이 있을 때 숫자나 텍스트만으로는 패턴을 파악하기 어렵지만, 히트맵을 사용하면 색상을 통해 데이터 패턴을 시각적으로 쉽게 식별할 수 있다.
- 상관관계 분석
- 행과 열로 구성된 데이터를 비교할 때, 히트맵은 변수 간의 상관관계를 색상으로 표시하여 두 변수 간의 관계를 시각적으로 나타낸다.
2.2.7 지도: 단계구분도, 버블맵, 히트맵
지도를 활용한 시각화로 지리적 데이터나 공간적 분포를 효과적으로 나타낼 수 있다. 지도를 기반으로 한 데이터 시각화는 데이터가 위치와 밀접하게 연관될 때 사용되며, 이를 통해 데이터의 공간적 패턴과 차이를 명확히 시각화 할 수 있다. 지도 시각화의 대표적인 유형으로는 단계구분도, 버블맵, 지도 히트맵이 있다.
지도 기반의 데이터 시각화는 지리적 맥락을 고려한 데이터 해석에 유용하며, 단계구분도, 버블맵, 지도 히트맵은 각각의 특성에 맞게 활용될 수 있다.
1. 단계구분도
단계구분도는 지도를 기반으로 하여 각 구역 또는 영역을 색상으로 구분하여 특정 변수의 크기를 표현하는 시각화 방식이다. 각 구역의 색상은 데이터 값에 따라 다르게 나타나며, 일반적으로 데이터 값이 클수록 짙은 색상, 작을수록 연한 색상으로 표시된다. 단계구분도는 지리적 분포나 지역 간의 차이를 쉽게 비교할 수 있게 해준다.
2. 버블맵
버블맵은 지도 위에 원형(버블)을 추가하여, 각 위치에서 특정 변수의 크기를 표현하는 시각화 방식이다. 버블의 크기는 해당 지역의 데이터 값에 비례하며, 색상이나 위치를 통해 다른 추가 정보를 제공할 수 있다. 버블맵은 단계구분도와 다르게, 지도 위의 특정 지점을 기준으로 변수를 비교하는 데 유용하다.
3. 지도 히트맵
지도 히트맵은 특정 위치에서 데이터의 밀집도를 색상으로 표현하는 시각화 유형이다. 히트맵 에서는 색상이 데이터의 밀집도를 나타내며, 색상이 짙을수록 해당 지역에서 데이터의 값이 높거나 빈도가 많다는 것을 의미한다. 이 방법은 지리적 위치에서 발생하는 데이터의 밀집도나 분포를 한눈에 파악하는 데 유용하다. 단계 구분도와의 차이점은 행정 구역별로 색상을 나타내는 것이 아니라는 점이다.