네트워크 시각화 유형의 개념과 시각화 사례
오늘은 데이터의 관계성을 보여주기에 적합한 시각화 유형, ‘네트워크 시각화(Network Diagram, Network Graph)’를 소개하려고 합니다. 우리가 데이터 시각화를 활용하는 이유는 기준도, 분류도 없이 나열되어 있는 데이터 속에서 유의미한 인사이트를 발견하기 위함인데요. 그중에서도 데이터 간의 유기성 또는 관계성은 시각화를 거치지 않으면 유독 파악하기가 어려운 정보입니다. 하지만 네트워크 시각화는 관계가 있는 데이터끼리 선으로 연결해 줌으로써, 데이터가 서로에게 어떤 영향을 미치는지 한눈에 파악할 수 있는 시각화 유형인데요! 지금부터 네트워크 시각화란 무엇이고, 어떻게 활용할 수 있는지 차근차근 알아보겠습니다.
네트워크 시각화(네트워크 그래프)란 무엇일까?
어디에선가 한 번쯤 이런 그림을 보신 적이 있을 거예요. 여러 개의 원들이 선으로 연결된 모양새인데요. 자연스럽게 시선이 중앙의 원에서 선을 따라 가장자리의 원으로 이동하면서, 도형 간의 유기성을 파악할 수 있죠! 바로 이 그림이 ‘네트워크 시각화’입니다.
네트워크 시각화는 데이터 항목을 의미하는 원, ‘노드(NODE)’와 선, ‘링크(LINK)’로 구성된 시각화 유형입니다. 관계가 있는 노드끼리 선을 이어서 데이터 간의 관련성을 표현해요.
노드와 링크를 변형해서 다양한 형태로 데이터를 시각화할 수 있는데요. 노드를 원이 아닌 다른 도형 혹은 아이콘으로 바꾸어 데이터의 특징을 반영하기도 하고, 위 그림처럼 노드의 색깔로 데이터를 분류하기도 합니다. 노드의 크기나 링크의 두께를 통해 개별 데이터의 크기를 표현할 수도 있죠! 이렇게 다양한 표현 방식을 가진 네트워크 시각화, 과연 실제 사례에서는 어떻게 적용할 수 있을까요? 활용 사례를 통해 자세히 알아보겠습니다!
사례로 알아보는 네트워크 시각화 3가지
1. 식재료 분류용 네트워크 시각화
가장 먼저 살펴볼 네트워크 시각화 사례는 식재료 분류용 네트워크 시각화입니다. 우리는 요리를 할 때 생각보다 많은 정보를 받아들이게 됩니다. 특히 재료를 준비할 때 야채, 고기, 소스 등 정말 다양한 분류의 식재료를 고려하게 되는데요. 많은 식재료를 관련 있는 것끼리 분류해 볼 수 있다면 더 수월하게 요리할 수 있지 않을까요?
위 사례는 다양한 종류의 요리 재료를 분류하기 위해 제작된 네트워크 시각화입니다. 사례 왼쪽에서 ‘CN(중국)’부터 ‘US(미국)’까지 6개의 나라 중 한 가지를 선택하면, 해당 나라의 요리에서 자주 쓰이는 100가지의 재료를 분류한 원형의 시각화를 조회할 수 있는데요. 가장 중앙에 모인 8개의 노드가 요리 재료의 8가지 상위 분류를 의미하며, 아래로 뻗어 내려갈수록 하나의 노드가 더 작은 단위의 요리 재료를 의미합니다.
예시로 이탈리아(IT)를 선택하고, 오른쪽의 네트워크 시각화에서 분홍색 부분을 해석해 보겠습니다. 왼쪽의 색깔별 범례에 따르면 분홍색은 ‘육류, 어류, 해산물과 계란(Meat, Fish, Seafood and Eggs)’를 의미합니다. 이에 따라 분홍색 차트의 최상위 노드는 육류, 어류, 해산물과 계란 모두를 나타내고 있어요. 중앙 노드에서 가장 가깝게 뻗은 1차 노드는 육류, 어류, 해산물, 계란 각각을 뜻합니다. 이 1차 노드에서 2차로 하위 노드가 뻗어 나가는데요! 2차 노드는 육류, 어류 등의 분류보다 더 세분화된 개별 식재료를 의미합니다. 육류의 2차 노드는 칠면조, 소세지, 살라미 등으로 구성되어 있고, 해산물에는 새우, 생선에는 앤초비가 2차 노드로 연결되어 있네요.
사용자는 위 차트를 통해 3가지 단계로 정보를 이해할 수 있습니다. 먼저 최상위 노드로 이탈리아 요리의 식재료 분류를 파악하고, 다음으로 1차 노드를 통해 각 분류가 어떤 식재료를 의미하는지 개별적으로 파악할 수 있습니다. 마지막으로 2차 노드로 자세한 식재료의 이름 정보를 알 수 있죠! 즉, 식재료 분류의 ‘위계’를 파악할 수 있었습니다.
앞서 식재료 간 위계를 파악할 수 있는 네트워크 시각화를 살펴보았다면, 이번에는 식재료 간 ‘조합’을 파악할 수 있는 네트워크 시각화를 알아보겠습니다. 위 사례는 칵테일에 들어가는 여러 재료 간의 관계를 나타낸 대시보드 입니다.
대시보드 오른쪽의 막대 차트와 칵테일 목록을 네트워크 시각화와 함께 활용해 인사이트를 도출할 수 있는데요! 오른쪽의 막대 차트는 칵테일 제조 시 개별 재료의 사용 빈도를 나타낸 것으로, 자주 사용되는 재료일수록 막대의 길이가 길다고 해석할 수 있습니다. 막대 차트에서 재료 한 개를 클릭하면 아래 칵테일 목록에 해당 재료를 사용해 제조하는 칵테일이 조회되는데요. 이 칵테일 중 하나를 선택하면 왼쪽의 네트워크 시각화에 막대 차트에서 클릭한 재료를 포함해 선택한 칵테일에 사용되는 재료들을 의미하는 노드가 하이라이팅 됩니다.
저는 막대 차트에서 ‘보드카(Vodka)’를 클릭하고 아래 칵테일 목록에서 ‘3-Mile Long Island Iced Tea’를 선택해 보았는데요! 왼쪽에서 이 칵테일에 사용되는 재료 노드 하이라이팅과 동시에 막대 차트에서 클릭했던 보드카를 중심으로 관련 있는 재료들이 연결된 네트워크 시각화를 조회할 수 있었어요. 조회한 시각화에서는 노드들이 저마다 크기가 달랐는데요. 크기가 클수록 칵테일에서 자주 사용되는 재료임을 의미합니다. 보드카는 막대 차트에서 사용 빈도가 1위였기 때문에 네트워크 시각화에서도 노드의 크기가 가장 큰 것을 확인할 수 있죠! 보드카 노드에서 뻗어 나간 1차 노드를 자세히 보면, 보드카를 어떤 재료와 조합할 수 있는지 알 수 있는데요. 레몬, 진 등 정말 많은 재료와 조합할 수 있다는 인사이트를 도출할 수 있습니다.
2. 영화/드라마 등장 인물 관계도
다음으로 살펴볼 사례는 ‘영화/드라마 등장 인물 관계도’입니다. 여러분은 영화나 드라마를 볼 때, 수없이 등장하는 새로운 인물들의 관계를 파악하기 어려웠던 경험이 있지는 않으신가요? 이때 네트워크 시각화를 그리면 인물들의 관계를 쉽게 파악할 수 있습니다!
위 사례는 미국의 영화 제작사 ‘마블 스튜디오(Marvel Studios)’에서 제작된 영화의 캐릭터 간 관계를 그린 네트워크 시각화입니다. 마블 스튜디오의 영화는 시리즈도 다양하고, 등장하는 인물도 정말 많아 그 관계를 쉽게 파악하기란 어렵습니다. 위 사례에서도 모든 등장인물의 관계를 그려 보니 노드와 링크가 복잡하게 얽혀 있는데요. 이렇게 네트워크 시각화를 그렸음에도 데이터의 양이 많아 관계를 파악하기가 어렵다면, ‘필터’ 기능을 함께 활용하면 좋습니다.
이 사례에는 특정 인물의 노드를 클릭하면 해당 캐릭터와 관계가 있는 노드만을 하이라이팅하는 필터 기능이 있습니다. 저는 제가 가장 좋아하는 마블 캐릭터, ‘아이언맨’을 클릭해 보았는데요! 아이언맨과 관련 있는 캐릭터인 ‘캡틴 아메리카’, ‘블랙 위도우’ 등의 노드가 연결된 것을 확인할 수 있었습니다. 또, 아이언맨 노드를 포함한 각 노드의 크기가 제각각인 점이 눈에 띄는데요. 사례 오른쪽 상단의 노드 크기별 범례를 참고하면 노드가 클수록 연결된 캐릭터가 많음을 의미한다는 것을 알 수 있습니다. 아이언맨은 다른 노드보다 크기가 큰 것을 보니 다른 캐릭터보다 연관성 있는 캐릭터가 많다고 해석할 수 있어요!
이번에는 미국 드라마 ‘왕좌의 게임’에 등장하는 인물 간 관계를 지도 위에 시각화한 사례를 소개하겠습니다. 왕좌의 게임은 허구의 세계인 ‘웨스테로스’ 대륙을 중심으로 벌어지는 권력 싸움을 그려낸 드라마로, 마블 영화 못지 않게 등장 인물이 많은 것으로 유명합니다. 더군다나 이야기의 배경이 되는 ‘웨스테로스’ 대륙이 매우 넓고 지역 또한 다양해서 시청자가 알아야 할 정보량이 상당한데요. 위 사례는 이런 어려움을 해소할 수 있도록 드라마 시즌별로 핵심 지역을 지도에 표시하고, 지역별 인물의 위치를 네트워크 시각화로 표현했습니다.
위 사례에서 중앙 노드는 지역, 1차 노드는 해당 지역에 위치한 인물을 의미하는데요! 줌 인(Zoom in), 줌 아웃(Zoom out)으로 지도의 위치를 조정하면서 어떤 인물이 어느 지역에 위치해 있는지 탐색할 수 있습니다. 시즌 1을 기준으로 지도를 살펴보니 노드가 대륙의 중앙에 뭉쳐 있는 것을 확인할 수 있었어요. 시즌 1이 대륙의 중앙이자 수도인 ‘킹스랜딩’ 지역을 기준으로 이야기가 전개되어서, 작중에도 대부분의 인물이 킹스랜딩에 모여 있는데요! 해당 정보를 지도로 확인하니 더 직관적으로 인물의 위치가 와닿았습니다.
3. 공급망 네트워크 시각화
이전의 두 사례는 일상 생활과 밀접한 주제였다면, 마지막으로는 기업 차원에서 활용할 수 있는 네트워크 시각화 사례를 살펴보려고 합니다. 기업에서도 데이터 간의 관계를 파악해야 할 일이 정말 많습니다. 특히 최근에는 ESG 공시 규제가 강화되면서 특히 제조, 물류, 유통 등 분야의 기업에서는 공급망 관리에 힘쓰고 있는데요. 이때 활용할 수 있는 시각화 유형이 바로 네트워크 시각화입니다! 실제 사례로 자세히 알아볼까요?
위 사례는 시금치가 농장에서 소매 업체까지 어떤 과정을 거쳐 유통되는지 나타낸 네트워크 시각화입니다. 맨 위 4개의 초록색 노드가 시금치 농장을 의미하고, 아래로 뻗은 노드는 단계마다의 유통 과정을 의미하는데요! 노란색은 유통 업체, 보라색은 생산/가공 업체, 파란색은 소매 업체를 의미합니다. 이 정보를 토대로 시각화를 해석해 보겠습니다. 시금치는 총 4개의 농장에서 생산되어 각각 다른 유통 업체를 통해 4개의 공장으로 이동합니다. 공장에서 가공이 끝나면 유통 업체를 두 번 거쳐 지역 유통 센터로 이동하고, 지역 유통 센터에서 지역 내 위치한 소매 업체에 운송됩니다. 무려 7단계를 거치는 시금치 유통 과정을 시각화하니 정말 간단하죠?
사례에서 최하단 소매 업체 노드 중 한 개가 빨간색으로 빛나고 있는데요. 이것은 유통 단계에서의 문제 발생을 의미합니다. 예를 들어 위와 같은 공급망 시각화를 실시간으로 모니터링하고 있을 때, 소매 업체가 빨갛게 변하면 해당 소매 업체에 도착한 시금치 품질에 문제가 발생했다고 판단할 수 있죠! 이 상황에서 시각화를 살펴보면, 품질 문제가 있는 시금치가 어떤 유통 업체 혹은 공장을 거쳐 도착했는지 빠르게 알 수 있고 즉각적으로 대응할 수 있습니다.
시금치 공급망 시각화는 각 유통 단계의 위치를 표시한 배경이 없이 관계망만을 시각화한 사례였는데요! 유통 단계의 지역적 배경이나 실제 기업 위치를 기준으로 공급망 데이터를 살피고 싶다면 어떻게 해야 할까요? 이런 상황에서는 지도 위에 네트워크 시각화를 그려 볼 수 있습니다.
위 사례는 미국 내 물류 이동 공급망을 지도에 나타낸 네트워크 시각화입니다. 제조 시설을 의미하는 하늘색 노드와 핵심 물류 센터를 의미하는 빨간색 노드, 목표 판매지를 의미하는 회색 노드가 각각의 위치에 그려져 있는데요! 제조 시설에서 핵심 물류 센터로 이동하는 물류 유통 과정은 하늘색 링크로, 핵심 물류 센터에서 목표 판매지로 이동하는 물류 유통 과정은 빨간색 링크로 연결하여 어떤 노드에서 어떤 노드로 이동하는 것인지 분류할 수 있도록 표현했습니다. 연결된 링크의 두께도 모두 다른데요. 링크가 두꺼울수록 해당 유통 과정에서 이동한 물류량이 많음을 의미합니다.
이렇게 지도 위에 공급망을 그리면, 유통 장소 간 물류 이동 경로와 거리를 파악할 수 있을 뿐만 아니라 연결된 노드와 링크의 밀집도로 지역별로 물류 이동량을 파악할 수도 있는데요! 위 사례의 왼쪽 지역에서는 제조 시설이 다수 위치해 있어 제조 시설에서 핵심 물류 센터로 이동하는 물류량이 많은 반면, 오른쪽 지역에는 핵심 물류 센터와 목표 판매지가 밀집해 있어 핵심 물류 센터에서 목표 판매지로 이동하는 물류량이 많은 것을 알 수 있습니다.
에디터의 한마디
지금까지 3가지 주제의 네트워크 시각화 사례를 통해 네트워크 시각화의 쓰임새와 데이터 간 관계를 해석하는 방법을 알아보았습니다. 네트워크 시각화로 알 수 있는 데이터 간 관계는 위계, 조합, 순서, 이동 경로 등 정말 다양했는데요! 데이터의 크기에 따라 필터를 활용하거나, 지리적 위치 정보를 더하기 위해 배경으로 지도를 활용하는 등의 방법으로 데이터 사이의 관계성을 더욱 명확히 파악할 수 있었습니다.
저는 개인적으로는 네트워크 시각화 유형이 데이터 시각화의 꽃이라고 생각합니다. 단순히 데이터의 개수나 비율을 넘어 ‘데이터 간 관계의 의미’를 찾도록 도와주는 시각화 유형이기 때문이에요. 중앙의 노드를 기준으로 여러 개의 노드들이 펼쳐져 있는 모습이 마치 꽃을 연상시키기도 하고요! 여러분은 어떤 생각을 하셨나요? 복잡한 데이터 속 관계를 파악하고 싶을 때, 이 글을 참고하여 여러분도 네트워크 시각화를 활용해 보시면 좋겠습니다.
