Table Of Contents
| 💁🏽♂️ 본 포스팅의 원문은 이곳에서 확인하실 수 있습니다!
색(Color)은 데이터 시각화의 가장 핵심적인 요소 중 하나다. 전달하 고자 하는 메시지와 데이터의 형태에 따라 색을 사용하는 방식이 달라진다. 색을 통해 우리는 범주형(Qualitative) 데이터를 구분할 수 있고, 일방향 또는 양방향으로 변수의 연속성(Sequential, Diverging)을 표현할 수 있다. 흑백으로 인쇄된 데이터 서적에서 차트를 뚫어져라 살펴본 경험이 있다면, 데이터 시각화에서 색의 중요성은 더 말해야 입아플 뿐이다.
그런데 이토록 중요한 색이란 놈이, 모두에게 동일하게 보이지 않는다는 사실을 최근에 인지하게 되었다. 코로나 예방 차원에서 엘리베이터 버튼 위에 붙인 항균 필름 때문에, 시각 장애인들이 점자를 읽는데 어려움을 겪는다는 기사를 읽은 적이 있다. 우리는 쉽게 이런 실수를 한다. 경험해보지 못한 삶에 대해 잘 상상하지 못하기 때문이다.
색각 이상(색약과 색맹)이 있는 사람은 세계 남성 인구 중 8%, 여성 인구 중 0.5%라고 한다. 국내에선 남성 인구의 6%, 여성 인구의 0.4% 정도로 알려져 있다. 또한 Colblindor에 따르면 색맹이 있는 사람의 99%는 적색이나 녹색을 구분하지 못하는 적녹색맹이다. (TMI로 색각 이상은 X 염색체에 문제가 있으면 발현되기 때문에 여성에 비해 남성의 비율이 훨씬 높다.)
즉, 100명이 당신의 차트나 대시보드를 본다면 그 중 최소 한 두명 이상은 색각 이상자(특히 적녹색맹)일 확률이 굉장히 높다는 뜻이다! 만약 전사적으로 공유하는 대시보드나 대외적으로 불특정 다수에게 공개되어야 하는 시각화 자료를 만들고 있다면 기억해둘만한 사실이다. 우리가 만든 차트를 보는 사람 중 일부는 색각 이상자다.
왼쪽 상단에 있는 차트는, R 시각화 라이브러리 ggplot2의 디폴트 팔레트를 사용하여 그린 Scatter Plot이다. R을 즐겨 사용하는 분석가라면 익숙히 보았을만한 색상들이다. 나머지 차트는 색각 이상이 있는 사람의 눈으로 본 동일한 Scatter Plot이다. 내 눈에선 뚜렷이 구분되었던 원래의 차트가, 색각 이상이 있는 사람들의 눈에는 구분감이 약해진다. 특히 청색맹인 경우 파란점과 녹색점을 완전히 구분할 수 없게 된다.
데이터를 시각적으로 표현할 때 가장 중요한 덕목은 독자의 수준을 이해하는 것이다. 데이터에 대한 이해도가 낮은 독자에게는 Scatter Plot이나 Box Plot 같은 간단한 시각화도 난해하게 느껴질 수 있다. 독자의 수준에는 데이터 리터러시 뿐 아니라, 색각 이상과 같은 신체적 조건도 포함될 수 있음을 인지해야 한다. 공들여 뽑아낸 멋진 시각화가, 누군가에겐 구분할 수 없는 점과 선의 나열일 수 있다.
그렇다면 색각 이상이 있는 독자를 배려할 수 있는 방법엔 어떤 것이 있을까?
- Selecting color blind friendly palettes
- Avoiding problematic color combinations
- Using different textures and patterns to highlight important information–not just color
- Using symbols and icons to supplement color-coded messages, warnings and alerts
- Using highly contrasted color combinations
- Adopting minimalistic design to help avoid unnecessary confusion
How to Use Color Blind Friendly Palettes to Make Your Charts Accessible 라는 글에선 위와 같이 조언한다. 하지만 현실적으로 매번 모든 항목을 고려하긴 어려우니 아래 내용들을 위주로 기억해두려고 한다.
1. 시각화가 색각 이상자에게 어떻게 보이는지 확인하자!
우선은 내 시각화가 색각 이상자에게 어떻게 보이는지 확인해보자. 굳이 문제가 없는데 개선할 필요는 없을테니! 아래 사이트에서 각 색각 이상의 종류별로 이미지가 어떻게 보이는지 시뮬레이션해볼 수 있다. 만약 구분이 너무 어려운 부 분을 발견한다면 그곳부터 개선해나가자.
- https://www.color-blindness.com/coblis-color-blindness-simulator/
- https://pilestone.com/pages/color-blindness-simulator-1
2. 색각 이상자도 구분할 수 있는 색조합을 사용하자!
색각 이상자의 99%는 적녹색맹이기 때문에, 이들이 구분하기 어려운 색 조합 사용을 지양하는 것이 가장 효율적이 방법이 아닐까 싶다. 위와 같이 빨강, 초록을 함께 사용하면 적녹색맹(deuteranomaly, protanomaly)들은 구분하기 매우 어렵다. 빨강과 초록을 함께 사용해야만 하는 상황이라면, 빨강은 Vermillon(#D55E00), 초록은 Bluish Green(#009E73)으로 대체해보자.
구글에 color palette for color blind를 검색하면 색각 이상자도 구분할 수 있는 다양한 색조합을 찾을 수 있다. 그 중에서도 Okabe라 불리는 위 팔레트는 모든 색각 이상자가 구분할 수 있는 범주형 색상 조합이라고 한다. 다양한 색상을 사용해보며, 색각 이상자까지 고려한 나만의 컬러 팔레트를 만들게 된다면 정말 뿌듯하지 않을까? 색상 조합을 결정했다면 이 사이트에서 각종 차트별로 시뮬레이션을 해볼 수 있으니 참고하자.
3. 색이 아닌 시각화 요소도 활용해보자!
색 이외에도 모양, 패턴, 레이블 같은 다양한 데이터 시각화 요소들이 존재한다. 색만으로 한계가 느껴진다면 적극 활용해보도록 하자. 다만 너무 많은 시각화 요소의 사용은 복잡성을 높일 수 있으므로 주의해야 한다. 하나의 변수는 하나의 시각화 요소로 Mapping 한다는 원칙을 어기진 말자. 사실 위 차트들은 이 원칙을 어겼다.😂 (그룹이라는 한 변수가 색 + 모양, 레이블이라는 두가지 시각적 요소로 Mapping 되었다.)
어쩌면 별 것 아닌 내용일 수 있다. 그리 확률 높지 않은 잠재적 독자들을 위해 이렇게까지 신경써야 하나? 싶은 생각이 들 수도 있다. 하지만 당신의 회사 대표님이 적색맹이라면 이 글을 다시 찾게 될 것이다. 또 프로와 아마추어의 차이는 디테일이라고 하지 않던가? 시각화는 데이터 분석가의 가장 강력한 무기 중 하나다. 이 무기를 예리하게 갈고 닦아 프로 데이터 분석가에 한걸음 다가서보자!
글을 쓰며 참고한 자료들
1) Articles
- https://venngage.com/blog/color-blind-friendly-palette/
- https://brunch.co.kr/@suyoung/10
- https://nuli.navercorp.com/community/article/1132656
- https://clauswilke.com/dataviz/
2) Services
- https://projects.susielu.com/viz-palette
- https://colorhunt.co/
- https://www.color-hex.com/color-palettes/popular.php
- https://color.adobe.com/ko/create/color-wheel
- https://colorbrewer2.org/#type=sequential&scheme=BuGn&n=3
- https://www.color-blindness.com/coblis-color-blindness-simulator/
- https://pilestone.com/pages/color-blindness-simulator-1