Tableau 기초 학습 및 포켓몬 데이터 시각화 실습
오늘은 데이터 시각화 도구인 Tableau(Tableau Desktop)의 기초 기능을 학습했다. 이전까지는 Python(Matplotlib, Seaborn)을 활용해 그래프를 그려왔지만, Tableau는 코드를 작성하지 않고도 데이터를 다양한 형태로 시각화할 수 있다는 점이 가장 큰 특징이었다.
특히 데이터를 빠르게 탐색하고 대시보드를 구성할 수 있어 실무에서 데이터 분석 결과를 공유하거나 보고서를 제작할 때 많이 활용된다는 점을 알게 되었다.
● Tableau란?
Tableau는 데이터를 드래그 앤 드롭(Drag & Drop) 방식으로 쉽게 시각화할 수 있는 BI(Business Intelligence) 도구이다.
복잡한 코드를 작성하지 않아도 다양한 그래프를 만들 수 있으며, 여러 시트를 하나의 대시보드로 구성하여 데이터를 직관적으로 전달할 수 있다.
또한 다양한 데이터 파일(CSV, Excel, 데이터베이스 등)과 연동할 수 있으며, 실시간으로 데이터를 분석할 수 있다는 장점이 있다.
● 오늘 학습한 내용
- Tableau 설치 및 실행
먼저 Tableau Desktop을 설치한 후 기본 화면의 구성과 기능을 살펴보았다.
- 데이터 연결
- 시트(Sheet)
- 대시보드(Dashboard)
- 스토리(Story)
- 행(Row)과 열(Column)
- 마크(Marks) 카드
등 Tableau의 기본적인 인터페이스를 익혔다.
- 다양한 그래프 작성
데이터의 특성에 맞는 여러 시각화 방법을 실습하였다.
- 막대 차트(Bar Chart)
- 박스플롯(Box Plot)
- 산점도(Scatter Plot)
- 히스토그램(Histogram)
그래프마다 표현할 수 있는 정보가 다르기 때문에 분석 목적에 맞는 그래프를 선택하는 것이 중요하다는 점도 함께 배웠다.
예를 들어,
- 막대차트는 범주 간 비교
- 박스플롯은 데이터 분포와 이상치 확인
- 산점도는 변수 간 관계 분석
- 히스토그램은 데이터의 분포 확인
에 적합하다는 것을 이해할 수 있었다.
- 정렬과 필터 활용
Tableau에서는 정렬과 필터 기능을 매우 간단하게 적용할 수 있었다.
이를 활용하면
- 특정 조건의 데이터만 조회하거나
- 값이 큰 순서대로 정렬하거나
- 원하는 항목만 선택하여 분석하는 작업을 손쉽게 수행할 수 있었다.
데이터 탐색 과정에서 가장 자주 사용하는 기능이라는 점도 알게 되었다.
- 대시보드 및 시트 공유
완성한 시트를 하나의 대시보드로 구성하는 방법도 학습하였다.
여러 개의 그래프를 한 화면에 배치하여 분석 결과를 보기 쉽게 만들 수 있었으며,
완성된 결과는 Tableau Public 등을 이용하여 다른 사람과 쉽게 공유할 수 있다는 점도 확인하였다.
이는 프로젝트 결과 발표나 데이터 리포트 작성 시 매우 유용하게 활용될 수 있을 것 같다.
● 포켓몬 데이터 시각화 실습
오늘 학습한 내용을 바탕으로 1세대 포켓몬 데이터셋을 활용한 간단한 시각화 프로젝트를 진행하였다.
이번 실습에서는
- 포켓몬 이름
- 타입1
- 타입2
- HP
- 공격
- 방어
- 특수공격
- 특수방어
- 스피드
- 종족값 합계
등의 정보를 Tableau에서 시각화하였다.
특히 이름 검색 기능을 추가하여 원하는 포켓몬을 입력하면 해당 포켓몬의 타입과 각 능력치(종족값)를 한눈에 확인할 수 있도록 시트를 구성하였다.
단순히 그래프를 만드는 것에서 끝나는 것이 아니라 필터와 검색 기능을 활용하여 사용자가 원하는 정보를 즉시 확인할 수 있는 인터랙티브한 시각화를 구현해 볼 수 있었다.
이를 통해 Tableau가 단순한 그래프 작성 도구가 아니라 사용자의 입력에 따라 결과가 달라지는 대화형 데이터 분석 도구라는 점을 체감할 수 있었다.
● 새롭게 알게 된 점
- Tableau는 코딩 없이도 다양한 시각화를 빠르게 만들 수 있다.
- 대부분의 시각화는 드래그 앤 드롭만으로 구현할 수 있어 데이터 탐색 속도가 매우 빠르다.
- 하나의 데이터셋에서도 필터와 매개변수를 활용하면 다양한 관점에서 데이터를 분석할 수 있다.
- 여러 시트를 하나의 대시보드로 연결하면 분석 결과를 훨씬 직관적으로 전달할 수 있다.
- Tableau는 Python으로 분석한 결과를 시각화하거나, 기업에서 KPI 대시보드를 제작하는 용도로도 널리 활용된다.
● 느낀 점
Python으로 직접 그래프를 작성할 때는 원하는 형태를 구현하기 위해 코드를 수정하는 시간이 많이 필요했지만, Tableau는 대부분의 작업을 마우스 조작만으로 수행할 수 있어 훨씬 빠르게 시각화를 만들 수 있었다.
반면 단순히 그래프를 만드는 것보다 어떤 차트를 선택해야 데이터를 가장 효과적으로 전달할 수 있는지를 고민하는 과정이 더욱 중요하다는 점도 느꼈다.
앞으로는 Tableau를 활용해 머신러닝 프로젝트나 제조 데이터 분석 결과를 대시보드 형태로 시각화하여, 분석 결과를 보다 직관적으로 전달하는 능력도 함께 키워 나가고 싶다.