2-1장에서는 과거 데이터 시각화가 사용된 두 가지의 사례들을 설명하고 있습니다.
첫 번째 사례로는 존 스노우의 콜레라 사망 지도가 있습니다. 1854년 8월 말 영국 런던 소호 지역에서 콜레라가 발생했습니다. 당시 사람들은 공기를 통한 전염병이라고 믿고 있었습니다. 그러던중 의사인 존 스노우는 현지 조사에 나서면서 공기가 아닌 식수가 전염원일 수 있다고 의심을 하였습니다. 그는 사망자들의 위치와 주민들이 사용하던 물 펌프의 위치를 지도에 표시하면서, 오늘날의 데이터 시각화 기법을 사용하였습니다. 그렇게 표시해둔 지도를 살펴보니 그 위치가 정확하게 일치한 것을 한눈에 파악 할 수 있었습니다.
존 스노우의 콜레라 지도는 오늘날 GIS(geographic information system) : 지리 정보 시스템 개념을 일찍이 실천한 데이터 지도 제작의 효시로 꼽히고 있습니다.
두 번째 사례는 나폴레옹 군대 러시아 원정 차트입니다. 나폴레옹 군대가 러시아로 진격해 퇴각할 때까지의 공간 데이터와 4가지 변수를 차트에 표현한 것입니다.
우선 연한 적갈색 부분을 보면 선의 굵기가 굵은 것을 보아 병력이 많은 것을 알 수 있는데, 검정색 부분, 퇴각을 할 때를 보면 눈에 띄게 병사의 수가 줄었음을 알 수 있습니다.
그리고 맨 밑에 꺾은 선 그래프와 같이 보게 되면 당시 러시아 영하의 혹한 속에 병력들이 자멸해가는 상황임을 쉽게 알 수 있습니다.
당시 군 병력이 겪었던 참혹하고 절박한 스토리를 데이터 시각화로 함축적으로 표현했다는 점에서 이 차트는 역사상 가장 훌륭한 인포그래픽이라는 찬사를 받고 있습니다.
2가지 사례를 보고 데이터 분석과 시각화가 현대 문명의 산물이지만, 백 년도 넘는 과거에서부터 쓰이고 있었다는 역사적 뿌리를 알게 되었습니다.
그리고 2-2장에서는 컴퓨터 분석 기법이 뉴스 보도에 접목된 사례 2가지를 설명하고 있습니다.
미국 CBS방송은 대통령 선거 개표방송에서 초창기 대형 컴퓨터를 활용하여 민주당 후보와 공화당 후보간의 승부를 예측해냈습니다.
여론조사의 예측과 컴퓨터의 예측이 달랐는데, 결국 컴퓨터의 예상대로 공화당이 승리하는 결과가 나왔고 그 오차범위는 1%미만이었습니다.
이후 1956년 대선 보도부터는 다른 경쟁방송국에서도 컴퓨터 예측보도를 도입하기 시작했습니다.
CAR(Computer-assisted Reporting) : 컴퓨터활용보도는 취재 현장에서도 접목되기 시작했습니다. 필립 메이어의 보도가 그 선구적인 사례로 꼽힙니다.
미국 디트로이드시 지역에 흑인폭동이 발생하였을 때, 그 당시 고교 중퇴자와 남부 출신 이주자 때문에 폭동이 발생했다는 근거 없는 원인이 떠돌고 있었습니다.
그 지역 일간신문의 기자인 필립메이어는 흑인 폭동에 참가한 사람의 출신 지역과 학력 등을 설문조사하고 그 결과를 기초 통계 기법인 교차분석으로 살펴보았습니다.
그 결과 일자리 부족과 열악한 주거여건, 경찰권 남용 등의 전반적인 사회문제가 폭동의 근원이었음을 밝혀냈습니다.
메이어의 보도는 그 해 퓰리처상을 받을 정도로 큰 파장을 일으켰고, 1973년 그의 저작에서 이러한 정량 분석 기법을 뉴스 취재와 제작에 적용한 보도방식을 정밀 저널리즘이라 명명하였습니다.
3장에서는
3장에서는 앞에서 언급했었던 GIS(geographic information system) : 지리 정보시스템이 뉴스에 이용된 사례를 설명하고 있습니다.
1992년 8월 허리케인 앤드류가 미국 플로리다에 강타하면서 수많은 피해들이 발생했습니다. 이때 스티브 도이 기자는 공공 데이터를 지도에 입혀 실태를 파악하기 시작하면서 화면에 보이는 GIS 지도를 만들게 되었습니다. 지도 설명을 잠깐 하자면, 녹색은 평균 이상의 피해지역이고 주황색은 녹색보다 더 심한 피해지역입니다. 그리고 등고선은 허리케인 풍속을 나타내고 있습니다.
그런데 스티브 도이가 만든 지도를 보면 등고선에서 외곽으로 갈수록, 즉 풍속이 약한 곳일수록 주황색 구역(그러니까 녹색보다 더 심한 피해지역)이 더 많은 것을 보실 수 있습니다. 뭔가 이상해서 추가적 현장 조사 결과를 더해 살펴보니, 이는 허리케인으로 인한 피해보다 건설업자들의 부실공사와 공무원들의 허술한 관리 등 인재로 인한 피해가 더 컸음을 알 수 있었습니다.
방금 설명했던 사례와 이전에 설명했던 모든 사례들은 데이터 지도나 차트가 추가적인 현장 조사와 결합을 할 땐 더욱 큰 힘을 발휘한다는 걸 보여주고 있습니다.
2-3장에서는 최근 주목을 받고 있는 데이터 시각화 기법의 가능성이 이미 오래 전부터 예고되어 왔다는 것을 설명해주고 있습니다.
컴퓨터 활용보도와 데이터 저널리즘은 컴퓨터 처리 기술을 적극 활용한다는 점이 비슷하지만, 필자는 데이터 저널리즘이 급격히 변하는 언론환경에 부응하기 위한 대응에서 비롯됐다는 점에 차이점을 주목을 하고 있습니다.
그리고 빠르게 변하는 언론환경에 대한 3가지 새로운 시대 흐름을 언급하고 있습니다.
공공 데이터의 확산, 데이터 분석 도구의 발전, 네티즌의 적극적인 참여가 있습니다.
첫 번째로 공공 데이터의 확산은 디지털 데이터가 엄청나게 쏟아지는 빅데이터 시대와 맞물려 있습니다.
막대한 규모 뿐 만 아니라 다양함과 빠른 속도라는 특징도 갖게 된 빅데이터는 이제 우리들의 일상생활에서도 생산이 되면서 기하급수적으로 확장을 하고 있습니다.
빅데이터의 산업적 가능성을 주목하기 시작하면서, 데이터 저널리즘도 공공 정보를 투명하게 공개하고 공공서비스의 질을 높이려는 정부의 움직임과 언론들이 생겨나면서 조금씩 확산 되기 시작했습니다.
두 번째는 값싸고 우수한 데이터 분석 도구 발전입니다. 영국 일간 가디언은 데이터 블로그로 유명합니다. 풍부한 데이터 시각화물과 분석기사를 공개하면서 유명해진 가디언 데이터 팀은, 구글 퓨전테이블 같은 무료 소프트웨어라는 쉬운 도구를 이용하고 있습니다. 그리고 독자들은 가디언의 블로그에서 수 많은 데이터를 내려 받아 2차, 3차 가공 해 볼 수 있는 등 투명성과 개방성을 높이려는 시도를 통해 필자가 말한 세 번째 특징인 네티즌들의 관심과 참여 또한 극대화하고 있습니다.
가디언의 예시를 통해, 데이터 저널리즘이 많은 형태로 진화하고 있다는 것을 알 수 있었습니다.
마지막으로 필자는 컴퓨터 활용 기법이나 데이터 저널리즘이 언론인들에게 훌륭한 뉴스를 제작할 수 있는 수단이 되기도 하지만 현장에서의 분위기와 정보들이 있어야 비로소 뉴스의 생명력이 더해진다는 사실을 한번 더 강조하면서 필립 메이어의 명언으로 5장을 마무리합니다.
별 하나-예)정부나 지자체의 정책보고서
별 둘-예)돈을 주고 사야하는 상용 프로그램에 특화된 엑셀파일
별 셋-무료도구자료 포함 예)CSV comma-sperated values 구분자로 분리된 텍스트 파일 분석 가능한 자료들이 이에 해당
별 넷-URI는 통합자원 식별자, 인터넷에 있는 자원을 나타내는 유일한 주소. 예) 오픈API는 검색 블로그 등의 데이터 플랫폼을 외부에 공개, 다양 재미 서비스 어플리케이션 개발할 수 있도록 외부 개발자나 사용자들과 공유하는 프로그램
별 다섯-예)LOD Linked Open Data 오픈된 데이터들끼리 연결된 것, 팀 버너스리가 꿈꾸는 가장 훌륭한 오픈 데이터라고 할 수 있죠.
우리나라의 데이터 환경
-우리나라 데이터 환경의 문제점
1)데이터 사일로 현상
2)마이크로데이터(미시적 단위의 원시 데이터;상세한 내용) / 마이크로데이터 기반 합계, 평균에 그치는 거시 통계자료만 공개(구체적으로 시기, 지역 뭐 이런 구체적인 내역을 파악할 수 없죠)
3)정부가 각 기관의 지출 내역 데이터로 제대로 상세 공개x – 정부 데이터 개방지수 28위(영국, 열린지식재단이 세계97개국 대상으로 평가, 2014)
-나아지고 있는 우리나라 데이터 환경
1)공공 데이터의 개방속도는 빨라지고 공공 데이터 포털의 이용 횟수도 꾸준히 늘어나는 추세. 각 부처와 지자체가 제공하는 데이터의 양과 질 향상되는 중.
2)정부 ‘데이터 빅뱅 프로젝트’;국가 중점 데이터 개방 계획 - 국민이 개방데이터를 선정, 개방 용량 확대
-나아가야 할 방향
1)데이터를 단순히 공개하는 것이 아니라, 공공 데이터 등급 최소 별3개 이상 별 5개의 수준을 지향
2)공공 데이터에 대한 공무원들의 의식 개선 – 공공 데이터는 정부 당국자의 사유재산이 아니다. 국민의 세금을 들여 구축한 것. 선명하게 공개.공유 되어야 마땅.
->공공정보의 공개 = 사회 정의, 공익성을 증진시키는 국가의 이익->공공 데이터의 확장
