글로벌 경제, 다입지 비즈니스, 그리고 셀 수 없이 많은 전자 상거래 회사를 통해 모든 연결된 기기에서 상품을 사고, 파는 것이 가능해졌으며, 세상에는 풍부한 양의 위치 데이터가 있습니다. 또한 모바일 및 웨어러블 기기의 확산은 점점 더 많은 사람이 데이터가 '어디'에 '왜' 있는지 궁금해한다는 뜻입니다. 이러한 모든 요소를 고려해 보면, 특히 위치 데이터와 관련된 대화형 맵의 수요가 증가하고 있으며, 기업에서 비즈니스 인텔리전스 실행에 맵을 통합하기 시작하는 것이 매우 중요하다는 것을 알 수 있습니다.
많은 의사 결정이 지리적 데이터에 따라 내려지므로, 위치 인텔리전스가 비즈니스, 정부, 공공 부문 및 다른 조직 또는 대상을 위한 분석을 어떻게 개선하는지 살펴보면 더 많은 기회를 발견할 수 있습니다. 이 개요에서는 위치 데이터가 무엇인지, 어떻게 사용되는지, 그리고 그것을 전체 데이터 집합의 일부로 사용할 때 고려해야 할 몇 가지 문제점에 대해 다룹니다.
위치 데이터란?
지리적 정보 또는 지리공간 데이터라고도 알려진 위치 데이터는 지리적 공간 또는 시야에서 보는 개체 또는 요소와 관련된 정보를 말합니다. 위치 데이터에는 벡터 데이터와 래스터 데이터, 두 가지 기본 유형이 있습니다.
- 벡터: 이 양식은 지리적 정보 시스템(GIS)에 매핑되고 저장된 도시, 도로, 산지 및 수역과 같은 특성을 표현하는 데 점, 선 및 다각형을 사용합니다.
- 래스터: 이 양식은 공간 특성을 표현하는 데 셀을 사용합니다. 원격 위성 데이터가 그 예가 될 수 있습니다.
위치 데이터를 사용하여 필라델피아에서 카풀이 많이 일어나는 곳을 보여주는 맵입니다. 비주얼리제이션 작성자: Kent Marten.
범죄율이 어느 지역에서 가장 높은지 보기 위해 내가 사는 도시의 범죄 맵을 본 적이 있습니까? 아니면 비즈니스 목적으로, 어떤 제품이 특정 지역에서 더 성과가 좋은지 또는 그 국가의 한 지역에서 재고 수준 차이가 있는지 알아볼 필요가 있을 것입니다. 맵을 볼 때 사람은 콘텐츠를 세부적으로 분석하여 선천적으로 그 맵을 어떤 정보로 변환하기 시작합니다. 패턴을 발견하고 추세를 검토하거나 보는 내용에 근거하여 의사 결정을 내리기도 합니다.
이것을 '공간 분석'이라고 부르는데, 맵을 볼 때 바로 우리의 눈과 정신이 자연스럽게 하는 활동입니다.
위치 데이터를 사용하는 데이터 시각화의 예
기술 진보는 매일 더 많은 위치 데이터를 수집하는 우리의 능력을 향상하고 있습니다. 이전에는 실물 맵에만 배치되었던 이러한 데이터 유형과 다양한 기술(즉 휴대기기, 위치 기반 서비스 등)이 진화함에 따라 맵의 유형 목록도 많아졌습니다.
여기 위치 데이터를 사용하는 데이터 시각화의 예가 몇 가지 있습니다.
위치 데이터로 데이터 집합 및 분석을 향상하는 방법
위치 데이터를 데이터 집합으로 가져옴으로써, 스프레드시트, 선형 그래프 또는 파이 차트에서는 항상 발견할 수 없는 방식으로 분석에 컨텍스트를 제공합니다. 또한 이 컨텍스트는 더 나은 우선순위 결정, 계획 및 목표 실행으로 이어집니다. 예를 들면 다음과 같습니다.
- 데이터 요소를 실제 경계에 연결: 지류 유역의 물새 관측을 분석하는 커뮤니티와 작업한다고 가정해 보겠습니다. 각각의 유역에서 얼마나 많은 새가 관측되었는지 알고 싶습니다. 강 유역의 위치를 표시하는 다각형 데이터가 있고, 물새 관측을 기록하는 점 데이터가 있는 경우, 공간 조인(몇몇 분석 솔루션에서 사용할 수 있는 기능)을 사용하면, 새 관찰에서 나온 위치 데이터를 유역 경계와 결합하여 답을 찾고 더 깊이 분석할 수 있게 됩니다.
Kent Marten이 만든 이 비주얼리제이션에서는 도시 구역 모양 파일을 공간 조인을 사용하여 각각의 우물 기록과 결합합니다.
- 더 빠른 이해를 위해 차트 유형 결합: 파이 차트가 결합된 맵으로도 전 지역에 걸친 백분율 분석을 반영할 수 있습니다. 영업팀에서 근무한다면, 이것은 특정 지역 관련 매출액과 비즈니스의 수익성에 어떻게 이익 또는 손해가 되는 영향을 줄지 평가하는 데 유용할 것입니다.
- 대시보드로 스토리 만들기: 대시보드 내에서 맵에 시간 추세 및 다른 차트를 결합하면, 패턴을 발견할 수 있고, 더 강력한 예측 분석 및 예상을 지원하고, 사람들이 더 쉽게 이상값을 식별할 수 있게 해줍니다. 예를 들어, 아래에 있는 Timothy Vermeiren의 비주얼리제이션은 날씨가 어떻게 각기 다른 도시에 영향을 주는지를 그 도시가 적도에 얼마나 가까운지와 지구상의 위치 및 태양을 도는 지구의 궤도에 따라 보여줍니다. 차트와 맵의 조합 덕분에 보는 사람이 정보와 자신의 경험을 연관 지을 수 있습니다.
지구상의 위치가 날씨와 어떤 연관성이 있는지 보여주는 대시보드입니다. 비주얼리제이션 작성자: Timothy Vermeiren.
세부 정보를 더 깊이 탐색하기 위해 위치 데이터를 매핑에 적용하는 방법을 자세히 알아보고, Tableau와 같은 솔루션에서 그것이 어떻게 가능한지 보려면 매핑 솔루션에 관한 이 페이지를 읽어 보십시오.
언제 위치 데이터를 사용할지 고려할 때의 문제점
전체 데이터 집합에 이런 유형의 데이터를 활용하는 데 많은 이점이 있는 동시에, 염두에 둬야 할 문제점도 있습니다. 예를 들면 다음과 같습니다.
- 빅 데이터와 사물 인터넷은 기술의 제한을 의미합니다. 디지털 데이터가 증가함에 따라 위치 데이터를 수집하기는 점점 더 쉬워집니다. 그러나 이러한 모든 데이터를 저장하고 분석하는 데에는 리소스 제한이 있을 수 있습니다.
- 풍부한 원본은 더 많은 데이터와 더 다양한 형식을 뜻합니다. 위치 데이터를 수집하고, 그 정확성을 검증하고, 일반화를 방지하는 것은 까다로운 작업이 될 수 있습니다. 데이터 거버넌스에 우선순위를 두고, 거대한 정보의 집합 범위를 좁히며, 핵심 세부 정보를 발견하게 해 주는 적절한 기술을 찾는 것이 필수입니다.
- 데이터 개인 정보 보호. 개인 정보 보호는 개인 식별 요소가 표시되는(혹은 데이터 집합에 표시될 가능성이 있는) 지리적 정보로 작업할 때 매우 중요합니다. 개인 정보 보호 정책에 우선순위를 두고 관리하는 거버넌스 및 데이터 윤리 방안을 확립하는 것이 중요합니다.
- 지적 재산권 및 라이선스. 지적 재산권을 고려해야 하며, 특정 데이터를 사용할 때는 라이선스가 필요할 수도 있습니다. 데이터 분쟁, 권리 및 라이선스 같은 사안을 이해하고 그 문제를 어떻게 해결하는지 알고, 데이터로부터 의미와 가치를 끌어낼 수 있는 숙련된 전문가를 고용해야 합니다.
위치 데이터는 적절하게 분석된다면 놀라울 정도로 유용한 리소스입니다. 첫 번째 단계는 여러 원본을 사용하고, 필터를 사용자 조정하는 유연성과 함께 최대의 거버넌스 및 여러 분석 집합을 수행하는 기능을 제공하는 대화형 플랫폼을 선택하는 것입니다. 여러분의 요구에 가장 잘 맞는 플랫폼을 선택하기 전에 맡겨진 책임을 다해 꼭 필요한 사항을 정리해 본다면, 앞에 놓인 잠재적인 가능성과 문제점을 알게 될 것입니다. 그리고 마침내, 위치 데이터와 다른 모든 중요한 정보를 결합하여 강력한 인사이트와 중요한 스토리를 발견하실 것입니다.