🌱 그래프 레터.쌓인 메일을 리포트로 바꿔봤습니다

여러분 안녕하세요, 정보 디자이너 ssen입니다.

그래프레터 지난 편을 다시 보려면 아카이빙 페이지로 가셔야 했죠. 제목으로 쭉 훑다가 원하는 편을 찾는 식이고, "산점도 나온 편만 모아 보기" 같은 건 안 됩니다.

그러다 생각했어요. 사실 받은메일함에는 이미 쌓여 있는데, 쌓여만 있는 거 아닌가. 그래서 메일을 하나씩 열어 보는 대신 받은메일함을 자동으로 훑어서 리포트로 뽑는 방식을 만들어 봤습니다. 9월 한 달치를 돌려 보니 8장짜리 월간 리포트 한 부가 나왔어요.

메일을 어떻게 긁어 왔고, 분류 기준을 어디서 손으로 잡아 줬는지까지 9분 54초로 정리했습니다.↓↓↓

보내는 메일이 아니라, 받은 메일을 자동화했습니다

자동화라고 하면 보통 보내는 쪽을 떠올리시죠. 메일 초안 쓰고, 예약 발송하고요. 이번엔 반대로 받아 둔 메일을 대상으로 했습니다.

지난 편에서 9월에 받은 메일 31통, 그래프 81개를 세어 봤다고 했죠. 그 숫자를 제가 손으로 센 건 아니고, 이 리포트를 만드는 과정에서 나온 집계였습니다. 오늘은 그 과정 쪽 이야기입니다.

리포트 8장은 유형별 집계 → 발행처별 성격 → 눈에 띈 그래프 순서로 짰습니다. 매달 같은 틀로 돌리면 달끼리 비교가 되도록요.

9월에 가장 많이 그려진 그래프는

유형이 확인된 69개를 세어 보니 이렇게 나왔습니다.

꺾은선 16 · 막대 11 · 산점도 9 · 분포 9 · 지도 6

역할은 이렇게 나눴습니다. 메일에서 그래프를 꺼내고 기본 분류까지는 AI가 하고, 분류 기준을 세우는 일과 애매한 판단은 제가 했습니다. 산점도인지 버블차트인지, 분포로 볼지 막대로 볼지 같은 건 기준을 먼저 정해 주지 않으면 매번 달라지거든요.

분류는 기계가 빠릅니다.
분류 기준은 사람이 정해야 합니다.

꺾은선과 막대가 1·2위인 건 사실 매달 비슷합니다. 순위가 잘 안 바뀌는 정착된 유형이에요. 눈에 띈 건 그 아래였습니다. 산점도와 분포가 올라오고 있어요. AI 관련 데이터를 다루는 글이 늘면서, 모델끼리 성능을 비교하거나 값이 어디에 몰려 있는지 보여 줄 일이 많아진 영향으로 보입니다.

한 달만 보면 그냥 숫자인데, 이렇게 매달 쌓으면 어떤 유형을 더 연습해 둘지가 보이기 시작합니다.

AI는 글만으로는 그래프를 못 알아봤습니다

작업하면서 제일 오래 붙잡힌 지점은 여기였습니다.

그래프 81개 중에 글만 읽고 유형을 판별할 수 있었던 건 12개였어요. 나머지는 이미지를 직접 열어서 봐야 했습니다. 그래프에 붙은 설명이 "아래 그래프 참고"에서 끝나거나, 대체 텍스트(alt)가 비어 있는 경우가 대부분이었거든요.

저도 이 숫자를 보고 좀 머쓱했습니다. 그래프레터도 그동안 그래프에 설명을 넉넉히 붙였다고 말하기는 어려워서요. 지금까지는 사람이 보면 아는 것이 기준이었는데, 앞으로는 내 자료를 AI와 같이 쓸 일이 분명히 늘어납니다. 그러면 그래프 옆에 뭘 적어 둘지가 꽤 실질적인 문제가 됩니다.

정답을 들고 온 건 아니고, 저도 발행하는 쪽에서 같이 생각해 보려고 합니다. 당장은 캡션 한 줄이라도 "무슨 그래프인지 + 어디를 보면 되는지"로 적어 두는 쪽으로 바꿔 보는 중이에요.

사람이 보면 아는 그래프와,
나중에 다시 찾을 수 있는 그래프는 다릅니다.

이렇게 한 달을 모아 놓으면 발행처마다 성격이 다른 것도 보입니다. 9월에 눈에 들어온 그래프 세 개는 지난 편에서 이미 꺼내 뒀으니, 궁금하신 분들은 아래에서 확인하시면 됩니다.

9월 받은편지함에서 건진 그래프 세 개. 클릭🌱

내 방식대로 모아 보고 싶다면 이번처럼 받은메일함에서 직접 긁어 모으는 방법도 있다는 것, 그 이야기를 드리고 싶었어요. 물론 모으고 고르고 왜 눈에 들어왔는지까지 붙이는 건 제가 할 일입니다. 일곱 곳을 받아 보고 81개를 훑는 쪽은 제가 계속하겠습니다.

이번 작업을 바탕으로 메일 외의 자료들까지 모아서, 조금 더 넓은 데이터 시각화 이야기로 돌아오려고 하고 있어요.