2014년은 정말 흥행이 잘된 해였을까

역대 상위 500편을 개봉 연도별로 묶어 평균 관객 수를 비교하면 "2014년이 2016년보다 흥행이 잘된 해"라는 결론이 나옵니다. 그런데 이 결론, 한 번 더 확인이 필요합니다.

💬 먼저 예측해 보세요 — "2014년 영화가 2016년 영화보다 흥행이 잘됐다." 맞다/아니다, 하나만 채팅에.

EDA — 결론 내기 전에 데이터를 훑어보기

EDA(Exploratory Data Analysis, 탐색적 데이터 분석)는 결론을 내기 전에 데이터를 여러 각도로 훑어보는 단계입니다. 네 가지 동작이 기본입니다.

이 챕터는 3번 그룹 비교(연도별 평균)로 시작해서, 4번 치우침 점검에서 결론이 흔들리는 과정을 따라갑니다.

개봉 연도별로 평균 관객 수를 계산하면 다음과 같습니다. 코로나 전 8년(2012~2019)만 놓고 봅니다.

2014년 평균(535만 명)이 2016년(485만 명)보다 50만 명 높습니다. "2014년이 더 흥행이 잘된 해"라는 가설이 맞는 것처럼 보입니다. 그런데 2014년에는 명량·국제시장·겨울왕국·인터스텔라, 천만 영화가 4편이나 들어 있습니다. 2016년은 부산행 1편뿐입니다.

1,000만 명이 넘는 영화 한 편은 200~300만 명짜리 영화 여러 편의 평균을 혼자 끌어올립니다. 명량 한 편(1,761만 명)만 빼도 2014년 평균이 47만 명 내려갑니다. 천만 영화를 빼고 나머지 영화들끼리 다시 비교하면 어떻게 될까요.

표로는 잘 안 보이던 차이가 막대 두 쌍으로 그리면 바로 보입니다. 시각화는 예쁘게 꾸미는 일이 아니라, 의심할 곳을 찾게 해 주는 도구입니다. 그래프를 보고 "그래서 무엇을 알 수 있나"를 한 문장으로 적으면, 그게 인사이트입니다.

"2012~2019년 개봉작의 연도별 평균 관객 수를 천만 영화 포함/제외 두 가지로 막대그래프를 그려줘. 그래프에서 알 수 있는 점을 한 문장으로 정리해줘."

📄

"연도별 평균 관객 수를 천만 영화 포함과 제외로 나눠서 다시 계산해줘. 2014년과 2016년을 비교해서 결론이 달라지는지 확인해줘. 평균 말고 중앙값으로도 비교해줘."

📄

💡 하나 더 의심할 곳: 표에 없는 2020년과 2021년은 상위 500편에 든 영화가 각각 4편, 8편뿐입니다. 코로나로 극장 관객이 줄어 흥행작 자체가 적었기 때문입니다. 영화 4편의 평균으로 "2020년 영화는 어땠다"고 말하기엔 표본이 너무 작습니다. 평균을 볼 때는 몇 개로 낸 평균인지도 같이 봐야 합니다.