1. 변수 상관 관계 탐색
두 변수가 동시에 변화하는지 여부를 파악하여 후속 모델링 (예: 회귀 분석)의 기초를 제공합니다.
2. 데이터 분포 패턴 탐지
선형, 지수, 로그 등 관계 유형을 식별합니다. 예를 들면, 인구 증가와 시간은 지수 분포를 보일 수 있고, 차량 속도와 연료 소비는 U자형 관계를 보일 수 있습니다.
3. 이상치 및 비정상 값 식별
이상치는 모델 정확도에 영향을 미칠 수 있으며, 추가 조사가 필요합니다 (예: 데이터 입력 오류 또는 특수 이벤트).
4. 다중 데이터 그룹 간 차이 비교
그룹 레이블 (예: 다른 색상)을 사용하여 다른 그룹 (예: 다른 연령 그룹) 간 변수 관계의 차이를 비교합니다.

1. 전체 분포 패턴 관찰
선형 추세: 점들이 대각선으로 위 또는 아래로 분포합니다, 예: 키와 몸무게.
비선형 추세: 점들이 곡선으로 분포합니다, 예: 차량 속도와 연료 소비.
상관 관계 없음: 점들이 무작위로 흩어져 있습니다, 예: 키와 신발 사이즈 (나이를 통제한 후).
2. 이상치 및 비정상 값 식별
전체 분포에서 벗어난 점을 검토하여 데이터 오류인지 특수 사례인지 결정합니다. 예를 들면, 주택 가격과 면적 간의 관계를 분석할 때, 작은 면적에 높은 주택 가격이 있는 위치는 도심일 수 있습니다.

1. 변수 상관 관계를 분석하여 광고 투자와 판매가 동시에 증가 또는 감소하는지 여부를 빠르게 결정하여 양의/음의 상관 관계 또는 상관 관계 없음을 파악합니다.

2. 데이터 분포 패턴을 탐지하여 비선형 관계 (예: 차량 속도와 연료 소비 간의 U자형 곡선) 또는 이상치 (예: 작고 비싼 이상치)를 식별합니다.

3. 다중 그룹 비교 분석을 실시하여 색상/모양으로 그룹을 구분 (예: 남녀 간 키-몸무게 분포 차이)하고, 시장 세분화 연구에 도움을 줍니다.

4. 회귀 모델을 검증하여 변수가 선형 가정을 충족하는지 확인하고 모델 편향을 피합니다.

산점도와 버블 차트의 주요 차이점은 변수 표시 차원과 시각적 표현에 있습니다. 산점도는 2차원 좌표계를 사용하여 두 변수 (X, Y) 간의 관계를 표시합니다. 각 점은 단지 하나의 값 쌍을 나타냅니다. 변수 간의 상관 관계, 추세, 또는 이상치를 분석하는 데 중점을 두며, 기본 관계를 탐구하는 데 적합합니다. 반면 버블 차트는 세 번째 변수를 도입하여 버블의 크기 (또는 색상)를 통해 값을 인코딩하여 세 변수를 동시에 분석할 수 있습니다.