{"id":9348,"date":"2019-10-22T08:54:27","date_gmt":"2019-10-22T06:54:27","guid":{"rendered":"https:\/\/www.makingscience.com\/blog\/que-entendemos-por-visualizacion-de-datos\/"},"modified":"2019-10-22T08:54:27","modified_gmt":"2019-10-22T06:54:27","slug":"que-entendemos-por-visualizacion-de-datos","status":"publish","type":"post","link":"https:\/\/www.makingscience.com\/es\/blog\/que-entendemos-por-visualizacion-de-datos\/","title":{"rendered":"\u00bfQu\u00e9 entendemos por visualizaci\u00f3n de datos?"},"content":{"rendered":"
\u00bfQu\u00e9 entendemos por visualizaci\u00f3n de datos?<\/div>\n
Lejos de considerarla como una disciplina relativamente joven que en los \u00faltimos a\u00f1os ha emergido con un protagonismo may\u00fasculo, la visualizaci\u00f3n gr\u00e1fica de datos<\/strong> es un disciplina que ha estado presente desde que surgi\u00f3 la necesidad de organizar datos en forma de tablas, evolucionando hasta el momento de querer representar gr\u00e1ficamente informaci\u00f3n cuantitativa.<\/span> A medida que la necesidad de agrupar y representar cantidades ingentes de datos iba aumentando, la disciplina fue evolucionando.\u00a0<\/span>   <\/p>\n

\u00bfEn qu\u00e9 consiste la visualizaci\u00f3n de datos?<\/b><\/h2>\n

La visualizaci\u00f3n de datos lo que intenta hacer es aprovechar nuestra enorme capacidad de anal\u00edtica visual, para hacer accesibles esas relaciones, esa informaci\u00f3n, de esos conjuntos de datos abstractos a nuestro entendimiento.<\/span><\/em> En la visualizaci\u00f3n de datos b\u00e1sicamente lo que hacemos es codificar o traducir a un lenguaje visual, a un lenguaje entendible por nuestra cognici\u00f3n, por nuestra mente, toda esa informaci\u00f3n.<\/span><\/em> <\/p>\n

\u00a0Yusef Hassan\u00a0<\/span><\/p>\n

  La visualizaci\u00f3n de datos se impulsa por su capacidad de revelar las historias que se esconden dentro de los datos.<\/em><\/span> <\/p>\n

Edward Segel and Jeffrey Heer<\/span><\/p>\n

  Ya por la segunda mitad del siglo XX John Tukey present\u00f3 el poder de la visualizaci\u00f3n de datos como un medio para explorar y dar sentido a los datos cuantitativos y a este enfoque estad\u00edstico lo llam\u00f3 an\u00e1lisis exploratorio de datos (Exploratory Data Analysis<\/em>). A\u00f1os despu\u00e9s, hacia la d\u00e9cada de los a\u00f1os 80, Edward Tufte comenz\u00f3 a mostrar otras formas efectivas de mostrar datos visualmente, reflej\u00e1ndolo en su libro \u201cThe visual display of quantitative information\u201d. Todo ello favoreci\u00f3 la aparici\u00f3n de una nueva especialidad acad\u00e9mica acu\u00f1ada como \u201cInformation visualization\u201d, que gracias al trabajo de acad\u00e9micos como Jock Mackinlay y Ben Shneiderman, entre otros, permitieron traspasar los muros acad\u00e9micos y llegar hacia el mundo profesional.<\/span> En la actualidad, la disciplina de la visualizaci\u00f3n de datos ha ido evolucionando a la par que el desarrollo de la tecnolog\u00eda va en aumento. Permitiendo la recopilaci\u00f3n de gran cantidad de informaci\u00f3n cuantitativa, y ha sido la consiguiente necesidad de mostrarla, lo que ha impulsado el desarrollo de herramientas como fueron las hojas de c\u00e1lculo, las cuales constituyeron una revoluci\u00f3n dentro de la inform\u00e1tica personal, al acercar al usuario dom\u00e9stico todo el potencial de c\u00e1lculo de datos, reservado desde sus comienzos a un uso m\u00e1s empresarial.\u00a0<\/span> Un viaje que comenz\u00f3 por 1979 con el desarrollo de la primera gran aplicaci\u00f3n que populariz\u00f3 las hojas de c\u00e1lculo en los ordenadores llamada VisiCal<\/strong>,<\/a> pasando por Lotus 1-2-3<\/strong><\/a> hasta llegar a la tan conocida y usada Excel.\u00a0<\/strong><\/span> En la actualidad, las hojas de c\u00e1lculo digitales siguen en apogeo y evolucionando, impulsadas por nuevas alternativas como Google Sheets<\/strong> ofreciendo al mercado nuevas capacidades.\u00a0<\/span> Esta revoluci\u00f3n que hemos experimentado con el desarrollo de este tipo de software (poniendo el foco en las \u00faltimas d\u00e9cadas hasta la actualidad), han sido las causantes de que seamos tan malos dise\u00f1ando gr\u00e1ficas y que mucho de lo que nos encontramos sea considerado como \u00abbasura gr\u00e1fica\u00bb.<\/span>   Son estas aplicaciones que al estar tan mal dise\u00f1adas nos han hecho a toda la poblaci\u00f3n en general malos comunicando informaci\u00f3n cuantitativa.<\/span><\/em> <\/p>\n

Yusef Hassan<\/span><\/p>\n

\u00a0<\/span><\/p>\n

Estas herramientas tienen un problema<\/span>. Propician un uso incorrecto a la hora de representar datos, mostrando una serie de opciones que permiten a los usuarios seleccionar un tipo concreto de gr\u00e1fica para representar los datos.\u00a0<\/span> El problema de estas herramientas ya no es que las opciones por defecto que nos muestran est\u00e9n mal, si no que se basan en un modelo err\u00f3neo de representar datos al dar la opci\u00f3n de \u201cseleccionar tipo de gr\u00e1fica\u201d.\u00a0<\/span> Esta opci\u00f3n nos obliga a encajar los datos que necesitamos representar en una serie de gr\u00e1ficas preestablecidas que nos ofrece la propia herramienta y esto, es un error.<\/span>   <\/p>\n

\u00bfPor qu\u00e9?\u00a0<\/b><\/h2>\n

Porque la selecci\u00f3n de un tipo de gr\u00e1fica u otro ha de contemplar para empezar un an\u00e1lisis previo de los propios datos.<\/span> Este modelo, en el cual una de las primeras decisiones que debemos tomar es seleccionar el tipo de gr\u00e1fica, nos obliga a encajar nuestros datos en un tipo de gr\u00e1fica visual concreta seleccionada previamente.<\/span> La representaci\u00f3n de datos persigue una serie de objetivos, entre las que destacan:\u00a0<\/strong> <\/p>\n

    \n
  • Transmitir y comunicar un mensaje.<\/span><\/li>\n
  • Presentar grandes cantidades de informaci\u00f3n de forma concisa, compacta y entendible.<\/span><\/li>\n
  • Revelar datos, al mostrar las relaciones causa-efecto, revelando las relaciones que a priori no son evidentes.<\/span><\/li>\n
  • Controlar la evoluci\u00f3n de par\u00e1metros de forma peri\u00f3dica<\/span><\/li>\n<\/ul>\n

      <\/p>\n

    \u00bfExiste otra forma de representar datos que no sea el modelo \u201cseleccione tipo de gr\u00e1fica\u201d?<\/b><\/h2>\n

    A finales de los a\u00f1os 90 Leland Wilkinson public\u00f3 \u201cThe Grammar of Graphics\u201d, ven\u00eda a decir que en el lenguaje visual existe una gram\u00e1tica, unas reglas sint\u00e1cticas y sem\u00e1nticas (as\u00ed como la gram\u00e1tica nos ofrece la habilidad de construir oraciones combinando y organizando distintos elementos del lenguaje, la gram\u00e1tica de gr\u00e1ficos nos ofrece elementos b\u00e1sicos para crear gr\u00e1ficos) y cuando estamos visualizando datos lo que estamos haciendo no es seleccionar un tipo de gr\u00e1fica sino crear un expresi\u00f3n gr\u00e1fica propia.\u00a0<\/span> En esencia, una gram\u00e1tica de gr\u00e1ficos es un marco que nos permite describir concisamente los componentes de cualquier gr\u00e1fico.<\/span> Lo que debemos hacer es asociar cada una de las variables que conforman el dataset a atributos gr\u00e1ficos concretos, es decir, determinar de qu\u00e9 forma se van a representar cada una de esas variables.<\/span> En funci\u00f3n del tipo de variables, unos atributos gr\u00e1ficos funcionan mejor que otros.\u00a0\u00a0\u00a0<\/span>   <\/p>\n

    Un problema de dise\u00f1o<\/b><\/h2>\n

    Cuando lo bonito pasa a ser in\u00fatil.<\/span><\/em> \"\" La siguiente gr\u00e1fica representa las tendencias de diferentes activos por sector.\u00a0\u00a0<\/span>   En el lado izquierdo viene descrita la leyenda, asociada a la representaci\u00f3n circular tipo \u201ctarta\u201d de la derecha. La tabla se utiliza para buscar los porcentajes de las asignaciones del sector. El principal problema aqu\u00ed, viene por la representaci\u00f3n del gr\u00e1fico circular.\u00a0<\/span> Para que esta representaci\u00f3n nos fuese realmente \u00fatil deber\u00eda permitirnos ver r\u00e1pidamente el desglose de cada uno de los sectores. Sin embargo, para comprender qu\u00e9 representa cada sector debemos mirar la tabla, por lo que se identifican varios problemas:<\/span> 1- Requiere hacer un trabajo innecesario al obligarnos a mirar de un lado a otro para tratar de comprender qu\u00e9 rebanadas pertenecen a qu\u00e9 sector.<\/span> 2- Al tener que buscar cada rebanada (sector del gr\u00e1fico circular) en la tabla de todos modos, el gr\u00e1fico circular es totalmente prescindible.\u00a0<\/span> 3- Los datos que aparecen en la tabla quedan err\u00f3neamente representados. El segmento de \u201ccyclical services\u201d parece tener casi el doble de tama\u00f1o que el segmento de \u201cNon cyclical consumer goods\u201d. Sin embargo, los valores de la tabla indican que el segmento \u201cNon cyclical consumer googs\u201d es de 18,09% mientras que el otro segmento es solo 14,17%.\u00a0<\/span> Estas manipulaciones podr\u00edan hacer que se tomasen decisiones mal informados.<\/span> 4- Otro problema identificado, un poco menos obvio, es que la suma de las partes no da 100%. Cuando se agregan todos los porcentajes de cada uno de los segmentos se obtiene el 98,99%.<\/span>   Soluci\u00f3n<\/b>\u00a0<\/span> \"\" Este dise\u00f1o simple muestra todos los sectores y sus porcentajes asociados a trav\u00e9s de una tabla ordenada. Nos permite asociar f\u00e1cilmente las barras correspondientes con el porcentaje de cada sector el objetivo de las barras no es discernir valores individuales. Por el contrario, se proporciona un medio para poder comparar r\u00e1pidamente las magnitudes relativas a cada uno de los valores y extraer anomal\u00edas, en el caso de que las hubiese.<\/span>   <\/p>\n

    Representaci\u00f3n de datos interactiva\u00a0<\/b><\/h2>\n

    En esta representaci\u00f3n se hace hincapi\u00e9 el poder de la representaci\u00f3n gr\u00e1fica de datos como medio manipulatorio, al alterar la percepci\u00f3n visual en funci\u00f3n de los datos representados. En este gr\u00e1fico se equipara el \u00e1rea de terreno con los votos (dem\u00f3cratas vs republicanos), lo que hace es centrar el foco visual en los condados que son grandes a pesar de que no viven muchas personas en ellos. Esos condados rojos de Montana, Dakota del Norte, Dakota del Sur y Wyoming, albergan 1,6 millones de votantes, menos de la mitad del n\u00famero de votantes que en el condado de Los \u00c1ngeles.<\/span> \"\"<\/strong><\/span><\/div>\n","protected":false},"excerpt":{"rendered":"

    \u00bfQu\u00e9 entendemos por visualizaci\u00f3n de datos? Lejos de considerarla como una disciplina relativamente joven que en los \u00faltimos a\u00f1os ha emergido con un protagonismo may\u00fasculo, la visualizaci\u00f3n gr\u00e1fica de datos es un disciplina que ha estado presente desde que surgi\u00f3 la necesidad de organizar datos en forma de tablas, evolucionando hasta el momento de querer […]<\/p>\n","protected":false},"author":21,"featured_media":9352,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[27],"tags":[63],"class_list":["post-9348","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-advertising","tag-creativity-design"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts\/9348","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/users\/21"}],"replies":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/comments?post=9348"}],"version-history":[{"count":0,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts\/9348\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/media\/9352"}],"wp:attachment":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/media?parent=9348"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/categories?post=9348"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/tags?post=9348"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}