Consideraciones para la visualización de datos

La visualización de datos puede describirse como la simple presentación de información para mejorar la comprensión de un tema determinado [1]. Una gran tabla de datos es, por tanto, una visualización, aunque no muy eficaz, ya que requiere un gran esfuerzo por parte del usuario para interpretar cualquier tendencia. Este es el quid de las buenas prácticas de visualización de datos: presentar la información de la manera más eficiente posible para garantizar que los usuarios puedan obtener información con el mínimo esfuerzo. Hay una gran variedad de gráficos entre los que elegir, y cada uno tiene su lugar en función de la naturaleza de los datos y el objetivo del analista.

Por lo tanto, no siempre hay una visualización correcta o incorrecta, aunque algunas serán más eficaces que otras. Hay algunos elementos visuales fiables, como un gráfico de barras o de líneas, que en general pueden interpretarse fácilmente. Sin embargo, depender únicamente de unos pocos tipos de gráficos puede resultar repetitivo y tedioso. En consecuencia, los analistas deben tomar decisiones meditadas sobre la mejor manera de presentar los datos.

Por eso es importante reflexionar críticamente sobre el diseño a lo largo de todo el proceso de desarrollo. En este artículo se explica por qué es importante evaluar las visualizaciones de datos y se esbozan 5 preguntas sencillas que ayudan a garantizar que la visualización es adecuada para su propósito.

Las visualizaciones de datos se diseñan para mostrar una historia o responder a una pregunta empresarial. También representan una serie de decisiones de diseño tomadas por un analista, a menudo con aportaciones de los usuarios de la empresa.

Durante el desarrollo, al analista se le presenta repetidamente la misma información y se queda absorto en los datos. La visualización y la historia que se transmite resultan tan familiares que es difícil imaginar que el usuario final la recibe por primera vez. A menudo esto se da por sentado, y puede olvidarse que puede no estar tan claro para los usuarios finales.

Una buena visualización debe explicarse por sí misma, tanto por su finalidad como por la historia que cuenta. Cuando un gráfico es difícil de interpretar no ha cumplido su propósito de mejorar la comprensión ni ha añadido ningún valor perspicaz. Esto puede generar confusión y bajos niveles de participación de los usuarios.

Por eso es importante dar un paso atrás y evaluar críticamente el diseño de las visualizaciones de datos. A continuación encontrará ejemplos de preguntas que debe hacerse para asegurarse de que su visual es adecuado para su propósito. Preguntar a un colega también es una gran oportunidad para ver cómo será recibido por primera vez; si es difícil de interpretar o si es necesario dar más explicaciones.

¿Qué historia o cuestión empresarial ilustra el gráfico?

Cada visualización debe estar ahí por una razón, que en general depende de la finalidad y los requisitos. Esto es válido tanto para los análisis estáticos y puntuales como para los informes generales. Sin embargo, para cualquiera de los dos tipos de requisitos, las visualizaciones de datos deben tener una finalidad directamente relacionada con el encargo. No tiene por qué ser complejo. Podría ser simplemente, cómo han cambiado las ventas por mes durante el último año. Además, la respuesta a la pregunta/relato debe ser clara.

Una visualización que responda correctamente a una pregunta empresarial o muestre una historia, pero que resulte difícil de interpretar y extraer conclusiones, no es eficaz. Por ejemplo, mostrar las ventas de productos a lo largo del tiempo por mes, pero con más de 20 productos diferentes, no se vería mucho en un gráfico de líneas. Como alternativa, puede añadir un filtro para mostrar los 5 primeros / 10 primeros, etc. para garantizar que los patrones sean visibles.

¿Podría entender la visualización alguien que no tenga conocimientos previos sobre el tema?

Las visualizaciones de datos deben ser autoexplicativas. Esto se reduce a un diseño explícito y a menudo sencillo que permite una fácil interpretación. Ejemplos de ello, según la visualización, son los siguientes: -Títulos dinámicos que reflejen la selección de filtros – Etiquetas de datos – Leyendas de color y tamaño – Formatos numéricos como porcentaje (%) y moneda (£) – Etiquetas descriptivas de los ejes.

Además, ser explícito también se consigue con técnicas de visualización como la clasificación de mayor a menor, el filtrado por los 10 primeros o los 10 últimos y el uso del color, el tamaño y la orientación. De este modo, estarás presentando claramente la historia a los usuarios, en lugar de pedirles que la diseccionen ellos mismos. Ser directo deja poco margen a la ambigüedad y garantiza que distintos usuarios interpretarán los datos de la misma manera.

¿A quién va dirigido?

El efecto de una visualización depende en gran medida del público al que va dirigida. Los distintos públicos reciben la información y actúan sobre ella de manera diferente. El público es importante porque dicta el nivel de granularidad y complejidad. Por ejemplo, usuarios con diferentes funciones y niveles de antigüedad utilizarán los datos de formas distintas.

Tomando como ejemplo la satisfacción del cliente, quienes trabajan directamente con los clientes podrían necesitar visualizaciones de datos para mejorar la eficacia a la hora de responder a las reclamaciones. Exigirían un alto nivel de detalle sobre la queja, como cuándo se planteó y de qué departamento. La visualización, por tanto, se construiría para resaltar los problemas sobre los que se podría actuar directamente, como una tabla de datos jerarquizados ordenados por urgencia. A la inversa, los gerentes y directores necesitarían informes y conocimientos sobre la satisfacción general de los clientes y las tendencias de evaluación comparativa. De este modo, se haría mayor hincapié en las agregaciones de alto nivel y en los Indicadores Clave de Rendimiento (KPI).

Teniendo esto en cuenta, es importante recordar que una única visualización no será útil para todo el mundo. Sin embargo, debe ser eficaz y estar diseñado para el público al que va dirigido.

¿Se ha expuesto esta información en algún otro lugar?

Hay multitud de formas diferentes de presentar la misma información. Con herramientas sofisticadas de visualización de datos como Tableau o Power BI, esto puede hacerse con relativa rapidez. En el contexto de un cuadro de mandos o una presentación, a menudo es fácil duplicar la misma información, sólo que presentada con un tipo diferente de visualización. Esto crea desorden y repetición. Es responsabilidad del analista elegir el gráfico más adecuado.

Si un elemento visual es eficaz y se explica por sí mismo, su repetición no añadiría ningún valor. Comprobar si hay duplicidades puede evitar que se socave el proceso de toma de decisiones y garantizar que se ha elegido la imagen más adecuada.

¿Hay algo innecesario que no sea tinta de datos?

La tinta de datos se refiere a los elementos de una visualización que muestran los datos. Por ejemplo, la altura de la barra o la posición de un punto de datos en un gráfico de dispersión representan un valor numérico. Por el contrario, los no-datos son los elementos de una visualización que no representan los datos. Algunos ejemplos son las líneas de cuadrícula, las formas y los fondos de color.

Los niveles excesivos de tinta sin datos pueden distraer y desviar la atención de la historia y el propósito del visual. La tinta sin datos puede minimizarse sustituyendo los ejes por etiquetas de datos, eliminando las líneas de cuadrícula y los bordes, y evitando los fondos de color y los efectos 3D.

Sin embargo, esto no quiere decir que haya que eliminar toda la tinta que no sea de datos. Por ejemplo, algunos gráficos requieren un eje y el uso de formas como flechas arriba y abajo para indicar el crecimiento. Estos elementos pueden realzar una imagen y contribuir a la historia que cuenta. Se trata, por tanto, de equilibrar el uso de la tinta no-data, utilizándola para realzar en lugar de distraer del resto de lo visual.

En resumen

El objetivo de este post ha sido destacar la importancia de dedicar tiempo a evaluar las visualizaciones de datos. Evalúa la historia. Imagínese cómo lo interpretarán los usuarios por primera vez. Pregunte para quién es. Compruebe si hay alguna repetición. Examinar el uso de tinta sin datos. Todas estas son formas de determinar si lo visual es adecuado y eficaz. Pedir la opinión de un colega es una buena manera de evaluar cómo percibirá la gente el material visual por primera vez. Gracias por leerme.