La visualización de datos (a menudo abreviada como datos [1] ) es un campo interdisciplinario que se ocupa de la representación gráfica de datos . Es una forma particularmente eficiente de comunicarse cuando los datos son numerosos como, por ejemplo, una serie temporal . Desde un punto de vista académico, esta representación puede considerarse como un mapeo entre los datos originales (generalmente numéricos) y elementos gráficos (por ejemplo, líneas o puntos en un gráfico). El mapeo determina cómo varían los atributos de estos elementos según los datos. En este sentido, un gráfico de barras es un mapeo de la longitud de una barra a la magnitud de una variable. Dado que el diseño gráfico del mapeo puede afectar negativamente a la legibilidad de un gráfico,[2] el mapeo es una competencia central de la visualización de datos. La visualización de datos tiene sus raíces en el campo de la estadística y, por lo tanto, generalmente se considera una rama de la estadística descriptiva . Sin embargo, debido a que se requieren tanto habilidades de diseño como habilidades estadísticas y de computación para visualizar de manera efectiva, algunos autores argumentan que es tanto un Arte como una Ciencia. [3]
Descripción general
Para comunicar información de manera clara y eficiente, la visualización de datos utiliza gráficos estadísticos , diagramas , gráficos de información y otras herramientas. Los datos numéricos se pueden codificar utilizando puntos, líneas o barras para comunicar visualmente un mensaje cuantitativo. [4] La visualización eficaz ayuda a los usuarios a analizar y razonar sobre datos y pruebas. Hace que los datos complejos sean más accesibles, comprensibles y utilizables. Los usuarios pueden tener tareas analíticas particulares, como hacer comparaciones o comprender la causalidad , y el principio de diseño del gráfico (es decir, mostrar comparaciones o mostrar causalidad) sigue a la tarea. Las tablas se utilizan generalmente cuando los usuarios buscarán una medida específica, mientras que los gráficos de varios tipos se utilizan para mostrar patrones o relaciones en los datos para una o más variables.
La visualización de datos se refiere a las técnicas utilizadas para comunicar datos o información codificándolos como objetos visuales (por ejemplo, puntos, líneas o barras) contenidos en gráficos. El objetivo es comunicar información de forma clara y eficaz a los usuarios. Es uno de los pasos en el análisis de datos o ciencia de datos . Según Vitaly Friedman (2008), "el objetivo principal de la visualización de datos es comunicar información de forma clara y eficaz a través de medios gráficos. No significa que la visualización de datos deba parecer aburrida para ser funcional o extremadamente sofisticada para verse hermosa. Para transmitir ideas Efectivamente, tanto la forma estética como la funcionalidad deben ir de la mano, proporcionando información sobre un conjunto de datos bastante escaso y complejo al comunicar sus aspectos clave de una manera más intuitiva. Sin embargo, los diseñadores a menudo no logran un equilibrio entre la forma y la función, creando magníficas visualizaciones de datos que no cumplen su objetivo principal: comunicar información ". [5]
De hecho, Fernanda Viegas y Martin M. Wattenberg sugirieron que una visualización ideal no solo debe comunicarse con claridad, sino también estimular el compromiso y la atención del espectador. [6]
La visualización de datos está estrechamente relacionada con gráficos de información , visualización de información , visualización científica , análisis de datos exploratorios y gráficos estadísticos . En el nuevo milenio, la visualización de datos se ha convertido en un área activa de investigación, enseñanza y desarrollo. Según Post et al. (2002), ha unido la visualización científica y de la información. [7]
En el entorno comercial, la visualización de datos a menudo se denomina paneles de control . Las infografías son otra forma muy común de visualización de datos.
Apuntalamientos
Características de las pantallas gráficas efectivas
El profesor Edward Tufte explicó que los usuarios de pantallas de información están ejecutando tareas analíticas particulares , como hacer comparaciones. El principio de diseño del gráfico de información debe respaldar la tarea analítica. [9] Como muestran William Cleveland y Robert McGill, diferentes elementos gráficos logran esto de manera más o menos efectiva. Por ejemplo, los gráficos de puntos y los gráficos de barras superan a los gráficos circulares. [10]
En su libro de 1983 The Visual Display of Quantitative Information , Edward Tufte define las 'presentaciones gráficas' y los principios para una presentación gráfica eficaz en el siguiente pasaje: "La excelencia en los gráficos estadísticos consiste en ideas complejas comunicadas con claridad, precisión y eficiencia. Las presentaciones gráficas deben:
- mostrar los datos
- inducir al espectador a pensar en la sustancia en lugar de en la metodología, el diseño gráfico, la tecnología de producción gráfica u otra cosa
- evitar distorsionar lo que los datos tienen que decir
- presentar muchos números en un espacio pequeño
- hacer que grandes conjuntos de datos sean coherentes
- animar al ojo a comparar diferentes piezas de datos
- Revelar los datos en varios niveles de detalle, desde una descripción amplia hasta la estructura fina
- tienen un propósito razonablemente claro: descripción, exploración, tabulación o decoración
- estar estrechamente integrado con las descripciones estadísticas y verbales de un conjunto de datos.
Los gráficos revelan datos. De hecho, los gráficos pueden ser más precisos y reveladores que los cálculos estadísticos convencionales ". [11]
Por ejemplo, el diagrama de Minard muestra las pérdidas sufridas por el ejército de Napoleón en el período 1812-1813. Se grafican seis variables: el tamaño del ejército, su ubicación en una superficie bidimensional (xey), el tiempo, la dirección del movimiento y la temperatura. El ancho de la línea ilustra una comparación (tamaño del ejército en puntos en el tiempo) mientras que el eje de temperatura sugiere una causa del cambio en el tamaño del ejército. Esta pantalla multivariante en una superficie bidimensional cuenta una historia que se puede comprender de inmediato mientras se identifican los datos de origen para generar credibilidad. Tufte escribió en 1983 que: "Bien puede ser el mejor gráfico estadístico jamás dibujado". [11]
No aplicar estos principios puede resultar en gráficos engañosos , que distorsionan el mensaje o apoyan una conclusión errónea. Según Tufte, chartjunk se refiere a la decoración interior ajena del gráfico que no realza el mensaje, o efectos tridimensionales o de perspectiva gratuitos. Separar innecesariamente la clave explicativa de la imagen en sí, requiriendo que el ojo viaje de un lado a otro de la imagen a la clave, es una forma de "basura administrativa". La proporción de "datos a tinta" debe maximizarse, borrando la tinta que no es de datos cuando sea posible. [11]
La Oficina de Presupuesto del Congreso resumió varias de las mejores prácticas para pantallas gráficas en una presentación de junio de 2014. Estos incluyeron: a) Conocer a su audiencia; b) Diseñar gráficos que puedan ser independientes fuera del contexto del informe; y c) Diseñar gráficos que comuniquen los mensajes clave del informe. [12]
Mensajes cuantitativos
El autor Stephen Few describió ocho tipos de mensajes cuantitativos que los usuarios pueden intentar comprender o comunicar a partir de un conjunto de datos y los gráficos asociados que se utilizan para ayudar a comunicar el mensaje:
- Series de tiempo: se captura una sola variable durante un período de tiempo, como la tasa de desempleo durante un período de 10 años. Se puede utilizar un gráfico de líneas para demostrar la tendencia.
- Clasificación: las subdivisiones categóricas se clasifican en orden ascendente o descendente, como una clasificación de rendimiento de ventas (la medida ) por vendedores (la categoría , con cada vendedor una subdivisión categórica ) durante un solo período. Se puede utilizar un gráfico de barras para mostrar la comparación entre los vendedores.
- Parte-a-todo: las subdivisiones categóricas se miden como una proporción del todo (es decir, un porcentaje de 100%). Un gráfico circular o un gráfico de barras pueden mostrar la comparación de razones, como la participación de mercado representada por los competidores en un mercado.
- Desviación: las subdivisiones categóricas se comparan con una referencia, como una comparación de los gastos reales con los presupuestados para varios departamentos de una empresa durante un período de tiempo determinado. Un gráfico de barras puede mostrar una comparación de la cantidad real con la de referencia.
- Distribución de frecuencia: muestra el número de observaciones de una variable en particular para un intervalo dado, como el número de años en los que el rendimiento del mercado de valores se encuentra entre intervalos como 0-10%, 11-20%, etc. Un histograma , un tipo del gráfico de barras, se puede utilizar para este análisis. Un diagrama de caja ayuda a visualizar estadísticas clave sobre la distribución, como mediana, cuartiles, valores atípicos, etc.
- Correlación: comparación entre observaciones representadas por dos variables (X, Y) para determinar si tienden a moverse en la misma dirección o en direcciones opuestas. Por ejemplo, graficar el desempleo (X) y la inflación (Y) para una muestra de meses. Normalmente, se utiliza un diagrama de dispersión para este mensaje.
- Comparación nominal: comparación de subdivisiones categóricas sin ningún orden en particular, como el volumen de ventas por código de producto. Se puede utilizar un gráfico de barras para esta comparación.
- Geográfica o geoespacial : comparación de una variable en un mapa o diseño, como la tasa de desempleo por estado o el número de personas en los distintos pisos de un edificio. Un cartograma es un gráfico típico utilizado. [4] [13]
Los analistas que revisan un conjunto de datos pueden considerar si algunos o todos los mensajes y tipos de gráficos anteriores son aplicables a su tarea y audiencia. El proceso de prueba y error para identificar relaciones y mensajes significativos en los datos es parte del análisis exploratorio de datos .
Percepción visual y visualización de datos
Un ser humano puede distinguir fácilmente las diferencias en la longitud, la forma, la orientación, las distancias y el color (tono) de las líneas sin un esfuerzo de procesamiento significativo; estos se denominan " atributos de preatención ". Por ejemplo, puede requerir mucho tiempo y esfuerzo ("procesamiento atento") identificar el número de veces que aparece el dígito "5" en una serie de números; pero si ese dígito es diferente en tamaño, orientación o color, las instancias del dígito se pueden notar rápidamente a través de un procesamiento de atención previa. [14]
Los gráficos efectivos aprovechan el procesamiento y los atributos de atención previa y la fuerza relativa de estos atributos. Por ejemplo, dado que los humanos pueden procesar más fácilmente las diferencias en la longitud de la línea que en el área de la superficie, puede ser más efectivo usar un gráfico de barras (que aprovecha la longitud de la línea para mostrar la comparación) en lugar de gráficos circulares (que usan el área de la superficie para mostrar la comparación). ). [14]
Percepción / cognición humana y visualización de datos
Casi todas las visualizaciones de datos se crean para consumo humano. El conocimiento de la percepción y la cognición humanas es necesario al diseñar visualizaciones intuitivas. [15] La cognición se refiere a procesos en los seres humanos como la percepción, la atención, el aprendizaje, la memoria, el pensamiento, la formación de conceptos, la lectura y la resolución de problemas. [16] El procesamiento visual humano es eficiente para detectar cambios y hacer comparaciones entre cantidades, tamaños, formas y variaciones de luminosidad. Cuando las propiedades de los datos simbólicos se asignan a las propiedades visuales, los humanos pueden examinar grandes cantidades de datos de manera eficiente. Se estima que 2/3 de las neuronas del cerebro pueden participar en el procesamiento visual. La visualización adecuada proporciona un enfoque diferente para mostrar posibles conexiones, relaciones, etc. que no son tan obvias en los datos cuantitativos no visualizados. La visualización puede convertirse en un medio de exploración de datos .
Los estudios han demostrado que las personas utilizan en promedio un 19% menos de recursos cognitivos y un 4,5% más capaces de recordar detalles al comparar la visualización de datos con el texto. [17]
Historia
No existe un "historial" completo de visualización de datos. No existen relatos que abarquen todo el desarrollo del pensamiento visual y la representación visual de datos, y que recopilen las contribuciones de disciplinas dispares. [18] Michael Friendly y Daniel J Denis de la Universidad de York están comprometidos en un proyecto que intenta proporcionar una historia completa de la visualización. Contrariamente a la creencia generalizada, la visualización de datos no es un desarrollo moderno. Desde la prehistoria, los datos estelares o información como la ubicación de las estrellas se visualizaron en las paredes de las cuevas (como las que se encuentran en la cueva de Lascaux en el sur de Francia) desde la era del Pleistoceno . [19] Los artefactos físicos como las fichas de arcilla de Mesopotamia (5500 a. C.), los quipus incas (2600 a. C.) y los gráficos de barras de las Islas Marshall (nd) también pueden considerarse como visualización de información cuantitativa. [20] [21]
La primera visualización de datos documentada se puede rastrear hasta 1160 a. C. con Turin Papyrus Map, que ilustra con precisión la distribución de los recursos geológicos y proporciona información sobre la extracción de esos recursos. [22] Estos mapas pueden clasificarse como cartografía temática , que es un tipo de visualización de datos que presenta y comunica datos e información específicos a través de una ilustración geográfica diseñada para mostrar un tema particular relacionado con un área geográfica específica. Las primeras formas documentadas de visualización de datos fueron varios mapas temáticos de diferentes culturas e ideogramas y jeroglíficos que proporcionaron y permitieron la interpretación de la información ilustrada. Por ejemplo, las tablillas Linear B de Micenas proporcionaron una visualización de información sobre los comercios de la Edad del Bronce Final en el Mediterráneo. La idea de las coordenadas fue utilizada por los agrimensores del antiguo Egipto para trazar ciudades, las posiciones terrenales y celestiales se ubicaron por algo similar a la latitud y longitud al menos en el año 200 aC, y la proyección del mapa de una tierra esférica en latitud y longitud por Claudio Ptolomeo [ c.85 – c. 165] en Alejandría serviría como estándares de referencia hasta el siglo XIV. [22]
La invención del papel y el pergamino permitió un mayor desarrollo de visualizaciones a lo largo de la historia. La figura muestra un gráfico del siglo X o posiblemente del XI que pretende ser una ilustración del movimiento planetario, utilizado en un apéndice de un libro de texto en las escuelas de los monasterios. [23] El gráfico aparentemente estaba destinado a representar un gráfico de las inclinaciones de las órbitas planetarias en función del tiempo. Para ello, la zona del zodíaco se representó en un plano con una línea horizontal dividida en treinta partes como el tiempo o eje longitudinal. El eje vertical designa el ancho del zodíaco. La escala horizontal parece haber sido elegida para cada planeta individualmente porque los períodos no pueden conciliarse. El texto que lo acompaña se refiere únicamente a las amplitudes. Aparentemente, las curvas no están relacionadas en el tiempo.
En el siglo XVI, las técnicas e instrumentos para la observación y medición precisas de cantidades físicas y la posición geográfica y celeste estaban bien desarrolladas (por ejemplo, un "cuadrante de pared" construido por Tycho Brahe [1546-1601], que cubría una pared entera en su observatorio). De particular importancia fue el desarrollo de la triangulación y otros métodos para determinar con precisión las ubicaciones de los mapas. [18] Muy temprano, la medida del tiempo llevó a los estudiosos a desarrollar una forma innovadora de visualizar los datos (por ejemplo, Lorenz Codomann en 1596, Johannes Temporarius en 1596 [24] ).
El filósofo y matemático francés René Descartes y Pierre de Fermat desarrollaron la geometría analítica y el sistema de coordenadas bidimensionales que influyeron mucho en los métodos prácticos de visualización y cálculo de valores. El trabajo de Fermat y Blaise Pascal sobre estadística y teoría de la probabilidad sentó las bases para lo que ahora conceptualizamos como datos. [18] Según la Interaction Design Foundation, estos desarrollos permitieron y ayudaron a William Playfair , quien vio potencial para la comunicación gráfica de datos cuantitativos, para generar y desarrollar métodos gráficos de estadística. [15]
En la segunda mitad del siglo XX, Jacques Bertin utilizó gráficos cuantitativos para representar la información "de manera intuitiva, clara, precisa y eficiente". [15]
John Tukey y Edward Tufte traspasaron los límites de la visualización de datos; Tukey con su nuevo enfoque estadístico de análisis exploratorio de datos y Tufte con su libro "La presentación visual de información cuantitativa" allanaron el camino para perfeccionar las técnicas de visualización de datos para más que estadísticos. Con la progresión de la tecnología vino la progresión de la visualización de datos; comenzando con visualizaciones dibujadas a mano y evolucionando hacia aplicaciones más técnicas, incluidos diseños interactivos que conducen a la visualización de software. [25]
Programas como SAS , SOFA , R , Minitab , Cornerstone y más permiten la visualización de datos en el campo de las estadísticas. Otras aplicaciones de visualización de datos, más enfocadas y únicas para las personas, los lenguajes de programación como D3 , Python y JavaScript ayudan a hacer posible la visualización de datos cuantitativos. Las escuelas privadas también han desarrollado programas para satisfacer la demanda de visualización de datos de aprendizaje y bibliotecas de programación asociadas, incluidos programas gratuitos como The Data Incubator o programas pagos como General Assembly . [26]
A partir del simposio "Data to Discovery" en 2013, ArtCenter College of Design, Caltech y JPL en Pasadena han llevado a cabo un programa anual sobre visualización interactiva de datos. [27] El programa pregunta: ¿Cómo puede la visualización de datos interactiva ayudar a los científicos e ingenieros a explorar sus datos de manera más eficaz? ¿Cómo pueden la informática, el diseño y el pensamiento de diseño ayudar a maximizar los resultados de la investigación? ¿Qué metodologías son más efectivas para aprovechar el conocimiento de estos campos? Al codificar información relacional con características visuales e interactivas apropiadas para ayudar a interrogar y, en última instancia, obtener una nueva perspectiva de los datos, el programa desarrolla nuevos enfoques interdisciplinarios para problemas científicos complejos, combinando el pensamiento de diseño y los últimos métodos de informática, diseño centrado en el usuario, diseño de interacción. y gráficos 3D.
Terminología
La visualización de datos implica una terminología específica, parte de la cual se deriva de las estadísticas. Por ejemplo, el autor Stephen Few define dos tipos de datos, que se utilizan en combinación para respaldar un análisis o visualización significativos:
- Categórico: Representa grupos de objetos con una característica particular. Las variables categóricas pueden ser nominales u ordinales. Las variables nominales, por ejemplo, el género, no tienen orden entre ellas y, por lo tanto, son nominales. Las variables ordinales son categorías con un orden, para registrar la muestra del grupo de edad al que pertenece alguien. [28]
- Cuantitativo: Representa medidas, como la altura de una persona o la temperatura de un ambiente. Las variables cuantitativas pueden ser continuas o discretas . Las variables continuas capturan la idea de que las mediciones siempre se pueden realizar con mayor precisión. Mientras que las variables discretas tienen solo un número finito de posibilidades, como un recuento de algunos resultados o una edad medida en años completos. [28]
La distinción entre variables cuantitativas y categóricas es importante porque los dos tipos requieren diferentes métodos de visualización.
Los dos tipos principales de pantallas de información son tablas y gráficos.
- Una tabla contiene datos cuantitativos organizados en filas y columnas con etiquetas categóricas. Se utiliza principalmente para buscar valores específicos. En el ejemplo anterior, la tabla puede tener etiquetas de columna categóricas que representan el nombre (una variable cualitativa ) y la edad (una variable cuantitativa ), y cada fila de datos representa a una persona (la unidad experimental muestreada o la subdivisión de categoría ).
- Un gráfico se usa principalmente para mostrar relaciones entre datos y representa valores codificados como objetos visuales (por ejemplo, líneas, barras o puntos). Los valores numéricos se muestran dentro de un área delimitada por uno o más ejes . Estos ejes proporcionan escalas (cuantitativas y categóricas) que se utilizan para etiquetar y asignar valores a los objetos visuales. Muchos gráficos también se conocen como cuadros . [29]
Eppler y Lengler han desarrollado la "Tabla periódica de métodos de visualización", un gráfico interactivo que muestra varios métodos de visualización de datos. Incluye seis tipos de métodos de visualización de datos: datos, información, concepto, estrategia, metáfora y compuesto. [30]
Técnicas
Nombre | Dimensiones visuales | Descripción / Ejemplos de usos | |
---|---|---|---|
Gráfico de barras |
|
| |
Histograma |
|
| |
Gráfico de dispersión |
|
| |
Gráfico de dispersión (3D) |
|
| |
La red |
|
| |
Gráfico circular |
|
| |
Gráfico de linea |
|
| |
Streamgraph |
|
| |
Mapa de árbol |
|
| |
Gráfico de gantt |
|
| |
Mapa de calor |
|
| |
Gráfico de rayas |
|
| |
Gráfico de espiral animado |
|
| |
Diagrama de caja y bigotes |
|
| |
Diagrama de flujo |
|
| |
Gráfico de radar |
|
| |
diagrama de Venn |
|
|
Interactividad
La visualización de datos interactiva permite acciones directas en una trama gráfica para cambiar elementos y vincular entre varias tramas. [33]
La visualización de datos interactiva ha sido una búsqueda de los estadísticos desde finales de la década de 1960. Se pueden encontrar ejemplos de los desarrollos en la biblioteca de préstamos de videos de la Asociación Estadounidense de Estadística . [34]
Las interacciones comunes incluyen:
- Cepillado : funciona usando el mouse para controlar un pincel, cambiando directamente el color o el glifo de los elementos de una trama. El pincel es a veces un puntero y a veces funciona dibujando una especie de contorno alrededor de los puntos; el contorno a veces tiene una forma irregular, como un lazo. El cepillado se usa con mayor frecuencia cuando se ven múltiples parcelas y existe algún mecanismo de enlace entre las parcelas. Existen varios modelos conceptuales diferentes para el cepillado y una serie de mecanismos de enlace comunes. El cepillado de diagramas de dispersión puede ser una operación transitoria, en la que los puntos del gráfico activo solo conservan sus nuevas características mientras están encerrados o cruzados por el pincel, o puede ser una operación persistente, de modo que los puntos conservan su nueva apariencia después de que el pincel ha sido Se mudó. El cepillado transitorio generalmente se elige para el cepillado vinculado, como acabamos de describir.
- Pintura : El cepillado persistente es útil cuando queremos agrupar los puntos en grupos y luego proceder a utilizar otras operaciones, como el recorrido, para comparar los grupos. Se está volviendo una terminología común para llamar pintura de operación persistente,
- Identificación : que también podría llamarse etiquetado o cepillado de etiquetas, es otra manipulación de la trama que se puede vincular. Al acercar el cursor a un punto o borde en una gráfica de dispersión, o una barra en una gráfica de barras , aparece una etiqueta que identifica el elemento de la gráfica. Está ampliamente disponible en muchos gráficos interactivos y, a veces, se denomina mouseover.
- Escala : asigna los datos a la ventana y los cambios en el área del. La función de mapeo nos ayuda a aprender cosas diferentes de la misma trama. La escala se usa comúnmente para hacer zoom en regiones abarrotadas de un diagrama de dispersión, y también se puede usar para cambiar la relación de aspecto de un gráfico, para revelar diferentes características de los datos.
- Vinculación : conecta elementos seleccionados en una parcela con elementos en otra parcela. El tipo más simple de vinculación, uno a uno, donde ambos gráficos muestran diferentes proyecciones de los mismos datos, y un punto en un gráfico corresponde exactamente a un punto en el otro. Cuando se utilizan diagramas de área, cepillar cualquier parte de un área tiene el mismo efecto que cepillarlo todo y equivale a seleccionar todos los casos en la categoría correspondiente. Incluso cuando algunos elementos de la trama representan más de un caso, la regla de vinculación subyacente aún vincula un caso en una trama al mismo caso en otras tramas. La vinculación también puede ser por variable categórica, como por una identificación de sujeto, de modo que todos los valores de datos correspondientes a ese tema estén resaltados, en todas las parcelas visibles.
Otras perspectivas
Existen diferentes enfoques sobre el alcance de la visualización de datos. Un enfoque común es la presentación de información, como Friedman (2008). Friendly (2008) asume dos partes principales de la visualización de datos: gráficos estadísticos y cartografía temática . [35] En esta línea, el artículo "Visualización de datos: enfoques modernos" (2007) ofrece una descripción general de siete temas de visualización de datos: [36]
- Artículos y recursos
- Visualización de conexiones
- Visualización de datos
- Visualización de noticias
- Visualización de sitios web
- Mapas mentales
- Herramientas y servicios
Todos estos temas están estrechamente relacionados con el diseño gráfico y la representación de la información.
Por otro lado, desde una perspectiva informática , Frits H. Post en 2002 categorizó el campo en subcampos: [7] [37]
- Visualización de información
- Técnicas y arquitecturas de interacción
- Técnicas de modelado
- Métodos multirresolución
- Algoritmos y técnicas de visualización
- Visualización de volumen
Dentro de The Harvard Business Review, Scott Berinato desarrolló un marco para abordar la visualización de datos. [38] Para comenzar a pensar visualmente, los usuarios deben considerar dos preguntas; 1) lo que tienes y 2) lo que estás haciendo. El primer paso es identificar qué datos desea visualizar. Se basa en datos como las ganancias de los últimos diez años o una idea conceptual como la estructura de una organización específica. Una vez que se responde esta pregunta, uno puede enfocarse en si están tratando de comunicar información (visualización declarativa) o tratando de averiguar algo (visualización exploratoria). Scott Berinato combina estas preguntas para brindar cuatro tipos de comunicación visual, cada uno con sus propios objetivos. [38]
Estos cuatro tipos de comunicación visual son los siguientes;
- Ilustración de ideas (conceptual y declarativa). [38]
- Se utiliza para enseñar, explicar y / o simplemente conceptos. Por ejemplo, organigramas y árboles de decisiones.
- generación de ideas (conceptual y exploratoria). [38]
- Utilizado para descubrir, innovar y resolver problemas. Por ejemplo, una pizarra después de una sesión de lluvia de ideas.
- descubrimiento visual (basado en datos y exploratorio). [38]
- Se utiliza para detectar tendencias y dar sentido a los datos. Este tipo de visual es más común con datos grandes y complejos donde el conjunto de datos es algo desconocido y la tarea es abierta.
- visualización de datos diaria (basada en datos y declarativa). [38]
- El tipo de visualización más común y simple que se usa para afirmar y establecer el contexto. Por ejemplo, un gráfico lineal del PIB a lo largo del tiempo.
Arquitectura de presentación de datos
La arquitectura de presentación de datos ( DPA ) es un conjunto de habilidades que busca identificar, ubicar, manipular, formatear y presentar datos de tal manera que comuniquen de manera óptima el significado y el conocimiento adecuado.
Históricamente, el término arquitectura de presentación de datos se atribuye a Kelly Lautt: [a] "La arquitectura de presentación de datos (DPA) es un conjunto de habilidades que rara vez se aplica y es fundamental para el éxito y el valor de la inteligencia empresarial . La arquitectura de presentación de datos combina la ciencia de los números, los datos y estadísticas para descubrir información valiosa a partir de datos y hacerla utilizable, relevante y procesable con las artes de la visualización de datos, las comunicaciones, la psicología organizacional y la gestión del cambio con el fin de proporcionar soluciones de inteligencia empresarial con el alcance de los datos, el tiempo de entrega, el formato y las visualizaciones que más Apoyar e impulsar de manera efectiva el comportamiento operativo, táctico y estratégico hacia los objetivos comerciales (u organizacionales) entendidos. DPA no es un conjunto de habilidades de TI ni de negocios, sino que existe como un campo de experiencia separado. A menudo confundido con la visualización de datos, la arquitectura de presentación de datos es mucho conjunto de habilidades más amplio que incluye determinar qué datos en qué horario y yo n qué formato exacto se presentará, no solo la mejor manera de presentar los datos que ya se han elegido. Las habilidades de visualización de datos son un elemento de DPA ".
Objetivos
DPA tiene dos objetivos principales:
- Utilizar datos para proporcionar conocimiento de la manera más eficiente posible (minimizar el ruido, la complejidad y los datos o detalles innecesarios dadas las necesidades y roles de cada audiencia)
- Usar datos para proporcionar conocimiento de la manera más efectiva posible (proporcionar datos relevantes, oportunos y completos a cada miembro de la audiencia de una manera clara y comprensible que transmita un significado importante, sea procesable y pueda afectar la comprensión, el comportamiento y las decisiones)
Alcance
Con los objetivos anteriores en mente, el trabajo real de la arquitectura de presentación de datos consiste en:
- Crear mecanismos de entrega efectivos para cada miembro de la audiencia en función de su función, tareas, ubicaciones y acceso a la tecnología.
- Definir el significado importante (conocimiento relevante) que necesita cada miembro de la audiencia en cada contexto.
- Determinar la periodicidad requerida de las actualizaciones de datos (la moneda de los datos)
- Determinar el momento adecuado para la presentación de datos (cuándo y con qué frecuencia el usuario necesita ver los datos)
- Encontrar los datos correctos (área temática, alcance histórico, amplitud, nivel de detalle, etc.)
- Utilizar análisis, agrupación, visualización y otros formatos de presentación adecuados
Campos relacionados
El trabajo de DPA comparte puntos en común con varios otros campos, que incluyen:
- Análisis de negocios en la determinación de objetivos comerciales, recopilación de requisitos, mapeo de procesos.
- Mejora de los procesos comerciales en el sentido de que su objetivo es mejorar y agilizar las acciones y decisiones para promover los objetivos comerciales.
- Visualización de datos en el sentido de que utiliza teorías de visualización bien establecidas para agregar o resaltar significado o importancia en la presentación de datos.
- Arquitectura de la información , pero la arquitectura de la información se centra en los datos no estructurados y, por lo tanto, excluye tanto el análisis (en el sentido estadístico / de datos) como la transformación directa del contenido real (datos, para DPA) en nuevas entidades y combinaciones.
- HCI y diseño de interacción , ya que muchos de los principios sobre cómo diseñar la visualización de datos interactivos se han desarrollado de forma interdisciplinaria con HCI.
- Periodismo visual y periodismo basado en datos o periodismo de datos : el periodismo visual se ocupa de todo tipo de facilitación gráfica de la narración de noticias, y el periodismo basado en datos y el periodismo de datos no se cuentan necesariamente con visualización de datos. Sin embargo, el campo del periodismo está a la vanguardia en el desarrollo de nuevas visualizaciones de datos para comunicar datos.
- Diseño gráfico , transmisión de información a través del estilo, la tipografía, la posición y otras preocupaciones estéticas.
Ver también
- Analítica
- Cuadro de mando integral
- Big Data
- Análisis comercial
- Inteligencia de Negocio
- Arte del cambio climático
- Dashboard_ (empresa)
- Análisis de los datos
- Arte de datos
- Perfiles de datos
- Ciencia de los datos
- Almacén de datos
- Análisis exploratorio de datos
- Infografia
- Arquitectura informacional
- Diseño de información
- Visualización de información
- Diseño de interacción
- Técnicas de interacción
- Visualización científica
- Visualización de software
- análisis estadístico
- Gráficos estadísticos
- Analítica visual
- Periodismo visual
- Rayas de calentamiento
Notas
- ^ Los primeros usos públicos formales, registrados, del término arquitectura de presentación de datos fueron en los tres eventos formales de lanzamiento de Microsoft Office 2007 en diciembre, enero y febrero de 2007-08 en Edmonton, Calgary y Vancouver (Canadá) en una presentación de Kelly Lautt describiendo un sistema de inteligencia empresarial diseñado para mejorar la calidad del servicio en una empresa de celulosa y papel. El término se utilizó y registró en uso público el 16 de diciembre de 2009 en una presentación de Microsoft Canadá sobre el valor de fusionar Business Intelligence con procesos de colaboración corporativa.
Referencias
- ^ Shewan, Dan (5 de octubre de 2016). "Los datos son hermosos: 7 herramientas de visualización de datos para profesionales del marketing digital" . Business2Community.com . Archivado desde el original el 12 de noviembre de 2016.
- ^ Nussbaumer Knaflic, Cole (2 de noviembre de 2015). Narración de historias con datos: una guía de visualización de datos para profesionales de negocios . ISBN 978-1-119-00225-3.
- ^ Gershon, Nahum; Page, Ward (1 de agosto de 2001). "Qué puede hacer la narración de historias para la visualización de información". Comunicaciones de la ACM . 44 (8): 31–37. doi : 10.1145 / 381641.381653 . S2CID 7666107 .
- ^ a b "Stephen Few-Perceptual Edge-Seleccionando el gráfico adecuado para su mensaje-2004" (PDF) . Archivado (PDF) desde el original el 5 de octubre de 2014 . Consultado el 8 de septiembre de 2014 .
- ^ Vitaly Friedman (2008) "Visualización de datos e infografías". Archivado el 22 dejulio de 2008en la Wayback Machine en: Graphics , Monday Inspiration, 14 de enero de 2008.
- ^ Fernanda Viegas y Martin Wattenberg (19 de abril de 2011). "Cómo hacer que los datos se vean atractivos" . CNN.com . Archivado desde el original el 6 de mayo de 2011 . Consultado el 7 de mayo de 2017 .Mantenimiento de CS1: utiliza el parámetro de autores ( enlace )
- ↑ a b Frits H. Post, Gregory M. Nielson y Georges-Pierre Bonneau (2002). Visualización de datos: el estado del arte . Artículo de investigación TU delft, 2002. Archivado el 7 de octubre de 2009 en la Wayback Machine .
- ^ Tukey, John (1977). Análisis de datos exploratorios . Addison-Wesley. ISBN 0-201-07616-0.
- ^ techatstate (7 de agosto de 2013). "Tech @ State: visualización de datos - discurso de apertura del Dr. Edward Tufte" . Archivado desde el original el 29 de marzo de 2017 . Consultado el 29 de noviembre de 2016 , a través de YouTube.
- ^ Cleveland, WS; McGill, R. (1985). "Percepción gráfica y métodos gráficos para el análisis de datos científicos". Ciencia . 229 (4716): 828–33. doi : 10.1126 / science.229.4716.828 . PMID 17777913 . S2CID 16342041 .
- ^ a b c Tufte, Edward (1983). La presentación visual de información cuantitativa . Cheshire, Connecticut: Prensa gráfica. ISBN 0-9613921-4-2. Archivado desde el original el 14 de enero de 2013 . Consultado el 10 de agosto de 2019 .
- ^ "Contar historias visuales sobre datos - Oficina de presupuesto del Congreso" . www.cbo.gov . Archivado desde el original el 4 de diciembre de 2014 . Consultado el 27 de noviembre de 2014 .
- ^ "Matriz de selección de gráfico de bordes perceptual de Stephen Few" (PDF) . Archivado (PDF) desde el original el 5 de octubre de 2014 . Consultado el 8 de septiembre de 2014 .
- ^ a b "Steven Few-Aprovechando el poder de la percepción visual-septiembre de 2004" (PDF) . Archivado (PDF) desde el original el 5 de octubre de 2014 . Consultado el 8 de octubre de 2014 .
- ^ a b c "Visualización de datos para la percepción humana" . La Fundación Interaction Design . Archivado desde el original el 23 de noviembre de 2015 . Consultado el 23 de noviembre de 2015 .
- ^ "Visualización" (PDF) . SFU . Conferencia SFU. Archivado desde el original (PDF) el 22 de enero de 2016 . Consultado el 22 de noviembre de 2015 .
- ^ Graham, Fiona (17 de abril de 2012). "¿Pueden las imágenes detener la sobrecarga de datos?" . BBC News . Consultado el 30 de julio de 2020 .
- ^ a b c Amistoso, Michael. "Una breve historia de la visualización de datos". Springer-Verlag. CiteSeerX 10.1.1.446.458 . Cite journal requiere
|journal=
( ayuda ) - ^ Whitehouse, D. (9 de agosto de 2000). "Descubierto mapa estelar de la Edad de Hielo" . BBC News . Archivado desde el original el 6 de enero de 2018 . Consultado el 20 de enero de 2018 .
- ^ Dragicevic, Pierre; Jansen, Yvonne (2012). "Lista de visualizaciones físicas y artefactos relacionados" . Archivado desde el original el 13 de enero de 2018 . Consultado el 12 de enero de 2018 .
- ^ Jansen, Yvonne; Dragicevic, Pierre; Isenberg, Petra; Alexander, Jason; Karnik, Abhijit; Kildal, Johan; Subramanian, Sriram; Hornbæk, Kasper (2015). "Oportunidades y desafíos para la fisicalización de datos" . Actas de la 33ª Conferencia Anual de ACM sobre factores humanos en sistemas informáticos : 3227–3236. Archivado desde el original el 13 de enero de 2018 . Consultado el 12 de enero de 2018 .
- ^ a b Amistoso, Michael (2001). "Hitos en la historia de la cartografía temática, la gráfica estadística y la visualización de datos" . Archivado desde el original el 14 de abril de 2014.
- ^ Funkhouser, Howard Gray (enero de 1936). "Una nota sobre un gráfico del siglo X". Osiris . 1 : 260–262. doi : 10.1086 / 368425 . JSTOR 301609 . S2CID 144492131 .
- ^ "Visualización de datos: definición, ejemplos, herramientas, consejos [guía 2020]" . Consultoría en investigación de mercados . 2020-12-09 . Consultado el 9 de diciembre de 2020 .
- ^ Amistoso, Michael (2006). "Una breve historia de la visualización de datos" (PDF) . Universidad de York . Springer-Verlag. Archivado (PDF) desde el original el 8 de mayo de 2016 . Consultado el 22 de noviembre de 2015 .
- ^ "Nueva York tiene un nuevo campo de entrenamiento para científicos de datos: es gratis pero más difícil de ingresar que Harvard" . Venture Beat . Archivado desde el original el 15 de febrero de 2016 . Consultado el 21 de febrero de 2016 .
- ^ Visualización de datos interactiva
- ^ a b Bulmer, Michael (2013). Una introducción portátil al análisis de datos . Universidad de Queensland: Centro Publish on Demand. págs. 4-5. ISBN 978-1-921723-10-0.
- ^ "Steven Few: seleccionar el gráfico adecuado para su mensaje, septiembre de 2004" (PDF) . Archivado (PDF) desde el original el 5 de octubre de 2014 . Consultado el 8 de septiembre de 2014 .
- ^ Lengler, Ralph ; Eppler, Martin. J . "Tabla periódica de métodos de visualización" . www.visual-literacy.org. Archivado desde el original el 16 de marzo de 2013 . Consultado el 15 de marzo de 2013 .
- ^ Kahn, Brian (17 de junio de 2019). "Esta sorprendente visualización del cambio climático ahora se puede personalizar para cualquier lugar de la Tierra" . Gizmodo . Archivado desde el original el 26 de junio de 2019.Desarrollado en mayo de 2018 por Ed Hawkins , Universidad de Reading .
- ^ Mooney, Chris (11 de mayo de 2016). "Este científico acaba de cambiar nuestra forma de pensar sobre el cambio climático con un GIF" . The Washington Post . Archivado desde el original el 6 de febrero de 2019.
Ed Hawkins tomó estos datos de temperatura mensuales y los trazó en forma de espiral, de modo que para cada año, hay doce puntos, uno para cada mes, alrededor del centro de un círculo, con temperaturas más cálidas más hacia afuera y temperaturas más frías más cerca hacia adentro.
- ^ Swayne, Deborah (1999). "Introducción al número especial sobre análisis de datos gráficos interactivos: ¿Qué es la interacción?". Estadística computacional . 14 (1): 1–6.
- ^ Asociación Estadounidense de Estadística, Sección de Gráficos Estadísticos. "Biblioteca de préstamos de videos" .
- ^ Michael Friendly (2008). "Hitos en la historia de la cartografía temática, gráficos estadísticos y visualización de datos". Archivado el 11 de septiembre de 2008 en Wayback Machine .
- ^ "Visualización de datos: enfoques modernos" Archivado el 22 de julio de 2008 en la Wayback Machine . en: Graphics , 2 de agosto de 2007
- ^ Frits H. Post, Gregory M. Nielson y Georges-Pierre Bonneau (2002). Visualización de datos: el estado del arte Archivado el 7 de octubre de 2009 en Wayback Machine .
- ^ a b c d e f Berinato, Scott (junio de 2016). "Visualizaciones que realmente funcionan" . Harvard Business Review : 92–100.
Otras lecturas
- Cleveland, William S. (1993). Visualización de datos . Prensa Hobart. ISBN 0-9634884-0-6.
- Evergreen, Stephanie (2016). Visualización de datos eficaz: el gráfico adecuado para los datos correctos . Sabio. ISBN 978-1-5063-0305-5.
- Healy, Kieran (2019). Visualización de datos: una introducción práctica . Princeton: Prensa de la Universidad de Princeton. ISBN 978-0-691-18161-5.
- Post, Frits H .; Nielson, Gregory M .; Bonneau, Georges-Pierre (2003). Visualización de datos: el estado del arte . Nueva York: Springer. ISBN 978-1-4613-5430-7.
- Rosling, H .; Rosling, O .; Rosling Rönnlund, A. (2018). Realidad: Diez razones por las que nos equivocamos en el mundo y por qué las cosas son mejores de lo que piensas . Libros Flatiron. pag. 288. ISBN 9781250123817.
- Wilke, Claus O. (2018). Fundamentos de la visualización de datos . O'Reilly. ISBN 978-1-4920-3108-6.
- Wilkinson, Leland (2012). Gramática de gráficos . Nueva York: Springer. ISBN 978-1-4419-2033-1.
enlaces externos
- Hitos en la historia de la cartografía temática, gráficos estadísticos y visualización de datos . Una cronología ilustrada de innovaciones por Michael Friendly y Daniel J. Denis.
- Universidad de Duke-Presentación de Christa Kelleher-Comunicación a través de infografías-Visualización de información científica y de ingeniería-6 de marzo de 2015