Visualizaciones de datos: pensando en el público objetivo

visualizacion datos

Bonus Track 5W: How?

Existen una serie de cuestiones transversales que van más allá de las herramientas a utilizar, ideas relacionadas con la capacidad de alcanzar el objetivo para el que fue diseñada una determinada visualización. No podemos perder de vista que, independientemente del atractivo visual de una gráfica, si no llega a suficientes personas, o si las personas a las que llega no perciben lo que se quería mostrar inicialmente, esta visualización no estará funcionando correctamente.

Con este artículo queremos recopilar una serie de consideraciones orientadas a las visualizaciones de tipo explicativo, es decir todas aquellas cuyo interés es representar información de forma visual destinada a ser comunicada y compartida. En este sentido es muy relevante que siempre recordemos dotar del contexto y las herramientas necesarias a nuestros lectores sin dar nada por sentado.

En el diseño de visualizaciones de datos hay que tener en cuenta el objetivo perseguido #dataviz Clic para tuitear

La medida del éxito de una visualización se valorará de formas muy diferentes dependiendo del universo en el que nos encontremos. Si nuestro objetivo es alcanzar la viralidad, para dar notoriedad a un estudio por ejemplo, podemos contar con la métrica del número total de shares en redes o el número de visitas al recurso; si, por contra, nuestro objetivo es informar o completar un discurso, las valoración será más cualitativa. En ambos casos debemos tener siempre presente al público objetivo. Para ello existen varios enfoques, aquí proponemos dos de ellos, uno de carácter teórico y generalista para acometer el diseño de un gráfico y otro más pragmático con el que realizar un análisis del trabajo ya terminado.

Enfoque teórico

Si nos trasladamos a una perspectiva más generalista podríamos plantear una serie de puntos centrados en el usuario que nos ayudan a generar una lista de pautas a revisar de forma previa a la elaboración de un gráfico.

1. Conocer a tu audiencia
Recordemos siempre que la persona que va a recibir nuestra visualización no tiene contexto, ni necesariamente el acceso a los mismos datos y medios con que derivar las mismas conclusiones. Por tanto, dotar de un contexto y las herramientas apropiadas (leyendas, unidades, indicadores…) para comprender el gráfico será imprescindible si queremos garantizar su adecuada comprensión.

2. Diseñar el discurso
¿Qué tipo de acciones o decisiones desea despertar en los consumidores de su visualización? Es importante definir los objetivos de nuestro trabajo. Seleccionamos un subconjunto de información del que extraemos unas conclusiones y las resumimos utilizando una herramienta visual, pero esto nos reclama veracidad, adecuación y eficacia.

3. Escoger visualizaciones acordes a la naturaleza de los datos
Hay tres tipos de datos: categórico, ordinal y cuantitativo. Las diferentes funciones visuales que es capaz de detectar el ojo humano funcionan mejor con una serie de tipos de datos. Esto se basa en las relaciones que establecemos de forma universal, una línea implica continuidad, por lo que será apta para representar valores de tipo ordinal, sin embargo no lo será para datos categóricos.

Esta sería una tabla que lista las técnicas visuales de representación apropiadas para cada tipo de dato, ordenada según efectividad.

dataviz técnicas
Fuente: Peder Enhorning – Top 7 Data Visualization Best Practices (Pulse)

4. Utilizar las características visuales correctamente
Existe una jerarquía de características visuales efectivas basadas en el tipo de datos. Es conveniente conocer esta jerarquía y aplicarla. Se basa en ciencia pura y dura que involucra décadas de investigación, estudios y medición fisiológica (Resonancias Magnéticas del cerebro). Conviene aplicar la jerarquía de efectividad con el tipo de datos y evitar errores comunes al usar características visuales; por ejemplo, aplicar colores discretos a datos categóricos es un error común que cometen los diseñadores.

5. Seguir una metodología de diseño
Existen varias propuestas de trabajos que sugieren una serie de pasos destinados a organizar la forma de trabajo. Inicialmente se centran en la obtención de requisitos, posteriormente proponen técnicas para la confección de la visualización y el tratamiento de los datos para finalmente liberar dichas visualizaciones. Un enfoque iterativo nos dará la capacidad de testear nuestras visualizaciones e ir corrigiendo errores.

6. Menos es más
Finalmente, recordar que la simplicidad es un importante aliado a la hora de representar datos de una forma visual. En general, ya se trata de ideas de cierta complejidad, traducciones implícitas… Así que liberarla de elementos superfluos será una poderosa aliada a la hora de destacar los datos que queremos transmitir.

En un orden más específico, existe una serie de autores que han sugerido métodos con tablas y diagramas de flujo, este es el caso del artículo Slide Choooser de Andrew Abela, inicialmente publicado en 2006 y revisitado en 2015.

Enfoque pragmático

Stephanie Evergreen y Ann K. Emery knew crearon en 2014 un artículo llamado Introducing The Data Visualization Checklist, en el que proponen un método para medir la calidad de una visualización. En su método se revisan más de 20 características englobadas los siguientes aspectos:

  • Texto
  • Disposición
  • Color
  • Líneas
  • En general

El resultado de cada una de las preguntas del test se valora y se mide en una escala de valores que puede tomar los siguientes valores: 0,1,2 o N/A. Una vez tomados los valores, aplicamos una fórmula cuyo resultado es un porcentaje de cumplimiento que determina la calidad de una visualización.

Este método recoge un resumen muy exhaustivo de todas las propiedades que debe cumplir una gráfico para garantizar su comprensión y retención de la información por parte del usuario. Al proponer además un procedimiento de evaluación cuantitativa y medible que facilita su aplicación.

Técnicas para validar la efectividad de la visualización de datos #dataviz Clic para tuitear

El esfuerzo para acertar con una visualización correcta va más allá de un acierto en la selección de la metáfora visual, requiere de la revisión de muchos aspectos de diseño, de contenido y comunicación, así que podemos concluir que en el caso de las visualizaciones se cumple:

“La belleza es el acuerdo entre el contenido y la forma” [Henrik Johan Ibsen]

Imagen: peles.com | rawpixel

Manuel de Paz

Cloud Architect en Keepler. "Desarrollador apasionado del software libre y la informática en la nube. Me encanta programar, aprender y compartir. Mis últimos trabajo están relacionados con Microservicios y Serverless, Desarrollo de aplicaciones móviles híbridas y Visualización de Datos".

Port Relacionados

% Comentarios (2)

Thanks for including our Data Visualization Checklist! We first released the Checklist in 2014. We released an updated version in 2018, which can be found here: http://annkemery.com/checklist/

Thanks for your excellent paper and for the update!

¿Qué opinas?

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.