Metodología Completa para la Visualización de Datos y Selección de Gráficos

Proceso para Desarrollar una Visualización de Datos

El desarrollo de una visualización de datos se estructura en tres fases clave:

Esta fase se centra en definir los objetivos de la visualización de datos. Incluye los siguientes puntos:

Investigación y Contexto:
- Temática: Definir qué, quién, cómo, cuándo, dónde y por qué.
- Audiencia: Identificar quién verá los datos.
- Análisis Preliminar: Estudiar la distribución, tendencias y correlación de indicadores.
Definición de Objetivos:
- ¿Cómo queremos ayudar al usuario? (Explorar, explicar, analizar).
- ¿Por qué es importante? (Reflexionar sobre su importancia y alcance).
- ¿Cómo lo evaluaremos? (Establecer métricas).
Indicadores Clave: Se consideran tres tipos: volumen, calidad y contexto.

Esta fase aborda la gestión y preparación de los datos:

Obtención de Datos: Recopilar los datos necesarios.
Formateo y Limpieza: Validar el contenido para asegurar que no haya errores. Se distinguen dos tipos de validación:
- General: Datos estructurados (ej. JSON).
- Por Indicador: Asegurar consistencia y estandarización.
Procesamiento: Ejecutar algoritmos para transformar y preparar los datos.

La fase final se enfoca en la creación visual de la representación:

Esbozo (Sketching): Crear bocetos iniciales de la visualización.
Prototipado: Utilizar datos reales para verificar la validez de los esbozos.
Finalización:
- Redacción de textos.
- Adaptación a la guía de estilo.
- Elaboración de mecanismos de ayuda.

A continuación, se presentan los principales tipos de gráficos, clasificados según su propósito:

Gráfico de barras: Para comparar un conjunto de valores y establecer un ranking.
Gráfico de barras apiladas: Para comparar el valor total de la suma de los segmentos que forman cada una de las barras.
Gráfico de barras agrupadas: Para comparar el valor de los segmentos que forman parte de nuestras categorías.
Gráfico múltiple: Para representar datos de diferentes categorías que no se pueden visualizar correctamente en un solo gráfico.
Gráfico de intensidad de colores: Para descubrir la variabilidad de un conjunto de variables.
Gráfico de radar: Para entender los valores de un elemento en diferentes variables a la vez.
Gráfico de marcas: Para evaluar un valor concreto respecto al esperado y a unos rangos de calidad.

Gráfico de líneas: Para mostrar la evolución temporal de variables.
Gráfico de pendientes: Para comparar el antes y el después de una variable en varias categorías.
Minigráfico de línea (Sparkline): Para contextualizar un indicador.

Mapas de coropletas: Para encontrar patrones geográficos en datos categorizados por zonas o regiones.
Mapa de símbolos proporcionales: Para encontrar patrones geográficos en datos que contienen información de latitud y longitud.

Gráfico de sectores: Para mostrar cómo se distribuyen proporcionalmente los datos.
Pictograma: Para expresar un valor y ofrecer un contexto que permita identificar si es grande o pequeño.
Mapa de árbol (Treemap): Para representar datos jerárquicos y comparar variables.

Histograma: Para entender cómo están distribuidos los valores de una variable.
Diagrama de caja (Box Plot): Para comparar la distribución de diferentes variables o de una de ellas en diferentes categorías.

Gráfico de dispersión (Scatter Plot): Para visualizar la relación entre dos variables.
Gráfico de burbujas: Una variación del gráfico de dispersión, pero con más información de los elementos.
Coordenadas paralelas: Para explorar conjuntos de datos multidimensionales.

Diagrama nodo-arista (Node-Link Diagram): Para detectar patrones que surgen de las relaciones entre los elementos del conjunto de datos.
Diagrama de Sankey: Para representar el cambio de una variable a través del flujo entre estados.