Visualización de datos: ¡Aplica sus estrategias para que los datos tengan sentido y valor!

Diversas disciplinas y perspectivas han dado origen a la visualización de datos, la que permite un análisis más integral de estos últimos.

Hoy vivimos en un mundo interconectado, donde las interacciones entre diferentes actores (personas, países, instituciones, etc.) son cada vez más intrincadas. Asimismo, día a día se genera una gran cantidad de datos en nuestros computadores, en redes sociales, smartphones, provenientes de diversos dominios (ciencias, ingenierías, medicina, comercio, estado, etc.)

Esta abundancia de datos e interacciones ha generado un marco de creciente complejidad, el cual requiere ser analizado y comprendido. Este escenario ya lo prefiguraba el científico estadounidense Warren Weaver (1894–1978), quien a mediados del siglo XX pensaba en la necesidad de orientar esfuerzos conceptuales, tecnológicos y sociales para converger hacia una complejidad organizada, paradigma de conocimiento que permitiría comprender fenómenos complejos caracterizados por un amplio número de variables e interacciones.

En este escenario, un elemento relevante son los datos, que como se mencionó, tenemos en abundancia hoy en día. La búsqueda de sentido y valor a partir de estas montañas de datos requiere, sin duda, un abordaje desde diversas perspectivas. Es una labor que precisa conocimientos multidisciplinarios, tanto estadísticos, como experticias en manipulación y análisis de datos.

Se necesitan además conocimientos de los dominios específicos de los problemas abordados, lo que permite la lectura y comprensión de los datos en su contexto. Y por supuesto, las disciplinas especializadas en estrategias para la representación visual tienen un rol muy importante.

Un conjunto de estrategias

Para analizar y entender la forma y sentido de los datos, la visualización es un conjunto de estrategias que buscan descubrir patrones, regularidades y estructuras, complementando así el análisis estadístico.

Ejemplo de la relevancia de la representación gráfica es el conocido Cuarteto de Anscombe, que a partir de cuatro conjuntos de datos con propiedades estadísticas iguales es posible advertir que, luego de un análisis visual de sus gráficos correspondientes, son conjuntos que se comportan de manera diferente (ver figura).

Visualizacion de datos Cuarteto Anscombe

Este ejemplo deja en evidencia el valor de la representación visual de datos para un análisis más integral de estos. Muchas veces es necesario comunicar posteriormente los hallazgos aparecidos en el proceso de análisis, generalmente de manera visual. En estos dos puntos del proceso (análisis y comunicación), la visualización de datos es una herramienta imprescindible para hacer comprensible la forma de estos.

Si bien ha tenido un reciente y notorio impulso debido a la instantaneidad de la web, la visualización de datos pertenece a una larga tradición en la representación visual de información, compartiendo terreno disciplinar con el diseño de información, el diseño de instrucciones, y la infografía. Todas estas especialidades han bebido a su vez de otras disciplinas, como la psicología, la cognición, el arte, y los numerosos desarrollos que se desprenden de la computación, como el procesamiento de datos y la programación, entre otros. El computador mismo brinda rapidez y precisión, contando un ecosistema de herramientas de programación cada vez más fáciles de usar.

Para crear artefactos perceptibles

El gran aporte de la visualización al trabajo multidisciplinar con datos, consiste en brindar las herramientas conceptuales, técnicas y metodológicas para la creación de artefactos perceptibles que permitan amplificar el conocimiento.

Se podría decir que hoy estamos en un proceso cada vez más constante de integración de miradas disciplinarias, participando de la idea de Weaver de transitar desde una “complejidad desorganizada” hacia la compresión de una “complejidad organizada”. En este proceso la visualización de datos tiene un rol fundamental para dar sentido y generar una comprensión más integral de los fenómenos complejos analizados.

Referencias:

Weaver W. Science and Complexity. American Scientist. 1948.
Anscombe F.J. Graphs in Statistical Analysis. American Statistician. 1973.

Lee aquí sobre el curso online “Visualización de Datos” de Clase Ejecutiva UC.





Ricardo Vega

¿Te gustó? Compártelo en tus redes

Artículos más recientes del autor