Visualización de datos: ¿Cómo escoger la herramienta adecuada?

visualizacion de datos herramientas graficas ok web shu_209854081-min

Hoy existe un amplio panorama de herramientas para la visualización de datos, generando un ecosistema amplio con muchas y variadas alternativas. Qué elegir depende del objetivo.

Uno de los aspectos más relevantes para comprender el auge de la visualización hoy en día es, sin duda, la existencia de nuevas herramientas digitales para la creación de gráficos. La disponibilidad de redes de comunicación digitales como internet, junto a la omnipresencia de temas como la inteligencia artificial y el data science que usan extensamente estrategias de visualización, ha permitido que muchas personas puedan conocer y comenzar a usar estas herramientas.

Otro de los factores importantes en esta proliferación de herramientas para la visualización es el surgimiento de numerosas comunidades interesadas en el tema, que comparten sus desarrollos y logros de manera distribuida, optimizando constantemente dichas herramientas, lo que redunda en una cada vez mayor simpleza y facilidad de uso.

El rango va desde herramientas que permiten capturar, administrar y transformar los datos hasta aquellas que ayudan a presentar y difundir información por medio de gráficos estáticos o interactivos.

Existe una enorme gama de posibilidades para las diferentes etapas del proceso de visualización, pero también para los diferentes objetivos que tengamos en mente. Entonces el asunto es cuál de estas herramientas es más conveniente en uno u otro caso. Veamos:

1. Según nuestros objetivos: Analizar o comunicar

Muchas veces un proyecto que involucre visualizaciones puede considerarse desde dos perspectivas: Visualización para el análisis, y visualización para la comunicación.

a. Visualización para el análisis: Orientada a comprender qué hay en los datos. Se acude a la visualización para representar las estructuras de estos.

John Tukey (EE.UU., 1915 – 2000) privilegiaba grandemente el análisis visual de datos, para lo cual desarrolló el Exploratory Data Analysis (EDA), orientado precisamente a generar exploraciones visuales en los datos y dejar que estos mismos nos hablen sobre su estructura y patrones.

En este caso, herramientas como RStudio o Python ofrecen una gama amplia de opciones, pero requieren determinado conocimiento técnico de cierta complejidad para su uso. Este es el terreno de los científicos de datos y los profesionales de la estadística, entre otros.

b. Visualización para la comunicación: Por otro lado, podemos conocer bien la información, comprender cuáles son los patrones de los datos, pero requerimos comunicar de manera eficiente las conclusiones, o debemos dirigirnos a un público específico, por lo que se necesita traducir la complejidad a un lenguaje más empático que facilite la comprensión.

Todo este escenario es campo para periodistas, diseñadores, comunicadores, entre otros profesionales de las comunicaciones quienes eventualmente no poseen dominios técnicos profundos, por lo que requieren herramientas intuitivas y que permitan prototipar de manera rápida. Herramientas como Tableau, Raw Graphics, entre otras, son buenas opciones, además de conocimientos de HTML, CSS o JavaScript, para desarrollar proyectos muchas veces orientados a la web.

Por supuesto que estas dos grandes áreas de analítica y comunicación puedan convergir en algún punto. Por ello, es perfectamente posible desarrollar proyectos con una interface que permitan al usuario final explorar libremente en busca de patrones en los datos, según sus propios intereses y preguntas.

2. Según la complejidad de la herramienta: Herramientas gráficas estandarizadas

Otra manera para escoger herramientas es por su dificultad o facilidad de uso, si es intuitiva y rápida de aprender, o si requiere cierto nivel de conocimiento técnico. Por supuesto que escoger una herramienta difícil de manejar nos ofrece flexibilidad pero puede implicar un aprendizaje extenso. Podemos distinguir entonces tres áreas: herramientas gráficas, visualizaciones prehechas, y lenguajes de programación (sobre este último tema lee este artículo).

a. Herramientas gráficas: Podemos encontrar programas de edición de imágenes que se especializan en la creación de vectores o de bitmap, y que principalmente son usadas por diseñadores, artistas, periodistas, fotógrafos, entre otros.

Sin embargo, a pesar de ser muy intuitivas, requieren mucho esfuerzo para la realización de gráficos estadísticos, donde no siempre la relación entre el valor del dato y su representación es coherente. Son herramientas donde podríamos decir, se hace todo “a mano”. En esta categoría encontramos herramientas como Photoshop o Illustrator (de Adobe), o Gimp e Inkscape (FLOSS). Son muy usadas para la realización de infografías periodísticas.

b. Visualizaciones prehechas: Hay herramientas que permiten ingresar los datos y seleccionar la representación desde una serie de opciones (galerías con “moldes” de visualizaciones). Usadas por cientistas de datos, programadores, e incluso no expertos que buscan rapidez en probar diferentes alternativas para la representación.

Acá también las opciones son amplias y podemos encontrar desde librerías de Python (Matplotlib, Seaborn), o R (Ggplot), hasta otras orientadas a la web como Raw Graphs (ver figura), o la reciente Data Studio de Google. También hay otras mixtas como Tableau, conversiones desktop o web. Una muy extendida es la librería D3.js, desarrollada en JavaScript, que se ha convertido prácticamente en un estándar de facto para la creación de gráficos para web.

Raw Graphs.io, herramienta online que facilita la creación y distribución de gráficos

Visualizacion de datos herramientas graficas
https://app.rawgraphs.io/imgs/cover-for-socials.jpg

Más referencias:
The Pudding
D3Plus

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