La visualización de datos es la representación de datos mediante el uso de gráficos comunes, como gráficas, diagramas, infografías e incluso animaciones. Estas representaciones visuales de información comunican relaciones de datos complejas y conocimientos basados en datos de una manera que resulta fácil de comprender.

La visualización de datos se puede utilizar para una amplia variedad de propósitos, y es importante tener en cuenta que su uso no se reserva exclusivamente a los equipos de datos. Los equipos directivos también la usan para transmitir la jerarquía y la estructura organizativa, mientras que los analistas y los científicos de datos la utilizan para descubrir y explicar patrones y tendencias. Harvard Business Review (enlace externo a IBM) categoriza la visualización de datos en cuatro propósitos principales: generación de ideas, ilustración de ideas, descubrimiento visual y visualización de datos diarios. A continuación, describiremos detalladamente cada uno de ellos:

Generación de ideas

La visualización de datos se suele utilizar para estimular la generación de ideas en los equipos. Con frecuencia se aplican en sesiones de "brainstorming" (lluvia de ideas) o Design Thinking al inicio de un proyecto para apoyar la recopilación de diferentes perspectivas y resaltar los intereses comunes del grupo. Si bien estas visualizaciones generalmente no están pulidas ni refinadas, ayudan a establecer la base dentro del proyecto para asegurar que el equipo esté alineado con el problema que tratan de abordar para las principales partes interesadas.

Ilustración de ideas

La visualización de datos para la ilustración de ideas ayuda a transmitir una idea, como una táctica o un proceso. Se usa comúnmente en entornos de aprendizaje, como tutoriales, cursos de certificación o centros de excelencia, pero también se puede usar para representar estructuras o procesos de organización, facilitando la comunicación entre las personas más adecuadas para tareas específicas. Los gestores de proyectos utilizan con frecuencia diagramas de Gantt y gráficos de cascada para ilustrar flujos de trabajo. El modelado de datos  también utiliza la abstracción para representar y comprender mejor el flujo de datos dentro del sistema de información de una empresa, lo que facilita a los desarrolladores, analistas de negocio, arquitectos de datos y otros comprender las relaciones en una base de datos o almacén de datos.

Descubrimiento visual

El descubrimiento visual y la visualización de datos diarios están más estrechamente alineados con los equipos de datos. Si bien el descubrimiento visual ayuda a los analistas de datos, a los científicos de datos y a otros profesionales de datos a identificar patrones y tendencias dentro de un conjunto de datos, la visualización de datos diarios apoya la narración posterior después de que se haya encontrado nueva información.

Visualización de datos

La visualización de datos es un paso crítico en el proceso de ciencia de datos, ya que ayuda a equipos y personas a nivel individual a transmitir datos de manera más efectiva a colegas y responsables de la toma de decisiones. Los equipos que gestionan sistemas de informes por lo general aprovechan las vistas de plantillas definidas para supervisar el rendimiento. Sin embargo, la visualización de datos no se limita a los paneles de control de rendimiento. Por ejemplo, durante la minería de textos un analista puede utilizar una nube de palabras para capturar conceptos clave, tendencias y relaciones ocultas dentro de estos datos no estructurados. Alternativmente, pueden utilizar una estructura de gráficos para ilustrar relaciones entre entidades en un gráfico de conocimientos. Hay varias formas de representar diferentes tipos de datos, y es importante recordar que es un conjunto de habilidades que debe extenderse más allá de su equipo de análisis central.

La primera forma de visualización de datos se remonta a los egipcios antes del siglo XVII, en gran parte utilizada para la asistencia en la navegación. Con el paso del tiempo, se ampliaron las aplicaciones de las visualizaciones de datos, como en disciplinas económicas, sociales y sanitarias. Un hecho remarcable es la publicación de Edward Tufte del libro The Visual Display of Quantitative Information (enlace externo a IBM), que ilustra que las personas pueden utilizar la visualización de datos para presentar datos de una manera más efectiva. Su libro resiste al paso del tiempo, especialmente cuando las empresas recurren a los paneles de control para presentar sus métricas de rendimiento en tiempo real. Los paneles de control son herramientas efectivas de visualización de datos para rastrear y visualizar datos de varios orígenes de datos, ya que brindan visibilidad sobre los efectos de comportamientos específicos por parte de un equipo o alguien adyacente sobre el rendimiento. Los paneles de control incluyen técnicas comunes de visualización, tales como:

• Tablas: consta de filas y columnas que se utilizan para comparar variables. Las tablas pueden mostrar una gran cantidad de información de forma estructurada, pero también pueden abrumar a los usuarios que simplemente buscan tendencias generales.

• Gráficos circulares y gráficos de barras apiladas: estos gráficos están divididos en secciones que representan partes de un todo. Proporcionan una forma simple de organizar datos y comparar el tamaño de cada componente entre sí.

• Gráficos de líneas y gráficos de área: estos elementos visuales muestran cambios en una o más cantidades trazando una serie de puntos de datos a lo largo del tiempo y se usan con frecuencia en el análisis predictivo. Los gráficos de líneas utilizan líneas para demostrar estos cambios, mientras que los gráficos de área conectan puntos de datos con segmentos de línea, apilando variables una sobre la otra y usando color para distinguir entre variables.

• Histogramas: este gráfico traza una distribución de números mediante un gráfico de barras (sin espacios entre las barras), que representa la cantidad de datos que se encuentran dentro de un intervalo particular. Este elemento visual facilita a un usuario final la identificación de valores atípicos dentro de un conjunto de datos determinado.

• Gráficos de dispersión: estas imágenes son útiles para revelar la relación entre dos variables, y se suelen utilizar en los análisis de datos de regresión. Sin embargo, a veces pueden confundirse con los gráficos de burbuja, que se utilizan para visualizar tres variables a través del eje x, el eje y y el tamaño de la burbuja.

• Mapas de calor: estas representaciones gráficas son útiles para visualizar datos de comportamiento por ubicación. Puede ser una ubicación en un mapa, o incluso una página web.

• Diagramas de árbol, que muestran datos jerárquicos como un conjunto de formas anidadas, normalmente rectángulos. Los diagramas de árbol son excelentes para comparar proporciones entre categorías por el tamaño de su área.

El acceso a herramientas de visualización de datos es más fácil que nunca. Las bibliotecas de código abierto, como D3.js, permiten a los analistas presentar datos de forma interactiva, con lo cual pueden interactuar con una audiencia más amplia con nuevos datos. Entre las bibliotecas de visualización de código abierto más populares se incluye:

• D3.js: es una biblioteca JavaScript de front-end para generar visualizaciones de datos dinámicas e interactivas en navegadores web. D3.js (enlace externo a IBM) utiliza HTML, CSS y SVG para crear representaciones visuales de datos que se pueden ver en cualquier navegador. También proporciona funciones para interacciones y animaciones.

• ECharts: una potente biblioteca de visualización que ofrece una manera fácil de agregar gráficos intuitivos, interactivos y altamente personalizables a productos, trabajos de investigación, presentaciones, etc. ECharts (enlace externo a IBM) se basa en JavaScript y ZRender, una biblioteca de lienzos ligera.

• Vega: Vega (enlace externo a IBM) se define a sí misma como "gramática de visualización" porque facilita la personalización de visualizaciones en grandes conjuntos de datos que son accesibles desde la web.

• deck.gl: forma parte de la suite del marco de visualización de código abierto de Uber. deck.gl (enlace externo a IBM) es un marco que se utiliza para el análisis de datos exploratorio de big data. Ayuda a crear visualizaciones basadas en GPU de alto rendimiento en la web.

Con tantas herramientas de visualización de datos en el mercado, también ha aumentado la visualización de información inefectiva. La comunicación visual debe ser simple y concisa para asegurar que la visualización de datos ayude a su audiencia objetivo a llegar a la idea o conclusión que pretende. Las siguientes mejores prácticas pueden ayudar a que su visualización de datos sea útil y clara:

Establecer el contexto: es importante proporcionar información general para situar en contexto a la audiencia y explicar por qué es importante este punto de datos en particular. Por ejemplo, si las tasas de apertura de correo electrónico fueran bajas, podríamos ilustrar una comparativa de la tasa de una compañía con el sector en general, demostrando que la compañía tiene un problema en este canal de marketing. Para impulsar una acción, la audiencia necesita comprender cómo es el rendimiento actual en comparación con algo tangible, como un objetivo, una referencia u otros indicadores clave de rendimiento (KPI).

Conozca su audiencia: tenga en cuenta para quién se diseña la visualización y asegúrese de que se ajuste a sus necesidades. ¿Qué está tratando de lograr esa persona? ¿Qué tipo de preguntas les importan? ¿Su visualización aborda sus inquietudes? Querrá que los datos que proporciona motiven a las personas a actuar dentro del ámbito de sus funciones. Si no está seguro de si la visualización es clara, preséntela a una o dos personas de su audiencia objetivo para obtener comentarios, lo que le permitirá realizar retoques antes de una gran presentación.

Elija una imagen efectiva: las imágenes específicas están diseñadas para tipos específicos de conjuntos de datos. Por ejemplo, los gráficos de dispersión muestran la relación entre dos variables bien, mientras que los gráficos de líneas muestran mejor los datos de series temporales. Asegúrese de que el material visual realmente ayude a la audiencia a comprender su conclusión principal. La desalineación de gráficos y datos puede provocar el efecto contrario, confundiendo aún más a su audiencia en lugar de proporcionar claridad.

Opte por lo simple: las herramientas de visualización de datos facilitan la adición de todo tipo de información a su representación visual. Sin embargo, solo porque pueda, no significa que tenga que hacerlo. En la visualización de datos, el objetivo es ser muy conciso en cuanto a la información que añade al foco de atención del usuario. Por ejemplo, ¿necesita etiquetas de datos en cada barra de su gráfico de barras? Tal vez solo necesite una o dos para ayudar a ilustrar su punto. ¿Necesita varios colores para transmitir su idea? ¿Está utilizando colores que son accesibles a una amplia variedad de audiencias (por ejemplo, considerar audiencias daltónicas)? Diseñe su visualización de datos para obtener el máximo impacto eliminando información que pueda distraer a su audiencia objetivo.