“Lineamientos para la visualización de datos”

Seminario Inteligencia Logística 2018

Antonio Bustamante
Contexto, por qué visualizar los datos
Hoy vivimos una revolución digital

Dispositivos conectados generando grandes cantidades de datos.

Hoy vivimos una revolución digital

La tendencia.

Más de 50 billones de dispositivos conectados para el año 2020.

Fuente: Bi Intelligence Estimates

Tsunami de los datos

Photo by Jeremy Bishop on Unsplash

¿Cómo surfear esta ola?

El rol de la visualización

En los últimos años el volumen de la información, ha crecido

exponencialmente, mientras que nuestra capacidad de comprensión está
limitada.

La visualización es un
medio que nos permite
cerrar este gap.
Capacidad de entender
¿Qué es una visualización de datos?

Se refiere a la creación y al estudio de representaciones y exploraciones

visuales de datos.

¿Cuál es su ventaja?

Ante la gran cantidad de datos que se manejan en un proyecto de Big

Data, la visualización convierte la complejidad de los dataset, a un
formato comprensible, accesible y utilizable.
“La Visualización actúa como un vehículo para la
construcción del conocimiento, revelando los patrones
que subyacen a los datos”
Juan C. Dürsteler
Solución: ¿Mostrar todos los datos?

Saturación de información. No nos facilita

comprender para tomar una decisión.
¿Entonces cómo?

No es presentar todos los datos sin un tratamiento adecuado.

= Frustración

Los datos se deben convertir en información relevante para el

usuario, quien a través de la percepción e interpretación de los
mismos, generará el conocimiento y la sabiduría.
Percepción humana

A partir de una simple

representación gráfica, la
percepción humana es una
poderosa máquina, capaz de
rescatar patrones y observar
tendencias o valores atípicos.

Photo by paul morris on Unsplash

Veamos un ejemplo

El cuarteto de Anscombe
comprende cuatro conjuntos de
datos que tienen las mismas
propiedades estadísticas:

- promedio
- varianza
- correlación.

https://es.wikipedia.org/wiki/Cuarteto_de_Anscombe
Veamos un ejemplo

I II

La visualización
añade una nueva
perspectiva a la
investigación de los
datos, y nos permite
ver con facilidad que
la relación entre los III IV
elementos es
totalmente diferente.

https://es.wikipedia.org/wiki/Cuarteto_de_Anscombe
La percepción humana

Al mismo tiempo, esta percepción puede inducirnos a errores y llevarnos

a conclusiones engañosas, por las propias limitaciones cognitivas.
La percepción humana
¿Qué cuadro de color es más oscuro, A o B?

Sin un marco de referencia, no sólo es difícil evaluar los colores... puede

ser erróneo. La percepción de un color es totalmente contextual e
intuitiva, es decir nuestro cerebro hace sus interpretaciones
automáticamente.

“Visualization Analysis & Design” Tamara Munzner 2014, P.112- 114

Pilares para una buena visualización
Pilares para una buena visualización

1.- Propósito: (El por qué) Debe ser específico, ¿para qué estoy creando
esto?, ¿para quién (usuario)? y ¿qué debe entender?

2.- Contenido: (El qué). Lo que no se muestra es tan importante como lo

que se muestra, al mostrar todo existe saturación y es difícil encontrar
lo que se está buscando o intentando comunicar (“less is more”). ¿Qué
datos importan? ¿Qué relaciones importan?

3.- Estructura: (el cómo). Cómo se mostrarán los datos, comparaciones,

relaciones, evoluciones. Barras, Líneas, Tortas, Scatter plots, etc.

4.- Formato: (todo lo demás). Hacer que los datos sean accesibles y
usables. Según cómo se consumirá, diseño significativo, resaltar lo que
es realmente importante, según el propósito y contenido definido.

© 2014 IBM Corporation “Four Pillars of Visualization” - Noah Iliinsky

...pero sin manipulaciones.

WTF Visualizations
http://viz.wtf/image/167382195183
Proceso de una visualización de datos
Diagrama Infoviz

Yuri Engelhardt (Amsterdam) & Juan C. Dürsteler (Barcelona), 2007

http://www.infovis.net/
Diagrama Infoviz / De los datos a la información

Conversión de datos en información:

- Recolectar y almacenar los datos relevantes.
- Procesar y transformar los datos, filtrando errores.
- Construcción de tablas de datos.
Diagrama Infoviz / De la información a la visualización

Convertir la información en una visualización gráfica:

Técnicas de creatividad asociadas variables visuales, gramática y sintaxis
del lenguaje gráfico y reglas de composición, metáforas visuales, etc...
Diagrama Infoviz / De la visualización a la comprensión

Comprensión de la visualización por el usuario para crear conocimiento.

Percepción, Gestalt, psicología cognitiva, modelos mentales, usabilidad,
diseño de interacción, etc...
Basado en el Diagrama InfoVIz de Yuri Engelhardt (Amsterdam) & Juan C. Dürsteler (Barcelona), 2007

Captura del
dato

Usabilidad y
Ingeniería Ciencia de los Diseño gráfico y de
experiencia
electrónica datos interacción
de usuario
Ejemplos de visualizaciones de datos
Ejemplos

Mapa con focos de infecciones de cólera en la epidemia

ocurrida en la ciudad de Londres.
John Snow, 1854.
Ejemplos

"Mapa figurativo de pérdidas sucesivas en hombres del ejército francés

en la campaña rusa de Napoleón 1812-1813".
Charles Minard, 1869
Ejemplos

Mapa del tren subterráneo de la ciudad de Londres.

Harry Beck, U.K. 1933

http://www.bbc.com/news/uk-england-london-20943525
Ejemplos

Información demográfica del censo 2010 en EE.UU.

Dustin A. Cable, 2013

https://demographics.virginia.edu/DotMap/index.html
Ejemplos

Carbonmap, cambio climático y vulnerabilidad social.

KILN - Duncan Clark & Robin Houston, 2012.
http://www.carbonmap.org/
Ejemplos

Patrones de vuelo 24hr. en EE.UU.

Aaron Koblin, 2009
http://www.aaronkoblin.com/work/flightpatterns/
Caso de uso
Caso de uso

Análisis del problema

¿Quién necesita esta información?

Definir propósito, objetivo

Estructura, prototipar

Formato, presentación

Patentes industriales,
Pilar Abiuso & Antonio Bustamante
Diplomado en DataViz UC 2017
Caso de uso

Análisis del problema

¿Quién necesita esta información?

Definir propósito, objetivo

Estructura, prototipar

Formato, presentación

Patentes industriales,
Pilar Abiuso & Antonio Bustamante
Diplomado en DataViz UC 2017
Caso de uso
Análisis del problema
¿Quién necesita esta información?
Definir objetivo, pregunta
Estructura, prototipar
Formato, presentación
Patentes industriales,
Pilar Abiuso & Antonio Bustamante
Diplomado en DataViz UC 2017
¿Cómo explorar la inscripción de
patentes de propiedad industrial en el
Instituto Nacional de Propiedad Industrial
(INAPI) en Chile a través de una
visualización dirigida a investigadores y
personas ligadas a la innovación,
teniendo como variables de la patente el
tipo de licencia, año de inscripción,
sector a la que pertenece, autor y país
que inscribe, para descubrir relaciones y
tendencias en investigación en nuestro
país, en un contexto de mucho ruido
entorno a la innovación en Chile… ¿qué
de eso es mito y qué realidad?
Caso de uso

Análisis del problema

¿Quién necesita esta información?

Definir propósito, objetivo

Contenido y Estructura, datasets,

prototipar, testear

Formato, presentación

Patentes industriales,
Pilar Abiuso & Antonio Bustamante
Diplomado en DataViz UC 2017
Caso de uso

Análisis del problema

¿Quién necesita esta información?

Definir propósito, objetivo

Contenido y Estructura, datasets,

prototipar, testear

Formato, presentación

Patentes industriales,
Pilar Abiuso & Antonio Bustamante
Diplomado en DataViz UC 2017
Caso de uso

Patentes industriales,
Pilar Abiuso & Antonio Bustamante
Diplomado en DataViz UC 2017
Referencias utilizadas:

- “Designing Data Visualizations” - Noah Iliinsky, Julie Steele, 2011.

- “Four Pillars of Visualization” - IBM 2014 - Noah Iliinsky
- La revista digital de InfoVis.net - Juan C. Dürsteler.
- “Humanizing Big Data: Marketing at the Meeting of Data, Social Science
and Consumer Insight” - Colin Strong, 2015.
- “Design for Information” - Isabel Meirelles, 2013.
- “The Visual Display of Quantitative Information” - Edward R. Tufte 2007.
 ¡Gracias!

Antonio Bustamante
User Experience Research
TID Chile

Twitter: @bustamantonio
Linkedin: antoniobustamantedelon