Suscríbete a DeepL Pro para poder editar este documento.

Entra en www.DeepL.com/pro para más información.

Capítulo 3

Los principios de la
en Microsoft de datos
visualización
Excel
Que yo sepa, hay muy poco en la literatura actual sobre hojas de cálculo que discuta las mejores prácticas con la
visualización de datos. Hay muchos libros sobre cómo crear gráficos circulares, gráficos tridimensionales y
gráficos de araña, pero pocos discuten por qué para cada uno de estos gráficos siempre hay una opción mejor
disponible. Veo por qué los tutoriales sobre estos temas son en principio atractivos; después de todo, los primeros
gráficos forman parte de la biblioteca del paquete básico de Excel. Por lo tanto, para tal vez aprobar la
certificación de Experto en Microsoft Excel, saber cómo crear estos gráficos puede ser de utilidad. Sin embargo,
para nosotros, los desarrolladores y consumidores de datos, estos gráficos hacen más daño que bien.
Hacen daño porque inhiben nuestra capacidad de dar sentido a los datos. Cuando tenemos una buena
comprensión de los datos, podemos tomar buenas decisiones. Una mala, engañosa o corta comprensión de los
datos fomentará decisiones mal informadas. Por lo tanto, una buena visualización de los datos ayudará a
explorarlos, nos ayudará a comunicarlos adecuadamente a los demás e inevitablemente fomentará las buenas
decisiones. Por lo tanto, comprender las mejores prácticas es un esfuerzo que merece la pena.
Aquí es donde entra en juego Microsoft Excel. No hace falta que te diga que Excel te permite crear muchos
tipos de gráficos y presentar los datos de muchas maneras diferentes. Pero las presentaciones de datos por defecto
de Excel, es decir, los gráficos por defecto en cuanto a formato y color, no son siempre los mejores para mostrar
los datos. Sin embargo, como se demostrará en capítulos posteriores, la creación de gráficos de buena calidad no
es difícil, pero puede requerir paciencia cuando se avanza por primera vez en los pasos.
Todas las imágenes de los gráficos de este capítulo se elaborarán en Microsoft Excel.

¿Qué es la percepción visual y cómo funciona?

En esta sección, hablaré de los fundamentos de la percepción visual y de cómo podemos aprovecharla mejor. Al
final de este capítulo, verás que una buena visualización se basa en la ciencia de cómo funciona la percepción.

■ Nota Una buena visualización se basa en la ciencia de cómo funciona la percepción.

La percepción y el mundo visual

Hay tres objetos diferentes en la percepción. Son la luz, los objetos de nuestro campo visual y nosotros.

• En primer lugar, la luz visible se refleja en todas las superficies del universo conocido.
• Nuestros ojos captan esta luz del entorno que nos rodea, la convierten en información y la envían
al cerebro utilizando el nervio óptico como canal.

35
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

• Al final del nervio óptico se encuentra el quiasma óptico, donde se unen los nervios ópticos de
ambos ojos. Aquí, la información se envía a nuestro cerebro para ser procesada.
El resultado de este proceso es lo que llamamos percepción visual. Aunque el mundo que está fuera de
nuestros ojos se lee en forma de luz, la forma en que entendemos ese mundo -es decir, cómo lo percibimos- es
un producto de los procesos de nuestro cerebro. La experiencia, la psicología y la intuición desempeñan un
papel importante en nuestra percepción visual. De hecho, como se explica en el capítulo 2, nuestros propios
prejuicios personales contribuyen a nuestra percepción de todas las cosas, no sólo de las visuales. Lo que
podemos deducir de esto es que la percepción visual es la interpretación de la información procesada que
recibimos del mundo visual.
Pero en el mundo visual, como verás, tenemos nuestra propia preferencia por ciertos patrones. Cuando las
líneas parecen estar conectadas, nuestro cerebro intenta conectarlas. Este proceso no es muy diferente de cómo
interactuamos con otras cosas en nuestra vida. La frase "conectar los puntos" se refiere a nuestra capacidad
humana de tomar piezas dispares de información y unirlas en una idea fluida; no es un error que la frase sea
paralela a cómo consumimos, construimos e interpretamos patrones visuales.

Nuestro sesgo hacia las formas: La percepción y la psicología de la

Gestalt
En las décadas de 1930 y 1940, varios psicólogos alemanes se propusieron entender cómo percibimos las formas
en función de los patrones de agrupación que hacemos a través de nuestros ojos. Este estudio se conoce como
psicología de la Gestalt, y sus principios proporcionan una interesante ventana a través de la cual podemos
entender los objetos de nuestro mundo visual. Estos principios se denominan leyes de agrupación de la Gestalt.
Nos permiten predecir perceptivamente la sensación de las formas. En este artículo, hablo de algunos de ellos
relacionados con nuestro trabajo en Microsoft Excel:

• Similitud
• Proximidad
• Cierre
• Agrupación común
• Continuación

Similitud
La similitud establece que los elementos de la misma forma -es decir, los que comparten características similares
como la forma, el color o el tamaño- se perciben como parte de un grupo. Por ejemplo, consideremos el conjunto
de formas de la Figura 3-1, que representa el diseño de un salón de banquetes realizado en Excel.

36
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

Figura 3-1. La agrupación de formas demuestra el concepto de similitud

¿Cuántos grupos de formas ves? La mayoría de nosotros responderá que tres grupos. En la figura 3-1 vemos
primero un grupo de círculos, después un grupo de cuadrados y, por último, un grupo de círculos de nuevo. El
patrón general parece ser un cuadrado, pero nuestros ojos pueden procesar tanto las formas como grupos como la
forma que esas formas forman.
Nuestra capacidad de agrupar formas por colores es el mismo patrón que vemos en las tablas de información,
como en la Figura 3-2.

Figura 3-2. La alternancia de colores crea contraste y rompe la similitud del grupo

En la Figura 3-2 vemos que un resaltado gris repetido permite a nuestros ojos ver las diferencias en las filas
de la tabla.

Proximidad
La proximidad se refiere a nuestra capacidad de discernir diferentes grupos en función de la distancia. Las formas
que aparecen más juntas se perciben como grupos propios. Podemos llamar a estos grupos de formas clusters.
Podemos percibir series de clusters cuando los puntos se agrupan en un área pero forman patrones separados de
otros puntos. En

37
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

En la Figura 3-3, el gráfico de dispersión parece mostrar un grupo (algunos podrían argumentar que dos grupos)
de puntos con tendencia al alza.

Figura 3-3. ¿Cuántos grupos o racimos de puntos ves?

Sin embargo, lo que percibimos como distancia puede cambiar cuando hacemos zoom. Ahora los puntos
parecen mostrar varios grupos (véase la Figura 3-4).

Figura 3-4. ¿Cómo cambia nuestra percepción de los cúmulos al ampliar los puntos?

Pregunté a algunos de mis colegas para saber cuántos grupos percibían a este nivel de zoom. Algunos dijeron
que veían cuatro grupos (Figura 3-5).

38
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

Figura 3-5. Algunas personas ven cuatro grupos de puntos

Algunos dijeron que tres (Figura 3-6).

Figura 3-6. Algunos dijeron que sólo veían tres grupos de puntos

39
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

Y otros dijeron que vieron dos. Pero tanto si se aleja como si se acerca, estamos viendo la misma serie de
puntos. Por lo tanto, la escala que elijamos para los datos afectará a nuestra percepción de los mismos. Si
elegimos la escala equivocada, corremos el riesgo de mostrar los datos de forma ineficaz e inexacta.
En la Figura 3-7, podemos ver cómo los cambios en el tamaño de los puntos (A), la altura de la escala del eje
x (B) y la altura de la escala del eje y (C) pueden afectar a la percepción de los grupos.

Figura 3-7. El cambio de escala afecta a la percepción de los grupos

■ Recuerde que la forma en que elijamos la escala de los datos afectará a nuestra
percepción de los mismos. si elegimos la escala equivocada, corremos el riesgo de mostrar
los datos de forma ineficaz e inexacta.

En la Figura 3-8, vemos un gráfico de regiones, agrupadas por el trimestre de un año y las unidades vendidas
de una empresa. He añadido etiquetas para ayudar a nuestra comprensión, pero incluso las etiquetas no pueden
proporcionar la información visual para separar adecuadamente los datos por región.

Figura 3-8. El uso de la misma combinación de colores hace que parezca que todas las barras forman parte del
mismo grupo

Podríamos aplicar lo que hemos aprendido del principio de similitud y cambiar los colores de cada región
(ver Figura 3-9).
40
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

Figura 3-9. La similitud nos ayuda a diferenciar las agrupaciones del gráfico de barras

Nos estamos acercando, pero recuerde que estas regiones pueden representar un grupo de datos. Intentemos
añadir algo de espacio en su lugar (Figura 3-10).

Figura 3-10. La adición de espacio da la profundidad visual necesaria para hacer la distinción entre cada región

41
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

Ahora lo tenemos. La proximidad, cuando se utiliza correctamente, nos permite combinar y separar
visualmente los datos en grupos. Hay algunas formas de conseguir el efecto descrito anteriormente en Excel. En la
Figura 3-10, he utilizado un método sencillo para añadir un dato llamado espaciador. El espaciador actúa
esencialmente como el quinto punto de datos en una serie de Norte, Este, Sur, pero no Oeste. El espaciador no
contiene datos, por lo que cuando lo vemos en un gráfico, parece que se separa -actuando como un buffer- entre
cada serie. Por defecto, Excel no ofrece la posibilidad de añadir estos espacios entre series; pero, con un poco de
configuración por nuestra parte, podemos dar estilo al gráfico

en consecuencia.

Cierre
El cierre se refiere a nuestra capacidad para crear formas completas, incluso cuando faltan partes de la forma.
Podemos, por ejemplo, ver los contornos de un cuadrado o de un círculo, aunque falten partes de sus contornos
(Figuras 3-11 y 3-12).

Figura 3-11. Esto parece un círculo, ¿verdad?

Figura 3-12. Debería percibir la serie de contornos rotos como un cuadrado

El cierre puede dar la apariencia de un conjunto fluido de datos. Incluso con los datos que faltan, el
gráfico de la Figura 3-13 sigue dando la apariencia de una serie fluida y con tendencia.

42
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

Figura 3-13. Un ejemplo de cierre

En otras palabras, el cierre nos permite percibir las formas, o los objetos, como formas completas cuando ya
hay suficiente información sobre un objeto. Nuestra predisposición a las formas que vemos a nuestro alrededor -
círculos, cuadrados, líneas- nos permite rellenar la información que falta e inferir una forma completa. Puedes ver
cómo este principio puede funcionar a nuestro favor y también en contra. Al utilizar los principios de cierre,
podemos ver patrones en los datos que de otro modo se perderían en una tabla. Por otro lado, esta conexión que
crea nuestra mente puede dar lugar a inferencias erróneas si no nos tomamos más tiempo para observar los datos y
confirmar nuestras inferencias.
Una ilusión común es la del triángulo de Kanizsa, como se muestra en la Figura 3-14. Cabe señalar aquí que
los contornos del triángulo nunca se dibujan realmente. Más bien, son creados por nuestro cerebro cuando
interpretamos el espacio en blanco para formar contornos y áreas. Este es un ejemplo inmediato de cómo nuestro
cerebro utiliza las características de cierre.

Figura 3-14. Triángulo de Kanizsa1

1 Por Fibonacci (Obra propia) [GFDL (www.gnu.org/copyleft/fdl.html) o CC-BY-SA-3.0

(http://creativecommons.org/licenses/by-sa/3.0/)], vía Wikimedia Commons.

43
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

Grupos comunes de formas y puntos

La agrupación común se refiere a la capacidad de la mente para percibir objetos conectados como formas únicas y
uniformes. El patrón entrecruzado de la Figura 3-15 se percibe como dos líneas que se cruzan y no como cuatro
líneas que se encuentran en un único punto central compartido.

Figura 3-15. La mayoría de la gente percibe este entrecruzamiento como dos líneas bisectrices

Del mismo modo, también podemos ver grupos de datos comunes cuando están encerrados por algún límite.
En el ejemplo anterior sobre la proximidad, estos límites se percibían por la distancia de los puntos de datos entre
sí. La discusión posterior puso de relieve ciertos puntos de los gráficos rodeándolos con un rectángulo y variando
el tono del fondo detrás de ellos.
La figura 3-16 muestra un ejemplo de agrupación. Nuestra mente crea una agrupación común para estos
puntos de datos porque parecen existir en un espacio con límites y color compartidos. Este principio resultará
importante como medio para destacar y separar los datos.

Figura 3-16. El cierre crea agrupaciones de objetos que parecen existir dentro de límites compartidos, incluso
cuando no se dibujan dichos contornos

Continuación
La continuación se refiere a la capacidad de nuestra mente para percibir la continuación de formas y figuras
superpuestas como algo ininterrumpido. La línea que atraviesa el triángulo de la figura 3-17 se percibe como una
línea continua y un triángulo completo.
44
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

Figura 3-17. La línea se percibe como una línea continua a través del triángulo

No percibimos el triángulo como se muestra en la Figura 3-18.

Figura 3-18. La continuación dice que no percibimos las rupturas a través de las formas de intersección

Y no percibimos la línea como se muestra en la Figura 3-19.

Figura 3-19. Una línea rota

La continuación es importante porque sugiere que entendemos las líneas y las formas como figuras
completas. Aunque un gráfico de líneas puede ser sólo varios puntos de datos para cada mes, interpretamos las
conexiones entre cada punto como parte de una tendencia general. Esto es importante cuando consideramos las
diferencias entre un gráfico de líneas y un gráfico de barras. Los puntos de datos de un gráfico de barras se
presentan como discretos y sin conexión. En cambio, esos mismos datos podrían representarse en un gráfico de
líneas con los puntos de datos conectados. La forma en que se nos presente esta información afectará a la forma en
que la interpretemos. Por lo tanto, debemos elegir los gráficos correctos para reflejar los datos subyacentes.
En los apartados anteriores se han resumido estos principios de agrupación:

• Similitud
• Proximidad
• Cierre
• Agrupación común
• Continuación

45
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

A partir de esta lectura, aprendemos cómo nuestra mente percibe las formas agrupadas. Podemos utilizar
estos principios para entender cuál es la mejor manera de organizar nuestros datos de presentación de forma
que informen en lugar de confundir. Si se utilizan correctamente, estas formas nos permitirán ver una imagen
más amplia con mayor facilidad. Sin embargo, aún no hemos terminado de hablar de cómo nuestra mente
organiza y percibe las formas. Esta sección ha permitido comprender cómo completamos e inferimos
información que no se presenta necesariamente. La próxima sección tratará sobre cómo destacamos y
alertamos de los datos que difieren -es decir, que sobresalen- del grupo.

Los atributos de la percepción

Los atributos pretenciosos son los patrones que reconocemos inmediatamente, incluso antes de ser conscientes de
ellos. De este modo, nos benefician al presentar patrones que podemos interpretar de inmediato, sin necesidad de
agotar nuestra memoria a corto plazo. Los atributos pretenciosos son especialmente útiles para representar valores
cuantitativos. En su libro Now You See It (Analytics Press, 2009), Stephen Few cita a Colin Ware2 sobre los
atributos preatentivos.

Podemos hacer ciertas cosas a los símbolos para que sea mucho más probable que se
identifiquen visualmente incluso después de una exposición muy breve. Ciertas formas o
colores simples "sobresalen" de su entorno. El mecanismo teórico en el que se basa el
"pop-out" se denomina procesamiento preatencional porque, lógicamente, debe producirse
antes de la atención consciente. En esencia, el procesamiento preatento determina qué
objetos visuales se ofrecen a nuestra atención. La comprensión de lo que se procesa
preatentivamente es probablemente la contribución más importante que la ciencia de la
visión puede hacer a la visualización de datos.

En la Tabla 3-1, he resumido los atributos de preatención importantes para nuestra discusión con Excel.
Tabla 3-1. Los atributos peyorativos de la percepción

2 Colin Ware, Information Visualization: Perception for Design, segunda edición (Morgan Kaufmann, 2004)
46
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

Atributos del
color
Hue Intensid
ad
Atributos
espaciales
Posició
n

Agrupaci
ón

Atributos del
formulario
Longit Anch
ud ura

Orientación Forma

Tam Curvatura
año

Atributos del color

Tanto el tono como la intensidad son útiles para crear distinciones en los valores cuantitativos. El matiz puede ser
útil para indicar qué proyectos pueden ser de alto riesgo, como en la Figura 3-20. El proyecto con el matiz más
oscuro significa que tiene un riesgo más alto que los otros proyectos evaluados. El proyecto con el matiz más
oscuro significa que tiene un mayor riesgo asociado que los demás proyectos evaluados. Mientras que los puntos
en sí se trazan en dos dimensiones, coste y rendimiento de la inversión, la capacidad de mostrar diferentes
atributos de color en un gráfico de dispersión introduce una tercera dimensión.

47
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

Figura 3-20. Un ejemplo de mostrar tres dimensiones con un gráfico de dispersión

Cambiar la intensidad de un color puede mostrar una diferencia en grados cuantitativos. La Figura 3-21
muestra una captura de pantalla de la herramienta de coloración de mapas ColorBrewer 2.0 (colorbrewer2.org).
Hablaré sobre el uso de ColorBrewer en el capítulo 20.

Figura 3-21. Color Brewer 2.0

48
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

Intuitivamente, interpretamos que una intensidad más oscura representa valores mayores, especialmente
cuando se contrasta con una intensidad más clara, que puede interpretarse como una cantidad menor. Estas
técnicas de codificación del color en escalas cuantitativas nos resultan familiares en los mapas meteorológicos.
Los gráficos que emplean las mismas técnicas suelen denominarse mapas térmicos. En Excel, los mapas de calor
pueden crearse con algún formato condicional (véase la Figura 3-22).

Figura 3-22. Un mapa de calor creado en Excel con formato condicional

Sin embargo, mostrar los colores con distintos grados puede ser útil cuando se visualizan mapas, pero puede
serlo menos en el caso de tablas como la mostrada anteriormente. Podríamos mejorar la tabla de la Figura 3-22
simplemente resaltando sólo los números importantes, como en la Figura 3-23.

Figura 3-23. Un mapa de calor mejorado

Juicio de alta precisión

Hay dos tipos de atributos de preatención que permiten un alto grado de precisión a la hora de verlos: la posición
especial y la longitud. Aunque estos dos atributos pertenecen a categorías diferentes, en realidad no son tan
diferentes cuando nuestros ojos los juzgan. Considere el gráfico de dispersión de la Figura 3-24.

49
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

Figura 3-24. Intuitivamente percibimos que los valores son mayores cuando están más arriba y más a la derecha

Con un alto grado de precisión, nuestros ojos pueden ver claramente qué valores son mayores (o menores)
que los otros valores trazados. En particular, los dos puntos resaltados (A y B) manifiestan este fenómeno. Ambos
puntos, A y B, parecen tener valores mayores que los puntos que los rodean. Por cierto, ambos están a la misma
altura, pero debido a los puntos que los rodean, el valor de A parece resaltar su distancia sobre el resto de los
puntos, mientras que B resalta la distancia significativa de su colocación a la derecha de los puntos. Así, vemos
que la forma en que nuestro cerebro percibe los puntos A y B se produce en el contexto de los puntos que los
rodean.
No debe sorprender entonces que los gráficos de columnas permitan un grado similar de alta precisión. El
gráfico de la Figura 3-25 muestra los mismos valores de la Figura 3-24 pero codificados como columnas. En la
Figura 3-25, también he añadido etiquetas de categoría que representan las fechas de cada punto. Las etiquetas
adicionales convierten el eje en una referencia de fecha familiar. El hecho de que la columna de la barra de la
derecha represente el mes de abril parece intuitivamente correcto, dada su distancia con respecto a los demás
puntos de datos, y su exactitud se confirma mediante la adición de etiquetas.

50
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

Figura 3-25. Las etiquetas confirman nuestro razonamiento espacial visual

Lo que ambos gráficos tienen en común es que utilizan planos de coordenadas bidimensionales
cartesianas. Mientras que los otros atributos de preatención manipulan los puntos de datos en sí mismos, las
variaciones de longitud y posición espacial muestran su destreza de visualización aprovechando el lienzo
sobre el que están pintados. Nuestros ojos no sólo son buenos para juzgar los diferentes puntos dentro de un
grupo, sino que funcionan bien para interpretar las distancias entre grupos de valores. Los gráficos que
aprovechan el plano de coordenadas bidimensional se encuentran entre los comunicadores visuales más
potentes.

Menor precisión, pero todavía útil

Los atributos de preatención a la forma son similares a los atributos de color en el sentido de que modifican la
representación de los datos en un punto concreto. Sin embargo, son menos precisos en su representación de las
distintas cantidades. El aumento de la anchura, por ejemplo, parece codificar una gran cantidad. Una buena
demostración de este punto -aunque no es un gráfico en sí mismo- es el panel de selección del ancho de línea de
Excel (Figura 3-26).

51
 Capítulo 3 ■ los principios de la visualización de datos en MiCrosoft exCel

Figura 3-26. El panel de selección de líneas de Excel demuestra nuestra capacidad de percibir mayores anchos
como mayores valores

Los otros atributos de preatención se utilizan mejor para mostrar una diferencia de categoría en lugar de
cantidad, como se muestra en la Figura 3-27.

Figura 3-27. Un gráfico de dispersión que muestra diferentes valores categóricos

52
 Capítulo 3 ■
los principios de la visualización de datos en MiCrosoft exCel

La última palabra
Llegados a este punto, deberías estar familiarizado con el modo en que nuestros ojos reciben y perciben la
información visual. Estos conceptos nos benefician al permitir que la información nos sea conocida inmediatamente.
Aprovechando estas ventajas, podemos diseñar gráficos y diseños informativos que sean inmediatamente reveladores
y que no supongan una carga para la memoria y la atención del lector. Algunos pueden argumentar que estos gráficos
se han vuelto aburridos. Desde el punto de vista de que no son excesivamente llamativos y de que incluyen
dimensiones adicionales -si la ausencia de estos elementos hace que estos gráficos sean aburridos-, tales proclamas no
darán lugar a ninguna discusión por mi parte. Sin embargo, si los datos pretenden contar una historia, los patrones y
propiedades que mejoran la comprensión y se basan en nuestras tendencias de percepción proporcionarán una historia
mucho más rica e interesante. En el próximo capítulo, echaremos un vistazo a la biblioteca disponible para representar
datos con Microsoft Excel.

53
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Capítulo 4

La biblioteca de presentación
de datos de Excel
Como puede imaginar, hay muchas formas de presentar sus datos al mundo. Sin embargo, algunas formas son mejores
que otras. Excel te da la flexibilidad y la posibilidad de elegir cómo presentar tus datos, pero no vale la pena hacer caso
a todos los gráficos predeterminados o a las recomendaciones de Excel. En este capítulo, recorrerás la lista de tipos de
presentación de datos y gráficos que me gustan especialmente... y los que no me gustan. Esta lista no es en absoluto
exhaustiva, pero deberías hacerte una idea de qué tipo de tecnologías de visualización de datos merece la pena
presentar en tu trabajo.

Tablas
La más básica de estas representaciones es la tabla. Seguro que todos estamos bastante familiarizados con las tablas,
como la que se muestra en la Figura 4-1.

Figura 4-1. Una tabla típica de Excel

Hoy en día existe una tendencia a crear líneas de cebra en una mesa. Al gurú de la visualización Edward Tufte no
le gustan las líneas de cebra. En el tablón de anuncios de su sitio web, las ha resumido.

Las franjas no son más que una burocracia o un gráfico de diseño; una buena tipografía
siempre puede organizar una mesa, sin necesidad de franjas.

54
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Edward Tufte

Lo menciono porque hay cierto desacuerdo al respecto, especialmente entre los diseñadores. En mi propio trabajo,
no suelo emplear líneas de cebra. Pero tampoco me parece que distraigan, sobre todo si se combinan con un color
claro. Debe evitar los colores fuertes y contrastantes tanto para las filas de la tabla como para el encabezado de la
misma. La tabla que se muestra en la Figura 4-2 utiliza las líneas de cebra hasta el extremo.

Figura 4-2. Líneas de cebra extremas e innecesarias

Las tablas son una parte importante de la representación de datos. A menudo, los diseñadores las pasan por alto al
intentar crear un gráfico con información que sería mejor colocar en una tabla.

Gráficos de líneas y barras

Sin embargo, a veces las tablas no son suficientes. Por ejemplo, si quieres entender cómo han cambiado las ventas a lo
largo del tiempo, una tabla puede darte puntos específicos, pero no te dará la historia completa. Aquí es donde entra la
visualización de datos. En esta sección, hablaré de la visualización de datos en el contexto de los gráficos de líneas y
de barras. Comencemos con la tabla que se muestra en la Figura 4-3.

Figura 4-3. Una tabla con los ingresos de los widgets

55
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Si quieres entender la dirección de los datos, los números presentados por sí mismos no te ayudarán mucho. Tal vez
podrías intentar ver la dirección en tu cabeza, pero esto no es una hazaña fácil. Al trazar estos números en un gráfico, se
ilumina una imagen mucho más clara. La figura 4-4 muestra cómo los gráficos presentan una imagen mucho más amplia.

Figura 4-4. El gráfico lineal de los ingresos de los widgets muestra una historia mucho más rica que las cifras por sí
solas en una tabla

En la Figura 4-4 se ve claramente la historia completa. Se puede ver inmediatamente lo siguiente:

El punto más bajo se produjo en abril.
El punto más alto se produjo al final de la serie, pero hubo un pico en junio.
Parece haber cierta estacionalidad cada cuatro meses, a partir de enero.
Los gráficos de líneas son excelentes para mostrar la tendencia de los datos, especialmente a través del tiempo. Sin
embargo, no deben utilizarse para datos categóricos. El gráfico que se muestra en la Figura 4-5, por ejemplo, es
categóricamente incorrecto. Esto se debe a que los gráficos de líneas se utilizan para mostrar tendencias. No existe una
relación de tendencia inherente entre categorías independientes de fruta. De hecho, el orden de las frutas en el eje x es
realmente arbitrario. Compárelo con un gráfico de series temporales en el que el orden de los puntos de datos en el eje x
aumenta en el tiempo de izquierda a derecha.

Figura 4-5. Las líneas que muestran tendencias deben utilizarse para dar a entender que las variables categóricas tienen
una tendencia inherente

Cuando no existe una conexión subyacente entre puntos de datos independientes, no se debe inventar dicha conexión
con un gráfico de líneas. La Figura 4-6 muestra la forma correcta de mostrar este tipo de datos con un gráfico de
columnas.

56
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Figura 4-6. Un gráfico de columnas es la opción más adecuada para mostrar este tipo de datos

Los gráficos de barras y columnas son esencialmente lo mismo, pero con orientaciones diferentes. Cuando existe
mucha información que mostrar, el uso de una barra suele permitir una mejor exploración de los datos. Observe el gráfico
de barras que se muestra en la Figura 4-7.

57
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Figura 4-7. El uso de gráficos de barras permite explorar las diferencias en los datos

Aunque técnicamente son lo mismo que los gráficos de barras, sólo que invertidos, los gráficos de columnas
funcionan bien (y quizás mejor que los gráficos de barras) cuando se comparan diferentes agrupaciones de categorías
comunes. La figura 4-8 muestra un ejemplo de ello.

Figura 4-8. Los gráficos de columnas funcionan bien cuando se presentan diferentes agrupaciones de categorías
comunes

58
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Cuando se trazan distintas categorías, utilizando barras o columnas, suele ser una buena idea enumerar las categorías
en orden ascendente o descendente, dependiendo de lo que se quiera destacar. Enumerar cada categoría en orden
ascendente o descendente le permite mostrar inmediatamente qué valores son mayores y menores y qué categorías son
menores o mayores entre valores similares. Esto se demuestra en la Figura 4-9.

Figura 4-9. Resultados mostrados en orden descendente

Gráficos de dispersión
Los gráficos de dispersión son útiles para visualizar las relaciones entre variables. El proceso de análisis de estas
relaciones se llama análisis de correlación. Lo explicaré en un momento.
Gráficos de dispersión frente a gráficos de líneas
Pero antes de pasar a discutir el proceso de correlación, me tomaré un momento para identificar las diferencias y
similitudes entre los gráficos de dispersión y los gráficos de líneas. Lo haré porque los gráficos de dispersión y los
gráficos de líneas pueden producir resultados similares, y podría no estar claro cuándo usar uno sobre el otro. La Figura
4-10 muestra dos gráficos similares, uno de líneas (en la parte superior) y el otro de dispersión (en la parte inferior).

59
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Figura 4-10. Un gráfico de líneas y un gráfico de dispersión que muestran los mismos datos

Para entender la diferencia, hay que investigar cómo trata cada gráfico los datos de la hoja de cálculo. Los gráficos
de líneas trazan los datos con respecto al orden en que aparecen. Por ejemplo, la Figura 4-11 muestra un gráfico que traza
los datos de la hoja de cálculo. La hoja de cálculo muestra los números del 1 al 7 en orden ascendente.

60
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Figura 4-11. El gráfico de líneas traza los puntos de datos que la hoja de cálculo ha enumerado en orden ascendente

Si cambia el orden de estos valores, el gráfico cambia en paralelo (Figura 4-12). En la Figura 4-12, he
intercambiado las ubicaciones de los números 3 y 4.

Figura 4-12. Los números 3 y 4 han cambiado de posición, y el gráfico se actualiza en consecuencia

Esto ocurre con los gráficos de líneas porque sólo se traza un conjunto de variables. Por otro lado, los gráficos de
dispersión trazan dos conjuntos de variables (coordenadas x e y) para definir su ubicación en un gráfico. La figura 4-13
muestra un gráfico de dispersión. Observe que el gráfico se basa en dos series de puntos de datos que representan los
valores respectivos de las coordenadas x e y. Cambiar el orden de estas series (Figura 4-14) no cambia los datos tal y
como se presentan en el gráfico. Esto se debe a que los puntos de datos se trazan uno respecto al otro.

61
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Figura 4-13. Un gráfico de dispersión requiere dos series de puntos de datos que representan los valores de las
coordenadas x e y

Figura 4-14. Cambiar los puntos de datos no cambia lo que se traza en el gráfico
La diferencia entre ambos no es arbitraria. Los gráficos de dispersión requieren dos conjuntos de variables porque
son especialmente útiles para comprender qué relación, si es que existe, existe entre dos variables. Aunque los gráficos de
líneas y los de dispersión pueden crear gráficos similares, a menudo idénticos, debe elegir el que mejor refleje (o sea una
extensión natural) lo que está tratando de modelar. De hecho, los gráficos de dispersión se utilizan mejor para el análisis
de correlación. Intentar utilizarlos para un simple análisis de series temporales puede añadir más complicaciones de las
necesarias.

Análisis de correlación
El análisis de correlación busca comprender una relación de causa y efecto entre dos variables, si es que la relación
existe. Las correlaciones son especialmente útiles para comprender los efectos o resultados. Las empresas y las
organizaciones pueden sacar provecho de estos elementos si comprenden los insumos que los impulsan. Mediante el
análisis de correlación, las empresas pueden comprender qué insumos afectan a determinados resultados, como la

62
Capítulo 4 ■ la biblioteca de presentación de datos exCel

probabilidad de que un comprador compre un determinado producto dadas sus otras preferencias. Las dos partes
móviles del análisis de correlación son las siguientes:
La variable independiente: Es la causa o el insumo.
La variable dependiente: Es el efecto o el resultado.
El tipo más común de análisis de correlación mide la relación lineal entre dos variables. Por ejemplo, la Figura 4-15
muestra una relación lineal positiva entre dos variables: los años de experiencia laboral y el salario anual. Esta relación
es una correlación positiva porque un aumento de la experiencia laboral conlleva un aumento positivo del salario. Para la
Figura 4-15, en una encuesta se preguntó a varios profesionales cuánto ganaban al año y cuántos años de experiencia
laboral habían adquirido.

Figura 4-15. Un ejemplo de relación correlativa hipotética

Por otro lado, puede encontrar que hay algunas relaciones de correlación negativa. Por ejemplo, la Figura 4-16
muestra una de estas relaciones. Para la Figura 4-16, se preguntó a un grupo de estudiantes cuántas horas pasaban leyendo
cada semana y cuántas horas pasaban viendo la televisión.

Figura 4-16. Un ejemplo de una posible relación de correlación negativa

63
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Ajuste y coeficiente de correlación

Una medida común de la "fuerza" de la relación lineal positiva o negativa entre dos variables es el llamado coeficiente de
determinación. El primer paso para utilizar esta medida es imponer una línea de mejor ajuste a los datos, como la de la
figura 4-17. Excel permite aplicar dicha recta. La mejor manera de entender la línea de mejor ajuste es considerar la
relación que se busca. En las Figuras 4-15 y 4-16, usted está buscando ver si un aumento o una disminución en una
variable conduce a un aumento o una disminución proporcional en la otra.

Figura 4-17. Uso de la función de línea de tendencia de Excel para crear una línea de mejor ajuste

En un mundo en el que un aumento de dos años de experiencia laboral siempre conlleva la adición de una cantidad
fija al propio salario, cabría esperar que dos puntos por debajo formaran una línea perfecta. Sin embargo, nuestro mundo
es mucho más ruidoso. La experiencia laboral no siempre lleva a ganar exactamente una determinada cantidad de dinero;
además, no hay garantías de que vayas a ganar más que otra persona con la misma experiencia laboral. Sin embargo, lo
que se puede hacer para entender la relación general entre estas dos variables es intentar imponer su relación a una
tendencia simple. Esto es lo que hace la recta de mejor ajuste en el ejemplo anterior.
Una línea de mejor ajuste de calidad le permitiría una buena aproximación predictiva de la relación. Por ejemplo, en
el ejemplo anterior no tienes un punto que represente 19 años de experiencia laboral y el salario que podría recibir una
persona con esa experiencia. Pero, a partir de los datos, puedes hacer una estimación de lo que podría ganar al año alguien
con 19 años de experiencia. Para ello, puedes encontrar el lugar de la línea negra que se cruza con los 19 años de
experiencia y hacer coincidir ese punto con los salarios anuales. Como puedes ver, según los datos, alguien que haya
trabajado durante 19 años podría esperar ganar unos 100.000 dólares.
La R2 de la Figura 4-17 es el coeficiente de determinación. Es una medida de lo bien que se ajustan los datos a la
línea de mejor ajuste de la Figura 4-17. Cuanto más se acerque R2 a 1,0, mejor se puede decir que la línea de mejor ajuste
se aproxima a la relación lineal subyacente de los datos, si es que existe. Un R 2 más cercano a cero no es probable que se
aproxime con precisión con una línea de mejor ajuste. Por otra parte, permitir la R 2 podría sugerir una débil relación entre
dos variables con otros factores desconocidos que contribuyen más fuertemente a la relación. Saber qué sugiere la R 2 es
más arte que ciencia. Sin embargo, siempre que interprete correctamente este coeficiente, estará en camino de tomar
buenas decisiones.

Relación lineal y uso correcto de R 2

El coeficiente de determinación es útil para entender hasta qué punto los datos pueden modelarse como una correlación
lineal, pero no está exento de dificultades. La existencia de valores atípicos -puntos de datos que se desvían
significativamente de la tendencia del resto de los puntos de datos- puede sesgar la R 2 para que parezca mejor o peor de lo
que debería. Los cuatro conjuntos de datos de la Figura 4-18, conocidos como el cuarteto de Anscombe, tienen todos el
mismo valor de R2 , pero cada uno de ellos muestra una distribución de datos diferente.

64
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Figura 4-18. Cuarteto de Anscombe: a pesar de la dispersión de los datos, cada línea de mejor ajuste tiene el mismo
valor R 2

Por eso es tan importante visualizar los datos. Podrías encontrar el valor de R 2 independientemente de cualquier
visualización simplemente aplicando algún análisis estadístico a los datos, pero entonces podrías pensar accidentalmente
que estás capturando una relación que no necesariamente existe.
El coeficiente de determinación también es motivo de preocupación. Una R fuerte 2 , un valor cercano a 1,0, no debe
utilizarse para confirmar la existencia de una relación estadística, si es que puede decirse que existe. En otras palabras,
correlación no significa causalidad. Se pueden encontrar variables aleatorias, aunque independientes, y presentarlas
visualmente de forma que parezcan formar una relación lineal. Un ejemplo habitual es representar las ventas de helados y
la frecuencia de ahogamientos en una pequeña ciudad durante un verano. A medida que pasa el tiempo y los meses de
verano se vuelven más calurosos, se puede ver que ambas parecen aumentar a la par. En realidad, las dos variables no
tienen prácticamente ninguna relación de causa-efecto entre sí. El hecho de que aumenten respectivamente tiene más que
ver con el clima: a la gente le gusta comer helado e ir a nadar cuando hace mucho calor fuera.

■ Precaución r2 puede inducir a error si no se utiliza correctamente.

Gráficos de viñetas
Stephen Few desarrolló por primera vez los gráficos de viñetas para sustituir a los gráficos de gálibo radial que él y yo
despreciamos. Escribe lo siguiente:

El gráfico de viñetas se desarrolló para sustituir a los contadores y medidores que suelen
utilizarse en los salpicaderos. Su diseño lineal y sin florituras proporciona una rica visualización
de datos en un espacio reducido, lo que es esencial en un cuadro de mando. Al igual que la
mayoría de los medidores e indicadores, los gráficos de viñetas presentan una única medida
cuantitativa (por ejemplo, los ingresos del año hasta la fecha) junto con medidas complementarias
para enriquecer el significado de la medida destacada. En concreto, los gráficos de viñetas
permiten comparar la medida destacada con una o más medidas relacionadas (por ejemplo, un
objetivo o la misma medida en algún momento del pasado, como hace un año) y relacionan la
medida destacada con rangos cuantitativos definidos que declaran su estado cualitativo (por

65
Capítulo 4 ■ la biblioteca de presentación de datos exCel

ejemplo, bueno, satisfactorio y malo). Su diseño lineal no sólo le confiere un tamaño reducido,
sino que también permite una lectura más eficiente que los medidores radiales.
-Stephen Few, Especificación de diseño de gráficos de balas, marzo de 2010

Observe el gráfico de viñetas de la figura 4-19 y su especificación por parte de Stephen Few.

Una escala de colores La barra transversal codifica un

rangos
graduada codifica o métrica comparativa
objetivo
cualitativos

Ingresos

0 50 100 150 200 250 300

Una barra muestra los
medidas de rendimiento
datos cuantitativos

Figura 4-19. La especificación de los gráficos de viñetas

Los gráficos de viñetas pueden mostrarse en horizontal, en vertical y en serie. A Stephen Few le gustan
especialmente los gráficos con viñetas porque pueden agruparse con otros gráficos en un espacio reducido. Por ejemplo,
en la Figura 4-20, los gráficos con viñetas muestran una cantidad significativa de información a pesar de su pequeño
tamaño.

Figura 4-20. Gráficos de viñetas compactos en un espacio reducido

Los gráficos de viñetas no forman parte del paquete de gráficos por defecto de Excel. Un gráfico como el de la
Figura 4-20 requiere algo de ingenio para construirlo en Excel, como verás en el Capítulo 12. Sin embargo, llevar a Excel
más allá de sus limitaciones es lo que significa "pensar fuera de la celda".
Los gráficos de viñetas permiten una visualización mucho más avanzada que la mostrada en la Figura 4-20. Puede
tener múltiples objetivos y varias escalas cualitativas. Es una pena que no se incluyan en el paquete de gráficos por
defecto de Excel porque aportan una cantidad significativa de información visual en un espacio tan contenido. Piensa en

66
Capítulo 4 ■ la biblioteca de presentación de datos exCel

la cantidad de información que se muestra en un solo gráfico de viñetas. ¿Proporcionan los gráficos de gálibo radial del
capítulo 2 la misma cantidad de análisis visual?

Pequeños múltiplos
Los múltiplos pequeños reciben varios nombres. Es posible que oiga que se llaman gráficos enrejados o gráficos de
panel. Creo que cada uno de estos nombres describe con precisión los múltiplos pequeños, y los utilizaré indistintamente
a lo largo del libro. En efecto, los gráficos de múltiplos pequeños son muy potentes. Emplean el mismo diseño de gráfico
muchas veces pero a través de diferentes variables. Por ejemplo, eche un vistazo a los gráficos de múltiplos pequeños de
la Figura 4-21.

Figura 4-21. Un ejemplo de gráficos múltiples pequeños

En la Figura 4-21, la intersección de la región y el producto puede considerarse como un panel. Considere la
cantidad de información que se muestra. Dos variables componen efectivamente los ejes x e y. Además, cada panel
muestra una dimensión de información. Por lo tanto, se han mostrado tres dimensiones pero sin recurrir a la visualización
en tres dimensiones. Ésta es una de las grandes ventajas de los múltiplos pequeños. En The Visual Display of Quantitative
Information, Eduard Tufte dice lo siguiente sobre ellos:

Los Múltiplos Pequeños son económicos: una vez que los espectadores entienden el diseño de un
corte, tienen acceso inmediato a los datos de todos los demás cortes. Así, cuando el ojo pasa de un
corte a otro, la constancia del diseño permite al espectador centrarse en los cambios de los datos
y no en los cambios del diseño gráfico.

Gráficos que nunca se deben usar

He revisado los mejores gráficos para transmitir la percepción visual y la percepción de los datos. En comparación con los
gráficos disponibles en Excel y quizás con otros paquetes de gráficos, la lista puede parecer pequeña. Sin embargo, lo que
diferencia a estos gráficos de los demás es que están basados en la investigación. Han demostrado su eficacia en repetidas
ocasiones.
En esta sección, revisaré los gráficos que realmente no deberías usar nunca.

67
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Gráficos de cilindros, conos y pirámides

Estos gráficos son similares a los de barras, salvo que son mucho más difíciles de leer. Los cilindros parecen ofrecer a sus
datos un color degradado procedente de una fuente de luz oculta, pero esta no es la forma de hacer brillar sus datos. Eche
un vistazo al gráfico de cilindros tridimensionales de la Figura 4-22.

Figura 4-22. Un gráfico de cilindros tridimensionales

Los conos y las pirámides, a pesar de sus picos, son malos para ir al grano. Las Figuras 4-23 y 4-24 muestran estos
otros gráficos de infractores.

Figura 4-23. Los gráficos de conos puntiagudos no ayudan a comprender

68
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Figura 4-24. Gráficos piramidales más puntiagudos que muestran los mismos datos pero no ayudan a la comprensión
visual

Después de haber visto demasiados gráficos de este tipo, he llegado al siguiente principio rector:

Hay muy pocas razones, si es que hay alguna, para que los datos adopten la forma de
estalagmitas.

Gráficos de tarta
Los gráficos circulares se encuentran entre los más utilizados en los cuadros de mando, en los informes y en las
presentaciones. Sin embargo, si nos fijamos en los principios de visualización de datos presentados en el capítulo 3,
podemos ver por qué fallan. Nuestra capacidad para juzgar la precisión entre áreas (las cuñas del gráfico) no es tan fuerte
como nuestra capacidad para juzgar las diferencias de altura. Es decir, los datos que se muestran en un gráfico circular
suelen ser más adecuados para un gráfico de columnas o de barras. Además, el grado de comprensión de los datos que se
transmiten en un gráfico circular suele deberse a que se presenta otra información (como etiquetas o una tabla) junto con
el gráfico (como, quizás, una admisión tácita de que tales gráficos por sí solos son en gran medida ineficaces). Si desea
una explicación más detallada, consulte el apartado "El problema de los gráficos circulares" del capítulo 1.
Me han preguntado cuándo está bien usarlos, así que he creado la Figura 4-25 para ayudar a responder la pregunta.

Figura 4-25. Uno de los pocos gráficos circulares permitidos en este libro

Tablas de donuts
Los gráficos de rosquillas son gráficos de tarta glorificados (véase la Figura 4-26). A diferencia de las rosquillas reales,
que suelen llevar un delicioso relleno, las gráficas de rosquillas no llevan nada de eso. Por alguna razón, los gráficos de
donuts se han hecho populares en la web y en las revistas. La publicación The Economist incluso utilizó uno para mostrar
los países con crecientes problemas de peso en sus poblaciones utilizando gráficos de rosquillas completos con glaseado y

69
Capítulo 4 ■ la biblioteca de presentación de datos exCel

espolvoreado, tomando la metáfora de los gráficos de rosquillas bastante literalmente (véase www.youtube.com/watch?
v=yGHC8dRYrlM).

Porcentaje
Donas no heladas
de
KATIE'S
vendidas
TIENDA DE
DONUTS
Informe 1%
anual
2013 8

Figura 4-26. Los gráficos de donuts son simplemente gráficos circulares glorificados (o, posiblemente, no glorificados)

Cartas en la tercera dimensión

Los gráficos que emplean la tercera dimensión a menudo sufren de oclusión de datos, como se discutió en el Capítulo 2.
Considere el aspecto de la Figura 4-27 cuando se traza en la tercera dimensión. La Figura 4-22 muestra este gráfico
tridimensional.

Figura 4-27. Los datos de la Figura 4-21 ahora en la tercera dimensión

Observando la Figura 4-27, ¿te resulta fácil ver los valores del producto C? ¿Es fácil comparar los valores de los
distintos productos? Me imagino que no es nada fácil.
Esto se debe a que nuestros ojos no son buenos para comparar nada en la tercera dimensión. Considere los gráficos
circulares que se muestran en la Figura 4-28. Dependiendo de su perspectiva, podría pensar que hay más respuestas
afirmativas que negativas. Sin embargo, cuando se aleja de la tercera dimensión, ve que son iguales, como se muestra en
la Figura 4-29.

70
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Figura 4-28. Los mismos valores se muestran en el gráfico circular tridimensional con diferentes dimensiones

Figura 4-29. Cuando se mira sin perspectiva tridimensional, los datos ya no están distorsionados

Lo que se aprende de esto es que la perspectiva cambia de hecho la forma de interpretar los datos. Deberías estar
atento a utilizar métodos de visualización de datos que ayuden a transmitir y no a confundir el mensaje subyacente.

Cartas de superficie
Los gráficos de superficie son gráficos de líneas glorificados en la tercera dimensión. Tienen un aspecto de terreno
accidentado cuando se ven. Quizás si quiere mostrar a la dirección lo mucho que sus datos se parecen al campo de golf
más imposible del mundo (véase la Figura 4-30), los gráficos de superficie podrían ser útiles. De lo contrario, deberían
evitarse. Todavía no he encontrado un uso razonable para ellos en el mundo empresarial normal.

71
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Figura 4-30. Los gráficos de superficie no son fáciles de interpretar

Columnas apiladas y gráficos de área

Las columnas apiladas y los gráficos de área pueden parecer una buena idea a primera vista, pero se encuentran con un
problema similar al de los gráficos circulares: sufren de líneas de base inconsistentes. Siguiendo con el tema, las Figuras
4-31 y 4-32 trazan los mismos datos, en un gráfico de áreas apiladas y un gráfico de barras separado por regiones,
respectivamente.
Si observa la figura 4-31, podrá evaluar los valores del producto A sin mucha dificultad. Sin embargo, cuando se
intenta evaluar los demás productos -especialmente a medida que se avanza hacia el producto C- las diferencias de
valores se hacen menos perceptibles. La Figura 4-32 hace un trabajo mucho mejor en cuanto a la persistencia de estas
diferencias en todas las líneas de productos.

72
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Figura 4-31. Un ejemplo de gráfico de columnas apiladas

Figura 4-32. Los mismos datos utilizados en la Figura 4-26 pero separados por categoría

Además, los gráficos de superficie, apilados o no, no proporcionan mucho alivio al problema de la ofuscación o las
líneas de base inconsistentes para el mismo conjunto de datos. La Figura 4-33 muestra un ejemplo de ofuscación de datos
utilizando un gráfico de superficie.

73
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Figura 4-33. Las áreas superpuestas ofuscan los datos que hay detrás de ellas

Podría apilar los datos como lo hizo para el anterior gráfico de columnas apiladas, pero seguiría encontrándose con
el mismo problema de cambiar las líneas de base (Figura 4-34). En particular, imagine que cambia el orden de las
regiones mostradas en la Figura 4-34. Esto cambiaría la forma en que se muestran en el gráfico. En otras palabras,
mientras que los datos subyacentes seguirían siendo los mismos, su presentación y la forma de interpretar los resultados
se verían afectados.

Figura 4-34. El cambio de líneas de base con gráficos de área tiene el mismo problema que el cambio de líneas de base

Cartas de radar
Los gráficos de radar son gráficos de líneas que conectan los datos en torno a un círculo en lugar de hacerlo de izquierda a
derecha, como cabría esperar. Salvo para hacer que los datos parezcan una tela de araña o un nido de pájaros, ofrecen
pocas ventajas. A menudo se argumenta que destacan ciertos extremos en los valores que miden. Sin embargo, no lo
hacen mejor que un típico gráfico de barras o columnas. Además, violan la regla de conectar los datos categóricos
mediante líneas. La Figura 4-35 muestra un ejemplo de gráfico de radar. De nuevo, debería comparar este gráfico con el
de la Figura 4-21: ¿cuál comunica mejor los datos?

74
Capítulo 4 ■ la biblioteca de presentación de datos exCel

Figura 4-35. Un ejemplo de gráfico de radar utilizando los mismos datos de la Figura 4-21

Todos los gráficos que debes evitar adolecen de los mismos problemas. En concreto, ofuscan los datos o se basan en
una percepción visual imprecisa, sobre todo la de evaluar un área. En cambio, los gráficos que deberías utilizar se basan
en un conocimiento probado de cómo nuestra mente percibe el mundo. Armado con esta información, estará listo para
utilizar técnicas que funcionan. Cuando su audiencia no está atrapada en tratar de entender una visualización de datos
compleja o poco útil, está gastando más tiempo y energía en entender la presentación del problema y no el problema
subyacente. Ya sea con visualizaciones de datos o con cualquier otra cosa, la forma de presentar los datos debe ser una
extensión natural de la cosa subyacente que se está modelando.

La última palabra
Me doy cuenta de que algunas de mis recomendaciones sobre gráficos que hay que evitar pueden resultarle chocantes. Es
probable que haya utilizado estos gráficos antes y haya pensado: ¿qué daño hacen? En realidad, el daño es difícil de
cuantificar por sí mismo. Pero si pone en contexto la directriz de utilizar visualizaciones de datos adecuadas, descubrirá
que una elección equivocada no sólo comunica mal, sino que desvía la atención del lector del mensaje subyacente y del
objetivo de su trabajo. Si no te atreves a dejar de usar algunos de estos gráficos, lo entiendo. Pero vale la pena
preguntarse, en su propio trabajo, si está presentando la información de la mejor manera posible.

75