Visualizaciones y ggplot2

Designed by starline / Freepik

Estefanía Serrano eserrano@icesi.edu.co

¿qué es (business)
analytics?

2
 El proceso científico de transformar datos en
insights (conclusiones) con el propósito de tomar
mejores decisiones.

En últimas queremos empoderar a las organizaciones para el logro de su misión y visión

Tipos de tareas en la analítica
Clasificación: predecir la categoría de un individuo
Regresión: predecir un valor continuo
Detección de excepciones: encontrar anomalías
Clustering: encontrar grupos de elementos similares
Asociaciones: encontrar reglas de coocurrencia
Pronóstico: regresión con componente temporal
Resumen: simplificar la representación de información
Visualización: facilitar la comprensión y el descubrimiento
Work flow

Recolección de Modelado, Comunicación

Preparación de Exploración y
datos y experimentación, de resultados
los datos visualización
almacenado predicción, etc.

Decisiones
Work flow

DATOS DECISIONES
Visualizaciones
 La representación y presentación de datos que explotan las
habilidades humanas de percepción visual para ampliar la cognición*.

Andy Kirk

* La cognición (del latín cognoscere, 'conocer') es la facultad de un ser vivo para procesar información a partir de la percepción,
el conocimiento adquirido (experiencia) y características subjetivas que permiten valorar la información.
¿Para qué?
 Explorar Explicar

Científico de Datos Analytics Translator

Construir Informar
hipótesis y resultados y
analizar persuadir
Es un arte
Data visualization
Estadística Diseño

Buenos principios
Análisis gráfico
de diseño (con
signifcado y
estético)

Introducción al Business Analytics

¿Por qué?
 Somos seres visuales

90% de la información
Nuestro cerebro procesa
que absorbe nuestro
60000 veces más rápido las
cerebro es visual
visualizaciones que los
textos

2/3 de los impulsos

Estamos hechos para eléctricos de nuestro
reconocer y entender cerebro se originan en
imágenes como respuesta a la
información visual

Fuente: https://ernestoolivares.com/we-are-90-visuals-beings /
Introducción al Business Analytics https://www.canva.com/learn/visual-marketing /
Fuente:https://www.infographicdesignteam.com/rising-power-of-visual-content-
infographics.php
También ayudan a nuestra memoria

¿Cuál ha sido la tendencia para cada una

de las categorías de producto de esta
empresa en los últimos 4 años?

Fuente: Wexler, Shaffer & Cotgrave (2017)

 Nuestra mente está hecha para recordar
Podemos interpretar grandes volúmenes de
imágenes, no palabras o números
información en instantes
Fuente: Wexler, Shaffer & Cotgrave (2017)
 ¿Cómo construimos buenas
visualizamos de la información?
Percepción y Cognición

Fuente:https://hal.archives-ouvertes.fr/hal-01414682/document
Percepción y Cognición

Fuente: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6091269/
Ejemplo

Introducción al Data Analytics para la toma de decisiones

Otro ejemplo

Introducción al Data Analytics para la toma de decisiones

Niveles de Tipos de
Niveles de
medición datos medición
De Nominal
intervalo Cuantitativos Cualitativos

De ratio Ordinal
Discretos

Continuos

Introducción al Data Analytics para la toma de decisiones

Un poco más sobre el color http://colorbrewer2.org/

Fuente: Wexler, Shaffer & Cotgrave (2017)

Introducción al Data Analytics para la toma de decisiones
Introducción al Data Analytics para la toma de decisiones
Introducción al Data Analytics para la toma de decisiones
¿Cómo presentamos la
información?
¿Qué debe tener todo gráfico?
Partes imprescindibles de un gráfico
¨ Título:
n Debe:
¨ ser claro y conciso
¨ responder a las preguntas: Qué relaciona, cuándo y dónde se hicieron las observaciones.

¨ Cuerpo: (o gráfico en sí)

Partes imprescindibles de un gráfico
¨ Fuente:
n otorgan los créditos a las fuentes respectivas
¨ Notas de pie de gráfico:
n aclaraciones respecto al gráfico, las escalas de los ejes, etc.
GGPLOT2
Consultar
https://www.researchgate.net/publication/323202960_Ggplot_graficos_de_alta_ca
lidad

Introducción al Data Analytics para la toma de decisiones

Los gráficos tienen su gramática
• Leland Wilkinson, Grammar of Graphics, 1999

• 2 principios básicos
• Gráficos = tienen distintas capas de elementos gramaticales (layers of
grammatical elements)
• La construcción de gráficos útiles se debe realizar por medio del
mapeo estético (Aesthetic mappings)
• (Las asignaciones estéticas (o Aesthetic mappings) describen cómo las
variables se asignan a las propiedades visuales (estética))

Introducción al Data Analytics para la toma de decisiones

Elementos gramaticales escenciales

Elemento Descripción

Datos Los datos que serán graficados

(Data)

Estética Cómo las variables de la base

(Aesthetics ) de datos se asignan a las
propiedades visuales
Geometría Los elementos visuales que
(Geometries) se emplearán
Introducción al Data Analytics para la toma de decisiones
Otros elementos gramaticales
Elemento Descripción

Facetas Datos graficados con respecto a

(Facts) otras variables

Estadíscas Elementos que permitan

(Statics ) entender mejor los datos

Coordenadas El “espacio” en el que se

(Coordinates) mapean los datos
Tema Otros elementos estéticos
(Themes)
Componentes de GGPLOT

ggplot(gapminder, aes(x = gdpPercap, y = lifeExp)) + geom_point()

Geometría geom
Aesthetics aes

Datos

Introducción al Data Analytics para la toma de decisiones

Componentes de GGPLOT

ggplot(gapminder, aes(x = gdpPercap, y = lifeExp)) + geom_jitter(alpha = 0.4)

Geometría geom
Aesthetics aes

Datos

Introducción al Data Analytics para la toma de decisiones

Componentes de GGPLOT
ggplot(gapminder, aes(x = gdpPercap, y = lifeExp)) + geom_point() +
facet_wrap(.~continent) + stat_smooth(method ="lm", se =F, col="red")

Estadísticas stat_
Facets facet_
Geometría geom_
Aesthetics aes

Datos

Introducción al Data Analytics para la toma de decisiones

Componentes de GGPLOT
ggplot(gapminder, aes(x = gdpPercap, y = lifeExp)) + geom_point() +
facet_wrap(.~continent) + stat_smooth(method ="lm", se =F, col="red") +
scale_x_log10()

Coordenadas scale_
Estadísticas stat_
Facets facet_
Geometría geom_
Aesthetics aes

Datos

Introducción al Data Analytics para la toma de decisiones

Componentes de GGPLOT
ggplot(gapminder, aes(x = gdpPercap, y = lifeExp)) + geom_point() +
facet_wrap(.~continent) + stat_smooth(method ="lm", se =F, col="red") +
scale_x_log10() + theme_classic()

Tema theme_
Coordenadas scale_
Estadísticas stat_
Facets facet_
Geometría geom_
Aesthetics aes

Datos

Introducción al Data Analytics para la toma de decisiones

Componentes de GGPLOT

ggplot(gapminder, aes(x = gdpPercap, y = lifeExp, col =

continent)) + geom_jitter() + scale_x_log10() +
stat_smooth(method ="lm", se =F, col="red")

Introducción al Data Analytics para la toma de decisiones

Introducción al Data Analytics para la toma de decisiones
Ggplot2 Gallery
https://www.r-graph-gallery.com/ggplot2-package.html
Cuando queramos visualizar
datos… para comunicar
Tres preguntas …
¿Qué tipo de variables tiene?
¿Cuántas variables?
¿Qué se desea mostrar?
Introducción al data analytics
para la toma de decisiones

Designed by starline / Freepik