Universidad Nacional De Misiones Facultad de Humanidades

y Ciencias Sociales

UNIDAD 1: Introducción a la Visualización de Datos.

Antecedentes históricos:

Se considera sociedad de la información a la sociedad que surge justamente después de

la revolución industrial (1760-1840), donde nos encontramos con un despliegue masivo de
procesos automatizados, de creación sistemática, de producción y distribución sistemática
de bienes. Durante ese período también se empieza a trabajar para poder automatizar
también los procesos informacionales, poder detectar, monitorizar y analizar los procesos
de creación. En este contexto surge la sociedad de la información, que fue acuñada por un
teórico japonés pero que, después, Manuel Castells utiliza mucho más comúnmente y
populariza el término.

Hablamos de sociedad de la información, aunque, hoy en día, se habla, también, mucho de

la sociedad del conocimiento.

En este contexto de sociedad avanzada, altamente industrializada, aparecen ciertas

tecnologías que permiten empezar a hablar de lo que sería una sociedad donde el principal,
o uno de los grandes motores, son los datos, la información.

Esta revolución tecnológica, que es intrínseca de la sociedad del conocimiento, requiere

tres grandes puntos, o parte de tres grandes procesos en concreto.

1. Capacidad de computar los datos que se analizan y, no solamente implica

procesarlos, sino también, ser capaces de conectar sensores con computadoras
que puedan optimizar, comprimir, descartar y simplificar los datos recogidos.
2. Capacidad importante de almacenaje de datos que han aumentado de forma
exponencial estos dispositivos de almacenaje y estos sistemas de almacenaje,
incluyendo ahora la capacidad casi infinita de almacenaje de la nube. Y, finalmente,
3. La aparición de Internet que, debido a su despliegue masivo a lo largo de todo el
mundo, sumo a la capacidad de almacenaje, dan pie a una sociedad donde los
datos son muy importantes.

Antes de avanzar en la lectura, visite la siguiente página web para observar la

evolución de los hechos hasta llegar a la visualización de datos tal como la conocemos
hoy: http://datavis.ca/milestones/

Actividad: marque los principales hitos, que a dan origen a la VD tal como hoy la
conocemos.

Histografía de la visualización de datos (VD), organizado en fases:

1
Universidad Nacional De Misiones Facultad de Humanidades
y Ciencias Sociales

 Previos al 1600: primeros mapas y diagramas creados

Las “primeras semillas” de visualización surgieron en diagramas geométricos, en tablas

de las posiciones de las estrellas y otros cuerpos celestes, y en la elaboración de mapas
para ayudar en la navegación y la exploración. Aquí enumeramos solo algunos de estos
para proporcionar un contexto temprano en el que se pueden ver los desarrollos
posteriores.
En el siglo XVI, las técnicas e instrumentos para la observación precisa y la medición
de cantidades físicas estaban bien desarrolladas. Además, vemos ideas iniciales para
capturar imágenes directamente y registrar funciones matemáticas en tablas. Estos
primeros pasos comprenden los comienzos de la cría de la visualización.

 1600-1699: medidas y teorías (física y química)

La medicion fisica del tiempo, la distancia y el espacio en la ciencia de la astronomia, la

topografis y la elaboracion de mapas para la navegacion y la expansion territorial eran
los problemas más importantes de ese siglo o época. Este siglo vio un gran crecimiento
en la teoría y el comienzo de la práctica: surge la geometría analítica, las teorías de los
errores de medición y estimación, el nacimiento de la teoría de la probabilidad y el
comienzo de las estadísticas demográficas.

Al finalizar el siglo, los elementos necesarios estaban a la mano: algunos datos reales
de gran interés, algunas teorías para darles sentido y algunas ideas para su
representación visual. Quizás lo más importante es que este siglo puede verse como
el origen del pensamiento visual.

 1700-1799: nuevas formas gráficas (nuevos conocimientos en otras ramas)

“Germinación inicial de las semillas de visualización” que se habían plantado

anteriormente. Los creadores de mapas comenzaron a tratar de mostrar más que solo
la posición geográfica en un mapa. Como resultado, se inventaron nuevas formas
gráficas (isolinas y contornos), y se arraigó el mapeo temático de cantidades
físicas. Hacia el final del siglo se ven los primeros intentos de mapeo temáticos, de datos
geológicos, económicos y médicos a partir de gráficos abstractos y gráficos de
funciones, junto con los comienzos tempranos de la teoría estadística (error de
medición) y la recopilación sistemática de datos empíricos.

Se inventan algunas formas visuales novedosas para representar estos datos

económicos y políticos. Además, innovaciones tecnológicas proporcionaron los
nutrientes necesarios para crear y reproducir imágenes de datos (por ejemplo, la
impresión en color).

 1800-1849: inicios de los gráficos de datos modernos

2
Universidad Nacional De Misiones Facultad de Humanidades
y Ciencias Sociales

Con la “fertilización” proporcionada por las innovaciones anteriores de diseño y técnica,

la primera mitad del siglo XIX fue testigo de un crecimiento explosivo en gráficos
estadísticos y mapeo temático, a un ritmo muy veloz.

En cuanto a los gráficos estadísticos, se inventaron todas las formas modernas de VD:
gráficos de barras y circulares, histogramas, gráficos de líneas y gráficos de series de
tiempo, gráficos de contorno, etc. En la cartografía se pasó de mapas únicos a atlas
completos, representando datos sobre una amplia variedad de temas (económicos,
sociales, morales, médicos, físicos, etc.) e introdujo una amplia gama de formas
novedosas de simbolismo.

 1850-1899: época dorada de los gráficos de datos

 1900-1949: Edad oscura moderna

Durante esta mitad de siglo, hubo pocas innovaciones gráficas, el entusiasmo por la
visualización había sido suplantado por el aumento de la cuantificación y los modelos
estadísticos formales. Los números, las estimaciones de parámetros y, especialmente,
los errores estándar fueron precisos. Las imágenes eran solo imágenes incapaces de
expresar un "hecho" a tres o más decimales según los estadísticos.

 1950-1974: regeneración de la visualización de datos

La VD comenzó a aumentar desde la latencia a mediados de la década de 1960,

estimulada en gran medida por tres desarrollos significativos: (1) En EEUU, John W.
Tukey (estadístico muy reconocido e influyente) escribe un artículo (1962) donde hace
un llamado al reconocimiento del análisis de datos como una rama legítima de
estadísticas distintas de las estadísticas matemáticas; empezó entonces la invención
de una amplia variedad de pantallas gráficas nuevas, simples y efectivas, a lo que llamo
“Análisis de datos exploratorios" (EDA); (2) en Francia, Jacques Bertin publicó un
artículo (Semiología Grafica, 1967) donde organizaba los elementos visuales y
perceptivos de los gráficos de acuerdo con las características y relaciones en los datos.

Pero aun, Tukey había hecho cada gráfico de su obra EDA dibujada a mano. El
procesamiento informático de datos había comenzado y ofrecía la posibilidad de
construir formas gráficas nuevas y antiguas mediante programas informáticos, pero aun
no eran de uso común.

Al final de este período, comienzan las importaciones colaboración desde la ciencia de

la informática a partir de herramientas de software, desarrollos en análisis de datos y
tecnología de visualización y entrada (por ejemplo, el mouse). Estos desarrollos
proporcionarían nuevos paradigmas, lenguajes y paquetes de software para expresar e
implementar gráficos estadísticos y de datos y llevaron a un crecimiento explosivo en
nuevos métodos y técnicas de visualización.

3
Universidad Nacional De Misiones Facultad de Humanidades
y Ciencias Sociales

 1975 – presente: visualización de datos en alta definición.

Se dieron los avances en la infraestructura teórica y tecnológica de los cuales

dependían los métodos y técnicas de visualización como la ingeniería de software a
gran escala; mayor velocidad y capacidad de procesamiento informático, etc.

Cronografía mediante timeline.

1er gráfico de datos:

Estadísticas y Gráficos 1644 (España)Michael F. van Langren (1598-1675)

Primera representación visual de datos estadísticos: variaciones en la determinación de la

longitud entre Toledo y Roma.

Estadísticas demográficas:

Estadísticas y gráficos 1662 (Inglaterra, Reino Unido)John Graunt (1620-1674)

Fundación de estadísticas demográficas: desarrollo de la idea de que las estadísticas

vitales (registros de bautizos y entierros en Londres) podrían usarse para construir tablas
de vida. La esperanza de vida promedio en Londres fue de 27 años, con un 65 \% de
fallecidos a los 16 años.

Tabla de la vida:

Estadísticas y gráficos 1669 (Países Bajos) Christiaan Huygens (1629-1695)

Primer gráfico de una función de distribución continua, un gráfico de la tabla de vida de

Gaunt y una demostración de cómo encontrar la vida media restante para una persona de
determinada edad

Diagrama de red en un mapa:

Cartografía 1679 (Inglaterra, Reino Unido)John Adams (1650-1738)

Un mapa de Inglaterra que muestra distancias entre ciudades dispuestas para el uso de
viajeros.

….

Gráfico de línea literal

4
Universidad Nacional De Misiones Facultad de Humanidades
y Ciencias Sociales

Estadísticas y gráficos 1712 (Inglaterra, Reino Unido)Francis Hauksbee (1666-1713)

Gráfico de líneas literales, inspirado en la observación de la naturaleza (sección de

hipérbola, formada por la acción capilar del agua coloreada entre dos placas de vidrio)

Impresión a tres colores:

Tecnología 1710 (NA)Jacob Cristoph Le Blon (1667-1741)

Invención de la impresión a tres colores.

Estadísticas:

Estadísticas y gráficos 1748 (Alemania)Gottfried Achenwall (1719-1772)

Primer uso del término "statistik". La palabra "estadística" fue utilizada por primera vez por
Zimmerman en 1787. (Para el uso anterior de "statist", "statista" y otros términos)

Estimación empírica:

Estadísticas y gráficos 1750 a 1755 (Alemania) Rogerius Josephus Boscovich (1711-

1787) y Johanes Tobias Mayer (1723-1762)

Comienzos de la estimación de cantidades desconocidas de $ m $ a partir de ecuaciones

emipíricas de $ n $ (donde $ n> m $), teniendo en cuenta la posibilidad de errores en las
observaciones (luego suplantadas por el método de mínimos cuadrados)

Análisis gráfico

Estadísticas y gráficos 1767 a 1796 (Alemania)Johann Heinrich Lambert (1728-1777)

Aplicación sistemática repetida de análisis gráfico (gráficos lineales aplicados a mediciones

empíricas)

Gráfico de barras, gráfico de líneas inventado:

Estadísticas y gráficos 1786 (NA)William Playfair (1759-1823)

Gráfico de barras, gráficos lineales de datos económicos.

Papel cuadriculado:

Tecnología 1794 (Inglaterra, Reino Unido)Dr. Buxton (1700)

5
Universidad Nacional De Misiones Facultad de Humanidades
y Ciencias Sociales

Patentar y vender papel cuadriculado impreso, impreso con una cuadrícula de coordenadas
rectangular, da fe del uso creciente de coordenadas cartesianas

Registro automático de datos:

Tecnología 1796 (NA) James Watt (1736-1819) y John Southern

Registro automático de datos bivariados (presión vs. volumen en la máquina de vapor)

"Indicador de vatios" (la invención se mantuvo en secreto hasta 1822)

Gráfico circular:

Estadísticas y gráficos 1801 (Inglaterra, Reino Unido)William Playfair (1759-1823)

Invención del gráfico circular y el gráfico circular, que se usa para mostrar las relaciones
de parte a todo

Gráfico automático de series de tiempo:

Estadísticas y gráficos 1800 (Inglaterra, Reino Unido)Alexander Keith

Idea para el registro continuo de gráficos de series de tiempo registrados

automáticamente (de temperatura y presión barométrica), también registrando el máximo
y el mínimo

Método de mínimos cuadrados:

Estadísticas y gráficos 1809 (Alemania)Johann Carl Friedrich Gauss (1777-1855)

Métodos para determinar una órbita de al menos tres observaciones; presentación del
método de mínimos cuadrados (intenta determinar la función continua que mejor se
aproxime a los datos, una línea de regresión o la línea de mejor ajuste, proporcionando una
demostración visual de la relación entre los puntos de los mismos. Este método busca
minimizar la suma de cuadrados de los residuos entre los puntos generados por la función
y los correspondientes datos)
….

Pirámide de edad:

Estadísticas y gráficos 1874 (EE. UU.) Francis Amasa Walker (1840-1897)

Pirámide de edad (histograma bilateral), polígono de frecuencia bilateral y el uso de

cuadrados subdivididos para mostrar la división de la población por dos variables en

6
Universidad Nacional De Misiones Facultad de Humanidades
y Ciencias Sociales

conjunto (un mosaico temprano) en el primer atlas estadístico nacional de los Estados
Unidos.

Clasificación de gráficos:

Estadísticas y gráficos 1872 (Alemania) Hermann Schwabe (1830-1875)

Clasificación de tratamientos gráficos estadísticos por forma, con consideración de usos

apropiados de color, elementos gráficos, limitaciones de percepción. En la 8ª reunión del
ISI, San Petersburgo.

Estándares gráficos:

Estadísticas y gráficos 1901 (Budapest, Hungría)Jacques Bertillon (1851-1922) y

Émile Cheysson (1836-1910) y M. Fontaine (1900)

Este trabajo de Cheysson y Fontaine, reportado por Bertillon, fue la primera propuesta de
estándares para la presentación gráfica. El documento "Propuestas para lograr uniformidad
en la preparación de gráficos" discute algunas recomendaciones clave, incluyendo el uso
cauteloso de símbolos y jeroglíficos, y el uso de la comparación por áreas.
Se propone construir escalas x e y para que el comportamiento promedio corresponda a
una curva de 45 grados. Otros intentos de formular estándares para procedimientos
gráficos en el Congreso Estadístico Internacional se discuten en detalle.

Curva de Lorenz:

Estadísticas y gráficos 1905 (EE. UU.)Max Otto Lorenz (1876-1959)

Curva de Lorenz (distribución acumulativa por orden de clasificación, para facilitar el estudio
de las concentraciones, la distribución del ingreso)

Pictograma:

Estadísticas y Gráficos 1914 (EE. UU.)Willard Cope Brinton (1880-1957)

Pictogramas para representar una serie de números mediante iconos (combinando

conceptos del gráfico de barras y pictogramas de diferentes tamaños). Un pictograma es
un signo icónico dibujado y no lingüístico, que representa figurativamente un objeto real, o
un significativo.

Método de ISOTYPE:

7
Universidad Nacional De Misiones Facultad de Humanidades
y Ciencias Sociales

Estadísticas y Gráficos 1924 (Museo Social y Económico, Viena, Austria) Otto

Neurath (1882-1945)

Museo de Gráficos Estadísticos Sociales y el sistema ISOTYPE (Sistema Internacional de

Educación Tipográfica de Imágenes). Este es un lenguaje capaz de expresar única y
exclusivamente de forma visual todo tipo de mensajes combinando para eso pictogramas.

1ra computadora digital:

Tecnología 1944 (EE. UU.)Grace Hopper (1906-1992) y Howard H. Aiken (1900-1973)

Mark I de Harvard, la primera computadora digital, puesta en servicio. Oficialmente

conocida como la "Calculadora controlada por secuencia automática de IBM" (ASCC), la
Mark I medía 50 pies de largo y pesaba alrededor de 5 toneladas.

Gráficos estadísticos modernos:

Estadísticas y Gráficos 1962 (Bell Labs, EE. UU.)Joseph B. Kruskal (1929-2010)

Comienzos de gráficos estadísticos dinámicos modernos (una película de 1 minuto del

proceso iterativo de encontrar una solución de escalamiento multidimensional)

Series de Fourier:

Estadísticas y Gráficos 1972 (Canadá) David F. Andrews

Forma de serie de Fourier para generar gráficos de datos multivariados

Gráficos de datos categóricos:

Estadísticas y Gráficos 1992 (Canadá) Michael Friendly (1945-)

Comienzos de la extensión general de los métodos gráficos a datos categóricos

(frecuencia)

Nube de etiquetas, nube de palabras:

Estadísticas y Gráficos 2002 Jim Flanagan

Las nubes de etiquetas (también conocidas como "nubes de palabras") son resúmenes
visualmente estimulantes de grandes cuerpos de texto. Su propósito es tomar una selección
de texto y mostrar visualmente la frecuencia de las palabras más comúnmente utilizadas
dentro de ese documento.

8
Universidad Nacional De Misiones Facultad de Humanidades
y Ciencias Sociales

Son útiles para análisis cualitativos al resaltar los principales temas encontrados en trabajos
particulares de interés.

A continuación, visite la siguiente página, y observe las similitudes con el proyecto

Milestone. https://history.infowetrust.com/

Actividad: reconozca los trabajos claves que se resaltan en ambos trabajos

Principales definiciones de la VD

Una imagen vale más que mil palabras, especialmente cuando está tratando de comprender
y obtener información de los datos.

Es particularmente relevante cuando se intenta encontrar relaciones entre cientos o incluso

miles de variables para determinar su importancia relativa.

La visualización de datos permite transformar las relaciones numéricas de los datos en

impactos visuales y la comprensión de la información. Hoy en día hay numerosas
herramientas útiles para llevar a cabo el proceso de visualización de datos.

Las organizaciones de todos los tipos y tamaños generan datos cada minuto, hora y día.
Por ejemplo, en una empresa, todos, incluidos ejecutivos, tomadores de decisiones
departamentales, trabajadores de centros de atención telefónica y empleados en líneas de
producción, esperan aprender de los datos recopilados que pueden ayudarlos a tomar
mejores decisiones, tomar medidas más inteligentes y operar de manera más eficiente.

Independientemente de la cantidad de datos que se tenga, una de las mejores formas de

discernir relaciones importantes es a través del análisis avanzado y la visualización de datos
de alto rendimiento. Si se pueden realizar análisis sofisticados rápidamente, incluso de
inmediato, y los resultados se presentan de manera que muestren patrones y permitan
consultas y exploración, las personas de todos los niveles de la organización podrán tomar
decisiones más rápidas y efectivas.

Para crear imágenes significativas de los datos, hay algunas cuestiones básicas que se
deben tener en cuenta:

 El tamaño de los datos y

 la composición de la columna

Estos juegan un papel importante al seleccionar gráficos para representar los datos.

9
Universidad Nacional De Misiones Facultad de Humanidades
y Ciencias Sociales

Si se está trabajando con grandes cantidades de datos, un desafío es cómo mostrar los
resultados de la exploración y el análisis de datos de una manera que no sea abrumadora.

Es posible que se necesite una nueva forma de ver los datos, una que colapsa y condensa
los resultados de manera intuitiva pero que aún muestre gráficos y cuadros que los
encargados de tomar decisiones estén acostumbrados a ver. Y, en la sociedad actual en
movimiento, es posible que también se necesite hacer que los resultados estén disponibles
rápidamente a través de dispositivos móviles y proporcionar a los usuarios la capacidad de
explorar fácilmente los datos por su cuenta en tiempo real.

Existen algunos conceptos básicos que pueden ayudar a generar las mejores imágenes
para mostrar los datos:

 Comprender adecuadamente los datos que se está tratando de visualizar, incluido

su tamaño y cardinalidad.
 Determinar qué se está tratando de visualizar y qué tipo de información se desea
comunicar.
 Conocer a la audiencia y comprender cómo procesa la información visual.
 Usar una herramienta correcta que transmita la información en la mejor y más
simple forma para la audiencia.

La VD es un medio eficiente y efectivo para comunicar grandes cantidades de

información, pero el proceso de diseño a menudo puede parecer un esfuerzo creativa
inexplicable.

¿Por qué la VD es un medio útil para examinar, comprender y transmitir información?

 La visualización aprovecha las increíbles capacidades y el ancho de banda del

Sistema visual para mover una gran cantidad de información al cerebro muy
rápidamente.
 La visualización aprovecha el "software" integrado de nuestros cerebros para
identificar patrones y comunicar relaciones y significado.
 La visualización puede inspirar nuevas preguntas y una mayor exploración.
 La visualización ayuda a identificar subproblemas.
 La visualización es realmente buena para identificar tendencias y valores atípicos,
descubrir o buscar puntos de datos interesantes o específicos en un campo más
amplio, etc.

Categorías de visualizaciones de datos

En términos generales, hay dos categorías de visualización de datos: (1) exploración y (2)
explicación. Cada una sirve para distintos propósitos, por eso existen herramientas y
enfoques que pueden ser apropiados solo para uno y no para el otro.

10
Universidad Nacional De Misiones Facultad de Humanidades
y Ciencias Sociales

Por esta razón, es importante comprender la distinción, de modo que se pueda estar seguro
de que se están utilizando herramientas y enfoques apropiados para la tarea en cuestión.

(1) Exploración: Las visualizaciones exploratorias de datos son apropiadas cuando se

tiene una gran cantidad de datos y no se está seguro de que contiene.

Cuando se necesite tener una idea de lo que hay dentro de un conjunto de datos, traducirlo
a un medio visual puede ayudar a identificar rápidamente las características, incluidas
curvas interesantes, líneas, tendencias o valores atípicos anómalos.

La exploración generalmente se realiza mejor con un alto nivel de granularidad. Puede

haber mucho ruido en los datos, pero si se simplifica demasiado o elimina demasiada
información, podría terminar perdiéndose algo importante.

Este tipo de visualización generalmente es parte de la fase de análisis de datos y se utiliza

para encontrar la historia que los datos tienen que contar.

(2) Explicación: Por el contrario, este tipo de visualización de datos es apropiada

cuando ya se sabe lo que los datos tienen que decir y se está tratando de contar
esa historia a otra persona. Podría ser a un colega, un jefe de un departamento,
público en general, etc.

Cualquiera que sea la audiencia, la historia que se está tratando de contar (o la respuesta
que se está tratando de compartir) es conocida por el analista de datos desde el principio
y, por lo tanto, puede ser diseñada para acomodarla y resaltarla específicamente.

En otras palabras, se deben tomar ciertas decisiones editoriales sobre qué información
permanece y cuál es una distracción o es irrelevante y debe salir. Este es un proceso de
selección de datos enfocados que respaldarán la historia que se está tratando de contar.

Si la visualización exploratoria de datos es parte de la fase de análisis de datos,

entonces la visualización explicativa de datos es parte de la fase de presentación.

De acuerdo a lo mencionado, la función clave de la visualización de datos es mover la

información del punto A al punto B.

11
Universidad Nacional De Misiones Facultad de Humanidades
y Ciencias Sociales

En la visualización exploratoria, el punto A es el conjunto de datos y el punto B es la mente

del diseñador. En la visualización explicativa, el punto A es la mente del diseñador, y el
punto B es la mente del lector.

Para cruzar el abismo entre los puntos A y B y comunicarse con éxito, la información debe
estar codificada para la transmisión. En este caso, los elementos visuales son el medio de
transmisión elegido.

Así, el propósito del diseñador/analista al diseñar una VD es crear una entrega que sea bien
recibida y fácilmente comprendida por el lector. Todas las opciones de diseño e
implementaciones particulares deben cumplir este propósito.

La visualización puede ser independiente o puede ser parte de una presentación más
grande como un informe, un artículo de periódico o un artículo digital, una presentación en
un Congreso o evento académico, etc. En estos escenarios, siempre hay una narrativa de
apoyo, escrita o verbal, que explica más las cosas.

Hay algo impresionante que se genera cuando los datos que se quieren visualizar están
bien comunicados: es muy parecido como cuando uno se topa con una maravilla
arquitectónica.

Mire el siguiente video, y comente qué sensación le causa:

https://www.youtube.com/watch?v=V8lbiiTF2P0

Comunicación de datos y visualización de datos:

Cuando los datos se comunican bien, es fácil apreciar tanto los datos en sí como la forma
de presentarlos. Esos dos elementos se pueden combinar en una experiencia general que
haga sentir que se entiende mejor el mundo y que se quiere hacer algo con la comprensión
recién descubierta.

¿Cuál es la diferencia entre estos dos tipos de experiencias? Básicamente cuando

alguien tiene los conocimientos y la habilidad para diseñar correctamente; entonces
los datos se comunican correctamente.

La comunicación de datos es simplemente un elemento importante en la visualización de

datos. ¿En qué se diferencia la "comunicación de datos" de los otros elementos de la
visualización de datos? En el proceso general que comienza con una pregunta y termina
con una visión compartida.

12
Universidad Nacional De Misiones Facultad de Humanidades
y Ciencias Sociales

La figura presentada muestra el proceso general de descubrimiento de datos y muestra

dónde encajan los datos de comunicación en ese proceso:

- El proceso general para la visualización de datos es altamente iterativo y a menudo

comienza con una pregunta, que puede ser específica (“¿el rendimiento
académico de las mujeres es mayor que el de los varones?”), o general (“¿Cuál es
el rendimiento promedio de los alumnos de la carrera TISE del primer año entre el
año 2015 a 2019?)
- A continuación, se deben recopilar datos si están disponibles (por ejemplo,
promedio de calificaciones históricas).
- Luego, la ardua tarea de estructurar datos, o también denominado "tratamiento de
datos". Aquí los datos se forman, fusionan, convierten y manipulan de otra manera
para que estén listos para el siguiente paso,
- Exploración de datos: aquí los datos se visualizan y analizan desde varios ángulos
hasta obtener una o más ideas. Estas ideas forman el mensaje involucrado en la
comunicación de datos, el paso en el cual las declaraciones cuantitativas se
comparten con otros.

Finalmente, existen, por lo menos, seis principios a tener en cuenta al comunicar datos los
cuales pueden ser ordenados de forma que usualmente suelen suceder, pero hay que tener
en cuenta que al ser un proceso altamente iterativo rara vez avanza en línea recta.

La comunicación es un proceso creativo, que implica la elaboración y el refinamiento de un

mensaje, y como tal necesariamente implicará muchos bucles:

1. Conocer el objetivo

2. Usar los datos correctos

3. Seleccionar visualizaciones adecuadas

4. Diseño para la estética.

13
Universidad Nacional De Misiones Facultad de Humanidades
y Ciencias Sociales

5. Elegir un medio efectivo y un canal

6. Comprobar los resultados

Por último, hay que contar con los datos no es suficiente, hay que saber mostrarlos, para
que las personas lo entiendan y puedan tomar decisiones en caso de tener que hacerlo o
simplemente entiendan lo que se quiera comunicar.

14