¿Por qué un profesional digital debe aprender visualización de datos?

Sobre visualización de datos hay mucho ruido en Internet, por eso hemos querido poner un poco de luz sobre esta disciplina entrevistando a Nadia Fankhauser, profesional destacada en el sector y Directora del Programa profesional en visualización de datos.

¿Por qué un profesional de Internet debe aprender sobre visualización de datos?

La velocidad a la que se generan los datos se ha incrementado y con ello los desafíos analíticos y de comunicación. Un profesional que sepa de visualización de datos puede procesar e interpretar información de una manera más rápida y eficiente con el fin de comunicar esta en un formato visualmente comprensible y eficaz para su audiencia.

¿Por qué la visualización de datos es una tendencia?

La idea de visualizar datos existe hace tiempo, pero como concepto se ha hecho más relevante en la medida que aumenta la sobrecarga de información y evolucionan las necesidades de comunicación. Su capacidad de construir narrativas visuales consumibles a partir de una cantidad ingente de datos la ha convertido en una herramienta vital que se ha logrado integrar en ambientes y disciplinas dispares. Esto favorece aún más su desarrollo estimulando nuevos usos impensados hasta ahora.

¿Qué habilidades requiere una persona para dedicarse a la visualización de datos?

El valor de una visualización radica, esencialmente, en la pregunta que consigue responder y lo bien que consigue hacerlo. Por lo que en mi opinión, la habilidad principal es la de dominar el arte de hacer preguntas a los datos que sean estratégicamente pertinentes para nuestra audiencia.

Por supuesto, un proyecto de visualización puede comenzar con una pregunta, pero para llevarlo a término con éxito requerirá de la combinación de una serie de conocimientos y habilidades como la capacidad analítica, matemáticas, estadísticas, ciencias de la computación, diseño, desarrollo, narrativa…

Lo más común es que éstas y más habilidades no estén todas presentes en un único perfil profesional y por otra parte, según la naturaleza y objetivo de un proyecto, podrá variar la necesidad del perfil o perfiles requeridos. Todo esto puede ser aprendido. Y aunque no todo el mundo puede ser un gran científico de datos o un gran programador interactivo o un gran diseñador, etc, cualquier persona que se familiarize con el procesamiento de datos y principios de diseño y comunicación, puede crear grandes y efectivas visualizaciones.

¿Por qué alguien que se quiera dedicar a la visualización de datos debe conocer metodologías de investigación?

La metodología de la investigación es un procedimiento que se ha probado en distintas áreas de conocimiento que te garantiza la rigurosidad en las decisiones en cuanto al tratamiento de tus datos: método y técnica de recogida, su posible tratamiento e interpretación y finalmente, determinar la validez de tus conclusiones. Por lo que paso a paso, te permite, primero, hacer de tus datos algo contrastable y segundo, limitar los errores clásicos que comete una persona que tiene una aproximación intuitiva a los datos.

¿Cuáles son las mejores herramientas en la actualidad y por qué?

La mejor herramienta es la que puedas manejar de manera eficiente para llevar adelante tu proyecto con éxito. Dicho esto, comentar dos cosas más. No existe la herramienta «buena para todo», las decisiones tecnológicas importan, sobre todo si el impacto de equivocarte y volver atrás es significativo para tu proyecto. Hay una enorme cantidad de herramientas disponibles para que puedas trabajar.

Si sabes programar y si tus datos pueden ser compartidos, sin duda que puedes aprovechar D3 (biblioteca de javascript) que es una de las herramientas con mayor proyección en el mercado por la flexibilidad de sus funcionalidades. Si no sabes o no tienes tiempo para codificar de cero, hay muchas alternativas:

Las más conocidas: Gephi, Tableau Public, QlikView, Many Eyes, Google Fusion Table, Quadrigram, R, Visual.ly

Gráficos sencillos: DataWrapper, Flot, Google charts, jqPlog, InfoVis, gRaphaël, Vidi

Gráficos con estructura de red: Arbor.js, Sigma.js

Geomapping: Kartograph, Polymaps

Tridimensional: Three.js, Crossfilter, Cubismo, Dashku, NVD3

Limpieza y transformación de datos: OpenRefine, DataWrangler

También puedes darle un vistazo a estas recopilaciones:

Selection Data Visualization

Visualising Data

Aunque puede parecer lo contrario, la abundancia de herramientas, podría jugar en contra y terminar por bloquear. Te recomendaría que experimentes con ellas y aprendas una o dos. Al menos en mi experiencia, invertir energía en practicar más que en decidir consigue mejor ROI 😉

¿Qué opinas del boom de visualizaciones que no aportan demasiado para la comprensión de los datos?

Es una característica natural de los mercados emergentes. Una vez que una tendencia o metodología se pone de moda, mucha gente trata de actuar dentro de ella. Es típico en esta área del conocimiento y en cualquier otra.

La visualización es una estrategia para facilitar la extracción y comunicación de información, si una pieza visual aunque estuviera basada en datos no aporta nada revelador, directamente no lo debemos llamar visualización.

Parte del camino hacia la madurez de esta disciplina será la alfabetización visual y estadística de los consumidores de visualizaciones lo que terminará por incentivar la mirada crítica y el rigor al producirlas.

¿Cuáles son los primeros pasos cuando pretendemos realizar una representación visual de multitud de datos?

Desarrollar un proyecto de visualización es un proceso amplio y que puede variar según el proyecto que vas a desarrollar. Hay que comenzar por definir las siguientes cuestiones claves:

– ¿Cuál es el objetivo / valor de la visualización?
– ¿Quiénes son los destinatarios?
– ¿Cómo se recopilan y procesan los datos?
– ¿Qué elementos de diseño se utilizarán y por qué?

Entender cuál es el problema o la pregunta, la naturaleza de los datos en cuestión, cuáles son las estrategias de transformación de esos datos a nivel estadísticos y si son válidas o no para interpretar ese problema. Y mantener el mismo rigor en cuanto a las decisiones de diseño con las que se codificará visualmente la narración para llegar a tu público.

Hunter Whitney ha graficado este ciclo en el siguiente gráfico:

 

¿Cómo se pueden representar los datos cualitativos de forma eficaz?

Consiguiendo introducir y combinar elementos visuales que llamen la atención y a la vez que materialicen conceptos identificables por nuestra audiencia. Una de las herramientas más populares para la representación de este tipo de datos han sido las nubes de palabras por su facilidad para visualizar el conteo de palabras o frases. Sin embargo, su limitación para representar únicamente un conteo en ocasiones hace que su uso no siempre sea efectivo debido a que sólo llaman la atención sin aumentar comprensión sobre esa información.

Para representar eficazmente datos complejos podemos apoyarnos en metáforas visuales, diagramas, árboles, guiones gráficos, o incluso pueden ser textos vinculados entre sí en forma de mapa conceptual. El contexto, las historias, conexiones y las descripciones son herramientas que todos podemos utilizar y hacer que las ideas sean fáciles de entender.

Conviértete en Experto en Analítica Web

¡Máster Analítica Digital en KSchool! Estudia online o presencial en Madrid o Barcelona. Más de 60 ediciones. Dirigido por Gemma Muñoz. KSchool, escuela líder en analítica digital.

¡Ver oferta!

 

El proceso, básicamente, se trata de organizar la narración -decidiendo si la centras en una palabra, frase o tema- añadiendo una estructura más visual para que el público entienda esos datos desde un ángulo concreto y luego profundizar sus niveles de narración para destacar o enfatizar las ideas principales o información específica.

Los principios de diseño son la navaja suiza para ayudarte en estas decisiones.

A continuación puedes ver ejemplos de representación de datos cualitativos:

Fuente: Stuart Henderson & Eden Segal (2013)

¿No es muy elevada la curva de aprendizaje en algunas herramientas de visualización de datos?

Es verdad que no es fácil hacerse con algunas herramientas, sin embargo continuamente se mejoran y desarrollan nuevas aplicaciones que alientan a usuarios de todos los niveles a utilizarlas e interpretar los datos. Esto hace la curva de aprendizaje cada vez más suave en muchas de ellas. Pero como en todo, sí que implica un esfuerzo de aprendizaje y práctica.

¿Qué puedes contarnos del curso de visualización de datos que diriges en KSchool?

Está orientado a cualquier persona que quiera mejorar sus capacidades para visualizar y comunicar datos a distintas audiencias. Puede aprovecharlo gente de marketing, periodistas, investigadores, analistas…

El objetivo es equiparte con opciones de análisis y diseño para que puedas crear tu propio flujo de trabajo en proyectos de visualización de datos y diseño infográfico.

Aunque es una introducción (el curso es de 30 horas) no es un programa básico, ya que abordaremos con intensidad tres pilares claves para iniciarte en esta disciplina: fundamentos de la comunicación visual, metodología de la investigación y estrategias de visualización.

Aprenderás cómo los principios de diseño pueden ayudarte a comunicar información compleja, cómo transformar, relacionar e interpretar múltiples conjuntos de datos con rigurosidad y cómo trabajar con distintas herramientas y técnicas de visualización.

El programa está enfocado a que te lleves conocimientos y experiencias prácticas que te permitan planificar y llevar adelante con éxito tus propios proyectos de visualización y comunicación de datos.

¿Es la visualización de datos el canal que permite a la sociedad interactuar de forma diferente con toda la información que nos rodea?

En la medida que la sociedad va cambiando aparecen propiedades emergentes más de carácter abstracto donde la visualización de datos es un vehículo que no solo ayuda a interpretar esa realidad más compleja sino también que impulsa la exploración de nuevos interrogantes en busca de aún mejores soluciones. Esta herramienta forma parte del proceso de generación de conocimiento, por lo tanto, constituye un ciclo que no tiene fin.

¿Es esta una de las profesiones con más futuro?

Sin duda que saber procesar y visualizar información son habilidades que ya tienen cabida en cualquier profesión, empresa u organización. Por lo que pienso que la visualización de datos tiende a ser una especialización profesional que proporcione herramientas de diferenciación a profesionales en distintas áreas.

Puedes ser un científico y si tienes una especialización en visualización de datos seguramente serás más efectivo en tu rama profesional y lo mismo puede ser para profesionales en distintas áreas de actuación. De ahí a que la visualización de datos se convierta en una profesión independiente dependerá mucho de la evolución del mercado y de cómo éste vaya requiriendo profesionales que refuercen las diferencias competitivas.

Twitter: @nadiafank