Una imagen realmente dice más que mil palabras. Vivimos en un mundo impulsado por datos y desarrollar visualizaciones claras e impactantes que permitan comunicar la información se está convirtiendo en una habilidad cada vez más necesaria. La visualización de datos es uno de los pilares de X-DATA y por ello te compartimos este artículo sobre la importancia de este paradigma.

El poder de la visualización en la ciencia de datos

La cantidad y complejidad de la información producida en la ciencia, la ingeniería, los negocios y la actividad humana diaria está aumentando a un ritmo asombroso, por ello es necesario buscar herramientas como la visualización que no solo presentan una interpretación visual de los datos, sino que lo hacen mejorando la comprensión, la comunicación y la toma de decisiones.


¿Qué es la visualización?


Está definida como la formación de imágenes visuales mentales para transmitir información a través de representaciones gráficas de datos. Al presentar de forma visual la información suele ser mucho más fácil de digerir, especialmente si se utilizan patrones y estructuras que se puedan interpretar intuitivamente.


Vivimos en un mundo impulsado por datos, donde estos son soberanos, por lo que tener el poder de desarrollar visualizaciones claras e impactantes se está convirtiendo en una habilidad cada vez más necesaria.


«La visualización se trata realmente de la cognición externa, es decir, cómo se pueden utilizar los recursos externos a la mente para impulsar las capacidades cognitivas de la mente». – Stuart Card


¿Qué realmente constituye una buena visualización?

La visualización tiene tres objetivos:

  1. Exploración de datos: encontrar lo desconocido
  2. Análisis de datos: comprobar hipótesis
  3. Presentación: comunicar y difundir

El modelo de cinco pasos resulta útil para alcanzar estos objetivos.


En primer lugar, se requiere definir un objetivo o una pregunta específica a evaluar. Después se realizará un análisis de datos exploratorios para comprender el conjunto de información y así obtener varias formas de resumir o trazar los datos.


La tercera etapa está destinada al diseño, que implica el desarrollo de una historia que se desea contar con los datos. ¿Cuál es el mensaje que intentamos comunicar? Esto dependerá de la audiencia y el nivel de objetividad del análisis. El cuarto paso implica la implementación de la visualización. Esta es la parte del proceso que requerirá algo de codificación, mientras que en la etapa de diseño es necesario pensar, dibujar, idear, etc.


La quinta etapa es esencialmente una etapa de revisión, observar la implementación y definir si envía el mensaje que se desea comunicar o responde la pregunta que se propuso responder. En realidad, este es un proceso no lineal, aunque a menudo se presenta como tal. Es necesario regresar o avanzar en el proceso para lograr transmitir el mensaje de manera eficaz.


Parece simple ¿verdad? Pero esto también puede presentar problemas, estos son los más comunes:

  1. Situación del dominio: ¿se comprenden correctamente las necesidades de los usuarios? Quizás se esté abordando el problema equivocado.
  2. Abstracción de datos: ¿la visualización muestra lo deseado? Quizás se esté utilizando la abstracción incorrecta.
  3. Codificación / interacción visual: ¿funciona la forma en que se muestran los datos? Quizás se esté utilizando el idioma o la codificación incorrecta.
  4. Algoritmo: ¿se rompe el código?, ¿el código es demasiado lento? ¿Es escalable? Quizás se esté utilizando el algoritmo incorrecto.
Los pasajeros en el metro de Nueva York no les preocupaba la precisión geográfica, estaban más interesados ​​en cómo ir de una estación a otra y dónde cambiar de tren. ¿Cuál de los mapas brinda esa información de mejor manera?

Tips para una visualización eficaz:


Texto original de: Matthew Stewart, Consultor de aprendizaje automático en Critical Future

Fuente: https://bit.ly/35Zb7kL

Traducción y adaptación por Melissa Pérez Alcántara