Construyendo un panel de visualización de indicadores clave

El proceso de análisis y
explotación de datos en
proyectos de Business
Intelligence
Módulo 03: Construyendo un panel de visualización de
indicadores clave
Alex Rayón Jerez
alex.rayon@urbegi.com
Octubre, 2014

“Perfection is achieved not
when there is nothing more to
add, but when there is nothing
left to take away”
Antoine de Saint-Exupery

Narrativa
+
Diseño
+
Estadística

“[...] people almost universally use story
narratives to represent, reason about, and make
sense of contexts involving multiple interacting
agents, using motivations and goals to explain
both observed and possible future actions. With
regard to learning analytics, I’m seeing this as how
it can contribute to the retrospective
understanding and sharing of what transpired
within the operational contexts”
[Zachary2013]

Índice de contenidos
● Introducción
● Historia visualización de información
● Conceptos
● Proceso de visualización de información
● Construyendo un Dashboard
● Errores en la visualización
● Herramientas y librerías

Introducción
● Peligro de perderse con los datos
o Irrelevante para la tarea que se tiene entre manos
o Procesado de una manera inapropiada
o Presentado de una manera inapropiada
Source: http://www.planetminecraft.com/server/padlens-maze/

Introducción (III)
● Los buenos gráficos…
o Señalan relaciones, tendencias o patrones
o Exploran datos para inferir nuevo conocimiento
o Hace fácil de entender un concepto, idea o hecho
o Permite observar una realidad desde diferentes
puntos de vista
o Permite recordar una idea

Introducción (IV)
● Es una forma de expresión
o Como las matemática, la música, la pintura o la
escritura
o En consecuencia, tiene una serie de reglas que
respetar
Source: http://powerlisting.wikia.com/wiki/Mathematics_Manipulation

Introducción (V)
A center of excellence

Introducción
Beneficios
1) Procesamiento eficiente de información

Introducción
Beneficios (II)
2) Relaciones y patrones entre actividades de negocio y
operaciones
Fuente: http://www.mediameasurement.com/my-my-a-smoky-eyed-surprise/

Introducción
Beneficios (III)
3) Identificar y actuar en tendencias emergentes cuanto antes
Fuente: http://www.propertyweek.com/emerging-trends-sustainability-given-the-green-light/5065937.article

Introducción
Beneficios (IV)
4) Manipular e interactuar directamente con datos
Fuente: http://blog.visual.ly/interaction-design-for-data-visualizations/

Introducción
Beneficios (V)
5) Fortalecer un nuevo lenguaje de negocio
Fuente: http://www.qualia.hr/businessq/visualize/

Introducción
Popularidad
Information is beautiful
Fuente: http://www.informationisbeautiful.net/visualizations/the-microbescope/

Introducción
Popularidad (II)
Vox
Fuente: http://www.vox.com/2014/10/18/6995441/map-greatest-threat-country

Introducción
Popularidad (III)
Politikon: Kiko Llaneras
Fuente: http://politikon.es/2014/01/30/personas-datos-gimnasios-y-patrones/

Historia visualización
Introducción
Siglo XVIII Siglo XIX Siglo XX
Joseph Priestley
William Playfair
John Snow
Charles J. Minard
F. Nightingale
Jacques Bertin
John Tukey
Edward Tufte
Leland Wilkinson

Siglo XVIII: Joseph Priestley
Source: http://en.wikipedia.org/wiki/A_New_Chart_of_History#mediaviewer/File:A_New_Chart_of_History_color.jpg

Siglo XVIII: Joseph Priestley (II)
● Lectures on History and General
Policy (1788)
o A Chart of Biography (1765)
o A New Chart of History (1769)
● Preciosas metáforas de una
dimensión imprecisa y abstracta
(tiempo) trasladada a una
concreta (espacio)
o Pensamiento temporal consume
recursos cognitivos

Siglo XVIII: William Playfair
Source: http://en.wikipedia.org/wiki/William_Playfair

Siglo XIX: John Snow
Source: http://en.wikipedia.org/wiki/1854_Broad_Street_cholera_outbreak

Siglo XIX: Charles J. Minard
Source: http://en.wikipedia.org/wiki/Charles_Joseph_Minard

Siglo XIX: Florence Nightingale
Source: http://en.wikipedia.org/wiki/Florence_Nightingale

Siglo XX: Jacques Bertin
Source: http://www.amazon.com/Semiology-Graphics-Diagrams-Networks-Maps/dp/1589482611

Siglo XX: John W. Tukey
Source: http://books.google.es/books/about/Exploratory_Data_Analysis.html?id=UT9dAAAAIAAJ&redir_esc=y

Siglo XX: Edward R. Tufte
Source: http://www.edwardtufte.com/tufte/books_vdqi

Siglo XX: Leland Wilkinson
Source: http://www.amazon.com/Grammar-Graphics-Statistics-Computing/dp/0387245448

Siglo XX: Leland Wilkinson (II)
Source: http://www.amazon.com/Grammar-Graphics-Statistics-Computing/dp/0387245448

Aplicaciones para Tenzing
Actividad BI.03.1. Dimensiones de datos
● Elegir 4 ó 5 dimensiones de datos para su
visualización
● Pensar en todas sus implicaciones
o Facilidad de actualización
o Mejor herramienta para visualizar
o ….

Conceptos
Introducción
● Visualización de datos
● Visualización de información
● Geovisualización
● Visual Analytics
● Diseño de información
● Infografías

Conceptos
Introducción (II)
● Herramientas cognitivas
o Extienden el aprendizaje y la percepción humana
o Fueron inventadas y desarrolladas por nuestros
antepasados para darle sentido al mundo y actuar
de manera más efectiva en él
 Historias que enseñaron a las personas a recordar
cosas haciendo el conocimiento más interesante
 Metáforas que permitieron a las persona entender
una cosa analizándola en términos de otra
 Oposiciones binarias como bueno/malo que
ayudaron a las personas a organizar y categorizar
conocimiento

Conceptos
Introducción (III)
Source: http://ierg.net/about/briefguide.html#cogtools

Conceptos
Introducción (IV)
Source:http://en.wikipedia.org/wiki/Cognitive_ergonomics

Conceptos
Visualización de datos
El uso de representaciones
visuales e interactivas sobre
ordenador de elementos
abstractos para ampliar y
mejorar el procesamiento
cognitivo
[Card1999]

Conceptos
Visualización de información
● También conocido como InfoVis
● Se centra en la visualización de datos
abstractos no-físicos como datos financieros,
información de negocio, colecciones de
documentos y conceptos abstractos
● Sin embargo, limita mucho el soporte a la
toma de decisiones [AmarStasko2004]
o Características limitadas
o Representaciones predeterminadas
o Rechazo al determinismo en la toma de decisiones

Conceptos
Geovisualización
● Los datos geo-espaciales describen objetos o
fenómenos que están asociados a una
localización específica en el mundo real
Source: http://www.boostlabs.com/why-geovisualization-geographic-visualization-works/

Conceptos
Visual Analytics
The science of analytical
reasoning facilitated by
interactive visual interfaces
[ThomasCook2005]

Conceptos
Visual Analytics (II)
[Keim2006]

Conceptos
Visual Analytics (III)
“Visual analytics is more than just visualization and
can rather be seen as an integrated approach
combining visualization, human factors and data
analysis. [...]integrates methodology from
information analytics, geospatial analytics, and
scientific analytics. Especially human factors (e.g.,
interaction, cognition, perception, collaboration,
presentation, and dissemination) play a key role in
the communication between human and computer, as
well as in the decisionmaking process.”
[Keim2006]

Conceptos
Visual Analytics (IV)
● [Sheniderman2002] sugiere combinar el enfoque
de análisis cuantitativo sobre ordenador (Data
Mining) con la visualización de información
● Utilizar herramientas de Visual Analytics para:
○ Sintetizar información y obtener insights de datos masivos,
dinámicos, ambiguos y en ocasiones conflictivos
○ Detectar lo esperado y descubrir lo inesperado
○ Proveer interpretaciones de datos a tiempo, defendibles y
entendibles
○ Comunicar interpretaciones de datos de manera efectiva
para habilitar la toma de decisiones/acciones

Conceptos
Visual Analytics (V)
Interactive
visualization
Computational
analysis
Analytical
reasoning

Conceptos
Visual Analytics (VI)
● Combinar las fortalezas tanto del procesamiento
humano como electrónico [Keim2008]
o Ofrece un procesamiento analítico semi-automático
o Utiliza las fortalezas de cada enfoque

Conceptos
Visual Analytics (VII)
[Verbert2014]

Conceptos
Diseño de información
The practice of
presenting information
in a way that fosters
efficient and effective
understanding of it

Conceptos
Diseño de información (II)
Source: http://www.nytimes.com/imagepages/2007/03/17/nyregion/nyregionspecial2/20070318_TRAIN_GRAPHIC.html

Conceptos
Infografías
The graphic visual
representations of data,
information or knowledge
intended to present complex
information quickly and
clearly

Conceptos
Infografías (II)
Source: http://blog.crazyegg.com/2012/02/22/infographics-how-to-strike-the-elusive-balance-between-data-and-visualization/

Conceptos
Infografías (III)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef016760ebbbcd970b-550wi

Conceptos
Comparación
Source: http://www.slideshare.net/SookyoungSong/hci-tutorial0212

Proceso visualización
Introducción
The purpose of analytical displays of evidence is to assist thinking.
Consequently, in constructing displays of evidence, the first question
is, “What are the thinking tasks that these displays are supposed
to serve?” The central claim of the book is that effective analytic
designs entail turning thinking principles into seeing principles. So, if
the thinking task is to understand causality, the task calls for a
design principle: “Show causality.” If a thinking task is to answer a
question and compare it with alternatives, the design principle is:
“Show comparisons.” The point is that analytical designs are not to
be decided on their convenience to the user or necessarily their
readability or what psychologists or decorators think about them;
rather, design architectures should be decided on how the
architecture assists analytical thinking about evidence.
Edward T. Tufte in an interview

Data Visualization Reference Model
[Chi2000]

Proceso Visual Analytics

Proceso Visual Analytics (II)
1

Principios
● Resumen de los principios de Tufte
o Revelar la verdad
 Integridad gráfica
o Hacer de manera efectiva, con claridad, precisión,
etc.
 Diseño estético
“The success of a visualization is based on deep
knowledge and care about the substance, and the
quality, relevance and integrity of the content”
[Tufte1983]

Principios (II)
● Diseño estético: cinco principios
o Por encima de todo, mostrar los datos
o Maximizar el ratio dato-tinta
o Eliminar todo trazo de tinta que no
contenga datos
o Eliminar trazos de tinta redundantes
o Revisar y editar

Principios (III)
● Atributos importantes
o Color
o Tamaño
o Orientación
o Lugar en la página
o
Source: http://www.storytellingwithdata.com/2011/10/google-example-preattentive-attributes.html

1) Transformación de datos
● Codificación del valor
o Datos univariados
o Datos bivariados
o Datos multivariados
● Codificación la relación
o Líneas
o Mapas
o Diagramas

1) Transformación de datos (II)
o Datos univariados
o Datos bivariados
o Líneas
o Mapas
o Diagramas

1) Transformación de datos (III)
[Shneiderman1996]

1) Transformación de datos (IV)
Datos univariados
Los efectos de la variable independiente sobre una única
variable dependiente
Data Visualization [Jarvainen2013]

1) Transformación de datos (V)
Datos bivariados
Miden la relación entre dos variables
Ninguna de las variables en estudio es independiente, por lo que el procedimiento no es
experimental, como en los estudios univariados

1) Transformación de datos (VI)
Anscombe's quartet
Source: http://en.wikipedia.org/wiki/Anscombe's_quartet

1) Transformación de datos (VII)
Datos multivariados
Analizar simultáneamente conjunto de datos multivariantes en el sentido de que hay varias
variables medidas para cada individuo u objeto estudiado

1) Transformación de datos (VIII)
o Datos univariados
o Datos bivariados
o Líneas
o Mapas
o Diagramas

1) Transformación de datos (IX)
● Relación
o Asociación lógica o natural entre dos o más entidades
o Relevancia de la una en la otra
o Conexión
Fuente: http://www.tendencias21.net/estrategar/La-vida-es-relacion_a321.html

1) Transformación de datos (X)
Red Social
Las líneas indican
relación
Source: http://www.digitaltrainingacademy.com/socialmedia/2009/06/social_networking_map.php

1) Transformación de datos (XI)

1) Transformación de datos (XII)
Diagrama de Sankey
Source: http://www.d3noob.org/2013/02/formatting-data-for-sankey-diagrams-in.html

1) Transformación de datos (XIII)
Source: http://en.wikipedia.org/wiki/Harry_Beck

1) Transformación de datos (XIV)
A Tour Through the Visualization Zoo
Source: http://homes.cs.washington.edu/~jheer//files/zoo/

1) Transformación de datos (XV)

Actividad BI.03.2. Codificación del valor y la
relación
● Determinar
o Tipo de datos
o Tipo de gráfica
o Tipo de relación
o ...
● Justificar la elección

2) Mapeo de datos
Ranking of elementary perceptual tasks [ClevelandMcGill1985]

2) Mapeo de datos (II)
● Dos investigadores de AT&T Bell Labs,
William S. Cleveland y Robert McGill,
publicaron un artículo central en el Journal of
the American Statistical Association
o El título era: “Graphical perception: theory,
experimentation, and application to the development of
graphical methods”
● Propone una guía con las representaciones
visuales más apropiadas en función del
objetivo de cada gráfico

2) Mapeo de datos (III)
“A graphical form that involves
elementary perceptual tasks that lead to
more accurate judgements than another
graphical form (with the same
quantitative information) will result in a
better organization and increase the
chances of a correct perception of
patterns and behavior.”

2) Mapeo de datos (IV)
Source: http://www.businessinsider.com/pie-charts-are-the-worst-2013-6
“Save the pies for
dessert”
(Stephen Few)

2) Mapeo de datos (V)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef0167631df6f7970b-550wi

2) Mapeo de datos (VI)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef016302299aa9970d-
550wi
En algunas representaciones,
la precisión no es el
objetivo, sino la percepción
de patrones,
concentraciones,
agregaciones, tendencias, etc.
Para estos casos, las formas
de la parte inferior de la lista
pueden resultar muy útiles

2) Mapeo de datos (VII)

2) Mapeo de datos (VIII)
Gráficos descriptivos Gráficos simbólicos
Source: http://trevorcairney.blogspot.com.es/2010_04_01_archive.html

2) Mapeo de datos (IX)
● Maria Kozhevnikov, afirma que no todo el
mundo entiende las representaciones
estadísticas de manera sencilla
o Depende de algunos patrones de activación dentro del
cerebro
● En uno de sus estudios, expone cómo los
artistas, arquitectos y científicos los gráficos
de diferentes maneras

2) Mapeo de datos (X)
Ranking of perceptual tasks
[ClevelandMcGill1985]

2) Mapeo de datos (XI)
Recordando a Tufte:
“What are the thinking tasks
that these displays are
supposed to serve?”

2) Mapeo de datos (XII)
¿Qué visualización para...?
1) Comparar números
2) Mostrar la variación en el tiempo de una magnitud
3) Mostrar la correlación entre dos variables

2) Mapeo de datos (XIII)
¿Para comparar números?
A bar chart
(Source: http://en.wikipedia.org/wiki/Bar_chart)

2) Mapeo de datos (XIV)
¿Para comparar números?
Source: http://www.improving-visualisation.org/img_uploads/2009-03-09_Mon/200939171254.jpg
?

2) Mapeo de datos (XV)
¿Para mostrar la variación en el tiempo de una
magnitud?
A line chart
(Source: http://en.wikipedia.org/wiki/Line_graph)

2) Mapeo de datos (XVI)
¿Para mostrar la correlación entre dos
variables?
A scatter plot
(Source: http://en.wikipedia.org/wiki/Scatter_plot)

2) Mapeo de datos (XVII)
¿Diferencia entre dos variables?
o
Cleveland and McGill, nuestro cerebro tiene problemas comparando
ángulos, curvas y direcciones → si queremos mostrar la diferencia, debemos
representar directamente la diferencia

2) Mapeo de datos (XVIII)
Source: http://www.excelcharts.com/blog/uncommon-knowledge-about-pie-charts/#prettyPhoto[gallery]/0/

2) Mapeo de datos (XIX)
¿La mejor estrategia?
Representar los mismos
datos de diferentes maneras

2) Mapeo de datos (XX)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef0153903da6ba970b-550wi
Un mapa
Gráficos
Tabla
numérica

2) Mapeo de datos (XXI)
Diferentes
configuraciones de
visualización
Filtros (zoom,
herramienta de
búsqueda, seleccionar
datos por continente y
tamaño)
Búsqueda en
profundidad (click en las
burbujas y enseñar más
datos, etc.)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef0153903da6ba970b-550wi

2) Mapeo de datos (XXII)
Source: http://www.stonesc.com/Vis08_Workshop/DVD/Reijner_submission.pdf

2) Mapeo de datos (XXIII)
Source: http://apandre.wordpress.com/dataviews/choiceofchart/

2) Mapeo de datos (XXIV)
Source: http://apandre.wordpress.com/dataviews/choiceofchart/

2) Mapeo de datos (XXV)
Source: http://www.visual-literacy.org/periodic_table/periodic_table.html

2) Mapeo de datos (XXVI)
Classification of Visual Data Exploration Techniques [Keim2002]

Actividad BI.03.3. Mapeo de datos
● Determinar
o Gráfica para cada dimensión de datos
o Configuraciones de visualización (filtros, búsqueda en
profundidad, etc.)
o Escala de Cleveland y McGill: ¿por qué?
● Justificar la elección

Dashboard
Introducción
Fundamentales
Percepción
Visión
Color
Principios
Técnicas
Representación
Presentación
Interacción
Aplicaciones
Dashboards
Visual
Analytics

Dashboard
Introducción (II)
“Most information dashboards
that are used in business today
fall far short of their potential”
Stephen Few

Dashboard
Definición
“A dashboard is a visual display of the
most important information needed to
achieve one or more objectives;
consolidated and arranged on a single
screen so the information can be
monitored at a glance”
[Few2007]

Dashboard
Características
● Displays visuales
● Visualizar información necesaria para
alcanzar unos objetivos específicos
● Que se ajuste a una sola pantalla
● Que se pueda emplear para monitorizar
información a golpe de ojo
● Mecanismos de visualización pequeños,
concisos, claros e intuitivos
● Personalizados a las necesidades

Dashboard
Categorías
Role Strategic, Operational, Analytical
Type of data Quantitative, Non-quantitative
Data domain Sales, Finance, Marketing, Manufacturing, Human Resources, Learning, etc.
Type of measures Balanced Scored Cards, Six Sigma, Non-performance
Span of data Enterprise wide, Departmental, Individual
Update frequency Monthly, Weekly, Daily, Hourly, Real-time
Interactivity Static display, Interactive display
Mechanisms of
display
Primarily graphical, Primarily text, Integration of graphics and text
Portal functionality Conduit to additional data. No portal functionality

Dashboard
Errores comunes (II)
1) Exceder los límites de una sola pantalla
● La información que aparece en un dashboard
puede estar fragmentada en una de las
siguientes dos maneras:
o Diferentes pantallas a las que hay que navegar
o Diferentes instancias de una misma visualización a los
cuales para acceder hay que navegar

Dashboard
Errores comunes (II)
2) Ofrecer un contexto inadecuado para los
datos
● De este modo, las medidas no serán
significativas
3) Visualizar excesivo detalle o precisión
● Mostrar detalles innecesarios
4) Elegir una medida no eficiente
● Utilizar medidas que fallan en expresar de
manera directa el mensaje que se pretende

Dashboard
Errores comunes (III)
5) Elegir un display de visualización
inapropiado
● Un problema muy común con los pie charts ;-)
6) Introducir una variedad gráfica
innecesaria
● Exhibir una variedad de displays innecesarios
7) User displays pobremente diseñados
● Orden, leyenda, colores claros, etc.

Dashboard
Errores comunes (IV)
8) Codificar datos cuantitativos de manera
imprecisa
9) Presentar los datos pobremente
● Los datos más importantes deben ser
enfatizados
● Los datos que requieren atención inmediata
deben destacar
● Los datos que se deben comparar serán
presentados y diseñados visualmente de
manera que favorezca la comparación

Dashboard
Errores comunes (V)
10) Enfatizar los datos importantes de
manera ineficiente
● Fallar en la diferenciación de datos en función
de su importancia
○ Dar el mismo peso a todo lo presentado en la pantalla
11) Añadir decoraciones innecesarias
● Aparentar ser algo que no se es
● Resulta en decoraciones que despistan y resultan inútiles

Dashboard
Errores comunes (VI)
12) Abuso del color
● El abuso del color debilita su poder
13) Diseñar un display visual no atractivo
● El reto fundamental de un diseño de
Dashboard es mostrar efectivamente una gran
variedad de datos en poco espacio

Dashboard
Buzzwords
● Dashboards
o Presenta información en una manera que resulta fácil
de leer y de interpretar
● Key Performance Indicator
o Éxito o los pasos para llegar al éxito en relación a un
objetivo

Dashboard
Visualizaciones de datos interactivas
Graphic design
Static
visualization
Data analysis

Dashboard
Visualizaciones de datos interactivas (II)
Graphic
design
User
interface
design
Data analysis
Interactive
design
Exploratory
Data analysis
Interactive
visualization
Static
visualization

Dashboard
Visualizaciones de datos interactivas (III)
● ¿Cuándo es suficiente una representación
estática?
o Escala
 Muchos puntos de datos
 Muchas diferentes dimensiones
o Storytelling
o Exploración
o Aprendizaje

Dashboard
Visualizaciones de datos interactivas (IV)
● Seleccionar
● Explorar
● Reconfigurar
● Codificar
● Elaborar
● Filtrar
● Conectar

Dashboard
Visualizaciones de datos interactivas: 1) Seleccionar
Seleccionar un detalle de un conjunto de datos
grande para tenerlo controlado
Source: http://en.wikipedia.org/wiki/Closest_pair_of_points_problem

Dashboard
Visualizaciones de datos interactivas: 2) Explorar
● Superar limitaciones de tamaño del display
● La técnica más común: zoom panorámico

Dashboard
Visualizaciones de datos interactivas: 3) Reconfigurar
● Ofrecer una distribución de elementos diferente

Dashboard
Visualizaciones de datos interactivas: 4) Codificar
● Cambiar variables visuales: colores, tamaños,
orientación, fuente, tamaño

Dashboard
Visualizaciones de datos interactivas: 5) Elaborar
● Mostrar más o menos detalle: foco + contexto

Dashboard
Visualizaciones de datos interactivas: 6) Filtrar
● Filtro: mostrar datos condicionales

Dashboard
Visualizaciones de datos interactivas: 7) Conectar
● Mostrar items relacionados: cepillado y enlace

Dashboard
Interaction framework
● Continuous interaction
● Stopped interaction
● Passive interaction
● Composite interaction

Dashboard
Interaction framework (II)
Continuous interaction

Dashboard
Interaction framework (III)
Stopped interaction

Dashboard
Interaction framework (IV)
Passive interaction
Two important aspects of passive interaction:
1) During typical use of a visualization tool, most
of the user’s time is spent on passive interaction
– often involving eye movement
2) Passive interaction does not imply a static
representation

Dashboard
Interaction framework (V)
Passive interaction

Dashboard
Interaction framework (VI)
Composite interaction
Source: http://vis.berkeley.edu/papers/generalized_selection/

Dashboard
Pasos
Fuente: http://www.tableausoftware.com/es-es/
trial/tableau-software
1. Choose metrics that
matter
2. Keep it visual
3. Make it interactive
4. Keep it current or
don’t bother
5. Make it simple to
access and use

Actividad BI.03.4. Diseñando e
implementando mi Dashboard
● ….

Errores visualización
Introducción

Algunos errores
¿Problemas?

Algunos errores (II)
● Multidimensionalidad
● Falta de contexto y
entendimiento
○ ¿Son los números
relevantes?
○ ¿Qué significan?
○ ¿Cómo me afectan?
Una cebolla con una única
capa

Algunos errores (III)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef0153903125d9970b-550wi
¿Problemas?
Intenta identificar
1) El mayor donante de 2008
2) El menor donante de 2009
3) La variación entre 2008 y
2009
4) Qué región recibió la mayor
cantidad de dinero

Algunos errores (IV)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef0153903125d9970b-550wi
Un mapa no es la mejora
manera de representar este
tipo de datos
Si quiero responder a las
preguntas anteriores, tengo
que realizar una búsqueda
de las cifras, memorizarlas
y luego compararlas

Algunos errores (V)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef015390a96894970b-550wi
¿Problemas?
Este gráfico intenta revelar el
tamaño del déficit del Reino
Unido (el cuadro negro del
lado derecho)
¿Ayuda el gráfico a
contextualizar?
¿Podemos analizar los datos?
¿Cómo lo comparamos?
¿Conocemos las diferencias?

Algunos errores (VI)
Solución
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef015390a98d8a970b-550wi

Algunos errores (VII)
¿Problemas?
Los valores de la barra
debieran empezar en 0
Source: http://www.qualitydigest.com/inside/quality-insider-article/asci-customer-satisfaction-airlines-remains-low.html

Herramientas y librerías
Pentaho Reporting

Many Eyes

Tableau Public

Tableau Public (II)
● Gratuito
● 1 GB de almacenamiento
● Facilidad para embeber en una página web
● Tableu Public Premium
o Precio basado en el número de páginas vistas

d3.js

Highcharts

R Studio

ggplot2 in R
An implementation of the Grammar of Graphics
by Leland Wilkinson
“In brief, the grammar tells us that a statistical
graphic is a mapping from data to aesthetic
attributes (color, shape, size) of geometric objects
(points, lines, bars). The plot may also contain
statistical transformations of the data and is
drawn on a specific coordinate system”

ggplot2 in R (II)

Google Charts

Google Charts (II)

Google Fusion Tables

Google Fusion Tables (II)

Simile Widgets

Processing.js

NodeXL

Spotfire

Advizor Analyst

Datawatch

QlikView

Prefuse

Protovis

Datawrapper

Referencias
[AmarStasko2005] Amar, R. A., & Stasko, J. T. (2005). Knowledge precepts for design and evaluation of information visualizations. Visualization and
Computer Graphics, IEEE Transactions on, 11(4), 432-442.
[Cairo] Alberto Cairo [Online]. URL: https://twitter.com/albertocairo
[Chi2000] Chi, Ed H. "A taxonomy of visualization techniques using the data state reference model." Information Visualization, 2000. InfoVis 2000.
IEEE Symposium on. IEEE, 2000.
[ClevelandMcGill1985] Cleveland, William S., and Robert McGill. "Graphical perception and graphical methods for analyzing scientific data." Science
229.4716 (1985): 828-833.
[Few2004] Few, Stephen. "Show me the numbers." Analytics Pres (2004).
[Few2007] Few, Stephen. "Dashboard confusion revisited." Perceptual Edge (2007).
[Fry] Ben Fry [Online]. URL: http://benfry.com/
[Jarvinen2013] Data visualization [Online]. URL: http://lib.tkk.fi/Lic/2013/urn100763.pdf
[Keim2006] Keim, D.A.; Mansmann, F. and Schneidewind, J. and Ziegler, H., Challenges in Visual Data Analysis, Proceedings of Information
Visualization (IV 2006), IEEE, p. 9-16, 2006.
[Kosslyn] Kosslyn Laboratory [Online]. URL: http://isites.harvard.edu/icb/icb.do?keyword=kosslynlab&pageid=icb.page250946
[Malamed] Visual Language for Designers: Principles for Creating Graphics that People Understand [Online]. URL: http://www.amazon.com/Visual-
Language-Designers-Principles-Understand/dp/1592535151
[Shneiderman1996] Shneiderman, Ben. "The eyes have it: A task by data type taxonomy for information visualizations." Visual Languages, 1996.
Proceedings., IEEE Symposium on. IEEE, 1996.
[Shneiderman2002] Shneiderman, B. (2002) Inventing discovery tools: combining information visualization with data mining1. Information
visualization, 1(1), 5-12.
[ThomasCook2005] J.J. Thomas and K.A. Cook, "A Visual Analytics Agenda," IEEE Computer Graphics & Applications, vol. 26, pp. 10-13, 2006.
[Verbert2014a] Visual Analytics [Online]. URL: http://www.slideshare.net/kverbert/in-34471961
[Yau] Nathan Yau [Online]. URL: http://flowingdata.com/about-nathan/
[Zachary2013] Zachary, W., Rosoff, A., Miller, L. C., & Read, S. J. (2013). Context as a Cognitive Process: An Integrative Framework for Supporting
Decision Making. Paper presented at the STIDS.

Cursos
KU Leuven [Online]. URL: http://ariadne.cs.kuleuven.be/wiki/index.php/MM-Course1314
Berkeley [Online]. URL: http://blogs.ischool.berkeley.edu/i247s13/
Columbia university [Online]. URL: http://columbiadataviz.wordpress.com/student-work/
Information Visualization MOOC [Online]. URL: http://ivmooc.cns.iu.edu/

Recursos adicionales
http://infosthetics.com/
http://visualizing.org
http://www.visualcomplexity.com/vc/
http://visual.ly/
http://flowingdata.com
http://www.infovis-wiki.net

Construyendo un panel de visualización de indicadores clave

Recomendados

Recomendados

Más contenido relacionado

Destacado

Destacado (20)

Similar a Construyendo un panel de visualización de indicadores clave

Similar a Construyendo un panel de visualización de indicadores clave (20)

Más de Alex Rayón Jerez

Más de Alex Rayón Jerez (20)

Último

Último (20)

Construyendo un panel de visualización de indicadores clave