2. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org
2
Víctor Pascual Cid
victor@vpascual.org
Twitter: @vpascual
http://www.vpascual.org
➡ Doctor en Informática y Comunicación Digital por la UPF
➡ Consultor en análisis y visualización de datos
➡ Co-fundador de OneTandem.com
Haciendo explícito lo implícito
Diseño y desarrollo visualizaciones de datos
5. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org ¿Por qué?
Business intelligence
5
“the ability to apprehend the interrelationships of presented facts in
such a way as to guide action towards a desired goal
Hans Peter Luhn, 1958
“concepts and methods to improve business decision making using
fact-based support systems
Howard Dresner
6. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org ¿Por qué? 6
http://www.perceptualedge.com/blog/?p=820
Visualization is suitable when there is a need to augment human
capabilities rather than replace people with computational decision-
making tools
Tamara Munzner, Visualization Analysis & Design, 2014
7. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org ¿Por qué? 7
http://www.perceptualedge.com/blog/?p=820
➡ La visualización nos ayuda a explotar nuestras capacidades
cognitivas
➡ Además de centrarnos en crear infraestructuras para procesar
datos (Big Data), necesitamos metodologías par utilizarlos
17. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org ¿Qué es? 17
a graphical representation of data or concepts,
which is either an internal construct of the mind
or an external artifact supporting decision
making
C. Ware, 2000.
Visualization
18. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org ¿Qué es? 18
a visual representation of information or
data, e.g. as a chart or diagram.
Oxford Dictionary of English
Infographic
19. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org ¿Qué es? 19
➡ visualizaciones estáticas
➡ comunicar datos
➡ detectar patrones y outliers
➡ utilizadas en formatos físicos
El País
20. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org ¿Qué es? 20
the use of computer-supported, interactive,
visual representations of abstract data to
amplify cognition
Card et al., 1999
Information Visualization
21. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org ¿Qué es? 21
➡ visualizaciones interactivas
➡ comunicar datos
➡ detectar patrones y outliers
➡ explorar datos
➡ personalizar la información
➡ analizar en profundidad
35. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Objetivos
➡ Objetivos de Infovis
➡ Democratizar datos
➡ Poner datos en contexto
➡ Detectar patrones / outliers
35
billion $ o-gram - david mccandless - datos en contexto
36. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Objetivos
➡ Objetivos de Infovis
➡ Democratizar datos
➡ Poner datos en contexto
➡ Detectar patrones / outliers
billion $ o-gram - david mccandless
36
70. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Reglas
añadir interacción
(cuando sea posible)
“I hear and I forget.
I see and I remember.
I do and I understand”
confucious
70
71. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Reglas
➡ Data Journalism
➡ (periodismo digital)
➡ democratización de las
visualizaciones
71
how different groups spend their day - new york times
72. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Reglas
➡ Data Journalism
➡ (periodismo digital)
➡ democratización de las
visualizaciones
72
visualizing buffy - rupert giles
73. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Reglas 73
how different groups spend their day - new york times
Interacción con el “scroll” para
contar historias
Scrollytelling
74. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Reglas
➡ Journalism
➡ (periodismo digital)
➡ democratización de las
visualizaciones
74
How the Recession Reshaped the Economy, in 255 Charts - new york times
75. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Reglas
➡ Journalism
➡ (periodismo digital)
➡ democratización de las
visualizaciones
75
A visual introduction to machin learning - http://www.r2d3.us/visual-intro-to-machine-learning-part-1/
78. reglas de infovisreglas de infovis
➡ Mostrar varias variables
➡ Presupuesto en defensa
➡ Efectivos en ejército
➡ Población del país
➡ Comparar variables entre
paises
➡ Ordenar los paises en
función de las variables
➡ Encontrar correlaciones
Objetivos
“The functional Art”
Alberto Cairo, 2012
79. reglas de infovisreglas de infovis
“The functional Art”
Alberto Cairo, 2012
➡ Mucho espacio dedicado al
mapa
Problemas
80. reglas de infovisreglas de infovis
“The functional Art”
Alberto Cairo, 2012
➡ Dificultad para comparar los
datos
➡ ¿Qué país es el más poblado?
➡ ¿Qué país tiene un mayor
presupuesto?
➡ ¿Qué país tiene menos efectivos?
Problemas
81. reglas de infovisreglas de infovis
“The functional Art”
Alberto Cairo, 2012
➡ Dificultad para comparar los
datos
➡ ¿Qué país es el más poblado?
➡ ¿Qué país tiene un mayor
presupuesto?
➡ ¿Qué país tiene menos efectivos?
Problemas
83. reglas de infovisreglas de infovis
“The functional Art”
Alberto Cairo, 2012
➡ Brasil sigue siendo el país
predominante en todas las
variables!!!
➡ ES EL PAÍS MÁS GRANDE!
Problemas
84. reglas de infovisreglas de infovis
“The functional Art”
Alberto Cairo, 2012
➡ Brasil sigue siendo el país
predominante en todas las
variables!!!
➡ ES EL PAÍS MÁS GRANDE!
Problemas
96. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Aspect Ratio
➡ No existe un aspect ratio “ideal”
➡ Tufte: evitar ratios que
➡ dejen el gráfico demasiado “plano”
➡ creen picos muy pronunciados
96
105. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Objetivos
➡ Siempre centrar el eje de las Y en 0
➡ Sino distorsionamos el tamaño y las proporciones entre
las barras!
105
portada - el mundo 04-02-2009
107. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Objetivos
➡ Siempre centrar el eje de las Y en 0
➡ Sino distorsionamos el tamaño y las proporciones entre
las barras!
107
portada - el mundo 04-02-2009
108. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Buenas prácticas
➡ Datos contínuos
108
024681012
Años
Tasadedesempleo(%)
1948 1952 1956 1960 1964 1968 1972 1976 1980 1984 1988 1992 1996 2000 2004 2008
113. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Buenas prácticas
Cómo los leemos?
➡ Leemos los pie charts comparando ángulos
➡ Ángulos = extraemos de mirar al centro
113
Inconveniente
➡ Sistema visual no preparado para
comparar ángulos
Ventajas
➡ Detectamos fácilmente 90 i 180 grados
➡ Noción de un “todo”: permite comparar sumas
de sectores
114. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Buenas prácticas
➡ Cómo los leemos?
➡ Leemos los pie charts comparando ángulos
➡ Ángulos = extraemos de mirar al centro
➡ Inconveniente
➡ Sistema visual no preparado para comparar
ángulos
➡ Ventajas
➡ Detectamos fácilmente 90 i 180 grados
114
Ocultando*el*centro*del*gráfico*
Es#dónde#vemos#los#ángulos#y#comparamos!#
Malas prácticas
117. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org
! Pocos&valores&
! Las&partes&forman&parte&de&un&
“todo”&(suma&da&100%)&
! Mensaje:&las&partes&son&muy&
parecidas&
! Se&desea&comparar&los&disAntos&
valores&
&
Buenas prácticas 117
➡ Pocos valores
➡ Los sectores forman parte de un
“todo” (suma 100%)
➡ Mensaje
➡ Las partes son muy parecidas
➡ Un valor es equivalente a la
suma de varios
➡ Se desea comparar los valores con
detalle
122. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Buenas prácticas 122
Dimensiones
➡ Número de atributos que tiene nuestro dataset
➡ Número de columnas que tiene nuestra tabla de datos
Objetivo
➡ Identificar similitudes y diferencias entre los elementos del dataset,
caracterizados a través de varias variables/dimensiones
125. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Buenas prácticas
➡ Si queremos ver y comaprar valores -->
tamaño!
➡ Cuidado con los radios!
➡ Cambiar el tamaño = cambiar el area!
125
Área de la circunferencia = pi * r2
r = 2 A = 12.56637
r = 4 A = 50.26548
r = raiz(Área / pi)
130. Victor Pascual Cid
victor@vpascual.org
@vpascual - www.vpascual.org Objetivos
➡ Radar (spider) chart
➡ Difícil de “leer” cuando incrementa el # de dimensiones y de
elementos a representar
➡ ””””””””No más de 6-7 dimensiones””””””””””
➡ ””””””””No más de 2-3 elementos””””””””””
130