Taller práctico "Construyendo un panel de visualización de indicadores clave" como tercer paso a la capacitación de una organización para la explotación de los datos para aumentar la inteligencia de negocios.
Visual analytics: poniendo en valor el dato a través de la visualizaciónAlex Rayón Jerez
Sesión de Visual Analytics impartida en Diciembre de 2015 en el marco del Programa de Big Data y Business Intelligence de la Universidad de Deusto (detalle aquí http://bit.ly/1PhIVgJ).
Análisis y procesamiento de datos para descubrir conocimientoAlex Rayón Jerez
Taller práctico "Análisis y procesamiento de datos para descubrir conocimiento" como segundo paso a la capacitación de una organización para la explotación de los datos para aumentar la inteligencia de negocios.
Procesamiento y visualización de datos para generar nuevo conocimientoAlex Rayón Jerez
Curso de formación interna "Procesamiento y visualización de datos para generar nuevo conocimiento" en la Universidad de Deusto. Procesamiento de datos a pequeña y precisa escala (Smart Data) para mejorar mi día a día en la universidad.
Las competencias digitales como método de observación de competencias genéricasAlex Rayón Jerez
Conferencia "Las competencias digitales como método de observación de competencias genéricas" impartida el 21 de Abril de 2016 en Innobasque, Zamudio, Bizkaia. En el marco de los "Brunch & Learn" que organiza Innobasque, en una jornada donde hablamos de competencias profesionales y digitales, su aportación al campo de la empresa, y en qué consisten realmente. Se habló mucho de su importancia en este Siglo XXI que nos ocupa.
Cómo optimizar mi estrategia de marketing a través del big dataAlex Rayón Jerez
"Cómo optimizar mi estrategia de marketing a través del big data", charla impartida el 16 de Junio de 2015 por Alex Rayón (www.alexrayon.es) en el Colegio Vasco de Economistas de Bilbao. Hablamos del enriquecimiento de las acciones de marketing y de la mejora de la eficiencia de las decisiones de marketing a través del uso del análisis masivo de datos o Big Data. Aplicaciones del BI al área de marketing (Marketing Intelligence).
Conferencia "El BIg Data en mi empresa ¿de qué me sirve?" en el Donostia - San Sebastián el 20 de Abril de 2016. Jornadas "Big Data para PYMEs". Hablo sobre el perfil Big Data y sus competencias, así como las utilidades que tiene para las empresas.
El poder de los datos: hacia una sociedad inteligente, pero éticaAlex Rayón Jerez
Lectio Brevis del profesor Alex Rayón, de la Facultad de Ingeniería. Nos habla sobre el poder que han adquirido los datos en esta era. Es lo que se ha venido a conocer como Big Data. Un área, que también entraña retos legales y éticos, expuestos en el texto.
Introducción al Big Data y el Business IntelligenceAlex Rayón Jerez
"Introducción al Big Data y el Business Intelligence". Sesión impartida en CEBEK en Diciembre del 2014. El objetivo era ofrecer a la PYME de Bizkaia una mirada básica al Big Data y BI, y hacerle entrever la posibilidad de embarcarse en ello, dado el bajo coste tecnológico de las soluciones actuales.
Visual analytics: poniendo en valor el dato a través de la visualizaciónAlex Rayón Jerez
Sesión de Visual Analytics impartida en Diciembre de 2015 en el marco del Programa de Big Data y Business Intelligence de la Universidad de Deusto (detalle aquí http://bit.ly/1PhIVgJ).
Análisis y procesamiento de datos para descubrir conocimientoAlex Rayón Jerez
Taller práctico "Análisis y procesamiento de datos para descubrir conocimiento" como segundo paso a la capacitación de una organización para la explotación de los datos para aumentar la inteligencia de negocios.
Procesamiento y visualización de datos para generar nuevo conocimientoAlex Rayón Jerez
Curso de formación interna "Procesamiento y visualización de datos para generar nuevo conocimiento" en la Universidad de Deusto. Procesamiento de datos a pequeña y precisa escala (Smart Data) para mejorar mi día a día en la universidad.
Las competencias digitales como método de observación de competencias genéricasAlex Rayón Jerez
Conferencia "Las competencias digitales como método de observación de competencias genéricas" impartida el 21 de Abril de 2016 en Innobasque, Zamudio, Bizkaia. En el marco de los "Brunch & Learn" que organiza Innobasque, en una jornada donde hablamos de competencias profesionales y digitales, su aportación al campo de la empresa, y en qué consisten realmente. Se habló mucho de su importancia en este Siglo XXI que nos ocupa.
Cómo optimizar mi estrategia de marketing a través del big dataAlex Rayón Jerez
"Cómo optimizar mi estrategia de marketing a través del big data", charla impartida el 16 de Junio de 2015 por Alex Rayón (www.alexrayon.es) en el Colegio Vasco de Economistas de Bilbao. Hablamos del enriquecimiento de las acciones de marketing y de la mejora de la eficiencia de las decisiones de marketing a través del uso del análisis masivo de datos o Big Data. Aplicaciones del BI al área de marketing (Marketing Intelligence).
Conferencia "El BIg Data en mi empresa ¿de qué me sirve?" en el Donostia - San Sebastián el 20 de Abril de 2016. Jornadas "Big Data para PYMEs". Hablo sobre el perfil Big Data y sus competencias, así como las utilidades que tiene para las empresas.
El poder de los datos: hacia una sociedad inteligente, pero éticaAlex Rayón Jerez
Lectio Brevis del profesor Alex Rayón, de la Facultad de Ingeniería. Nos habla sobre el poder que han adquirido los datos en esta era. Es lo que se ha venido a conocer como Big Data. Un área, que también entraña retos legales y éticos, expuestos en el texto.
Introducción al Big Data y el Business IntelligenceAlex Rayón Jerez
"Introducción al Big Data y el Business Intelligence". Sesión impartida en CEBEK en Diciembre del 2014. El objetivo era ofrecer a la PYME de Bizkaia una mirada básica al Big Data y BI, y hacerle entrever la posibilidad de embarcarse en ello, dado el bajo coste tecnológico de las soluciones actuales.
Presentación sobre la sesión "Customer Lifetime Value Management con Big Data", dentro del Programa Ejecutivo de Big Data y Business Intelligence celebrado en Madrid en Febrero de 2016, en nuestra sede de la Universidad de Deusto.
Marketing intelligence con estrategia omnicanal y Customer JourneyAlex Rayón Jerez
Presentación sobre la sesión "Marketing intelligence con estrategia omnicanal y Customer Journey", dentro del Programa Ejecutivo de Big Data y Business Intelligence celebrado en Madrid en Febrero de 2016, en nuestra sede de la Universidad de Deusto.
Herramientas y metodologías Big Data para acceder a datos no estructuradosAlex Rayón Jerez
Conferencia "Herramientas y metodologías Big Data para acceder a datos no estructurados" en las Jornadas "Investigación para Mejorar la Adecuación Asistencial. Foro sanitario interesado en la aplicación de tecnologías y metodologías Big Data para la extracción de conocimiento a partir de datos no estructurados.
Visualizacion de la Infomación. De los datos al conocimiento.Ignasi Alcalde
La visualización de la información es un disciplina realmente fascinante cuyo interés no ha hecho más que despegar. Si por ejemplo buscamos infographics o data visualization en internet podremos comprobar que el interés crece día a día. Mires donde mires hay información visual que reclama tu atención. La comunicación efectiva e inmediata a través de una simple y fácil visualización prima frente a largos textos de compleja asimilación. Pero… ¿Qué es realmente la visualización de la información? En tus manos tienes una obra práctica que te ayudará a introducirte en la visualización de la información, el proceso de trabajo con datos y las herramientas más comunes.
http://www.editorialuoc.cat/visualizacindelainformacin-p-1674.html?cPath=1
Presentation slides:Telling Stories with Data
Geoff McGhee is the Creative Director of Media and Communications and a former John S. Knight Journalism fellow at Stanford University.
Business intelligence data analytics-visualizationMuthu Natarajan
Business Intelligence, Cloud Computing, Data Analytics, Data Scrubbing, Data Mining, Big Data & Intelligence, How to use Data into Information, Decision Based, Methods for Business Intelligence, Advanced Analytics, OLAP, Multidimensional Data, Data Visualization.
Nueva introducción de DataLab Community del 2017. Somos una comunidad abierta de Ciencia de Datos. Generamos colaboración entre profesionales y aprendices, compartiendo conocimientos, desarrollando habilidades y vinculando para impulsar la Ciencia de Datos.
La evaluación de las competencias a través de las rúbricas enriquecidasAlex Rayón Jerez
"La evaluación de las competencias a través de las rúbricas enriquecidas". Conferencia dentro de la jornada de Competencias Profesionales celebrada en Innobasque. Hablando de cómo poder evaluar las competencias profesionales en el contexto de las necesidades del Siglo XXI. http://www.innobasque.com/home.aspx?tabid=665&idEvento=180
Presentación sobre la sesión "Customer Lifetime Value Management con Big Data", dentro del Programa Ejecutivo de Big Data y Business Intelligence celebrado en Madrid en Febrero de 2016, en nuestra sede de la Universidad de Deusto.
Marketing intelligence con estrategia omnicanal y Customer JourneyAlex Rayón Jerez
Presentación sobre la sesión "Marketing intelligence con estrategia omnicanal y Customer Journey", dentro del Programa Ejecutivo de Big Data y Business Intelligence celebrado en Madrid en Febrero de 2016, en nuestra sede de la Universidad de Deusto.
Herramientas y metodologías Big Data para acceder a datos no estructuradosAlex Rayón Jerez
Conferencia "Herramientas y metodologías Big Data para acceder a datos no estructurados" en las Jornadas "Investigación para Mejorar la Adecuación Asistencial. Foro sanitario interesado en la aplicación de tecnologías y metodologías Big Data para la extracción de conocimiento a partir de datos no estructurados.
Visualizacion de la Infomación. De los datos al conocimiento.Ignasi Alcalde
La visualización de la información es un disciplina realmente fascinante cuyo interés no ha hecho más que despegar. Si por ejemplo buscamos infographics o data visualization en internet podremos comprobar que el interés crece día a día. Mires donde mires hay información visual que reclama tu atención. La comunicación efectiva e inmediata a través de una simple y fácil visualización prima frente a largos textos de compleja asimilación. Pero… ¿Qué es realmente la visualización de la información? En tus manos tienes una obra práctica que te ayudará a introducirte en la visualización de la información, el proceso de trabajo con datos y las herramientas más comunes.
http://www.editorialuoc.cat/visualizacindelainformacin-p-1674.html?cPath=1
Presentation slides:Telling Stories with Data
Geoff McGhee is the Creative Director of Media and Communications and a former John S. Knight Journalism fellow at Stanford University.
Business intelligence data analytics-visualizationMuthu Natarajan
Business Intelligence, Cloud Computing, Data Analytics, Data Scrubbing, Data Mining, Big Data & Intelligence, How to use Data into Information, Decision Based, Methods for Business Intelligence, Advanced Analytics, OLAP, Multidimensional Data, Data Visualization.
Nueva introducción de DataLab Community del 2017. Somos una comunidad abierta de Ciencia de Datos. Generamos colaboración entre profesionales y aprendices, compartiendo conocimientos, desarrollando habilidades y vinculando para impulsar la Ciencia de Datos.
La evaluación de las competencias a través de las rúbricas enriquecidasAlex Rayón Jerez
"La evaluación de las competencias a través de las rúbricas enriquecidas". Conferencia dentro de la jornada de Competencias Profesionales celebrada en Innobasque. Hablando de cómo poder evaluar las competencias profesionales en el contexto de las necesidades del Siglo XXI. http://www.innobasque.com/home.aspx?tabid=665&idEvento=180
Parte de materiales empleados en materia Tipografía y Grafismo Digital, Grado de Periodismo de la Universidad de Málaga (actualizados por última vez en 2014). De María Sánchez, @cibermarikiya
Presentación realizada para el Seminario de Inteligencia Logística 2018, organizado por TID Chile y el Observatorio Logístico del Min. de Transporte y Telecomunicaciones. Santiago, Chile.
La emergente creación de los "destinos turísticos inteligentes", pone en cuestión muchas lógicas tradicionales y obliga a intentar comprender las repercusiones que está teniendo y tendrán para el mundo de los viajes los nuevos escenarios que vienen de la mano de la sociedad digital y del conocimiento. El reto es hacer posible con los actuales avances científicos y tecnológicos destinos turísticos cuya identidad, configuración y nivel avanzado de servicios sea un elemento central para su elección.por los turistas.
Arquitectura de la información y Recuperación de Informaciónisabelre
Presentación elaborada para el curso Gestión de un Proyecto Multimedia, con la docente Gloria Londoño. Especialización en Periodismo Electrónico, Universidad Pontificia Bolivariana (Medellín, Colombia).
Open Data in the world of Science” by Dr. Claudio GutiérrezLEARN Project
Open Data in the world of Science”, Dr. Claudio Gutiérrez, DCC, Universidad de Chile / CIWS - presented at the 4th LEARN RDM Workshop in Santiago, Chile: http://learn-rdm.eu/
Curso de Verano "Datos y Gobierno Abierto" Alberto Ortiz de ZárateAragón Open Data
Ponencia de Alberto Ortiz de Zárate dentro del curso de verano "Datos y gobierno Abierto" organizado por la iniciativa Aragón Open Data de la Dirección General de Nuevas Tecnologías del Gobierno de Aragón.
La ponencia se celebró dentro de los cursos de verano de la Universidad de Zaragoza, en Jaca, del 10 al 12 de Julio de 2013 y se titula "Apertura de datos y transparencia en las instituciones, situación y perspectiva"
El Big Data en la dirección comercial: market(ing) intelligenceAlex Rayón Jerez
Sesión donde vimos mediante el método del caso diferentes aplicaciones del análisis de datos al mundo de la dirección comercial. Dentro del Programa Experto en Dirección Comercial de la Deusto Business School.
Aplicación del Big Data a la mejora de la competitividad de la empresaAlex Rayón Jerez
Conferencia "Aplicación del Big Data a la mejora de la competitividad de la empresa" celebrada el 21 de Marzo de 2016 en Palma de Mallorca, en la Universidad de las Islas Baleares. El objetivo era entrever las posibilidades que abre el Big Data dentro del contexto de la empresa y su competitividad.
Análisis de Redes Sociales (Social Network Analysis) y Text MiningAlex Rayón Jerez
Presentación sobre la sesión "Análisis de Redes Sociales (Social Network Analysis) y Text Mining", dentro del Programa Ejecutivo de Big Data y Business Intelligence celebrado en Madrid en Febrero de 2016, en nuestra sede de la Universidad de Deusto.
Presentación sobre la sesión "Modelos de propensión en la era del Big Data", dentro del Programa Ejecutivo de Big Data y Business Intelligence celebrado en Madrid en Febrero de 2016, en nuestra sede de la Universidad de Deusto.
Presentación sobre la sesión "Big Data: the Management Revolution", dentro del Programa Ejecutivo de Big Data y Business Intelligence celebrado en Madrid en Febrero de 2016, en nuestra sede de la Universidad de Deusto.
Presentación sobre la sesión "Optimización de procesos con el Big Data", dentro del Programa Ejecutivo de Big Data y Business Intelligence celebrado en Madrid en Febrero de 2016, en nuestra sede de la Universidad de Deusto.
La economía del dato: transformando sectores, generando oportunidadesAlex Rayón Jerez
Ponencia "La economía del dato: transformando sectores, generando oportunidades" preparada para el I Databeers Euskadi, promovido y organizado por Decidata (www.decidata.es). Hablando de los retos y las oportunidades que ha traído esta era de los datos.
Cómo crecer, ser más eficiente y competitivo a través del Big DataAlex Rayón Jerez
Conferencia "Cómo crecer, ser más eficiente y competitivo a través del Big Data" impartida en el 14º Congreso HORECA de AECOC, Asociación Española de Codificación Comercial). Hablando de la aplicación del Big Data al canal HORECA.
Búsqueda, organización y presentación de recursos de aprendizajeAlex Rayón Jerez
Curso de formación interna "Búsqueda, organización y presentación de recursos de aprendizaje" en la Universidad de Deusto. Cómo buscar, organizar y presentar recursos de aprendizaje para luego poder utilizar en contextos educativos.
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...Alex Rayón Jerez
Curso de formación interna "Google Calendar para la planificación de la asignatura con mis estudiantes" en la Universidad de Deusto. Para qué me sirve en mi día a día el repositorio Deusto Knowledge Hub como herramietna de publicación y descubrimiento de conocimiento.
Fomentando la colaboración en el aula a través de herramientas socialesAlex Rayón Jerez
Curso de formación interna "Fomentando la colaboración en el aula a través de herramientas sociales" en la Universidad de Deusto. Herramientas de naturaleza social para fomentar la colaboración en al aula entre profesor y estudiantes.
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...Alex Rayón Jerez
Curso de formación interna "Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudiantes" en la Universidad de Deusto. Cómo utlizar Google Drive y Docs para trabajar en el aula con mis estudiantes.
El Big Data y Business Intelligence en mi empresa: ¿de qué me sirve?Alex Rayón Jerez
Conferencia "El Big Data y Business Intelligence en mi empresa: ¿de qué me sirve?" impartida en Medellín, Colombia, en Septiembre de 2015. Sesión dirigida a empresas para que conozcan las posibilidades que abre el Big Data para su día a día.
Marketing intelligence: Optimizando la estrategia a través del Big DataAlex Rayón Jerez
Curso "Marketing intelligence: Optimizando la estrategia a través del Big Data" impartido en el Colegio Vasco de Economistas, en Bilbao. Curso centrado en explicar las posibilidades que ofrece el Big Data para el proceso de marketing de cualquier empresa, de cualquier tamaño y de cualquier ubicación.
"Profesiones de mañana para trabajar hoy", conferencia en el marco de unas jornadas para hablar sobre los nuevos horizontes de empleo. Retos sociales actuales, que se transforman en oportunidades profesionales para nosotros. En la Universidad de Deusto (www.deusto.es), en Diciembre de 2015.
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...Alex Rayón Jerez
Sesión de Pentaho Data Integration impartida en Noviembre de 2015 en el marco del Programa de Big Data y Business Intelligence de la Universidad de Deusto (detalle aquí http://bit.ly/1PhIVgJ).
Métricas de marketing intelligence: midiendo y evaluando para mejorar el mark...Alex Rayón Jerez
Sesión de métricas de Marketing Intelligence impartida en Octubre de 2015 en el marco del Programa de Big Data y Business Intelligence de la Universidad de Deusto (detalle aquí http://bit.ly/1PhIVgJ).
"Yo como persona emprendedora", sesión para trabajar sobre las competencias que un emprendedor debe disponer y poner en valor en un emprendimiento. Sesión impartida en Deusto Start, programa de fomento del emprendimiento de la Universidad de Deusto. Enlace: http://www.deusto.es/cs/Satellite/deusto/es/emprendimiento-0/cursos/deusto-start
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...Alex Rayón Jerez
Conferencia impartida el 7 de Septiembre de 2015 en Santander, España. En el marco del evento "Smart University 4.0: la realidad cuántica de la universidad del futuro" de la CRUE.
http://www.uimp.es/agenda-link.html?id_actividad=62JG&anyaca=2015-16
Hablo de la necesidad de seleccionar los datos buenos, para hacer Smart Data y poder mejorar así la educación.
"La transformación digital del sector financiero". Sesión in-company impartida a todo el equipo directivo y presidencial de Protección, Fondo de Pensiones y Cesantías en Colombia radicado en Medellín. En la sesión, vimos los grandes cambios que está sufriendo el sector por la digitalización de partes de la cadena de valor, y la aparición de agentes que van ocupando su espacio en esa cadena. El caso BBVA como ejemplo benchmark.
Anna Lucia Alfaro Dardón, Harvard MPA/ID.
Opportunities, constraints and challenges for the development of the small and medium enterprise (SME) sector in Central America, with an analytical study of the SME sector in Nicaragua. - focused on the current supply and demand gap for credit and financial services.
Anna Lucía Alfaro Dardón
Dr. Ivan Alfaro
El análisis PESTEL es una herramienta estratégica que examina seis factores clave del entorno externo que podrían afectar a una empresa: políticos, económicos, sociales, tecnológicos, ambientales y legales.
La Norma Internacional de Contabilidad 21 Efectos de las variaciones en las t...mijhaelbrayan952
La Norma Internacional de Contabilidad 21 Efectos de las variaciones en las tasas de Cambio de la Moneda Extranjera (NIC 21) está contenida en los párrafos 1 a 49. Todos los párrafos tienen igual valor normativo, si bien la Norma conserva el formato IASC que tenía cuando fue adoptada por el IASB.
Anna Lucia Alfaro Dardón, Harvard MPA/ID. The international successful Case Study of Banco de Desarrollo Rural S.A. in Guatemala - a mixed capital bank with a multicultural and multisectoral governance structure, and one of the largest and most profitable banks in the Central American region.
INCAE Business Review, 2010.
Anna Lucía Alfaro Dardón
Dr. Ivan Alfaro
Dr. Luis Noel Alfaro Gramajo
Exposicion Examen Final Arquitectura Empresarial CANVIA.pdf
Construyendo un panel de visualización de indicadores clave
1. 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
2. “Perfection is achieved not
when there is nothing more to
add, but when there is nothing
left to take away”
Antoine de Saint-Exupery
4. “[...] 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]
5. Índice de contenidos
● Introducción
● Historia visualización de información
● Conceptos
● Proceso de visualización de información
● Construyendo un Dashboard
● Errores en la visualización
● Herramientas y librerías
6. Índice de contenidos
● Introducción
● Historia visualización de información
● Conceptos
● Proceso de visualización de información
● Construyendo un Dashboard
● Errores en la visualización
● Herramientas y librerías
7. 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/
9. 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
10. 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
13. Introducción
Beneficios (II)
2) Relaciones y patrones entre actividades de negocio y
operaciones
Fuente: http://www.mediameasurement.com/my-my-a-smoky-eyed-surprise/
14. 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
15. Introducción
Beneficios (IV)
4) Manipular e interactuar directamente con datos
Fuente: http://blog.visual.ly/interaction-design-for-data-visualizations/
16. Introducción
Beneficios (V)
5) Fortalecer un nuevo lenguaje de negocio
Fuente: http://www.qualia.hr/businessq/visualize/
20. Índice de contenidos
● Introducción
● Historia visualización de información
● Conceptos
● Proceso de visualización de información
● Construyendo un Dashboard
● Errores en la visualización
● Herramientas y librerías
21. 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
22. Historia visualización
Siglo XVIII: Joseph Priestley
Source: http://en.wikipedia.org/wiki/A_New_Chart_of_History#mediaviewer/File:A_New_Chart_of_History_color.jpg
23. Historia visualización
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
27. Historia visualización
Siglo XIX: Florence Nightingale
Source: http://en.wikipedia.org/wiki/Florence_Nightingale
28. Historia visualización
Siglo XX: Jacques Bertin
Source: http://www.amazon.com/Semiology-Graphics-Diagrams-Networks-Maps/dp/1589482611
29. Historia visualización
Siglo XX: John W. Tukey
Source: http://books.google.es/books/about/Exploratory_Data_Analysis.html?id=UT9dAAAAIAAJ&redir_esc=y
31. Historia visualización
Siglo XX: Leland Wilkinson
Source: http://www.amazon.com/Grammar-Graphics-Statistics-Computing/dp/0387245448
32. Historia visualización
Siglo XX: Leland Wilkinson (II)
Source: http://www.amazon.com/Grammar-Graphics-Statistics-Computing/dp/0387245448
33. 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 ….
34. Índice de contenidos
● Introducción
● Historia visualización de información
● Conceptos
● Proceso de visualización de información
● Construyendo un Dashboard
● Errores en la visualización
● Herramientas y librerías
35. Conceptos
Introducción
● Visualización de datos
● Visualización de información
● Geovisualización
● Visual Analytics
● Diseño de información
● Infografías
36. 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
39. Conceptos
Visualización de datos
El uso de representaciones
visuales e interactivas sobre
ordenador de elementos
abstractos para ampliar y
mejorar el procesamiento
cognitivo
[Card1999]
40. 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
41. 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/
42. Conceptos
Visual Analytics
The science of analytical
reasoning facilitated by
interactive visual interfaces
[ThomasCook2005]
44. 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]
45. 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
47. 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
49. Conceptos
Diseño de información
The practice of
presenting information
in a way that fosters
efficient and effective
understanding of it
50. Conceptos
Diseño de información (II)
Source: http://www.nytimes.com/imagepages/2007/03/17/nyregion/nyregionspecial2/20070318_TRAIN_GRAPHIC.html
51. Conceptos
Infografías
The graphic visual
representations of data,
information or knowledge
intended to present complex
information quickly and
clearly
52. Conceptos
Infografías (II)
Source: http://blog.crazyegg.com/2012/02/22/infographics-how-to-strike-the-elusive-balance-between-data-and-visualization/
55. Índice de contenidos
● Introducción
● Historia visualización de información
● Conceptos
● Proceso de visualización de información
● Construyendo un Dashboard
● Errores en la visualización
● Herramientas y librerías
56. 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
60. Proceso visualización
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]
61. Proceso visualización
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
62. Proceso visualización
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
63. Proceso visualización
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
64. Proceso visualización
1) Transformación de datos (II)
● Codificación del valor
o Datos univariados
o Datos bivariados
o Datos multivariados
● Codificación la relación
o Líneas
o Mapas
o Diagramas
66. Proceso visualización
1) Transformación de datos (IV)
Datos univariados
Los efectos de la variable independiente sobre una única
variable dependiente
Data Visualization [Jarvainen2013]
67. Proceso visualización
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
Data Visualization [Jarvainen2013]
68. Proceso visualización
1) Transformación de datos (VI)
Anscombe's quartet
Source: http://en.wikipedia.org/wiki/Anscombe's_quartet
69. Proceso visualización
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
Data Visualization [Jarvainen2013]
70. Proceso visualización
1) Transformación de datos (VIII)
● Codificación del valor
o Datos univariados
o Datos bivariados
o Datos multivariados
● Codificación la relación
o Líneas
o Mapas
o Diagramas
71. Proceso visualización
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
72. Proceso visualización
1) Transformación de datos (X)
Red Social
Las líneas indican
relación
Source: http://www.digitaltrainingacademy.com/socialmedia/2009/06/social_networking_map.php
74. Proceso visualización
1) Transformación de datos (XII)
Diagrama de Sankey
Source: http://www.d3noob.org/2013/02/formatting-data-for-sankey-diagrams-in.html
75. Proceso visualización
1) Transformación de datos (XIII)
Source: http://en.wikipedia.org/wiki/Harry_Beck
76. Proceso visualización
1) Transformación de datos (XIV)
A Tour Through the Visualization Zoo
Source: http://homes.cs.washington.edu/~jheer//files/zoo/
78. Aplicaciones para Tenzing
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
79. Proceso visualización
2) Mapeo de datos
Ranking of elementary perceptual tasks [ClevelandMcGill1985]
80. Proceso visualización
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
81. Proceso visualización
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.”
82. Proceso visualización
2) Mapeo de datos (IV)
Source: http://www.businessinsider.com/pie-charts-are-the-worst-2013-6
“Save the pies for
dessert”
(Stephen Few)
83. Proceso visualización
2) Mapeo de datos (V)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef0167631df6f7970b-550wi
84. Proceso visualización
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
86. Proceso visualización
2) Mapeo de datos (VIII)
Gráficos descriptivos Gráficos simbólicos
Source: http://trevorcairney.blogspot.com.es/2010_04_01_archive.html
87. Proceso visualización
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
89. Proceso visualización
2) Mapeo de datos (XI)
Recordando a Tufte:
“What are the thinking tasks
that these displays are
supposed to serve?”
90. Proceso visualización
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
91. Proceso visualización
2) Mapeo de datos (XIII)
¿Para comparar números?
A bar chart
(Source: http://en.wikipedia.org/wiki/Bar_chart)
92. Proceso visualización
2) Mapeo de datos (XIV)
¿Para comparar números?
Source: http://www.improving-visualisation.org/img_uploads/2009-03-09_Mon/200939171254.jpg
?
93. Proceso visualización
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)
94. Proceso visualización
2) Mapeo de datos (XVI)
¿Para mostrar la correlación entre dos
variables?
A scatter plot
(Source: http://en.wikipedia.org/wiki/Scatter_plot)
95. Proceso visualización
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
96. Proceso visualización
2) Mapeo de datos (XVIII)
Source: http://www.excelcharts.com/blog/uncommon-knowledge-about-pie-charts/#prettyPhoto[gallery]/0/
97. Proceso visualización
2) Mapeo de datos (XIX)
¿La mejor estrategia?
Representar los mismos
datos de diferentes maneras
98. Proceso visualización
2) Mapeo de datos (XX)
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef0153903da6ba970b-550wi
Un mapa
Gráficos
Tabla
numérica
99. Proceso visualización
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
100. Proceso visualización
2) Mapeo de datos (XXII)
Source: http://www.stonesc.com/Vis08_Workshop/DVD/Reijner_submission.pdf
101. Proceso visualización
2) Mapeo de datos (XXIII)
Source: http://apandre.wordpress.com/dataviews/choiceofchart/
102. Proceso visualización
2) Mapeo de datos (XXIV)
Source: http://apandre.wordpress.com/dataviews/choiceofchart/
103. Proceso visualización
2) Mapeo de datos (XXV)
Source: http://www.visual-literacy.org/periodic_table/periodic_table.html
104. Proceso visualización
2) Mapeo de datos (XXVI)
Classification of Visual Data Exploration Techniques [Keim2002]
105. Aplicaciones para Tenzing
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
106. Índice de contenidos
● Introducción
● Historia visualización de información
● Conceptos
● Proceso de visualización de información
● Construyendo un Dashboard
● Errores en la visualización
● Herramientas y librerías
108. Dashboard
Introducción (II)
“Most information dashboards
that are used in business today
fall far short of their potential”
Stephen Few
109. 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]
110. 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
111. 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
112. 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
113. 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
114. 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.
115. 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
116. 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
117. 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
118. 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
120. Dashboard
Visualizaciones de datos interactivas (II)
Graphic
design
User
interface
design
Data analysis
Interactive
design
Exploratory
Data analysis
Interactive
visualization
Static
visualization
121. 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
123. 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
124. Dashboard
Visualizaciones de datos interactivas: 2) Explorar
● Superar limitaciones de tamaño del display
● La técnica más común: zoom panorámico
125. Dashboard
Visualizaciones de datos interactivas: 3) Reconfigurar
● Ofrecer una distribución de elementos diferente
126. Dashboard
Visualizaciones de datos interactivas: 4) Codificar
● Cambiar variables visuales: colores, tamaños,
orientación, fuente, tamaño
133. 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
136. 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
138. Índice de contenidos
● Introducción
● Historia visualización de información
● Conceptos
● Proceso de visualización de información
● Construyendo un Dashboard
● Errores en la visualización
● Herramientas y librerías
141. Errores visualización
Algunos errores (II)
● Multidimensionalidad
● Falta de contexto y
entendimiento
○ ¿Son los números
relevantes?
○ ¿Qué significan?
○ ¿Cómo me afectan?
Una cebolla con una única
capa
142. Errores visualización
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
143. Errores visualización
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
144. Errores visualización
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?
145. Errores visualización
Algunos errores (VI)
Solución
Source: http://blogs.elpais.com/.a/6a00d8341bfb1653ef015390a98d8a970b-550wi
146. Errores visualización
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
147. Índice de contenidos
● Introducción
● Historia visualización de información
● Conceptos
● Proceso de visualización de información
● Construyendo un Dashboard
● Errores en la visualización
● Herramientas y librerías
151. Herramientas y librerías
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
155. Herramientas y librerías
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”
171. 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.
172. 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/
174. 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