Ejemplos de visualización de datos: Una guía útil

Analizar datos sin procesar puede ser como intentar entender una foto examinando solo unos pocos píxeles a la vez. Representar gráficamente tus datos te permite alejarte y ver el panorama completo de un vistazo. Las visualizaciones también constituyen una herramienta de marketing sencilla para mostrar tus datos a las partes interesadas. Ayudan a las personas a ver patrones, relaciones y conocimientos de un vistazo. Es una de las formas más rápidas de dar sentido a los datos.

En esta guía, repasaremos los tipos de gráficos más comunes y cuándo utilizar cada uno de ellos. Exploraremos qué diferencia a una buena visualización de una engañosa y analizaremos varios ejemplos emblemáticos que han marcado este campo. Al final, tendrás una idea más clara de cómo crear y evaluar visualizaciones de datos que transmitan un mensaje claro y sincero.

Si estás empezando desde cero, Introducción a la visualización de datos con Julia te ofrece una forma fácil de aprender los conceptos básicos del gráficado y la narración de datos.

Tipos de visualizaciones de datos

Las visualizaciones de datos se pueden clasificar según el número de variables involucradas. ¿Estás analizando detenidamente la distribución de una sola variable? ¿Estás tratando de describir la relación entre dos personas? ¿O te interesan las interacciones entre varios? Veamos cada uno de estos escenarios y las opciones de gráficos que tenemos para cada uno de ellos.

Para ayudarte a distinguir todos estos tipos de gráficos, te recomiendo esta práctica hoja de referencia sobre visualización de datos. Proporciona una referencia rápida para que puedas ver qué gráfico funciona mejor para diferentes tipos de datos. También deberías echar un vistazo a Técnicas de visualización de datos para cada caso de uso.

Visualizaciones univariantes

Empecemos por el caso más sencillo: solo te interesa una variable. Las visualizaciones univariantes te permiten centrarte en una sola variable. Te ayudan a comprender su distribución, frecuencia o composición de un solo vistazo. Echemos un vistazo a algunos de los tipos más comunes.

Gráfico de barras

Un gráfico de barras compara diferentes categorías de información. Cada categoría es una barra independiente, y el recuento de esa categoría se muestra como la altura de la barra.

A veces, es posible que veas gráficos de barras colocados de lado, con las barras extendidas horizontalmente en lugar de verticalmente. Según mi experiencia, estos gráficos de barras horizontales son más útiles cuando se comparan muchas categorías y las barras están ordenadas de mayor a menor, de arriba abajo. Para algunas categorías, prefiero los gráficos de barras verticales.

Gráfico circular

Un gráfico circular muestra las proporciones de un todo como porciones de un círculo. La decisión de utilizar gráficos circulares suele ser motivo de consternación entre los expertos en datos. Por lo general, a vuestro cerebro le resulta más difícil interpretar partes de un círculo que estimar partes de un rectángulo.

Piensa en la cantidad de peleas entre hermanos que se han producido por si dos trozos de tarta de manzana son del mismo tamaño o no. Aún así, los gráficos circulares son un tipo de gráfico muy popular, en parte porque su forma circular ayuda a romper la uniformidad rectangular de los paneles de control.

Cuando decidas utilizar un gráfico circular, en primer lugar, utilízalo solo cuando tengas pocas categorías que comparar. Si incluyes demasiadas categorías, el texto resultará abrumador y difícil de leer. En segundo lugar, añade el porcentaje real a cada porción. Esto garantiza que, aunque el lector tenga dificultades para comparar las porciones relativas, pueda interpretar el gráfico.

Gráfico de donut

El gráfico de donut es muy similar al gráfico circular. Por lo tanto, se aplican las mismas precauciones: utilízalo solo cuando compares unas pocas categorías y muestra las proporciones numéricas en el gráfico para facilitar la interpretación.

Una ventaja práctica de los gráficos de donut es que dejan espacio para una etiqueta central. Esto puede ahorrar espacio en tu panel de control si empieza a estar un poco abarrotado. También es visualmente atractivo y puede añadir un toque extra del que carecen los gráficos circulares.

Histograma

Un histograma es útil para visualizar la forma de una distribución. Funciona agrupando valores numéricos en contenedores y gráficando el número de valores que caen en cada contenedor. Esto puede ser una forma útil de ver los valores más abundantes y detectar valores atípicos.

Aunque esto pueda parecer un gráfico de barras, hay una diferencia clave: el eje x es una variable continua, no discreta. 

Aquí tenemos un histograma de las alturas de los brotes de girasol en un jardín. Podemos ver que la mayoría de nuestros brotes miden entre 22 cm y 28 cm. Algunos miden tan solo 15 cm, y otros casi 34 cm.

Gráfico de densidad

Un gráfico de densidad puede considerarse como un histograma suavizado que se muestra como una curva continua. Esto puede proporcionar una imagen más precisa de la distribución subyacente. Es importante señalar que el eje y no muestra realmente recuentos, sino la densidad, que refleja la concentración de los datos en torno a un valor determinado. El área total bajo la curva siempre es igual a 1. 

Este gráfico es útil para observar la forma de una distribución, más que sus valores absolutos. Al gráficar múltiples distribuciones en el mismo gráfico, también puedes comparar las distribuciones entre sí. Para evitar el desorden, recomiendo limitar el número de distribuciones a 3 o menos. También es mejor que cada línea tenga su propio color o tono, para evitar confusiones, especialmente con distribuciones que están muy juntas.

Aquí hemos gráficado el tiempo dedicado a la lectura, por visita, en dos bibliotecas diferentes. Gráficando las densidades de ambas distribuciones juntas, podemos ver que los visitantes que acuden a la Biblioteca Moonlight tienden a pasar más tiempo leyendo que cuando visitan la Biblioteca Sunlight.

Diagrama gráfico de caja

Si deseas comparar varias distribuciones entre sí, puedes considerar el uso de un gráfico de caja. Un gráfico de caja resume las distribuciones utilizando sus medianas, cuartiles y cualquier valor atípico. Son gráficos increíblemente útiles que pueden mostrar mucha información muy rápidamente. Básicamente, transmiten de un vistazo todo el alcance de múltiples conjuntos de datos comparados entre sí. 

Como regla general, si las cajas de dos distribuciones no se superponen, pueden ser significativamente diferentes entre sí. Mientras que si se superponen, es probable que no sean significativamente diferentes. Por supuesto, para estar seguros es necesario realizar una prueba estadística como la prueba T, pero un diagrama de caja puede dar una pista visual rápida sobre qué distribuciones comparar entre sí. 

En este gráfico de caja, hemos mostrado la distribución de las calificaciones obtenidas en tres escuelas de magia. De un vistazo, podemos ver qué escuelas tienen puntuaciones medias más altas en las pruebas en comparación con sus competidores. También es fácil ver qué escuelas pueden tener alumnos excepcionales o alumnos que están quedando rezagados con respecto a sus compañeros observando los valores atípicos. Este sencillo gráfico transmite mucha información útil de forma muy rápida.

Visualizaciones bivariadas

Hasta ahora, solo hemos considerado gráficos que muestran una variable. Pero, ¿qué pasa si quieres mostrar la relación entre dos variables? Los gráficos bivariados son justo lo que estás buscando. Son útiles para detectar tendencias, patrones y correlaciones.

Diagrama gráfico de dispersión

El gráfico de dispersión es quizás el gráfico más utilizado de todos. Son una forma sencilla de visualizar las posiciones de cada uno de tus puntos de datos a lo largo de dos ejes numéricos. Es ideal para detectar relaciones, agrupaciones y valores atípicos.

Los gráficos de dispersión pueden utilizarse para mostrar correlaciones y relaciones causales. Si estás mostrando una relación causal, la convención es que la variable independiente se sitúe en el eje x y la variable dependiente en el eje y. Esta convención indica al espectador la dirección en la que existe la relación causal. Además, si existe una relación causal, debes mostrar la estadística utilizada para determinar la causalidad, junto con el valor p.

En este diagrama de dispersión, hemos gráficado la relación entre el tamaño de cada gota de lluvia y la velocidad a la que cae. Existe una clara relación positiva entre estas dos variables, lo que demuestra que las gotas de lluvia tienden a caer más rápido cuando son más grandes. 

Es importante destacar que este gráfico muestra una correlación y, por sí solo, no indica causalidad. Por lo tanto, no podemos mirar este gráfico y decir que una gota de lluvia más grande cae más rápido porque es más grande. Para hacer esa afirmación, necesitaríamos información adicional, como una prueba estadística o un experimento, y tendríamos que indicar esa información adicional en el gráfico.

Gráfico de líneas

Un gráfico de líneas es similar al gráfico de dispersión. Sin embargo, la variable independiente suele ser el tiempo, y cada punto de datos está conectado a los puntos de datos directamente adyacentes a él. Lo mejor es utilizar gráficos de líneas con datos de series temporales, en los que se desea destacar tendencias o cambios a lo largo del tiempo.

Aquí hemos utilizado un gráfico de líneas para representar cuánto tiempo hemos dedicado a leer cada día durante un mes. Esto nos permite ver rápidamente cuándo se vio afectada nuestra motivación para leer y cuándo volvimos a retomar el ritmo. Si continuáramos con esto durante varios meses, podríamos empezar a ver cómo se desarrolla un patrón.

Para ver más ejemplos de cómo resaltar tendencias y cambios a lo largo del tiempo, consulta Visualizaciones de datos que capturan tendencias.

Gráfico de área

Un gráfico de áreas es muy similar a un gráfico de líneas, pero el espacio debajo de la línea está relleno. Esto puede facilitar al espectador la visualización de los totales acumulados o la interpretación de los volúmenes. Ten en cuenta, sin embargo, que, aunque puedes trazar más de un gráfico de líneas en el mismo gráfico, solo debes trazar un gráfico de áreas en cada gráfico. Dado que el área bajo la curva está sombreada, gráficando más de una en el mismo gráfico puede saturar el área y dificultar su lectura. 

Este gráfico de área muestra el volumen de miel recolectada a lo largo del año. Como el área debajo de la curva está rellena, ayuda al espectador a comprender intuitivamente que estamos hablando de volúmenes.

Gráfico de barras agrupadas y gráfico de barras apiladas

Hay dos subtipos de gráficos de barras diseñados para permitirte comparar categorías en función de una segunda variable.

En primer lugar, tenemos los gráficos de barras agrupadas. Esto pone de relieve las diferencias entre las distintas subcategorías. El eje Y se lee igual que en la mayoría de los gráficos de barras. Pero el eje x tiene grupos de barras, a menudo diferenciados por color o tono, que muestran subgrupos dentro de cada grupo. Este tipo de gráficos pueden transmitir mucha información muy rápidamente. 

Esto se utiliza mejor con solo unos pocos subgrupos para cada grupo (yo recomendaría entre 2 y 5 como máximo). Además, ten en cuenta que estos gráficos pueden empezar a extenderse fácilmente en horizontal si añades demasiados grupos o subgrupos, lo que hace que ocupen mucho espacio. Si estás diseñando estos gráficos para que se vean en formato digital, ten en cuenta cómo se verán en una pantalla móvil.

En este gráfico de barras agrupadas, hemos gráficado las preferencias en cuanto a zumos de tres clases diferentes de jardín de infancia. Basta con echar un vistazo a este gráfico para saber cuál es la mejor manera de repartir los cartones de zumo entre las distintas aulas.

A continuación, tenemos gráficos de barras apiladas. Estos muestran relaciones entre partes y el todo en varios grupos. Esto es muy similar a los gráficos de barras agrupadas, ya que permite comparar diferencias sutiles entre grupos.

Pero este gráfico tiene dos ventajas más con respecto al gráfico de barras agrupadas. En primer lugar, también te muestra los totales de cada categoría. Así, puedes leerlos como un gráfico de barras normal y ver las diferencias en los totales entre categorías antes de leer las diferencias en los subgrupos. En segundo lugar, este gráfico puede ser más condensado, proporcionando más información en menos espacio que un gráfico de barras agrupadas.

La desventaja es que, en ocasiones, puede resultar complicado obtener las proporciones exactas a partir de este gráfico. Añadir etiquetas de datos con esa información puede aliviar este problema; solo asegúrate de no saturar demasiado el espacio.

Este gráfico de barras apiladas muestra las preferencias de lectura en diferentes edades. Dentro de cada grupo de edad, podemos ver la proporción de cada género consultado. Al observar los distintos grupos de edad, podemos ver cómo cambia la proporción de cada género, así como el número total de libros prestados. Por ejemplo, es fácil ver que los adultos son los que más libros prestan en general, y que las personas mayores son más aficionados a la no ficción que los adolescentes.

Mapa de calor

Un mapa de calor utiliza la intensidad del color para representar valores en una cuadrícula. Considera utilizarlo para correlaciones, tablas de frecuencia o cualquier situación en la que creas que el color facilitará la visualización de los patrones.

Una nota importante que hay que recordar para este tipo de gráficos es elegir un degradado de color que tenga sentido. Por ejemplo, no hay ninguna razón inherente para pensar que el rojo es un número mayor que el verde. Por lo tanto, elegir un degradado que vaya del rojo al verde probablemente no sea la mejor opción. Pero hay motivos para intuir que los colores más oscuros se correlacionan con valores más altos. Por lo tanto, elegir un degradado de claro a oscuro dentro de un color puede dar al espectador una idea más intuitiva de lo que estás gráficando.

Una excepción a esto es cuando se gráfican valores térmicos literales. Por lo general, el rojo se asocia con temperaturas más altas y el azul con temperaturas más bajas. Por lo tanto, si estás gráficando el calor mediante un mapa de calor, un degradado de rojo a azul podría tener sentido intuitivamente. Como siempre, deja que tus datos marquen la pauta a la hora de diseñar tu visualización.

Este mapa de calor muestra el nivel de actividad de un gato doméstico perezoso, hora por hora, durante cada día de una semana. Los azules más oscuros muestran los momentos en los que el gato estaba muy activo, tal vez incluso corriendo o saltando. Los azules más claros muestran los momentos en los que el gato no estaba muy activo, tal vez incluso durmiendo. El color permite ver fácilmente que nuestra gata es más activa durante la noche, duerme principalmente durante el día y tiene algunos momentos de juego durante el día (quizás iniciados por su dueño).

Si deseas probar estos gráficos bivariados en una plataforma de análisis profesional, Visualización de datos en Power BI y Visualización de datos en Tableau muestran cómo crear paneles interactivos que resaltan claramente los patrones y las tendencias.

Visualizaciones multivariantes

A veces necesitamos mostrar relaciones más complejas que involucran más de dos variables. Los gráficos multivariantes pueden ayudarte a revelar relaciones entre tres o más variables. Te ayudan a explorar conjuntos de datos más complejos sin perder la interpretabilidad. Veamos algunas opciones comunes.

Gráfico de burbujas

Un gráfico de burbujas amplía la idea de un diagrama de dispersión al codificar una tercera variable como tamaño de burbuja. Es una buena opción para facilitar la lectura, ya que la mayoría de la gente ya sabe cómo interpretar los diagramas de dispersión. Añadir una variable codificada como tamaño tiene sentido intuitivo. Para maximizar esta intuición, lo mejor es que el tamaño de la burbuja se correlacione con la magnitud. 

Puedes ampliar este gráfico para incluir una cuarta variable codificando también el color. Solo asegúrate de incluir una leyenda descriptiva y un pie de foto para que el espectador pueda interpretar claramente tu gráfico.

Este gráfico de burbujas muestra la abundancia relativa de mariquitas y pulgones en un jardín con flores de diferentes tamaños. Las burbujas más grandes corresponden a una mayor cantidad de pulgones. Podemos ver burbujas más grandes en la parte superior del gráfico, lo que indica que hay más pulgones donde hay más mariquitas. También vemos que hay más insectos en las flores más cortas.

Gráfico radial

Puedes pensar en un gráfico de radar como una especie de gráfico de barras circular. Los diferentes atributos se disponen en el exterior del círculo, y tu blob se gráfica a lo largo de cada uno de estos ejes, comenzando desde el centro. Funciona bien para perfiles o para comparar varios elementos en las mismas dimensiones. Sin embargo, ten cuidado al añadir demasiadas manchas superpuestas, ya que pueden saturar la imagen y dificultar su lectura rápida. También recomiendo utilizar sombreado transparente para que puedas ver fácilmente cada mancha a través de las demás.

Aquí comparamos tres perfiles diferentes de personajes de Dungeons and Dragons en función de cinco habilidades. Esta es una forma clara de mostrar las diferencias en las habilidades de estos distintos personajes.

Coordenadas paralelas

Si desenrollas un gráfico radial, obtienes un gráfico de coordenadas paralelas. Estos gráficos muestran cada variable en su propio eje vertical. Esta es una mejor opción cuando necesitas comparar varias variables continuas a la vez, ya que hay menos áreas superpuestas.

Debes pensar detenidamente cuáles deben ser los valores del eje Y. Si tus diferentes atributos comparten una unidad común, como los perfiles de personajes anteriores, esto no supondrá ningún problema. Sin embargo, si tus atributos suelen tener unidades diferentes, es posible que tengas que encontrar una forma de realizar una comparación de unidades relativas para el eje Y, con el fin de que el gráfico resulte más legible. El objetivo es comparar las diferentes líneas entre sí, no necesariamente extraer valores exactos para cada una de ellas.

En este gráfico, comparamos los atributos relativos de diferentes modelos de robots de juguete. Podemos comparar fácilmente cada robot con los demás en función de cada una de las cuatro características que nos interesan. Aunque no podemos calcular el valor exacto de la velocidad de cada robot, es evidente que el RoboMax es mucho más rápido que el RoboMini.

Mapa de árbol

Un mapa de árbol es una forma visualmente atractiva de mostrar información jerárquica. Divide un rectángulo en mosaicos anidados cuyos tamaños varían según el valor. A menudo, los diferentes colores añaden otra capa de subdivisión. Es útil para mostrar datos jerárquicos o relaciones entre partes y el todo dentro de múltiples niveles. 

Una advertencia: no todo el mundo sabe leer mapas de árbol, por lo que es mejor hacerlos lo más fáciles de interpretar posible. Asegúrate de que haya delimitaciones claras entre las casillas y colores diferenciados. Creo que estos gráficos se prestan especialmente bien para leyendas, etiquetas y pies de foto.

Aquí hemos creado un mapa de árbol que muestra en qué gasta un aventurero ficticio el oro que ha recaudado en diferentes categorías. El color indica la categoría de gasto, mientras que el tamaño de cada rectángulo muestra la cantidad relativa de oro gastada.

diagrama de Sankey

Un diagrama de Sankey es una de las mejores formas que he visto para visualizar flujos. Este tipo de diagrama sigue el recorrido de tus datos desde su origen hasta cada punto final. El grosor relativo de las flechas muestra qué parte de la cantidad original acabó destinándose a cada destino. Esta es una excelente opción para visualizar flujos de energía, recorridos de clientes o cualquier sistema con rutas ramificadas.

Aquí hemos gráficado el consumo energético en un hogar y dónde se utiliza la energía. Podemos ver que esta vivienda consume más energía en calefacción y confort, mientras que cocinar y relajarse consumen proporcionalmente muy poco.

Mapa coroplético

Un mapa coroplético es similar a un mapa de calor en que utiliza colores para transmitir información. Sin embargo, se superpone a un mapa geográfico, mostrando cómo se desarrollan los patrones en distintas áreas geográficas, como estados o condados. Es posible que hayas visto estos mapas durante la pandemia de COVID, que muestran dónde se estaban produciendo picos de casos. También se ven habitualmente después de las elecciones presidenciales estadounidenses, mostrando los resultados del colegio electoral.

Aquí hemos elaborado un mapa coroplético muy básico que muestra la cobertura forestal estimada en cada estado de los Estados Unidos. Es fácil ver qué estados tienen más cobertura forestal, ya que están coloreados con un tono de verde más oscuro que los que tienen menos cobertura forestal.

El bien contra el mal. Malas visualizaciones de datos

La diferencia entre gráficos útiles y engañosos suele reducirse al diseño. Una buena visualización aclara los datos; una mala los distorsiona. Para obtener una visión completa de este tema, recomiendo el libro de Edward Tufte La representación visual de la información cuantitativa. Es uno de los libros más influyentes sobre visualización y uno que cualquiera que trabaje habitualmente con datos debería tener en su biblioteca.

Características de las visualizaciones eficaces

Tu gráfico debe ser fácil de leer de un vistazo. Esto significa mantenerlo sencillo y directo, añadir etiquetas de datos cuando sea apropiado y utilizar títulos, leyendas y etiquetas de ejes de manera eficaz. Tufte habla de esto en términos de una relación entre datos y tinta.

Tus visualizaciones también deben ser lo más precisas posible. Esto significa estar atento a cualquier distorsión en la escala o la proporción. Por ejemplo, ten cuidado al utilizar saltos en los ejes y, si los utilizas, asegúrate de que estén debidamente indicados.

Para mayor eficiencia, debes asegurarte de que todo lo que aparece en el gráfico sea necesario. No abuses de las líneas de cuadrícula. En algunos gráficos, las cuadrículas facilitan la visualización de los valores exactos. Sin embargo, en muchos gráficos, especialmente en los más sencillos, son elementos superfluos. En el peor de los casos, pueden incluso ocultar datos. Otros ejemplos de elementos superfluos en los gráficos son las imágenes innecesarias o las líneas adicionales que no contribuyen a la claridad.

Por último, considera cuidadosamente el uso del color. Comprende que los colores pueden transmitir tanto significado como los números. Al elegir un degradado, por ejemplo, suele ser buena idea hacer que los colores más oscuros se correspondan con los números más grandes y los colores claros con los más pequeños. 

Para los datos categóricos, piensa en los colores que se asocian comúnmente con esa categoría. Hubiera sido extraño que hubiéramos elegido una barra verde para indicar la preferencia por el zumo de naranja.

Problemas comunes en las visualizaciones deficientes

Hay algunos errores comunes que debes tener en cuenta. El primero tiene que ver con las escalas. Es importante prestar atención a la escala de los ejes, así como a los elementos del gráfico (cuadros, burbujas, etc.). Es importante que no confíes ciegamente en los gráficos predeterminados de cualquier programa que estés utilizando. Asegúrate de que tus ejes comiencen en cero (con muy pocas excepciones), que tus ejes sean coherentes y que las proporciones de los elementos de tu gráfico tengan sentido para tus datos. 

Un problema habitual que veo constantemente es el uso de efectos 3D en gráficos. Estos efectos pueden parecer interesantes, pero también pueden distorsionar la trama de tal manera que resulte más difícil de leer. Ahórrale a tu público el dolor de cabeza y limítate a utilizar gráficos bidimensionales para la mayoría de los fines.

Los ejes duales son otro aspecto que puede resultar complicado. En la gran mayoría de los casos, si necesitas dos ejes Y, probablemente deberías dividir los datos en dos gráficos. En los pocos y muy raros casos en los que tiene sentido utilizar un gráfico de doble eje, asegúrate de que quede claro qué datos están asociados a cada eje. Mi forma favorita de hacerlo es con colores, por ejemplo, el eje de la izquierda es negro y se corresponde con los puntos negros, mientras que el eje de la derecha es rojo y se corresponde con los puntos rojos.

Uno de los errores más fáciles de cometer es saturar tu gráfico con demasiada información. Es fácil entusiasmarse con la idea de contar la historia completa de nuestros datos, por lo que seguimos añadiendo barras, etiquetas o líneas para contar historias cada vez más complicadas. Sin embargo, hacerlo puede garantizar que el espectador no pierda nada de tu gráfico. En su lugar, es mejor elegir una historia sencilla que quieras que el espectador capte a partir de tus datos y mostrarla de la forma más clara y elegante posible. .

Cómo detectar visualizaciones engañosas

Por desgracia, no es raro encontrar gráficos manipulados para venderte una agenda. Esto es habitual en la publicidad, la política y las redes sociales. Siempre que veas un gráfico, es importante evaluarlo críticamente antes de darlo por bueno.

La primera forma de evaluar críticamente un gráfico es consultar las secciones anteriores de este artículo y comprobar si el gráfico en cuestión sigue las mejores prácticas que hemos comentado. De lo contrario, el gráfico podría resultar engañoso, aunque sea de forma involuntaria.

A continuación, consideremos intenciones más insidiosas. Hazte estas preguntas:

• ¿Quién es la fuente y cuáles son tus intenciones?
• ¿La impresión que tienes coincide con las cifras reales?
• ¿Por qué la línea temporal comienza y termina donde lo hace?
• ¿Son realmente comparables los elementos que se están comparando?
• ¿Falta algún dato o se ha restado importancia a alguno?
• ¿Se está presentando la correlación como causalidad?

No todas las visualizaciones engañosas tienen una intención maliciosa. Pero es importante reconocer los defectos y tomar las conclusiones con cautela.

Una nota sobre el diseño inclusivo

A medida que crees tus propias visualizaciones, recuerda que las decisiones de diseño también afectan a quién puede ver tu trabajo. Para ampliar tu audiencia, piensa en cómo hacer que tus gráficos sean accesibles. Por ejemplo, puedes utilizar paletas de colores aptas para daltónicos y fuentes grandes y legibles para mejorar la legibilidad visual de tu gráfico. El uso de texto alternativo y subtítulos significativos también puede mejorar el acceso para los espectadores con discapacidad visual.

Visualizaciones famosas de la historia

A lo largo de la historia, hay algunas visualizaciones que han influido de manera significativa en el campo de la visualización de datos. Algunos han inventado tipos de gráficos completamente nuevos; otros han cambiado la forma en que entendemos los acontecimientos, las sociedades o los sistemas. Exploremos algunos de los gráficos históricos más famosos y cómo inspiraron a los futuros grafistas.

Los inventos de William Playfair (1786-1801)

Nuestros tipos de gráficos estándar no surgieron de la nada. Muchos de los gráficos que hemos comentado tienen su origen en William Playfair, un ingeniero y economista político escocés que trabajó a finales del siglo XVIII. En 1786, Playfair publicó El atlas comercial y político, donde introdujo el gráfico de líneas y el gráfico de barras como herramientas para comprender los datos económicos. Unos años más tarde, introdujo el gráfico circular en El breviario estadístico.

Se cree que este gráfico es el primer gráfico lineal, presentado por William Playfair en 1786. Imagen obtenida de Wikipedia.

En aquel momento, la mayor parte de la información numérica se presentaba en tablas densas que resultaban difíciles de interpretar rápidamente. Playfair creía que las formas visuales podían hacer que las tendencias y las comparaciones resultaran evidentes de inmediato, incluso para los lectores sin formación matemática.

Considerado el primer gráfico de barras, este gráfico fue publicado en 1786 por William Playfair. Imagen obtenida de Wikipedia.

Lo que hizo que el trabajo de Playfair fuera tan influyente no fue solo la invención de nuevos tipos de gráficos, sino su visión sobre cómo perciben la información las personas. Asignó números a propiedades visuales, lo que permite a los espectadores comparar valores de un vistazo. Tus gráficos se utilizaban a menudo para argumentar cuestiones políticas y económicas, como los cambios en la deuda nacional o las balanzas comerciales a lo largo del tiempo.

El trabajo de Playfair sentó las bases de los gráficos estadísticos modernos y sirve como un recordatorio temprano de que las codificaciones visuales claras pueden cambiar fundamentalmente la forma en que las personas razonan sobre los datos.

Posiblemente el primer gráfico circular, publicado por William Playfair en 1789. Fuente: Wikipedia.

Mapa de Charles Minard de la campaña rusa de Napoleón (1869)

En 1812, Napoleón invadió Rusia y sufrió una derrota devastadora. Poco más de 50 años después, el ingeniero civil jubilado Charles Minard creó este emblemático mapa que muestra el avance, la retirada y la trágica disminución del tamaño del ejército. 

Fuente: brilliantmaps.

Este es un ejemplo temprano de un diagrama de Sankey, en el que el ancho de la banda refleja el número de tropas. Se superpone a un mapa que integra la dirección, la temperatura, la geografía y el tiempo, y cuenta una historia apasionante sobre la invasión. Es un ejemplo elegante de cómo convertir datos cuantitativos en una narrativa emocional y demuestra cómo pueden coexistir múltiples variables sin crear confusión. Podría decirse que es uno de los gráficos históricos más reconocibles de todos los tiempos.

Diagrama de rosas de Florence Nightingale (1858)

Otro famoso gráfico bélico fue elaborado por la estadística y fundadora de la enfermería moderna, Florence Nightingale. Utilizó un gráfico polar, también llamado diagrama de rosa, para mostrar que en la guerra de Crimea murieron más personas por enfermedades prevenibles, como el cólera y el tifus, que por heridas de guerra. 

Fuente: https://www.historyofinformation.com/

Cada cuña del diagrama representaba un mes, y los colores diferenciaban las causas de muerte. Las muertes por enfermedades prevenibles aparecen en azul, las causadas por heridas de guerra en rojo y todas las demás causas en negro. 

En abril de 1855, llegó una Comisión Sanitaria para mejorar las condiciones higiénicas del hospital militar. El resultado fue una drástica disminución de las muertes, que destacaba claramente en el gráfico de Nightingale. Esta visualización convenció a los funcionarios del gobierno para que implementaran mejoras sanitarias tanto en los hospitales militares como en los civiles.

Mapa del cólera de John Snow (1854)

Otra victoria para la salud pública se logró gracias al mapa de John Snow, en el que se gráficaban las muertes por cólera en Londres. En 1854, el barrio londinense del Soho sufrió un devastador brote de cólera que causó la muerte de más de 600 personas en solo unas semanas. Snow gráficó las muertes por cólera en un mapa callejero de Londres, indicando las muertes con barras y las bombas de agua con círculos. 

Source: londonmuseum.org.

Tu mapa reveló una concentración de muertes alrededor de la bomba de agua de Broad Street. Después de que las autoridades retiraran la manivela de esa bomba de agua, dejándola inutilizable, el brote remitió. Este mapa ayudó a resolver el brote local. Hoy en día, sirve como recordatorio de cómo la elección de la visualización adecuada puede afectar su impacto; por ejemplo, un diagrama de dispersión no habría permitido encontrar la causa del brote. Snow utilizó la visualización correcta para lograr el cambio.

Horario de trenes de Étienne-Jules Marey (1885)

Mi gráfico histórico favorito es este horario de trenes de 1885. Este gráfico muestra todos los trenes que viajan de París a Lyon: su velocidad, paradas y cuándo se cruzan con otro tren. El tiempo se muestra en el eje x, y cada estación se espacia en el eje y en función de su distancia con respecto a las demás. Cada tren se representa como una línea inclinada. Las líneas más pronunciadas indican trenes más rápidos, y las secciones horizontales muestran cuándo el tren se encuentra en una estación. 

Fuente: commons.wikimedia.org

Normalmente, esta información se habría presentado en forma de un calendario con mucho texto. En cambio, este gráfico combinaba la información espacial y temporal de una forma elegante que permitía a los responsables ferroviarios evitar conflictos de programación e incluso colisiones entre trenes. Es un recordatorio de la gran cantidad de información que puede transmitir una visualización bien diseñada.

W.E.B. Retratos de datos de Du Bois (1900)

A principios del siglo XX, el sociólogo y activista por los derechos civiles W.E.B. Du Bois dirigió un equipo de investigadores en la creación de una serie de gráficos originales y audaces para la Exposición Universal de París de 1900. Estas visualizaciones documentaban las condiciones sociales, económicas y educativas de los afroamericanos apenas una generación después de la emancipación. En una época en la que la pseudociencia racista dominaba el discurso público, Du Bois utilizó datos para enfrentarse directamente a los estereotipos nocivos.

Este gráfico de Data Portraits, de WEB Du Bois, muestra de forma dramática cómo la Proclamación de Emancipación cambió las vidas de los afroamericanos. Imagen obtenida de Cómo W.E.B. Du Bois utilizó la visualización de datos para hacer frente a los prejuicios a principios del siglo XX.

Los gráficos abarcaban temas como la alfabetización, la propiedad inmobiliaria, el empleo, el crecimiento demográfico y los patrones migratorios. Muchos fueron dibujados y pintados a mano, utilizando colores vivos y diseños poco convencionales. Mientras que algunos de estos gráficos se asemejan a gráficos de barras o gráficos circulares, otros experimentan con espirales, diseños radiales y composiciones abstractas. En lugar de ceñirse a las convenciones, Du Bois dio prioridad a la comunicación y al impacto.

Este gráfico circular modificado muestra las profesiones que ejercían los estadounidenses blancos y negros a principios del siglo XX. Imagen obtenida de Cómo W.E.B. Du Bois utilizó la visualización de datos para hacer frente a los prejuicios a principios del siglo XX.

Du Bois no pretendía ser neutral. Los gráficos se diseñaron explícitamente para persuadir, educar y reafirmar la humanidad y los logros de los afroamericanos a través de datos. Al hacerlo, Du Bois demostró que la visualización nunca se limita a presentar cifras. Se trata de enmarcar la realidad, contar historias y dar forma a cómo las sociedades se entienden a sí mismas. Estos gráficos se recogen ahora en el libro « » (El futuro de la economía: una visión de futuro basada en datos) W.E.B. Retratos de datos de Du Bois: visualizando la América negra: la línea del color a principios del siglo XX.

WEB Du Bois no tuvo miedo de experimentar con tipos de gráficos radicales para expresar su punto de vista, como este gráfico en espiral que muestra la distribución de la población afroamericana en 1890. Imagen obtenida de Cómo W.E.B. Du Bois utilizó la visualización de datos para hacer frente a los prejuicios a principios del siglo XX.

Conclusión

La visualización no es neutral; cada decisión que tomas influye en la interpretación que tus espectadores hacen de la historia que hay detrás de los datos. Para obtener más información sobre cómo contar eficazmente la historia de tus datos, consulta nuestra Guía rápida sobre comunicación y narración de datos. 

Para obtener consejos prácticos sobre qué herramientas utilizar, consulten nuestra descripción general de las 12 mejores herramientas de visualización de datos en 2025 es un recurso excelente. Y si estás listo para convertir estos complejos gráficos en interactivos y aptos para la web, Visualización interactiva de datos con Bokeh te guía a través de la creación de visualizaciones receptivas y compatibles con el navegador en Python.