Cómo crear un diagrama de Sankey en Excel, Python y R

La belleza de los diagramas de Sankey reside en su capacidad para simplificar los sistemas de varias etapas. En lugar de recorrer filas de datos para encontrar las mayores pérdidas de energía o asignaciones presupuestarias, puedes detectarlas al instante buscando los flujos más gruesos. Esto los hace útiles para la gestión de la energía, el análisis financiero, la optimización del embudo de marketing y cualquier escenario en el que comprender el flujo y la transformación de los recursos importe más que las comparaciones numéricas precisas.

Para quienes deseen ampliar sus capacidades analíticas más allá de la visualización de flujos, nuestros cursos Visualización de datos en Power BI y Visualización de datos en Tableau te enseñan a crear cuadros de mando profesionales e informes interactivos utilizando las plataformas de inteligencia empresarial líderes del sector.

¿Qué es un diagrama Sankey?

Un diagrama de Sankey es una visualización de flujo especializada en la que la anchura de las flechas de conexión representa la magnitud del flujo entre diferentes etapas, categorías o entidades. A diferencia de los diagramas de flujo tradicionales, que muestran los pasos del proceso, o de los diagramas de barras, que comparan valores discretos, los diagramas de Sankey destacan por mostrar cómo se mueven, transforman o distribuyen las cantidades a través de un sistema.

Se muestran los componentes del diagrama Sankey. Imagen del autor.

El diagrama anterior ilustra cómo fluye un presupuesto anual de 100.000 dólares a través de las diferentes categorías. Observa cómo la asignación de Marketing (40.000 $) aparece como un flujo visiblemente más grueso en comparación con I+D (25.000 $), haciendo que las diferencias proporcionales sean inmediatamente evidentes.

Historia y evolución de los diagramas de Sankey

El primer diagrama de Sankey conocido apareció en 1898, cuando el capitán Matthew Henry Phineas Riall Sankey lo utilizó para mostrar la eficiencia energética de una máquina de vapor. Su diagrama reveló que sólo una pequeña parte de la energía del combustible contribuía realmente al trabajo útil, perdiéndose la mayor parte como calor residual.

Sin embargo, el concepto de visualización proporcional del flujo es anterior al Capitán Sankey. Charles Joseph Minard creó lo que muchos consideran el diagrama de flujo más famoso en 1869, representando la desastrosa campaña rusa de 1812 de Napoleón. El diagrama de Minard mostraba el tamaño decreciente del ejército a medida que avanzaba hacia Rusia y luego se retiraba, y el grosor de la línea representaba el número de soldados supervivientes.

Componentes de un diagrama Sankey

Comprender los elementos clave de un diagrama de Sankey te ayudará tanto a interpretar los existentes como a crear los tuyos propios con eficacia.

• Nodos representan las categorías, etapas o entidades de tu sistema. En nuestro ejemplo de presupuesto, "Presupuesto anual", "Marketing" y "Anuncios digitales" son nodos. Los nodos fuente (como "Presupuesto anual") suelen aparecer a la izquierda, mientras que nodos objetivo (como "Anuncios Digitales") aparecen a la derecha, aunque esto puede variar en función de tus preferencias de diseño.
• Flujos o enlaces son los conectores direccionales entre nodos, y su anchura es proporcional al valor que representan. El flujo naranja grueso del Presupuesto Anual al Marketing representa 40.000 $, mientras que el flujo mucho más fino al Contenido representa sólo 5.000 $. Esta amplitud proporcional es la característica definitoria que hace que los diagramas de Sankey sean tan eficaces para resaltar las diferencias de magnitud.
• Los valores son los datos numéricos que determinan la anchura de cada flujo. Pueden representar dinero, energía, materiales, personas o cualquier recurso cuantificable que se mueva a través de tu sistema. El diagrama calcula automáticamente la anchura adecuada basándose en estos valores, garantizando la precisión visual.
• Salidas son flujos especiales que representan pérdidas, residuos o recursos que salen del sistema sin llegar a un nodo de destino. Aunque nuestro ejemplo de presupuesto no muestra los abandonos, puedes verlos en los diagramas de energía que muestran la pérdida de calor o en los embudos de marketing que muestran a los clientes que abandonan el proceso.

Cómo crear un diagrama Sankey

La creación de diagramas Sankey requiere distintos enfoques, según tus herramientas preferidas y tu nivel de comodidad técnica. Recorreremos el mismo ejemplo de asignación presupuestaria utilizando Excel, Python y R, para que puedas elegir el método que mejor se adapte a tu flujo de trabajo y experiencia.

Diagrama de Sankey en Excel

Excel no incluye un tipo de gráfico Sankey nativo, lo que significa que tendrás que utilizar un complemento de terceros para crear estas visualizaciones. Según mi experiencia, ChartExpo es una de las opciones más populares y fáciles de usar.

Interfaz ChartExpo y vista previa del diagrama Sankey. Imagen del autor.

Antes de crear el diagrama, tendrás que estructurar tus datos en un formato fuente-destino-valor en el que cada fila represente una conexión de flujo. Para nuestro ejemplo de presupuesto, esto significa enumerar cada asignación presupuestaria como una fila separada con la categoría de origen, la categoría de destino y el importe en dólares.

El proceso es sencillo una vez que tienes ChartExpo instalado. Primero, instala el complemento desde Microsoft AppSource o a través del mercado de complementos de Excel. A continuación, selecciona tu rango de datos incluyendo las cabeceras y elige Gráfico Sankey en las opciones de visualización de ChartExpo.

El complemento detecta automáticamente tus columnas de origen, destino y valor basándose en tu estructura de datos. Como se muestra en la interfaz anterior, ChartExpo ofrece una vista previa de tu diagrama junto con opciones para Crear gráfico a partir de la selección, personalizar la visualización o exportar el gráfico terminado para utilizarlo en presentaciones o informes.

Diagrama de Sankey en Python

Python ofrece excelentes opciones para crear diagramas de Sankey, siendo Plotly la biblioteca más recomendada debido a sus capacidades interactivas y a la calidad profesional de sus resultados. Utilizando el mismo ejemplo de asignación presupuestaria con el que empezamos, recrearemos esa visualización idéntica mediante código.

Paso 1: Preparación de datos

Empieza organizando tus datos en el formato que espera Plotly. Necesitarás tres componentes principales: una lista de nombres de nodos y arreglos que especifiquen los índices de origen, los índices de destino y los valores de cada flujo.

import plotly.graph_objects as go

# Define all nodes in your diagram
nodes = ["Annual Budget", "Marketing", "Operations", "R&D", 
         "Digital Ads", "Events", "Content", "Salaries", 
         "Office", "Utilities", "Software", "Equipment"]

# Define the connections (using node indices)
source_indices = [0, 0, 0, 1, 1, 1, 2, 2, 2, 3, 3]
target_indices = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]
values = [40, 35, 25, 25, 10, 5, 20, 10, 5, 15, 10]

Los índices corresponden a posiciones en tu lista de nodos, por lo que source_indices = [0, 0, 0] significa que los tres primeros flujos empiezan en "Annual Budget" (posición 0).

Paso 2: Creación básica de Sankey

Crea la estructura central del diagrama utilizando el objeto Sankey de Plotly. Los parámetros esenciales son las definiciones de los nodos y las especificaciones de los enlaces.

fig = go.Figure(data=[go.Sankey(
    node=dict(
        label=nodes,
        pad=15,
        thickness=20
    ),
    link=dict(
        source=source_indices,
        target=target_indices,
        value=values
    )
)])

Esto crea un diagrama Sankey funcional con el estilo por defecto. pad controla el espaciado entre nodos, mientras que thickness determina la anchura de los rectángulos de los nodos.

Paso 3: Estilo y personalización

Mejora tu diagrama con colores, un diseño mejorado y un formato profesional.

# Add colors and transparency
fig.update_traces(
    node_color=["#1f77b4", "#ff7f0e", "#2ca02c", "#d62728",
                "#ff9999", "#ff9999", "#ff9999", "#90ee90",
                "#90ee90", "#90ee90", "#ffcccb", "#ffcccb"],
    link_color=["rgba(255, 127, 14, 0.4)", "rgba(44, 160, 44, 0.4)",
                "rgba(214, 39, 40, 0.4)", "rgba(255, 127, 14, 0.6)",
                "rgba(255, 127, 14, 0.6)", "rgba(255, 127, 14, 0.6)",
                "rgba(44, 160, 44, 0.6)", "rgba(44, 160, 44, 0.6)",
                "rgba(44, 160, 44, 0.6)", "rgba(214, 39, 40, 0.6)",
                "rgba(214, 39, 40, 0.6)"]
)

# Update layout for better presentation
fig.update_layout(
    title="Annual Budget Allocation",
    font=dict(size=16, family="Arial Black", color="black"),
    width=900,
    height=600
)

Paso 4: Visualizar y exportar

Visualiza tu diagrama y guárdalo en varios formatos para diferentes usos.

fig.show()  # Display in Jupyter notebook or browser

# Export options
fig.write_html("budget_sankey.html")  # Interactive web version
fig.write_image("budget_sankey.png")  # Static image

Para aplicaciones web, puedes integrarlo directamente en aplicaciones Dash, haciendo que tus diagramas Sankey formen parte de cuadros de mando interactivos. La visualización resultante coincide exactamente con lo que vimos en la imagen inicial. Tenemos un gran código que te enseña a Construir Cuadros de Mando con Plotly y Dash para que puedas probar esta idea por ti mismo.

Diagrama de Sankey en R

R proporciona excelentes capacidades para crear diagramas de Sankey a través del paquete networkD3, que crea visualizaciones interactivas listas para la web. Utilizando nuestros conocidos datos de asignación presupuestaria, demostraremos cómo R puede producir los mismos resultados profesionales con funciones de interactividad incorporadas.

El paquete networkD3 está diseñado específicamente para crear visualizaciones de redes en R basadas en D3.js, incluidos los diagramas de Sankey. Este enfoque ofrece varias ventajas: interactividad automática (efectos hover, zoom), fácil integración con los informes R Markdown, y opciones de exportación sin problemas para el despliegue web.

Paso 1: Configuración y preparación de datos

Primero, instala y carga los paquetes necesarios, luego estructura tus datos en el formato que espera networkD3.

# Install required packages (run once)
install.packages(c("networkD3", "dplyr"))

# Load libraries
library(networkD3)
library(dplyr)

# Create nodes dataframe
nodes <- data.frame(
  name = c("Annual Budget", "Marketing", "Operations", "R&D",
           "Digital Ads", "Events", "Content", "Salaries", 
           "Office", "Utilities", "Software", "Equipment")
)

# Create links dataframe (note: networkD3 uses 0-based indexing)
links <- data.frame(
  source = c(0, 0, 0, 1, 1, 1, 2, 2, 2, 3, 3),
  target = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11),
  value = c(40, 35, 25, 25, 10, 5, 20, 10, 5, 15, 10)
)

La diferencia clave con Python es que R requiere marcos de datos separados para los nodos y los enlaces, y el marco de datos de los enlaces utiliza la indexación basada en cero para referenciar las posiciones de los nodos.

Paso 2: Creación básica de Sankey

Crea tu diagrama utilizando la función sankeyNetwork() con los parámetros esenciales.

# Create basic Sankey diagram
sankey_plot <- sankeyNetwork(
  Links = links,
  Nodes = nodes,
  Source = "source",
  Target = "target", 
  Value = "value",
  NodeID = "name",
  units = "K USD"
)

# Display the plot
Sankey_plot

Esto genera un diagrama de Sankey interactivo en el que los usuarios pueden pasar el ratón por encima de los flujos para ver los valores exactos y arrastrar los nodos para reorganizar la disposición.

Paso 3: Personalización y estilo

Mejora tu diagrama con colores, tamaño y opciones de formato profesional.

# Advanced Sankey with customization
(sankey_advanced <- sankeyNetwork(
  Links = links,
  Nodes = nodes,
  Source = "source",
  Target = "target",
  Value = "value",
  NodeID = "name",
  units = "K USD",
  fontSize = 14,
  fontFamily = "Arial",
  nodeWidth = 30,
  nodePadding = 20,
  margin = list(top = 50, right = 50, bottom = 50, left = 50),
  height = 600,
  width = 900
))

Paso 4: Opciones de exportación e integración

R facilita guardar tus diagramas interactivos en múltiples formatos e integrarlos en informes.

# Save as HTML file
library(htmlwidgets)
saveWidget(sankey_advanced, "budget_sankey.html", selfcontained = TRUE)

# For R Markdown integration, simply include the plot object
# The diagram will render as an interactive widget in your document

# For static image export (optional - requires webshot2 package)
install.packages("webshot2")
library(webshot2)

webshot("budget_sankey.html", "budget_sankey.png", vwidth = 900, vheight = 600)

Diagrama de Sankey interactivo creado con el paquete networkD3 de R. Imagen del autor. 

Este diagrama resultante proporciona las mismas perspectivas visuales que nuestras versiones en Python y Excel, pero con una interactividad incorporada que ayuda a los usuarios a explorar los datos más a fondo.

Alternativas y comparaciones al Diagrama Sankey

Los diagramas de Sankey funcionan mejor cuando tienes relaciones direccionales claras entre categorías, donde la magnitud del flujo importa más que las comparaciones precisas. Sin embargo, varias situaciones exigen distintos enfoques de visualización.

Cuándo no utilizar diagramas de Sankey

Evita los diagramas de Sankey cuando no haya flujo direccional entre tus categorías. Si tus datos simplemente muestran diferentes grupos o clasificaciones sin movimiento entre ellos, los gráficos de barras o circulares comunicarán tu mensaje con mayor claridad. Por ejemplo, comparar la cuota de mercado de distintas empresas no implica flujo, por lo que un gráfico de barras sería más apropiado.

Sáltalos cuando necesites comparaciones numéricas precisas. Aunque los diagramas de Sankey muestran eficazmente las magnitudes relativas, las distintas anchuras dificultan a los lectores la extracción de valores exactos o las comparaciones detalladas. Si los interesados necesitan comparar porcentajes o cantidades concretas con precisión, las tablas o los diagramas de barras sirven mejor.

Considera alternativas cuando tus datos sean demasiado complejos y desordenen el diagrama. Con más de 10-15 nodos o flujos muy interconectados, los diagramas de Sankey pueden resultar visualmente abrumadores. Las líneas cruzadas y los flujos superpuestos dificultan el seguimiento de las trayectorias individuales a través del sistema.

Elige visualizaciones más sencillas cuando tu público no esté familiarizado con los diagramas de Sankey. Como son menos comunes que los diagramas de barras o los gráficos lineales, algunos públicos pueden centrarse más en comprender el formato que en interpretar tus datos. En las presentaciones ante un público general, limítate a los tipos de gráficos conocidos, a menos que la relación de flujo sea esencial para tu mensaje.

Mejores alternativas para escenarios específicos

Diagramas aluviales funcionan mejor para flujos categóricos o basados en el tiempo, en los que realizas un seguimiento de los cambios a lo largo de varios periodos de tiempo o etapas. Mientras que los diagramas de Sankey muestran las cantidades que fluyen por un sistema en un momento dado, los diagramas aluviales destacan por mostrar cómo evolucionan los datos categóricos. Por ejemplo, el seguimiento de cómo los votantes cambian de partido político en varias elecciones, o cómo los estudiantes cambian de carrera a lo largo de la universidad, se ajusta mejor a los diagramas aluviales que a los diagramas de Sankey.

Los gráficos de coordenadas paralelas sirven mejor para comparar datos multivariantes en los que quieres ver patrones en múltiples dimensiones simultáneamente. Funcionan bien cuando tienes muchas variables para cada punto de datos y quieres identificar conglomerados o valores atípicos. Por ejemplo, comparar coches por precio, eficiencia de combustible, índices de seguridad y métricas de rendimiento funciona mejor con coordenadas paralelas que intentando forzar estas relaciones en un formato de flujo.

Los diagramas de protuberancias gestionan los cambios de rango a lo largo del tiempo con más eficacia que los diagramas de Sankey o los aluviales. Cuando muestres cómo suben o bajan en la clasificación distintas entidades a lo largo de periodos de tiempo, los gráficos de protuberancias muestran claramente la trayectoria sin la complejidad visual de los flujos. Piensa en cómo cambian las posiciones de mercado de las distintas empresas a lo largo de los trimestres, o cómo se mueven los equipos deportivos en la clasificación de la liga a lo largo de las temporadas.

Para saber más, lee nuestra entrada del blog Los 5 mejores cursos de Business Intelligence para hacer en DataCamp, que te orienta sobre cómo adquirir experiencia con las herramientas importantes de BI.

Conclusión

El éxito de la visualización depende de la elección de la herramienta adecuada para tu situación concreta. Utiliza diagramas de Sankey cuando las relaciones de flujo direccional importen más que las comparaciones numéricas precisas, y cuando tu audiencia necesite identificar rápidamente los flujos más significativos de un sistema.

Para los lectores interesados en ir más allá de los diagramas de Sankey, nuestra entrada de blog 10 ideas de proyectos de visualización de datos para todos los niveles ofrece sugerencias de proyectos prácticos de distintos niveles de complejidad para construir tu portafolio de visualización. Estos proyectos ayudan a desarrollar habilidades de pensamiento crítico y crean pruebas tangibles de tus capacidades de visualización de datos.