Representación de datos I

Resumen: Sólo cuando los datos (númericos o gráficos) son representados de manera adecuada muestran relaciones, tendencias, causalidad, etc. Buenas representaciones de datos ayudan a convencer.

Aunque se disponga de buenos datos sobre un tema, éstos solo revelan su significado, muestran relaciones y causas si son representados de manera adecuada.

Con una presentación poco clara los oyentes desconfiarán de nuestras conclusiones y capacidad de análisis. Será difícil convencerlos aunque nuestros datos sean inequívocos.

En este artículo tomamos ideas y ejemplos de Edward Tufte, un especialista en representación de datos. Mostramos cómo una defectuosa representación de datos hizo pasar por alto un problema que finalmente causo el accidente del Challenger.

El accidente del Challenger

En el accidente del Challenger los ingenieros no pudieron convencer a los responsables del lanzamiento de que lo retrasaran porque no mostraron de manera clara sus datos.

La causa de este accidente fue que ciertos componentes de los cohetes sufrían mayor desgaste con las bajas temperaturas. El lanzamiento se efectuó en un día especialmente frío, con el resultado que todos conocemos.

El problema es que los ingenieros no demostraron claramente a los responsables del lanzamiento, que la baja temperatura había sido la causa del desgaste en lanzamientos anteriores.

Por ejemplo este gráfico de los ingenieros no deja claro que la causa de los daños es la baja temperatura.

No se asocia causa y efecto porque:

- Los datos están ordenados según una variable no relevante, el orden temporal de los lanzamientos ya que los cohetes eran siempre nuevos.

- Dibujar pequeños cohetes solo distrae a la audiencia del análisis de los datos y dificulta su comprensión

- Las temperaturas están escritas sentido vertical, lo que dificulta la lectura de un dato clave.

- La leyenda no se muestra al lado de los datos lo que obliga a recordar el significado de cada trama.

- La leyenda no es clara, el significado de cada tramas no es obvio. Aunque podemos ver fácilmente un dato individual concreto, es imposible una percepción de conjunto que nos permita asociar baja temperatura a mayor desgaste de la pieza.

La leyenda original:

Una buena leyenda por el contrario hubiera revelado esta relación de manera más clara. Leyenda modificada:

Una ordenación por temperaturas, no temporal hubiera dejado clara la relación entre baja temperatura y desgaste. En este gráfico ordenado por temperaturas, vemos como los mayores desgastes se acumulan en temperaturas más bajas, aunque la leyenda usada es poco clara.

Principios generales de representación de datos:

¿Qué queremos mostrar?

¿Cuál es el objetivo de nuestra representación? Antes de plantear la forma que queremos dar a los datos, debemos tener claro que queremos mostrar.

Nuestro objetivo puede ser mostrar como una variable explica las variaciones en otra. Otro objetivo puede ser alertar claramente cuando la evolución de un dato no es la prevista. Cada objetivo requiere de una representación distinta.

Información que valga la pena

Muestra solo información que sea interesante, no se debe mostrar información solo por el mero hecho de disponer de ella.

Aumentar el volumen de información oscurece la información realmente relevante.

Hacer comparaciones

Un dato no significa nada a menos que se compare con otro. Saber el volumen de las ventas de hoy no significa nada si no tenemos un dato anterior con el que compararlas.

Pero cualquier comparación no nos vale, la comparación debe aportar algo y tener en cuenta los ciclos, desviaciones, etc.

Importancia de los ciclos

Si tenemos ciclos semanales, no nos vale una comparación con el día anterior, sino con la semana anterior. Si tenemos ciclos mensuales, deberemos comparar el dato con el mes anterior.

Desviaciones + o -

Cuando lo importante es monitorizar la evolución de unos datos, mostrar directamente el valor de la desviación sobre las previsiones o el mes anterior, permite ver de manera rápida el ajuste de los datos, sin necesidad de comparar el dato real con el previsto.

De este modo la alerta salta rápidamente en caso de grandes desviaciones.

Mostrar causalidad

Es importante que quede clara cual es la razón de la variación en los datos, por eso se debe incluir en la representación la variable causante de estas variaciones.

Mostar sólo variables puramente descriptivas no nos permite saber qué pasa y cuándo pasa, pero no por qué pasa.

Mostrar tendencias

Pequeñas variaciones diarias pueden esconder una tendencia. Introducir datos acumulados de cierto periodo nos muestra la tendencia general que siguen nuestros datos.

Muchas variaciones diarias acentuadas pueden esconder una tendencia general al alza o a la baja. En estos casos esconder datos individuales ayuda a ver claramente la tendencia.

Mostrar juntos datos relacionados

Para facilitar las comparaciones los datos a comparar deben estar próximos. Si están separados por mucho espacio porque entonces hay que memorizar un dato mientras se busca el otro y la comparación no es tan evidente. La Ley de la Proximidad (Gestalt) explica este efecto.

Otras ideas de Tufte:

- Ratio datos/tinta (Tufte): relación entre el volumen de datos que contiene un gráfico y la tinta usada para dibujarlo. A ratio más alto, mayor calidad del gráfico, es decir, cuanto menos tinta, mayor simplicidad, mejor gráfico. Aplicado a la web, tinta podrían ser píxeles.

- La más pequeña diferencia efectiva: se refiere a hacer todas las distinciones visuales tan sutiles como sea posible. Esto permite al gráfico contener más datos sin quedar recargado y difícil de leer.

- No mostrar el "0" si no es relevante. Si el rango de datos está lejos de "0" y se incluye, el espacio donde los datos varían será más pequeño y será menos claro.

Referencias y artículos relacionados:

- Notes from the Tufte roadshow...

- Three Lessons From Tufte: Special Deliverable #6