Esta vez, nuestra historia comienza hace unos cinco años, quizás un poco más. Mi hija estaba en su etapa de fascinación por los trenes, así que construíamos vías con los pequeños trenes de madera. A veces, nos apoderábamos del suelo de la cocina.
Ella me pedía que le leyera cuentos de Thomas la Locomotora antes de dormir, y su programa favorito eran las historias de Thomas y sus amigos de la BBC. ¿Y qué tiene que ver eso con JMP ? Pues, en aquel entonces, absolutamente nada. Ni siquiera trabajaba para JMP en esa época. Pero como no he estado viajando ( porque el mundo está patas arriba), he vuelto un poco a mis orígenes en el diseño gráfico y he estudiado visualización de datos. Ha sido muy divertido.
He estado viendo presentaciones en video de nuestro compañero Xan Gregg ( @XanGregg ), repasando mis apuntes de otras presentaciones y leyendo a Edward Tufte y Stephen Few. Incluso tuve la oportunidad de tomar un par de clases con Nick Desbarats.
En algún momento de los últimos meses, algo hizo clic y me di cuenta de que todos estos expertos en visualización de datos han estado siguiendo el mismo camino (si me permiten el juego de palabras). Si tuviéramos que resumir todo lo que dicen los expertos en visualización de datos en una sola idea, podría ser una frase sacada directamente de un libro de Thomas la Locomotora: Lo único que busca una visualización es ser útil .
Trenes llamativos frente a trenes en funcionamiento
En los libros de mi hija (con muchos derechos de autor), los trenes antropomórficos generalmente intentan ser útiles. Pero cada uno tiene su propia personalidad: a algunos les gusta estar limpios, a otros no les importa ser un poco toscos y a otros les gusta ser llamativos. Hay de todo, ¿verdad? Pero, en definitiva, el mayor elogio que un humano podría dedicarles a las locomotoras es que eran " realmente útiles ". No que fueran bonitas, llamativas o toscas, sino simplemente que eran útiles.
Si antropomorfizcáramos un gráfico, podría tener una sensación similar. Entonces, ¿cómo se vuelve útil un gráfico? Todo comienza con el planteamiento del problema, el mensaje o el hallazgo que el gráfico pretende comunicar. Veamos algunos ejemplos, comparémoslos con sus propósitos declarados y luego analicemos algunos ajustes para hacerlos más útiles.
Este gráfico apareció en mi feed de noticias hace un tiempo. El propósito declarado era "[mostrar] cómo se comparan las actividades en términos de riesgo de coronavirus" basándose en cuatro factores definidos en el artículo .
Entonces, ¿qué tan bien cumplió este gráfico con el propósito del ejercicio de visualización? En mi opinión, la respuesta es: "Estuvo bien, pero podría haber sido mucho mejor". Hablaremos de los detalles más adelante, pero la idea principal es que es difícil identificar de un vistazo qué actividades son riesgosas y comparar los niveles de riesgo entre ellas.
En el siguiente ejemplo, voy a aplicar mi propia experiencia y usar una imagen que creé para mi artículo de Halloween de 2020. Analicé el texto de la transmisión de Orson Welles de "La guerra de los mundos". Puedes ver mi análisis aquí . El propósito de esta visualización era resumir todos los términos del guion radiofónico y resaltar los temas o términos importantes.
¿Qué tal me fue? Diría que fracasé estrepitosamente. ¿Por qué? Bueno, ya entraremos en detalles más adelante, pero cosas como las nubes de palabras se adentran más en el ámbito del arte de datos. Se ven nubes de palabras como logotipos, material de marketing, camisetas, etc., porque son divertidas o visualmente impactantes. Como herramienta para comunicar ideas —incluso con resaltados útiles— son bastante malas.
Ah, diagramas de araña… mi vieja némesis. Lo siento. Debo admitir que tengo cierta predisposición en contra de ellos. Pero déjenme ver si puedo hacerles entender por qué me molestan tanto (perdón por el juego de palabras). Aquí está el pie de foto de un diagrama de araña de un artículo de revista : “ El diagrama de araña de los cinco atributos sensoriales para 14 tipos de cerveza se muestra en [el gráfico]. Las diferentes muestras tenían su carácter sensorial individual, y las muestras 8, 10, 14, 11, 9 y 2 tenían los sabores más fuertes agrio, amargo, dulce, a cabra, acidez y 'otros sabores' individualmente”. Y aquí está el gráfico:
Sí. Bastante mal. Pero es una situación bastante común en estos gráficos.
Una desventaja de esforzarse por aprender más sobre visualización de datos es que, una vez que se ven los problemas, es difícil ignorarlos . Y el problema en nuestro mundo actual es que se producen muchísimos gráficos a diario. Entre la pandemia y las elecciones estadounidenses, estamos inundados de gráficos. Si bien estas visualizaciones pueden ser llamativas y pulidas o toscas, en su mayoría, muchas simplemente no son útiles. Así que tenemos un mundo de gráficos tristes e insatisfactorios. (Es una idea triste, ¿verdad?) Bueno, estamos en temporada navideña, así que vamos a solucionarlo. Primero, necesitamos llegar al problema de fondo.
Lo bonito puede no ser útil, pero lo útil siempre es bonito.
¿Por qué hay tantos gráficos inútiles? (No voy a decir que sean malos gráficos ; no es culpa suya que no sean útiles, simplemente están dibujados así). En mi opinión, todo se reduce a que la gente pasa por alto un concepto fundamental: las cosas pueden ser bonitas sin ser útiles, pero algo que es útil es inherentemente bonito . Y con bonito, me refiero a que existe una elegancia formal que surge cuando algo cumple a la perfección su propósito.
Nick Desbarats utiliza el término griego telos para describir este concepto. Muchos de nosotros en este sector (yo incluido) nos centramos tanto en ampliar los límites de la visualización que olvidamos que la visualización de datos se trata de comunicación . Una vez que visualizamos por el mero hecho de visualizar y perdemos ese componente comunicativo, nuestros gráficos corren el riesgo de volverse inútiles. Esto no quiere decir que esos gráficos inútiles no sean bonitos, sino que no son herramientas de comunicación óptimas.
Sigue por el camino fácil.
¿Y ahora qué hacemos? Les he mostrado un montón de gráficos que no son tan útiles como podrían ser. Y precisamente por eso, son gráficos tristes. No queremos gráficos tristes, ¿verdad? ¡Claro que no! Así que vamos a arreglarlo.
En esos primeros ejemplos, el problema radica en que los autores no aprovechan las fortalezas de los sistemas de procesamiento visual del cerebro. Si siguiéramos el razonamiento expuesto en el libro de Daniel Kahneman , Pensar rápido, pensar despacio , podríamos decir que tenemos dos sistemas para procesar información: uno opera de forma inconsciente y es increíblemente eficiente (Sistema 1); el otro está diseñado para manejar problemas complejos, pero es más deliberado (Sistema 2). Usar este segundo sistema también requiere más energía, por lo que corremos el riesgo de cansar a nuestros espectadores si lo utilizamos. Así, cuando las personas tienen que pensar demasiado en los gráficos, estos no son útiles (es decir, gráficos aburridos) y nuestro cerebro se cansa (¡cerebro aburrido!). Para solucionar este problema, el truco consiste en usar el primer sistema de procesamiento, el más instintivo.
El Sistema 1 está diseñado para el reconocimiento rápido de patrones, el cálculo de distancias lineales y tareas similares. Piénsalo así: si hace miles de años se necesitara para tomar decisiones cruciales en fracciones de segundo, el Sistema 1 las procesaría. Por eso, los expertos en visualización de datos insisten en que usar gráficos de barras es mejor. Somos mejores calculando distancias lineales (líneas rectas) que curvas o áreas. Generalmente procesamos los gráficos de barras con el Sistema 1. Dicho de otro modo, estamos programados para leer y procesar rápidamente la información de un gráfico de barras. La distancia más corta entre dos puntos es una línea recta, ¡y la ruta más rápida a través de nuestro cerebro también lo es!
Volviendo al primer gráfico, el problema principal es que estamos creando una representación visual que requiere el uso del Sistema 2. Tenemos que crear una escala arbitraria, cuantificar cada cuadrado de una actividad en función de esa escala y sumar los valores de cada cuadrado. Todo esto solo para obtener una puntuación de riesgo total. Y luego tenemos que repetir el proceso si queremos comparar actividades. (¡Solo de escribirlo me canso!). Entonces, ¿por qué no hacerlo todo en el gráfico? Aquí hay algunas alternativas (dos que creé en JMP y una de la Asociación Médica de Texas ) que están orientadas a usar el Sistema 1:
¿Ves qué fácil es leerlos?
Dejemos que la función dicte la forma.
Volvamos a pensar en la locomotora de vapor que dio origen a toda esta reflexión. ¿Alguna vez te has preguntado por qué una locomotora tiene ese aspecto? Mi abuelo es un gran aficionado a los trenes en miniatura, así que supongo que mis reflexiones sobre este tema podrían ser genéticas. O tal vez sean el resultado de los veranos que pasé de niño mirando sus trenes o yendo a una tienda a recoger su última adquisición. En cualquier caso, siempre he encontrado cierta elegancia en el aspecto de una locomotora de vapor.
Source: https://en.wikipedia.org/wiki/Steam_locomotive_componentsFuente: https://en.wikipedia.org/wiki/Steam_locomotive_components
Incluso cuando decidieron modernizar el aspecto, la función fue el factor determinante de la forma:
Source: https://en.wikipedia.org/wiki/Steam_locomotive#/media/File:Number_4468_Mallard_in_York.jpgFuente: https://en.wikipedia.org/wiki/Steam_locomotive#/media/File:Number_4468_Mallard_in_York.jpg
De igual manera, siempre debemos comenzar un ejercicio de graficación con una declaración de propósito . Recuerda que, para que un gráfico sea útil, debe tener un propósito. Si estamos realizando un análisis exploratorio, la declaración podría incluso ser una pregunta que impulse la investigación.
En el caso de la nube de palabras que utilicé, el objetivo era mostrar los temas más importantes del guion. Sin embargo, la nube de palabras no cumple bien esta función. Como ya mencioné, se trata más de "arte de datos" que de "visualización de datos". Las nubes de palabras tienen el problema de engañar a la percepción visual, ya que las palabras más largas "parecen" más importantes simplemente por su longitud. En el ejemplo siguiente, he procesado un poco los datos y he cambiado la visualización a un gráfico paralelo. Es mejor rastrear la asociación de cada personaje o grupo de personajes con diferentes temas, lo que proporciona una perspectiva más clara y menos propensa a confundir al espectador. (Por cierto, esto es interactivo, así que no dudes en explorar con el filtro de datos local de la izquierda).
La clave aquí es que la estética es importante, pero la base de una visualización útil es una declaración clara del propósito y la adhesión a ese propósito.
No te enredes alrededor del eje
Probablemente la forma más sencilla de hacer que un gráfico sea atractivo (sí, dije atractivo; supérenlo) es tomar un gráfico cartesiano (con ejes x e y) y envolverlo alrededor de un eje central. Esto da como resultado gráficos circulares, gráficos de radar, gráficos de araña, etc. Y son atractivos... pero ¿son tan útiles como podrían ser?
La respuesta a esa pregunta suele ser «no». Los humanos no estamos programados para comparar distancias o tamaños en un sistema radial (los gráficos circulares, cuando se usan correctamente, son una excepción). Además, la información puede saturarse rápidamente. Y, lamentablemente, muchos profesionales de la visualización de datos caen en esta trampa, incluso los expertos.
¡Ah! Y, en lugar de seguir hablando del diagrama de araña (… una y otra vez ), pongámonos de acuerdo con Xan Gregg en que los diagramas de araña no son particularmente útiles y veamos algunos ejemplos diferentes de este problema.
La Espiral de la Muerte Ártica (sí, es un nombre lo suficientemente importante como para escribirlo en mayúsculas) es un claro ejemplo del problema. El nombre evoca dramatismo, y quizás ese sea el objetivo persuasivo final de la imagen.
El objetivo directo de la representación visual es comunicar que los volúmenes de hielo marino no se recuperan año tras año y, de hecho, la situación está empeorando. El problema (con la representación visual) es que, al transformar los datos a un sistema de coordenadas radiales, estamos trabajando con la cognición del Sistema 2, lo que significa que nuestro cerebro tiene que esforzarse más para comprender el mensaje. Entonces, ¿por qué no optar por una solución del Sistema 1, como esta?
Este gráfico deja bastante claro que: a) existe una tendencia a la baja, y b) estamos muy por debajo de cualquier nivel registrado en los últimos 40 años. Además, al usar un gráfico de barras, trabajamos con el Sistema 1, lo que significa que probablemente llegaste a esas conclusiones mucho más rápido que con el primer gráfico.
Este segundo gráfico es uno que Alberto Cairo utiliza para evaluar las visualizaciones en seis escalas. Lo propuso originalmente en su primer libro Infografía 2.0, y luego lo volvió a tratar en El arte funcional .
El propósito del gráfico es comunicar en seis dimensiones cómo se desempeña un gráfico en términos de complejidad vs. inteligibilidad. En el contexto de nuestro primer ejemplo, se puntúa un gráfico según (conceptualmente) cuánto utiliza el Sistema 1 vs. el Sistema 2. Estas dimensiones se presentan como pares de conceptos de diseño (Abstracción vs. Figuración, Funcionalidad vs. Decoración, Densidad vs. Ligereza, Unidimensionalidad vs. Multidimensionalidad, Originalidad vs. Familiaridad y Novedad vs. Redundancia). Pero, al desplegar estas dimensiones alrededor de un eje central, el lector tiene que recorrer el gráfico para ver la puntuación de cada lado del par. (Además, conectar las puntuaciones da como resultado algo que se parece extrañamente a un diagrama de araña, pero no entraremos en detalles). ¿Por qué no hacer algo como esto?
Se comunica la misma información, ¡y se basa en la rápida cognición del Sistema 1 para comunicarla! Así que, recibes la información más rápido .
Supongo que lo que intento decir es que, a menos que haya una muy buena razón, evitar los gráficos radiales es probablemente una mejor opción para los gráficos que son realmente útiles.
Sé siempre sincero.
Este puede ser un tema delicado, y no voy a acusar a nadie de engañar a propósito a los demás. El problema con la veracidad en el análisis surge cuando dejamos que nuestros prejuicios personales se filtren en los resultados de nuestro trabajo. El análisis y la visualización de datos tienen un elemento de subjetividad inherente a la ciencia. Hay un elemento de opinión, o al menos de interpretación de datos, presente en cualquier visualización que crees. He oído decir (un par de veces a Xan en Cumbre del Descubrimiento y JMP en el aire ) que todos los gráficos son sesgados, y algunos son útiles (una especie de variación de la famosa cita de George Box). Lo importante para crear una visualización veraz es que las decisiones que tomamos durante su construcción y el proceso de interpretación de datos sean transparentes. Puede ser tan simple como poner el punto importante en el título del gráfico:
O proporcionar una anotación útil:
Lo importante es que nuestros gráficos asuman sus supuestos y conclusiones, y no intenten ocultarlos.
Para finalizar
Hay muchas cosas que no he tratado en este artículo. La verdad es que, en el contexto de lo que intento explicar, se trata simplemente de diferentes estrategias para crear gráficos útiles. Si nos centramos en crear gráficos realmente útiles, lo demás vendrá por añadidura.
Los gráficos radiales no suelen ser tan útiles como los lineales; nuestro cerebro simplemente no funciona así. No mencionar las suposiciones e interpretaciones resta utilidad al gráfico, ya que quienes lo interpretan no comprenden el proceso de pensamiento ni los sesgos inconscientes. Y lo que es más importante, la falta de un planteamiento del problema o una tesis para la representación visual dificultará inevitablemente la creación de un gráfico útil.
En definitiva, recordemos que un gráfico útil es un gráfico positivo. Y todos deberíamos esforzarnos por que nuestros gráficos sean lo más útiles y positivos posible. ¡Que todos vuestros gráficos (y vuestras vacaciones) sean felices! Ahora, aquí en Toga Springs empieza a nevar, así que me voy a tomar un poco más de chocolate caliente y a reflexionar . ¡Nos vemos en 2021!
