Cada vez más son las charlas y presentaciones que se dedican a esta disciplina, los posts que inundan blogs sobre la materia y los departamentos de marketing que apuestan por profundizar en este campo.
Pero, ¿Por qué? ¿Se trata de una moda pasajera?¿Es una tendencia impuesta por los desarrolladores de herramientas de Business Intelligence, procesado y análisis de datos?
Para poder encontrar una posible respuesta, echemos un vistazo a Google Trends y las tendencias de búsqueda de los últimos 6 años para los términos ”web analytics”, “big data” e “infographics”
Si observamos los resultados podemos apreciar que:
“web analytics“ es un término que se mantiene bastante estable durante los últimos años, con una ligera tendencia a la baja desde el año 2010.
“big data” es un término que empieza una subida en 2011, para dar un salto súbito a partir de 2012, mantieniendo una tendencia alcista hasta la fecha.
“infographics“, que es el término que nos interesa, también experimenta un subida constante a partir de 2010, con un mayor crecimiento a partir de 2012.
A la vista de los datos, parece que la tendencia al alza no ha tocado techo todavía, y que el interés que despierta la disciplina seguirá en aumento, pero, ¿Qué causas pueden estar detrás de ello?
Es del todo cierto que nuestros datos de analítica no sirven para nada si no se utilizan en la forma correcta. Pero para ser utilizados, tienen que ser comprendidos.
Entonces, ¿cómo hacemos para que nuestros datos se entiendan fácilmente? ¡Con la visualización, por supuesto!
Cuando hablamos de Visualización de Datos, hablamos de transformar información en conocimiento. Sin embargo, cuando se trata de hacer una visualización las cosas no son tan sencillas como podríamos pensar.
Con este artículo que podrás leer a continuación, empezamos una serie de posts sobre Visualización de la Información: buenas prácticas, dashboards comprensibles y 100% accionables, herramientas de visualización fáciles y/o más avanzadas, casos prácticos…
Hoy inauguramos la saga con una introducción de 10 tipos de gráficos iniciales que puedes utilizar para mostrar tus datos de analítica y ejemplos accionables para entrar en materia.
Visualización de Datos – 10 Tipos de Gráficos
Existe un amplio abanico de métodos y gráficos diferentes que podemos utilizar, lo que es probablemente una buena cosa, teniendo en cuenta la cantidad de diferentes tipos de datos que podemos trabajar.
1. Tabla
Desde un par de números a las hojas de Excel con cientos de filas y columnas. Las tablas sirven para mostrar los números prácticamente a secas sí, pero siempre se pueden trabajar (en mayor o menor medida) y hacerlas más fáciles de descodificar a primera vista!
Para añadir significado a las cifras de manera simple, es útil indicar si el resultado es bueno o malo. Mediante la adición de colores, de repente estás mostrando cuáles son las tendencias y es más fácil promover la toma de decisiones.
2. Gráfico de Barra
Un gráfico de barra o columna hace énfasis en la comparación entre elementos en un período de tiempo específico.
Es un valor seguro para obtener una imagen clara y sencilla. Sin embargo, el formato no se presta para una verdadera comprensión de grandes datos, de cómo se ha llegado hasta aquí y hacia dónde vamos.
He aquí un ejemplo en el que un simple gráfico de columnas cuenta una historia bien. Es un informe del cambio de algoritmo de MozCast, mostrando el índice de severidad durante una semana respecto al update original de Penguin, en base a una escala que han creado.
El uso de columnas muestra cada día de la semana de manera más clara que si utilizáramos un gráfico de líneas.
¿No lo has consultado nunca?El MozCast emite cada día un informe de la turbulencia en el algoritmo de Google en la misma línea que el gráfico anterior, pero también utiliza una tabla de imagen para ayudar a contar la historia. ¡Qué mejor que las imágnes del tiempo para descodificar de manera rápida!
3. Gráficos de Línea
Un gráfico de línea muestra las relaciones de los cambios en los datos en un período de tiempo.
Útil para mostrar tendencias, sobre todo para las tendencias a la alza. Para las decrecientes se tiende a usar gráficos “poco claros” como el waterfall.
Si lo comparamos con el gráfico de barra, la columna hace que sea más fácil que coincida con los datos de la cantidad, pero más difícil de ver el flujo de cada uno de ellos. Por lo que al optar por un gráfico u otro, tendremos que considerar cuál es el objetivo y lo que es más importante para el lector en el momento de elegir cuál usar.
4. Gráfico Circular
También conocidos como “pie” en inglés. A menos que quieras mostrar cómo diferentes partes representan un total, es probable que puedas pasar por alto los gráficos circulares.
Su función principal es mostrar la división de varios elementos (esperemos que no demasiados) en una cosa. Muy útiles cuando creamos un documento diseñado y pensado para un destinatario que leerá los datos por encima (dirección).
Algunos ejemplos en los que es posible que utilicemos de manera correcta nuestros gráficos circulares son: Usuarios nuevos vs recurrentes, Tráfico Móvil vs Dekstop, Visitas de cada dispositivo móvil, etc.
Es aconsejable utilizar pocos valores. El mensaje en el gráfico de abajo a la izquierda es que las partes son parecidas. En cambio el gráfico de barras nos da una visión de la variación de cada uno de los elementos. ¿Qué gráfico sería aconsejable utilizar entonces? Correcto. Si optáramos por el gráfico circular nos estaríamos equivocando.
5.Gráficos de Dispersión
Los gráficos de Dispersión o Scatter Plot son útiles para mostrar la relación entre diferentes puntos de datos. Este tipo de gráfico utiliza valores numéricos para ambos ejes en lugar de utilizar categorías en alguno de los ejes como en los gráficos anteriores.
¿Qué landing pages, keywords o categorías de productos se comportan mejor respecto a los objetivos? y ¿Cuáles deberíamos poner más atención en optimizar? Es un ejemplo de uso de gráfico de dispersión posible.
Puedes escuchar un caso práctico narrado en este vídeo de Pere Rovira sobre Agile Analytics. A partir del minuto 53 ( a partir del minuto 47 habla de la visualización de datos)
¡Porque Visualizar es la forma más ágil de analizar!
6. Gráfico de Burbujas
Un Gráfico de burbujas o Bubble chart es una variación de un gráfico de dispersión en el que los puntos de Datos se reemplazan por burbujas, y el tamaño de las burbujas representa una dimensión adicional de los datos.
Los diferentes tamaños de las burbujas resultan de utilidad para resaltar visualmente valores específicos.
Para analizar campañas te recomendamos este artículode Barbara Posila en este mismo blog. Además también introduce el Treemap (el siguiente gráfico del que te hablamos)
7. Treemap
El Treemap consiste en un tipo de representación gráfica de datos jerárquicos en forma de rectángulos que ocupan el total del espacio de forma proporcional al valor de una variable.
El resultado final es una visualización intuitiva y dinámica de un plano dividido en áreas proporcionales a los datos que representan, jerarquizado por tamaños y código de color, y optimizando el espacio.
En cuanto al análisis de una marca en Redes Sociales, con un Treemap podemos mostrar nuestros principales “influenciadores” tal y como hace la herramienta de Dataknosys Social Smart.
No te olvides del artículo antes mencionado paraanalizar las fuentes de tráfico de una web.
8) Gráficos Sociales
En un contexto digital, un gráfico social es como un mapa global que muestra con quién se relacionan las personas. Estos gráficos constan de nodos (personas) y flechas (relaciones) que conectan los nodos.
La proliferación de redes sociales plantea varios retos en el estudio de las relaciones mediante gráficos sociales.
¿Has visualizado alguna vez cómo es tu red de contactos en tu red en Linkedin? Prueba con Inmaps de Linkedin.
9. Palabras
¿Qué otra visualización te indica mejor lo que los datos representan que una explicación en palabras? Puedes tener todos los datos del mundo, pero si se puede resumir con una breve explicación que salva a alguien de sumergirse en los datos -ello podría ser la forma más rápida para ayudarle a descodificar la información.
Puedes utilizar nubes de palabras o tags para analizar y descubrir tendencias. Para el análisis de Keywords de entrada o de términos de búsqueda de tu site puede ser una gran elección.
10. Infografía
Es sin duda una de las formas para mostrar los datos que está más de moda, pero ¿es adecuado en el día a día como analista?
Las Infografía son buenas cuando se utiliza los datos para compartir información, difundirla y generar discusión, sobre todo con el objetivo de generar tráfico y enlaces para nuestro sitio web.
En el día a día de un analista, corregidme si me equivoco, pero si no se trata de una ocasión especial y que puedas contar con la ayuda de un buen diseñador, no tiene mucho sentido dedicar el tiempo que significa cuando podemos mostrar los datos en simples tablas y gráficos.
Últimas Reflexiones + recursos
Deja tus comentarios sobre la Visualización de Datos a continuación, explícanos cuáles son los gráficos que más utilizas y cuales te gustaría utilizar, y no te olvides de dejarnos tus consejos.
Espero que este post sirva de ayuda y haga reflexionar más sobre la forma de presentar los datos y convertir los datos en información.
En los siguientes artículos trataremos más a fondo sobre la disciplina. Nos esperan herramientas de inteligencia digital para hacer buenas visualizaciones y casos prácticos. ¡Atentos!
De momento, os dejo algunos Recursos que me parecen interesantes para seguir profundizando:
– Visualizaciones puesta en práctica en The Guardian Data
-Recopilación de Herramientas para hacer visualizaciones “ohhh”, gracias a un artículo de nuestros compañeros de Londres
– Postgrado de Visualización de Datos: si te interesa la visualización, en Barcelona se lleva a cabo uno de los pocos postgrados en la materia. Aquí puedes ver más información.