Mientras las visualizaciones de datos se vuelven más populares y se van creando nuevas herramientas para crearlas, menos personas están pensando de manera crítica acerca de la política y la ética de las dinámicas de representación. Esto, combinado a un público general asustado por los datos y las gráficas, conlleva que las visualizaciones de datos ejerzan una gran cantidad de poder retórico. A pesar de que de manera racional sabemos que las visualizaciones de datos no representan “el universo completo”, nos olvidamos de ello y aceptamos cualquier gráfico como un hecho porque es generalizado, científico y parece presentar un punto de vista experto y neutral.

¿Cuál es el problema de esto? La teoría feminista nos diría que el problema es que todo conocimiento es situado socialmente, y que las perspectivas de los grupos oprimidos, incluyendo a las mujeres, a las minorías y a otros grupos son excluidas sistemáticamente del conocimiento “general”.

La corriente de la cartografía crítica nos diría que los mapas son espacios de poder y que producen mundos que están íntimamente ligados a ese poder. Como Denis Wood y John Krygier explican, la elección sobre qué poner en un mapa “…trae a la superficie el problema del conocimiento, de una manera ineludible así como pasa con el simbolismo, la generalización y la clasificación”. Hasta que reconozcamos ese poder de inclusión y exclusión, y desarrollemos un lenguaje visual para ello, debemos reconocer que la visualización de datos puede ser otra herramienta poderosa y defectuosa para la opresión.

¿Puedo decir esto más claro? Donna Haraway —en su influyente ensayo sobre Conocimientos situados— ofrece una brillante crítica no sólo a la representación visual, sino al privilegio extremo y perverso de los ojos sobre los cuerpos que han dominado el pensamiento occidental. Es evidente al leer esta cita en voz alta, que funciona también como una pieza de performance:

Los ojos han sido utilizados para significar una perversa capacidad, refinada hasta la perfección en la historia de la ciencia —relacionada con el militarismo, el capitalismo, el colonialismo y la supremacía masculina— para distanciar al sujeto conocedor de todos y de todo, en interés del poder sin trabas. Los instrumentos de visualización… han compuesto estos significados de descorporalización.  Las tecnologías de visualización parecen no tener límites… La vista en esta fiesta tecnológica se ha convertido en glotonería incontenible. .. Y como truco divino, este ojo viola al mundo para egendrar monstruos tecnológicos.

— Donna Haraway en “Conocimientos situados: La cuestión científica en el feminismo y el privilegio de la perspectiva parcial” (1995)

Ver el mundo por completo es una fantasía que Michel DeCerteau llama “el ojo totalizante” y a la que Donna Haraway llamó “el truco divino”. ¿Acaso no es ésta la premisa retórica y promesa seductora de la visualización de datos? ¿Ver desde la perspectiva de ninguna persona o cuerpo? Nuestro apetito por dichas perspectivas es feroz y glotón, como dice Haraway.

Existen maneras de representar el mundo de una manera más responsable. Existen maneras de “situar” la visualización de datos y localizarla en cuerpos y geografías concretas. Los cartógrafos críticos, los indígenas mapeadores y otras comunidades han experimentado por años con estos métodos y podemos aprender de ellos.

Tip 1  Inventa formas de representar los datos faltantes, la incertidumbre y los métodos que fallan.

Mientras que las visualizaciones —sobre todo las populares y públicas— son una gran manera de presentar mundos completamente contenidos, no son tan buenas para presentar sus limitaciones.¿Cuáles son los lugares que la visualización no incluye o a los que no pudo llegar? ¿Podemos incluirlos en la visualización?  ¿Cómo presentamos los datos que nos hacen falta? Andy Kirk tiene una muy buena charla sobre el diseño de la nada, en la cual explica cómo los diseñadores toman decisiones a la hora de representar la incertidumbre, incluir valores ceros, nulos y en blanco. ¿Podemos empujar a qué más diseñadores tomen estos métodos en consideración? ¿Podemos pedir que nuestros conjuntos de datos señalen también aquello que dejaron fuera?

Mapa para no indicar, 1967 por el colectivo de artistas Art&Language. El mapa enseña solo a Iowa y Kentucky y luego procede a listar todo aquello que no está representado en él. Forma parte de la Tate Collection.

Más allá de escribir “datos no disponibles”, ¿Cómo profundizamos en la procedencia de los datos como un nuevo campo de la visualización, similar al trabajo de verificación de datos? ¿Podemos recolectar y representar los datos que no se han recopilado antes?  ¿Podemos encontrar a la población que fue excluida de la recolección de datos? ¿Podemos localizar las fallas en el instrumento de recolección de datos que todos asumían que funcionaba a la perfección? ¿Podemos examinar críticamente los métodos de un estudio en lugar de aceptar que el CSV, JSON ola API están como están y ya? Todas estas parecen tareas que van más allá del trabajo del visualizador de datos. Alguien más antes de ellos en el proceso de datos, el DataPipeline, debería hacer ese trabajo de investigación nada sexy de la antropología de datos. Pero si los visualizadores no asumen esta responsabilidad ¿Quién la asume?

Tip 2 Haz referencia a la ‘economía de los materiales’ detrás de los datos

Aparte de la procedencia de los datos, también necesitamos preguntar sobre la economía de los materiales detrás de este proceso de recolección de datos ¿Cuáles eran las condiciones que hicieron una visualización de datos posible? ¿Quién pagó por esta visualización? ¿Quién recolectó los datos? ¿Cuál es el trabajo detrás de escenas y bajo qué condiciones se produjo esta visualización?

Por ejemplo, en el Laboratorio Público de Tecnología y Ciencia Abierta tenemos esta técnica de mapeo en la que cuelgas una cámara a un barrilete o globo para obtener imágenes espaciales. Uno de los efectos secundarios de este método que algunas comunidades han adoptado es que la cámara también captura la imagen de las personas que participan en el mapeo. Estos son los cuerpos de los recolectores de datos, frecuentemente ausentes de las representaciones finales.

Foto tomada de un artículo de Eymund Diegal del Laboratorio Público sobre mapeo de aguas residuales en el Canal Gowanus. Noten a las personas en botes haciendo el mapeo y el cordón del globo que une la cámara y la imagen de regreso a quienes recolectan los datos.

Comúnmente, las visualizaciones de datos citan a las fuentes en una pequeña leyenda, pero se podría hacer más. ¿Qué tal si problematizamos visualmente la procedencia de los datos? ¿Los intereses detrás de la producción de un conjunto de datos particular? ¿Los tomadores de decisiones de estos datos? Un archivo CSV usualmente no tiene referencia a ninguno de estos elementos materiales más humanos que también son esenciales para que entendamos el dónde, por qué y cómo de los datos.

Tal vez una manera de resolver este problema sería tener metadatos mucho más robustos y de manera intencional priorizar el despliegue visual de esos metadatos. La meta de dicha visualización sería mostrar no sólo lo que los datos “dicen” sino cómo los datos se conectan con personas, sistemas y estructuras de poder y producción en el mundo más amplio.

Tip 3 Haz que la disidencia sea posible

A pesar de que hay suficientes visualizaciones de datos “interactivas”, lo que en realidad significa interactividad es la capacidad de seleccionar algunos filtros y mover algunas barras o sliders para ver cómo la imagen se adapta y cambia. Estos pueden ser métodos poderosos para moverse dentro de un mundo contenido y restringido de imágenes y hechos estables. Pero como sabemos por ejemplos como las guerras de edición en Wikipedia, o las controversias de GoogleMaps, el mundo no está encuadrado de una manera tan conveniente en la que los “hechos” no se disputan o son siempre lo que parecen ser.

Una manera de resituar la visualización de datos es desestabilizarla al hacer posible el disenso.  ¿Como podemos idear formas en las que una audiencia pueda “responderle”a los datos?… ¿Para cuestionar los hechos que presenta? ¿Para presentar visiones y realidades alternativas? ¿Para combatir y socavar principios básicos de la existencia y recolección de esos datos?

¿Cómo hacer esto? A pesar de que la mayoría de personas que trabajan con datos son hombres blancos, podría ser tan simple como incluir a personas de diferentes contextos, con diferentes perspectivas, en la producción de la visualización.  Por ejemplo, el Insituto de Expediciones Geográficas de Detroit era un proyecto realizado en conjunto entre geógrafos académicos (liderados por hombres blancos privilegiados) y la juventud de diferentes sectores de la ciudad (liderados por Gwendolyn Warren, un activista negro de 19 años) a finales de 1960.

Tomado de  Notas de Campo III: Geografía de los niños de Detroit. por el Instrituto de Expediciones Geográficas, 1971. Warren y sus colegas usaban este mapa y los reportes generales para argumentar a favor de un programa de “planificación de negros”, que empoderaba a los ciudadanos de color para tomar decisiones sobre sus comunidades.

Para su tiempo, este mapa era avanzado tecnológicamente y un poco convencional (a nuestros ojos) en su uso de estrategias visuales. Lo que le da a este mapa disidencia es el titulo, formulado por la juventud negra haciendo el mapeo: “Donde los automovilistas atropellan a niños negros”; este no es un título neutral. El mapa pudo haberse llamado “Donde pasan los accidentes en el centro de Detroit” (y de esta manera, habría sido si la ciudad hubiera contratado a un consultor en cartografía para mapear esos mismos datos), pero desde el punto de vista de las familias negras cuyos hijos habían sido atropellados, era significativo que los niños eran negros, los automovilistas en su mayoría blancos y que los eventos se describían como “muertes” en vez de “accidentes”.

Uno puede construir disenso en el proceso de visualizar si incluye voces diversas en la creación, pero ¿Y en el producto final?

El proyecto ToxicSites.us crea un reporte sobre cada lugar contaminado en Estados Unidos e invita a que diferentes colaboradores añadan historias locales, imágenes y videos que documentan el sitio (y posiblemente contradigan los datos oficiales). El sitio también permite que campañas de activismo y programas ecológicos se organicen para limpiar estos lugares. Esta es una manera de “responder” a los datos, así como de pasar la conversación pública sobre lo que los datos dicen a la acción.

El sitio ToxicSites.us  presenta mapas, visualizaciones de datos e historias sobre los proyectos del programa Superfund, responsable por limpiar los lugares más contaminados de Estados Unidos. El proyecto busca responder a emergencias ambientales, fugas de petróleo y desastres naturales.   

Una visualización a menudo se produce con un enfoque desde arriba: un diseñador experto o un equipo con conocimientos especializados encuentra algunos datos, hace algo de su magia y presenta al mundo un artefacto con algunas maneras altamente recomendadas para verlo.

¿Podemos imaginar una forma alternativa de incluir más voces en la conversación? ¿Podríamos realizar la visualización de forma colectiva, inclusiva, con disidencia y contestación, a escala?

¿Qué más?

Estas son solo tres sugerencias de diseño que apuntan hacia la ética feminista y la conciencia sobre las políticas detrás de la visualización de datos. Me gustaría escuchar sobre otros aspectos de la visualización de datos que podamos repensar para hacerla más situada, más feminista, y sobretodo, más responsable. Haz tus comentarios o escríbeme en Twitter a @kanarinka para continuar la conversación.

De ahí, cada que puedo recomiendo Tableau, una herramienta creada por tres entusiastas de los datos en la Universidad de Stanford, como un excelente aliado en visualización cuando carecemos de equipos multidisciplinarios (conformado por visualizadores, infografistas, diseñadores, entre otros), pues se sustenta en el concepto one man band para contar cierto tipo de temáticas con gráficos. ¡Ojo! Tiene una versión pagada, pero si trabajas en una universidad o lo utilizas para fines académicos puedes solicitar una copia GRATUITA para dos años y válida para ser instalada en dos computadoras acá: http://www.tableau.com/academic/students.

Por eso, hoy quiero compartir contigo cómo puedes hacer visualizaciones de mapas y gráficas que, en su momento, impactaron al funcionario salvadoreño con un set de datos que trabajé durante mi paso por dicho proyecto, enfocado en la problemática de mujeres salvadoreñas deportadas de México y Estados Unidos, un fenómeno que casi no había sido analizado ni comprendido del todo en mi país. Sin más, zambullámonos en el vasto y fascinante mundo de Tableau, ¿sí?

¡Bellísimo así!

Es lo primero que dirás al abrir la nueva versión de Tableau, pues su edición 10 ha apostado por una interfaz más intuitiva para quien se anime a explorar el noble arte de la visualización. Te lo digo yo porque vengo de donde asustan, ya que me tocó aprender a utilizarlo en su versión 7. Como puedes ver en el menú de la izquierda, puedes conectar tus bases desde un archivo (ya sea .xls, .csv, .tsv, entre otros) hasta aquellas que tengas trabajadas en un servidor (MySQL, Oracle Server, etcétera).

¡Comencemos! Conectaremos mi archivo con la opción Conectar a un archivo > Excel. Buscaremos la base trabajada en mi computadora y Tableau se tomara unos momentos para procesarla. ¡Voilá! Tendremos una previsualización para que podamos revisar la data antes de trabajar con ella. Esta deberías verla de la siguiente forma:

El trabajo de carpintería con una base de datos se vuelve fundamental, pues dicho set se encuentra preparado para ser leído por un programa de computadora como Tableau con el objetivo de que puedan realizarse todas las conexiones y relaciones necesarias para analizar datos que nos hagan ver más allá de lo evidente (Thunder, Thunder,Thundercats, ¡oooooooooooh!).

A ojo de buen cubero, puedes ver que Tableau automáticamente establecer una diferenciación entre aquellos valores que son textos y números; no puede establecer que los años, las latitudes y longitudes son variables que pueden trabajarse de forma diferenciada en el caso de una visualización.

Para cambiarlas, haz clic sobre el ícono Numeral (#) que aparece arriba de dichas categorías > Rol geográfico > Latitud/Longitud. Finalizado este paso, verás que ha cambiado el ícono Numeral (#) por un globo terráqueo. ¡Eso significa que funcionó! ¡Yey! De igual forma, sigue los mismos pasos para la variable Ano y cambíalo por una Cadena que nos servirá para analizar los años de forma continua.

¡A trabajar! Demos clic en el recuadro naranja denominado Hoja 1 y sigamos el camino datero hacia nuestro canvas en blanco. Qué belleza, ¿no? Tableau establece una clara diferenciación entre cada aspecto clave de visualización (filtros, marcas, gráficos, hojas, dashboards, entre otros) y, además, simplifica el trabajo mediante el arrastre de variables hacia determinados campos o con solo darle doble clic a las medidas y dimensiones podemos verlas desplegadas en nuestro canvas.

Comencemos con un mapa. Para desplegarlo, haz doble clic en Longitud y Latitud; te aparecerá un punto geográfico que localizará a El Salvador en un mapa de OpenStreet. Como necesitamos visibilizar a los 262 municipios del país para visibilizar la temática de las mujeres repatriadas, arrastremos las Medidas Departamento y Municipio hacia la opción Detalle del Menú Marcas. ¡Listo!

¿Ves? Ya podemos ver cómo cambia nuestra forma de visualizar mapas. Gracias a Tableau, podemos estilizar colores y tamaños de los puntos con cantidades o tasas; arrastremos Municipio y Tasa por cada 100,000 habitantes a las opciones Color y Tamaño del menú Marca respectivamente. Así, podemos mostrar la gravedad, repitencia de un fenómeno u otra problemática nacional.

Pero, ¿qué pasa si no deseas los colores y tamaños preestablecidos de Tableau? Tableau te ofrece la maravillosa ventaja de arreglarlos a tu gusto en las opciones del menú Marca. Acá, yo cambié un poco el tamaño y utilicé la paleta de color púrpura de la herramienta. Para modificarlo, hice lo siguiente: di clic a la opción Color del Menú Marca > Editar Colores > Seleccionar paleta de colores > Púrpura > Asignar Paleta > Aceptar. ¡Y me quedó así!

¡Momento! ¡Falta algo! Exacto: limpiar la descripción emergente. Aún contempla la Latitud y Longitud, así como otras variables útiles para describir el fenómeno en cada localidad. Dado que nos interesa que la gente se familiarice y lo entienda de un vistazo, arrastremos las siguientes Medidas a la opción Descripción emergente (Tooltip) del Menú Marcas: Forma de repatriacion y Cantidad.

Por las demás variables, ¡tranquilo! Ya se encuentran contempladas en dicho apartado. Para limpiar la suciedad persistente en el Tooltip puedes editar y condensar la información a lo más importante. ¡Ojo! No abuses de la paleta de colores, pues tu historia puede difuminarse ante una paleta de colores infinita e innecesaria. Finalizada tu edición, dale clic a Aceptar. ¡Primera hoja lista!

Do the evolution!
Como la rola de Pearl Jam, esta herramienta te ayuda a ver cómo evoluciona un fenómeno con gráficas de líneas o áreas. Para ver este caso, hagamos lo siguiente. Agreguemos una nueva hoja a nuestro libro de trabajo, haciendo clic en el botón inferior derecho, ubicado cerca de la hoja Mapa. En ella, arrastraremos la dimension de los años y la medida Cantidad a los apartados de columnas y filas respectivamente. ¿Ves cómo se despliega ahora?

Maticemos el grado de intensidad de la gráfica arrastrando la medida Cantidad en la opción Color del menú Marcas y editemos el color a púrpura. Así, daremos aire de familia a nuestra visualización. Ahora bien, para vislumbrar las cantidades, arrastremos la medida Cantidad al campo Etiqueta del menú Marca y así podrás ver cómo se presentó el fenómeno en general durante tres años.

Si eres curioso como yo, notarás que al pasar el cursor sobre los puntos, verás que la Descripción emergente no tiene lo que necesitamos. Por eso, arrastraremos las siguientes variables a Descripción emergente: Departamento y Forma de repatriacion. Nuevamente, condensemos y editemos para resaltar lo importante. Así, tendremos un before and after espectacultar. Maravilloso, ¿verdad?

Entre el mapa y el gráfico, ¿notaste elementos comunes que pueden servir para filtros? Yo también. Sazonemos nuestras hojas con ellos para que sean aplicables en un dashboard. Arrastremos las dimensiones Departamento y Forma de repatriación al campo Filtros, ubicado arriba del menú Marca. Seleccionemos todas sus variables y apliquémoslas a ambas hojas. Para el caso de los años, solo se lo aplicaremos al mapa, dado que ya contamos con un gráfico que muestra la evolución en el tiempo.

¿Y si hacemos un muñeco?

¡Llegó el momento! Creemos un dashboard. Este es un elemento que contendrá nuestras hojas y otros elementos de interés para nuestra visualización. Accedamos a él con el botón Nuevo dashboard, ubicado cerca del botón Nueva hoja. ¡Voilá! Un canvas con la posibilidad de visibilizar el fenómeno de mujeres repatriadas a El Salvador. Arrastremos nuestras dos hojas para que nos queden así:

Ordenemos la casa. Coloquemos la cantidad de tasas como valor flotante. Para hacerlo, haremos clic derecho sobre la flecha desplegable hacia abajo del contenedor de tasas y seleccionaremos la opción Flotante. Deshágamonos de las leyendas de colores de los municipios haciendo clic en la X que aparece en su contenedor. Finalizado esto, convoquemos los filtros a escena. Haremos clic sobre la flecha negra desplegable en el contenedor de la hoja Mapa y seleccionaremos la opción Filtro > Ano, Forma de repatriación y Departamento. Estos aparecerán de la siguiente forma:

¡Yo sé! Aún no se ve lindo nuestro dashboard. Coloquemos dos filas imaginarias arriba de nuestro mapa. ¿Cómo? Utilicemos la opción Objetos > En blanco para colocarlas en el dashboard. Al principio, nos saldrán fuera de lugar, pero podemos arrastrarlas para acomodarlas en lo más alto de nuestra visualización. Una vez posicionadas, necesitamos redactar un titular y un indicador que guié a nuestro usuario a darse un vueltín por nuestra visualización.

Hagámoslo realidad haciendo clic en la opción Texto del Menú Objetos. Posteriormente, posicionemos el titular en la primera fila y el indicador en la siguiente. Terminado esto, elimina la fila del titular y despliega el titular en toda la fila; con el indicador ocurre lo contrario, dado que deberás arrastrar los filtros posterior a él. Acómodalos y obtendrás como resultado lo siguiente:

Prescindamos del titular del Mapa. Haremos clic sobre la flecha desplegable del contenedor Mapa y le quitaremos el cheque a la opción Título. ¡Se fue, se fue! Ahora, pulamos el títular de nuestra gráfica. ¿Cómo? Hagamos clic sobre su titular y redactemos: Cantidad de mujeres repatriadas en. Finalizado eso, haremos clic en Insertar y coloquemos las siguientes variables en nuestro titular: ATTR(Departamento) – ATTR(Forma de repatriacion). Así, le daremos interactividad una vez el usuario se valga de los filtros para analizar la información.

Ah, ¡lo olvidaba! También, puedes formatear el título para darle el mismo realce que al titular de nuestro dashboard. ¡Ojo! Siempre, siempre, siempre cita la fuente de dónde obtuviste la información, dado que eso te será de mucha utilidad para respaldar de dónde fue extraída y qué otras consideraciones tomaste en cuenta al momento de analizar la data, como el caso de las tasas.

¿Con quién se queda el Tableau?

Supongamos que ya tenemos nuestra visualización como la queremos. Acá, solo nos queda publicarlo en línea. Para eso, Tableau nos pide que elaboremos un extracto de nuestra información como respaldo. ¡Manos a la obra! Iremos a la barra de Menús > Datos > Extraer Datos. Acá, aparecerá un menú donde podremos añadir todas las variables clave que se extraerán de tu data.

Haremos clic a la opción Añadir y seleccionaremos Año. A continuación, aparecerá una ventana emergente donde estarán todos los años. Escogélos todos y daremos clic en el botón Aceptar. Seguiremos el mismo procedimiento para el resto de variables; finalizado este procedimiento, crearemos el extracto dando clic en el botón Extracto.

¡Ya casi, ya casi! Ahora vamos a la opción Servidor de la barra de menú. Escogeremos Tableau Public > Guardar en Tableau Public como… En cuanto hagamos eso, nos aparecerá una ventana donde ingresaremos nuestro correo electrónico y nuestra clave para acceder a nuestra cuenta. Si no cuentas con una, ¡tranquilo! Esta herramienta te permite crearla durante este proceso.

Tan pronto como ingresemos nuestros datos, nos pedirá que redactemos el nombre de nuestra visualización. En este caso, le puse Mujeres repatriadas en El Salvador. Damos clic al botón Guardar. La herramienta procesará… ¡Voilá! ¡Nuestro Tableau aparecerá desplegado en nuestro perfil público de Tableau, donde podemos editarle detalles, como una breve descripción, qué tipo de formatos autorizamos a la herramienta para que la gente pueda descargar, entre otras utilidades.

¿Tableau o no Tableau? ¡Esa es la cuestión!

Mi recomendación es que apuestes por Tableau. Y, si tu medio de comunicación u organización puede adquirirlo, mucho que mejor, pues una clara diferencia entre la versión gratuita y la versión pagada es que tienes mejor cobertura de seguridad, acceso al servidor pagado (con mejor seguridad que el público) y mayor lectura de líneas de registro y formato de apertura de ciertos archivos.

Sumado a eso, concuerdo con Ojo Público (2016) al garantizarte que la creación de filtros permite que los usuarios consulten y obtengan resultados personalizados en datos. Y, sobre todo, el hecho de que no se necesita saber programación para usarla, pues, al descubrir que algunas de sus funcionalidades provienen de herramientas como Excel, la cosa pinta mucho que mejor.

¡Eso sí! “Sobre advertencia, no hay engaño”. Actualmente, la mayoría de información sobre esta herramienta se encuentra en inglés, su foro de atención al usuario se tarda un poco (¡o un siglo!) en responder y algunos gráficos, como el mapa de relleno, dejan mucho que desear cuando son regiones o naciones foráneas a Estados Unidos…

Aun así, es una herramienta que promete mucho en su nueva actualización, a la que vale la pena acercarse por facilitarte un poco más las cosas a la hora de visibilizarse historias con datos, así como el grado de interactividad que le brinda al usuario y, si ya con esto no logro convencerte, te reto a que la pruebes y nos compartas qué te parece y que no debajo de esta publicación o en nuestro Twitter (@EscueladeDatos). Cheers!

La inclusión de datos en artículos, noticias y reportajes es algo frecuente en los medios; los datos aumentan la credibilidad, contextualizan y resuelven dudas de los lectores; sin embargo, su visualización no siempre es sencilla y en algunos casos se puede caer en el uso de estos gráficos como simples elementos decorativos.

D3.js y otras bibliotecas de javascript son geniales para crear gráficos y visualizaciones interactivas, pero pueden ser complicadas de usar en una sala de redacción porque requieren conocimientos de codificación y por otra parte, no siempre tenemos la opción de contar con un(a) desarrollador(a) o un(a) diseñador(a) en nuestro equipo de trabajo.

Entonces debemos sortear nuestras propias limitaciones y buscar una herramienta que nos permita entender el uso necesario y pertinente de las gráficas y mapas, sin que éstas tengan un alto nivel de complejidad.

Aquí es donde puedes recurrir a Datawrapper, una plataforma de código abierto enfocada especialmente al periodismo para para cargar datos, crear visualizaciones y mejorar los artículos escritos a partir de cuatro pasos sencillos.

Crea una cuenta en la plataforma, y ten listo, limpio y a mano tu set de datos.

Subir datos

Una vez que tengas seleccionado tu dataset, empieza por crear un nuevo gráfico; también puedes usar los datasets de prueba de la herramienta que son útiles porque combinan los datos de ejemplo con los tipos óptimos de gráficas de la herramienta.

En mi caso, uso de ejemplo el dataset de Ingresos y Gastos de Universidades Públicas de Bolivia de “Que no te la charlen” para saber qué universidades reportaron mayores ingresos y gastos durante el 2014; la herramienta te permite copiar los datos de tu hoja de cálculo o importarlos como csv.

Revisar & Describir

Acá debes asegurarte que la herramienta interpreta tus datos correctamente: en la tabla de columnas de números se deben mostrar en azul, las fechas en verde y los textos en negro.

También te permite empezar a personalizar tus columnas desde trasponer la tabla de datos, añadir otras columnas a mano e incluso cambiar los formatos de número, como dividir los números por miles, millones o miles de millones.

Visualizar

En esta etapa, verás todas las opciones para la visualización: puedes escoger entre 12 tipos de gráficos para ver cómo los datos se ve como en diferentes tablas.

Un punto a favor para la herramienta es que si requieres hacer correcciones en los pasos anteriores para que tus gráficos tengan más sentido, puedes regresar al paso previo; si tienes dudas de qué gráfico escoger, puedes ver esta guía.

Yo seleccioné el tipo de gráfica de barras de división o split bars, y ajusté el tamaño; luego puedes seguir refinando tu gráfico a partir de la personalización de ejes, etiquetas y grupos, la clasificación del orden de tus datos o la apariencia y colores de tu tabla.

Luego anota el título, las descripciones y fuentes de tu gráfica.

Publicar & Incrustar

Finalmente, aunque en diciembre de 2014 Datawrapper cambió sus directivas acerca de los productos gratuitos; recientemente hizo una nueva modificación devolviendo la posibilidad a los usuarios de generar un código responsivo o un iFrame para embeber tu gráfico en tu sitio web o blog, y que adicionalmente tenga interactividad.

Puedes ver que elaborar una visualización con esta herramienta es muy sencillo, la herramienta ofrece múltiples opciones de personalización, es una buena manera para aprender el por qué y el para qué de tus visualizaciones sin mayor complicación sobre todo cuando estás empezando, y añade el valor de la interactividad de las visualizaciones para que tus lectores también puedan generar sus propias conclusiones a partir de tu reportaje.

En Escuela de Datos, compartimos casos de uso de datos en América Latina y España desde distintas trincheras. Hoy compartimos la historia de Ignasi Alcalde, miembro de OKFN España y autor de Visualización de la información: de los datos al conocimiento.

“Mi interés en el open data viene de hace unos 5 años, cuando empiezo a utilizarlos como materia prima para proyectos de infografía y visualización de datos. Para mí el objetivo es fomentar el uso y la reutilización de la información procedente de la administración como fuente de transparencia informativa y de servicio, participación ciudadana; como fuente de ideas y prototipos, para promover valor económico la innovación y los proyectos emprendedores”.

Ignasi Alcalde es consultor en gestión de conocimiento y docente universitario en Cataluña, España; región en la que ha habido avances grandes en la publicación de conjuntos de datos; en la que hay una comunidad datera asentada y muy activa; y que, asimismo, se encuentra en una situación política delicada donde justo son necesarias la transparencia y la participación ciudadana. A estas causas busca abonar el movimiento de apertura de datos.

¿Pero es suficiente abrir datos por abrirlos? Ignasi identifica varios retos en este movimiento, y en particular, del lado del uso, el siguiente:

“Hay que preocuparnos por las posibles consecuencias derivadas del uso de datos que contienen errores y la responsabilidad que eso conlleva.

El trabajo con datos, su reutilización y la extracción de información y conocimiento no es un tema trivial. Parece que la administración todavía no está completamente preparada para la reutilización; da la impresión de que la ciudadanía y el sector empresarial PyME tampoco lo están. Se requieren nuevas competencias profesionales para generar valor con los datos desde la obtención de los mismos”.

Es aquí que entra la trinchera escogida por Ignasi para participar en esta lucha: un libro. Visualización de la información: de los datos al conocimiento.

“Quise resumir mis dos últimos años de docencia. Quería aglutinar todo el material que tenía, sobre todo teniendo en cuenta que hay muy pocos escritos en español sobre este tema y existía la necesidad de editar material en la lengua hispana. La idea es despertar la curiosidad de las personas con respecto a esta disciplina; su historia, visiones, alcances y herramientas. Actualmente se están abriendo nuevas oportunidades laborales en este campo y busque reflexionar sobre las competencias que debe tener un profesional para dedicarse a este trabajo.

Este libro es para cualquier persona que quiera representar la información de forma más visual, aprovechando las formas gráficas para facilitar su comprensión y así transmitir conocimiento, desde las historias más fáciles a las más complejas. Se trata de una obra introductoria y breve, a un precio asequible para que cualquier persona pueda adquirirla. Además, una de las áreas pioneras del libro es que he explorado los perfiles profesionales que están apareciendo en este sector, explicando como podrían ser las nuevas profesiones del trabajo con datos”.

La apuesta de Ignasi es clara: debemos fomentar el uso y la reutilización de la información procedente de la administración, y el libro es un buen formato para interesar a las y los nuevos en estos temas, y construir capacidades en quienes ya están convencidos.

Puedes encontrar más información en Editorial UOC.

¡Gracias a Ignasi Alcalde por contarnos su historia! ¿Tienes tú una que quieras compartir? Puedes contactarnos en Twitter o Facebook.

Francesc Pons

Este post es una contribución de Francesc Pons, sociólogo de profesión. Después de trabajar muchos años en la investigación de mercados en Barcelona (España), ha dado el salto y se ha convertido en Data Scientist, trabajando como consultor freelance en investigación social y de mercados, y también como profesor universitario. Se declara un ludópata del juego de los datos en sus ratos libres y le gusta aprender un montón… ¡por eso forma parte de la comunidad de Escuela de Datos!

Nota: este tutorial es para daterxs que también programan un poquito. Si este tema te es demasiado ajeno, revisa los otros tutoriales (y los cursos) de Escuela – hay muchas cosas para ti.

Hice este videotutorial (originalmente publicado acá) porque googleVis me parece una librería muy interesante de R y como la he aprendido, quiero difundir este conocimiento a quien pueda necesitarlo, además en español, que fue un idioma en el que no encontré nada durante mi búsqueda para aprenderla.

Me parece una herramienta con una capacidad visual muy potente, que además es interactiva, pero que a la vez es sumamente fácil de utilizar, dado que requiere muy pocas líneas de código. Próximamente (creo que más de cara a 2015) publicaré más cosas sobre esta librería.

En el siguiente video, explico los gráficos de movimiento (Motion Charts) de la librería googleVis de R.

El script lo pueden encontrar en este enlace: https://dl.dropboxusercontent.com/u/73423967/gvis.R

Los datos del INE están en este enlace: https://dl.dropboxusercontent.com/u/73423967/Poblaci%C3%B3n.csv

Y aquí es donde los datos masivos o también llamados Big Data juegan un rol importante como bien indican Kenneth Cukier y Viktor Mayer-Schönberger en el libro ‘Big data. La revolución de los datos masivos’. Estos están presentes cada vez más en nuestras vidas, vivimos en un mundo rodeado de datos y estadísticas, que conviven en nuestra ingesta diaria de información  y sin embargo apenas nos damos cuenta de sus aplicaciones. Al navegar por cualquiera de la redes sociales mas comunes , Facebook , Twitter, Linkedin… cualquier artículo te lleva a un gráfico con una estadística o gráfica, ( ya sea esta dinámica o estática)   o a un video gráfico con grandes cantidades de datos explicados de forma narrativa como el ejemplo que podemos ver en este post. El resultado os parece reamente atractivo, pero no somos realmente conscientes de que  la captura , gestión y visualización de los datos se esta convirtiendo en una poderosa herramienta necesaria en todos los frentes del mundo de la comunicación.

Y no sólo se trata de aprender a manejar diversas herramientas digitales para producir por ejemplo las tan manidas y abundantes infografías  (en que las que la mayoría adolecen de repetición y la mala presentación de los conceptos y poco valor de contenido) sino  mas bien  de aprender las competencias básicas de gestionar  flujo de datos diario y mediante ellos  actualizar nuestro conocimiento de forma eficiente. Esto es lo facilitan los cursos de la escuela de datos 

Además ahora los datos y su análisis ya no son exclusivos de las grandes compañías tecnológicas como Google o Facebook ya que prácticamente todo tipo de empresa grande o pequeña necesita el análisis de datos para convencer al ciudadano y mejorar el rendimiento de sus negocios. Si a esto le añadimos que en paralelo la administración pública  los esta empezando a liberar sets de datos públicos también llamados Open Data, vemos claramente que el espectro de trabajo con los datos esperanzador.

Se trata pues de capacitarnos para ir mas allá de las cifras , es decir convertir  los números en producto consumible que nos ofrezca valor, que sea novedoso y  relevante. En una sociedad sin tiempo, es imprescindible el resumen de conceptos y ofrecer una alternativa visual.Crear una buena  visualización de datos es un trabajo de investigación que debe comenzar por formularse preguntas, identificar y adquirir estos datos necesarios para responderla, identificar y obtener los relevantes  y finalmente transformarlos en un producto visual, donde el diseño de la información manifieste un conocimiento relevante.

Vemos pues que el valor de la información no reside en los datos concretos, sino en la forma de correlacionarlos para descubrir patrones y tendencias  que ni siquiera se hubiéramos imaginado  ni buscado de forma intencionada, y con ello generar una nueva visión y un nuevo conocimiento Cuando empezamos  a conocer cómo funciona, qué posibilidades se abren, es fascinante. Si somos capaces de hacernos las preguntas concretas y jugamos al ser “alquimistas de los datos”  podremos generar no solo valor y conocimiento para la toma decisiones , sino también nuevo conocimiento  lo que podría suponer un cambio de enfoque en la forma de ver el mundo.

Para satisfacer mi curiosidad, decidí hacer una línea de tiempo (y así hacer mi respuesta más atractiva).

Inicié buscando fuentes para conseguir los datos que necesito para mi proyecto, y encontré un artículo en Wikipedia con información sobre la Copa Mundial de Fútbol, y también sobre los ganadores de todas las ediciones.

Usando Table Capture

Por ser una nota de Wikipedia, la información no necesariamente se encuentra en un formato de base de datos, pero eso no es un problema. Usando la extensión de Chrome llamada Table Capture, pude extraer la tabla con la información que necesito para mi línea de tiempo. Para hacerlo sigue estos pasos:

Paso 1

En tu navegador, pega la dirección del artículo de Wikipedia sobre las Copas del Mundo. Al hacerlo podrás notar que, en la barra de dirección, al lado derecho se encuentra el icono de Table Capture; esto significa que hay información que podemos extraer.

Paso 2

Haz clic sobre el icono rojo y verás como se despliega un listado con las tablas o secciones que pueden ser extraídas de la página web. Ecuentra la tabla que necesitas y haz click en la opción Copy to clipboard o Copy to Google Doc

Paso 1-Timeline

Toda la información que logré obtener de la página web puede ser encontrada haciendo clic aquí (archivo original)

Paso 3

Después de un poco de limpieza de la base de datos, todo quedó bien organizado y listo para ser usado. Si quieres usar el archivo, se encuentra disponible en la siguiente liga.

Algunas de las acciones que hice para limpiar los datos fueron:

• Buscar y sustituir algunos símbolos
• Ordenar valores fuera de la columna
• Dar formato de número o texto a algunas celdas
• Eliminar algunos textos que se encontraban en las celdas

Usando Timeline.js

TimelineJS es un desarrollo para hacer lineas de tiempo usando hojas de calculo de Google (spreadsheets). Realmente no es necesario saber de programación; lo único que se requiere es seguir una plantilla que encuentras en la página, y rellenar las celdas. Sigue unos sencillos pasos a continuación.

Paso 4

Con mi hoja de cálculo lista, es momento de seguir los pasos de TimelineJS. Necesito hacer uso de la plantilla que se encuentra disponible en su página web (o aquí). Es importante que sepas que no podrás editar el archivo; para eso es necesario que hagas una copia en tu cuenta de Google Drive para cada proyecto. Solamente haz clic en el botón Utilizar esta plantilla (debes iniciar sesión en Drive antes).

Paso 5

La plantilla sirve para que rellenes los campos con la información que tienes. No cambies los títulos de las columnas, o agregues más columnas; de lo contrario, no funcionará la línea de tiempo.

Comenzaré por rellenar los campos con la información que tengo en las columnas de la plantilla. Al finalizar mi documento, mi línea de tiempo se ve así:

Puedes encontrar el documento que usé para la línea de tiempo aquí. Puedes ver que uní algunas de las columnas de la base de datos con los resultados y las pegué en los espacios de la plantilla.

• Start date Es la fecha de inicio de cada evento (formato fecha)
• End date Es la fecha de terminación de los eventos (formato fecha)
• Headline Título del evento (formato texto)
• Text Puedes usarlo como breve descripción (formato texto)
• Media Si tienes algún recurso multimedia como video o fotos, puedes agregarlo en esta columna (formato URL)
• Media Credit En esta columna, puedes dar crédito al autor de la obra (formato texto)
• Media Caption Aquí puedes agregar la dirección web del autor (formato URL o texto)

Paso 6

Aunque ya tengo un primer archivo listo para usar en mi línea de tiempo, puedes ver que no es tan atractivo… así que voy a complementarlo con algunos recursos multimedia que encontré en internet sobre cada Copa del Mundo. Para eso solamente voy a pegar las direcciones y textos en cada columna. El archivo final se encuentra aquí.

Paso 7

Para publicar el archivo, es necesario seguir dos simples pasos:

• El el menú archivo, haz clic en la opción Publicar en la web, y en la ventana emergente, haz clic en botón Iniciar publicación. Al hacerlo verás una dirección web en la parte inferior; cópiala, pues será necesaria para el siguiente paso.

• En la página de TimelineJS, encuentra el cuadro de texto Google Spreadsheet URL y pega la dirección que obtuviste.
• Ahora solamente haz click en el botón Preview y verás el resultado de la linea de tiempo.

Ahora yo tengo una respuesta a mi pregunta, y tú ya puedes hacer una linea del tiempo.

Si te animas a hacer una línea de tiempo (o si tienes dudas), no te olvides de compartirla en info [@]escueladedatos.org