Contextualizar (StoryTelling)

El primer paso a desarrollar siempre que queramos realizar una visualización de datos impactante es conocer el contexto dentro del cual vamos a presentarla.

Para convencer a nuestros interlocutores hemos de mostrarles el objetivo guiándolos con sus propios ojos, y generando en ellos emociones autenticas.

Un conjunto de datos puede darnos mucha información, pero la forma de presentarla dependerá del objetivo que perseguimos y del contexto en el que estamos. Así pues, necesitamos dar respuesta a tres preguntas:

• Quién: Necesitamos conocer lo más fielmente posible a nuestro publico. Sus gustos, su motivación, etc…
• Qué: Debemos definir claramente que queremos que sepan o hagan.
• Cómo: Desde el principio y como toda buena historia necesitamos establecer un guión de la misma.

Adicionalmente, dentro de la fase de contextualización es importante realizar la validación de los datos. Es decir, hemos de ser honestos con la información y no permitir que una mala visualización de datos pueda engañar a nuestros usuarios, ya sea vía manipulación visual o manipulación argumental.

Conocer el contexto

¿Quién…?

Sin conocer a nuestro destinatario será imposible ajustar la visualización a sus necesidades. Si pretendemos llegar al mayor número posible de perfiles la representación gráfica tendrá que ser menos enfocada y tendrá que mostrar una información más genérica.

Cuando nuestro objetivo es impactar en un determinado perfil de usuarios, es necesario realizar un estudio detallado de sus necesidades y motivaciones y conseguir así ajustar la visualización a sus características.

Para el estudio de perfiles disponemos de una herramienta ideal que se denomina Empathy Map o Mapa de empatía, esta herramienta nos permite generar un perfil de nuestros destinatarios de una forma lo suficientemente detallada como para generar una representación visual completamente adaptada.

Para entender que es exactamente un Mapa de Empatía o Empathy Map os enlazo un video bastante ilustrativo y un guía que nos ayudará a crear un mapa de empatía en tan sólo 10 minutos.

¿Qué…?

Adicionalmente e igualmente importante a conocer a nuestros destinatarios es la necesidad de tener muy claro que es lo que queremos conseguir que hagan  con la información que les vamos a proporcionar.

Ponernos en el lado de nuestros destinatario es vital ya que queremos que sean ellos los que consigan sacar el máximo beneficio de la información mostrada en nuestras visualizaciones. Por lo tanto, tenemos que ser conscientes de que no siempre nuestros usuarios van a ver lo mismo que nosotros pretendemos mostrar y es que por ello es tan importante tener claro el objetivo como el saber hacerlo ver desde otro punto de vista.

¿Cómo…?

La última parte consiste en construir, para los destinatarios seleccionados, un marco coherente que les muestre los objetivos de forma clara y contundente. La forma de hacer esto es construyendo una historia que conecte en la medida de lo posible con sus emociones, y en la que con ayuda de nuestros datos quedara completamente demostrada. Es decir, unir el «Qué» con el «Quién» de una forma fluida y coherente que consiga mantener la atención en todo momento.

La parte más importante de la historia será la llamada a la acción que tendrá que quedar perfectamente clara para los destinatarios.

Validar los datos

Tan importante como tener claro cual es el contexto en el que nos movemos, es asegurar que los datos con los que construiremos nuestra historia son absolutamente fiables y que con ellos podemos llegar a conclusiones validas y fuera de toda duda.

Ser honestos con la información disponible y nunca tratar de engañar con la información es fundamental para construir un marco de confianza, sin el cual todo nuestro trabajo será completamente inútil. Esta es las razón por la que tenemos que cuidar tanto la forma de obtener los datos, como la forma de extraer conclusiones de los mismos.

Veamos tres aspectos a los cuales es necesario prestar especial atención:

• Sesgos estadísticos
• Ética visual de los datos
• Sobreactuación de la información

Veamos con un poco más en detalle cada uno de ellos.

Sesgos estadísticos

Un paso que nunca debemos de obviar es la revisión de los datos en bruto, sobretodo si vamos a utilizar variables estadísticas de los mismo para la realización de nuestras representaciones gráficas.  En caso de no hacerlo nos podemos encontrar con sorpresas un poco desagradables.

Tal y como podemos leer en wikipedia «el cuarteto de Anscombe comprende cuatro conjuntos de datos que tienen las mismas propiedades estadísticas, pero que evidentemente son distintas al inspeccionar sus gráficos respectivos.»

Los cuatro conjuntos de datos tienen las mismas medias tanto para la variable x (9), como para la variable y (7,5), la representación sin embargo nos muestra que las tendencias y las historias que nos cuentan estos conjuntos de datos son completamente diferentes. Mención especial tiene el efecto que pueden producir valores atípicos dentro de nuestras muestras de datos, y que particularmente son los que producen el efecto en los casos 3 y 4 anteriores.

Así pues, revisemos siempre nuestros datos para evitar mostrar conclusiones erróneas.

Ética visual

Creo que entenderemos facilmente a lo que me refiero si prestamos atención al gráfico que sostiene en sus manos el político de la siguiente imagen.

Seguro que puedes deducir facilmente que la barra azul corresponde a la gestión del partido de este político, pero sin embargo nos está tratando de engañar visualmente con una representación de los datos poco honesta.

Si nos fijamos de 2013 a 2016 se produjo un incremento del 4,5% y sin embargo visualmente la barra de 2016 parece duplicar a la de 2013, lo cual significaría un variación del 50%. Francamente, se trata de una forma de engaño. Os dejo un enlace a mi post Visualización de datos: referencias, en el que trataba precisamente este caso concreto de engaños visuales.

Sobreactuación

Se produce sobreactuación de los datos cuando intentamos sacar conclusiones no demostradas de los mismos, aunque aparentemente de forma gráfica pueda parecer que existe una correlación. Sin embargo, hemos de ser conscientes que correlación no implica causalidad.

Existe una página muy curiosa Spurious Correlations en la que podremos encontrar correlaciones prácticamente perfectas de variables que evidentemente no tienen ninguna relación.

Así pues, hemos de evitar sacar conclusiones que no estén bien fundadas y basadas en argumentos consistentes.

Caso practico

Retomando el caso iniciado en el post anterior.

Vamos a comenzar por la validación de los datos. Aunque el número de datos en este caso no da mucho juego, si nos fijamos un poco veremos que los datos que se muestran en cada uno de los años están representados de diferente forma.

En el año 1994 los datos aparecen en porcentajes en base 100 y en 2014 aparecen en base 1 mostrando 2 decimales y sin el símbolo de porcentaje. Esta forma de mostrar la información se podría considerar una manipulación visual ya que dificulta la interpretación de la información.

Así pues, una primera modificación a realizar será la utilización de porcentajes base 100 y con el símbolo de % para ambos años.

Veamos ahora que es lo que podríamos hacer en base al contexto.

La primera pregunta que tenemos que hacernos es ¿Quién es el destinatario de esta visualización? La universidad, las casas discográficas, las tiendas de música, …. Dependiendo del destinatario mostraremos los datos de una forma u otra. En nuestro caso vamos a seleccionar las tiendas de música cercanas a la universidad. En base a nuestra selección podríamos construir un mapa de empatía, sería una buena practica crearlo siguiendo las guías que antes os indicaba.

La segunda pregunta será ¿Qué objetivo queremos alcanzar? Necesitamos informarles, influenciarles, facilitarles,… En este caso, nuestro objetivo será facilitarles la labor de optimizar la música que ofertan, dado que sus clientes principales son precisamente los estudiantes de la universidad.

Por ultimo, ¿Cómo lo conseguiremos? demostrándoles cuales son los gustos musicales y las tendencias de los estilos de música en los que tienen que invertir para optimizar las ventas.

Continuará…

En el siguiente post veremos la siguiente fase del ciclo del StoryTelling que es la Fase de Selección.

Objetivo

El objetivo de esta serie de post es ayudar a crear visualizaciones con datos potentes, que proporcionen seguridad y confianza en la información, y que nos muestren claramente historias que nos guíen a la acción.

Este es el tercero de los artículos de una serie que he denominado “Más que datos” y que constará de un total de 7 artículos:

• (1) Introducción a la visualización de datos
• (2) Storytelling con datos(3) Fase de Contextualización
• • (4) Fase de Selección
• • (5) Fase de Clarificación
• • (6) Fase de Guía
• (7) Crea tu propia historia de datos. Llamada a la acción.

Referencias

Esta serie de Posts está basada principalmente en el libro de Cole Nussbaumer «Storytelling with data»  (2015)

Otras referencias que completan la información contenida en los diferentes Post de la serie se puede encontrar en las siguientes referencias por orden de importancia:

• «The functional Art» Alberto Cairo (2012)
• «Interactive Data Visualization» Kyran Dale 2016
• «Visualize This» Nathan Yau 2011
• Curso de «Aprenda Visualización de Datos con Alberto Cairo» en la plataforma Knightcenter.utexas.edu

Si detectas alguna referencia adicional no mencionada, te agradecería me enviases un correo para agregarla. Adicionalmente, puedo incluir aquellas referencias que podríais indicarme como material de ampliación del contenido.

Muchas gracias