Etiqueta:retovt&vd2024

En la semana 23/2024 de #makeovermonday la propuesta es visualizar los datos de Identidad LGTB en EE. UU. y específicamente la información disponible es la obtenida de las encuestas realizadas por Gallup entre 2012 y 2023. Adicionalmente he utilizado también los datos de encuestas de Ipsos descargadas desde statista.

¿Qué encontrarás en este artículo?

El desarrollo de esta semana, y las herramientas utilizadas para llevarlo a cabo han sido los siguientes:

• Presentación del caso de la semana. Pequeño diseño / Metáfora Visual o pieza gráfica que represente el tema. Utilizaré Procreate.
• Resumen de las ideas principales del artículo. Herramienta utilizada ChatGPT 4o 🤖
• Visual Thinking. Generación de un Mapa Mental (Mind Map) en base a las ideas 💡 del resumen. La herramienta utilizada Procreate con iPad Pro y Apple Pencil.
• Análisis 📈 de los datos. Determinación del mejor gráfico 📈 a utilizar para el caso. En este caso he utilizado varios tipos de gráficos básicos. Gráficos de barras, barras apiladas, líneas, y diagrama de pendiente.
• Visualización de los datos.📊 Para este caso y dada la simplicidad de los datos no utilizaré una herramienta de visualización especializada, simplemente crearé el storytelling con KeyNote, la herramienta de presentaciones de Apple. Preparada para crear de una forma muy sencilla estos tipos de gráficos con conjuntos de datos tan reducidos.

🎙️ Presentación del caso

#MakeoverMonday es una fuente de inspiración para aplicar la práctica deliberada y forzarnos a desarrollar nuestras habilidades en el apasionante mundo de la Visualización de Datos y de paso, aprovechando el tema, también para practicar el Visual Thinking.

Para empezar a meternos harina y con iPad en mano, he creado lo que sería la presentación del tema de la semana, y que a la postre será la imagen central del Mapa Mental que crearé relacionado con el caso. Lo publiqué al principio de la semana para que si alguien se animaba se uniera a la práctica.

En la semana 23/2024 los datos que se nos proporcionan son los relativos a las encuestas sobre identidad sexual realizadas por Gallup durante el periodo 2012 – 2023 en EE.UU.

💡 Resumen de las ideas principales

Para realizar el resumen del artículo he utilizado ChatGPT 4o, y el resultado no deja de sorprenderme 👍, no por ello deja de ser necesario revisar que todo lo indicado es correcto y está incluido en la información proporcionada. Seguidamente os muestro las 5 ideas principales generadas por la IA:

Aquí tienes un resumen con las cinco ideas principales del artículo:

1. Aumento en la Autoidentificación LGBT+ en Estados Unidos: La encuesta de Gallup revela que el 7.2% de los adultos estadounidenses se identificaron como LGTB en 2022, estableciendo un nuevo récord. Este aumento es especialmente notable entre la Generación Z, con un 22.3% identificándose como LGTB en 2023, comparado con el 15.9% en 2020. Los Millennials también muestran un incremento significativo, pasando del 5.8% en 2012 al 11.2% en 2022.
2. Generación Z Lidera en Diversidad Sexual: Los datos de Gallup destacan que la Generación Z (nacidos entre 1997 y 2004) es la más propensa a identificarse como LGTB, con un 22.3% en 2023. Esto sugiere una mayor aceptación y apertura entre los jóvenes hacia las identidades LGTB, en contraste con generaciones mayores como los Baby Boomers y la Generación Silenciosa ( que he decidido no incluir), y que muestran porcentajes significativamente más bajos (2.3% y 1.1% respectivamente en 2023).
3. Comparación Global de Identificación LGTB: Según el estudio de Ipsos, Estados Unidos se encuentra en la mitad superior de los países con mayor proporción de personas que se identifican como LGTB, con un 12%. Este porcentaje coloca a Estados Unidos por encima del promedio global del 9%, pero por debajo de países como Países Bajos (17%) y Tailandia (15%).
4. Influencia de la Edad en la Autoidentificación LGTB: Tanto en la encuesta de Gallup como en la de Ipsos, se observa que los individuos más jóvenes son más propensos a identificarse como LGTB. Mientras que el 17% de la Generación Z a nivel global se identifica como LGTB, solo el 5% de los Baby Boomers lo hace. Esto indica una tendencia generacional hacia una mayor autoidentificación LGTB a medida que disminuye la edad.
5. Evolución de la Percepción Social: La creciente identificación LGTB entre las generaciones más jóvenes puede estar relacionada con una mayor aceptación social y visibilidad de las personas LGTB. La diferencia notable en los porcentajes de autoidentificación entre generaciones sugiere que las actitudes y la visibilidad han mejorado con el tiempo, permitiendo que más personas se sientan cómodas expresando su identidad.

Y como todas las semanas, ¿Qué tal si le damos un toque más visual utilizando IH (Inteligencia Humana)?

👁️ Visual Thinking

El resumen anterior generado por IA (ChatGPT 4o), o un resumen que pudiéramos realizar nosotros requeriría de una lectura concentrada para entender todos los datos, pero no me cabe ninguna duda de que una representación visual de estas mismas ideas en un Mapa Mental facilitará la rápida comprensión de la situación en general.

Seguidamente te muestro un Mind Map tuneado, ya que realmente no cumple estrictamente con las reglas de un Mapa Mental. Yo lo denomino Mini Mapa Mental o MMM, y se trata de un mapa mental con la 💡 idea central y únicamente un primer nivel de ideas fundamentales. A partir de este primer esqueleto podríamos seguir ramificando y completando con ideas de más detalle.

📈 Análisis de datos

Los datos que nos proporciona el reto en esta semana, tal y como os comentaba antes, son un conjunto de datos muy reducido sobre encuestas de Gallup en EE.UU. Para completar el contexto general he añadido adicionalmente otra encuesta de Ipsos, pero no deja de ser un pequeño conjunto de información. Así pues, me inclino por gráficos de barras y líneas elementales razón por la cual no necesitaremos una herramienta especializada en visualización de datos y simplemente utilizaré KeyNote de Apple para crearlos usando sus herramientas básicas.

Diagramas de barras y barras apiladas

Es un tipo de gráfico perfecto para comparar diferentes categorías en base a una única variable. En el caso que nos ocupa utilizaré un gráfico de barras simple para la comparación entre diferentes países, y un gráfico de barras apiladas para visualizar las diferentes generaciones en un determinado momento.

Gráfico de líneas y de pendiente

Ya hemos utilizado este tipo de gráficos en otras ocasiones, y en nuestro caso lo usaremos para ver la variación de los datos año a año, y lo volveremos a usar reduciendo las lineas a dos puntos, transformándolo en un gráfico de pendiente.

📊 Visualización de datos

Estos gráficos los he generado directamente con KeyNote de Apple. Sin embargo, tal y como aprendí en el curso de Visualización de Datos de Latinometrics en Plazi, lo que tenemos que hacer con nuestros hallazgos en los datos es crear una historia, un DataStorytelling. Así que seguidamente te muestro los gráficos que he creado, y te cuento la historia en formato vídeo…

El DataStoryTelling en imágenes…

El DataStoryTelling

A partir de este punto podríamos seguir ampliando la historia, o si finalmente no nos convence podríamos darle otra orientación. Es decir, tienes que jugar con los datos.

💭 ¿Qué te ha parecido el reto de esta semana?

⭐️ Me encantaría ofrecerte más detalles sobre el caso de la semana para asegurarme de que estás obteniendo el máximo provecho de este reto. Profundizar en aspectos específicos que puedan ser de mayor ayuda o facilitar orientación adicional sería mi objetivo, pero necesitaría saber en que puntos te gustaría que extienda la información. Y por supuesto, si observas que estoy cometiendo algún error y me ayudas a corregirlo sería fantastico.

Además, tu perspectiva y experiencia personal serían muy valiosas para enriquecer el contenido, ya que podrías compartir la forma en que consideras que los datos del caso de la semana deberían ser presentados. Estoy ansioso por recibir tus comentarios y continuar esta conversación de manera constructiva.

😃 ¡Muchas gracias! , volveré con el siguiente reto.

En la semana 22/2024 la propuesta es visualizar los datos de Asequibilidad del hogar en EE. UU. y específicamente la información disponible es la correspondiente a las 100 Áreas Metropolitanas más pobladas de EE.UU.

¿Qué encontrarás en este artículo?

El desarrollo de esta semana, y las herramientas utilizadas para llevarlo a cabo han sido los siguientes:

• Presentación del caso de la semana. Pequeño diseño / Metáfora Visual o pieza gráfica que represente el tema. Utilizaré Procreate.
• Resumen de las ideas principales del artículo. Herramienta utilizada ChatGPT 4o 🤖
• Visual Thinking. Generación de un Mapa Mental (Mind Map) en base a las ideas 💡 del resumen. La herramienta utilizada Procreate.
• Análisis 📈 de los datos. Determinación del major gráfico 📈 a utilizar para el caso. Os explicaré el tipo de gráfico “Diagrama de Dispersión”, en este caso ampliado.
• Visualización de los datos.📊 Al igual que en el caso #makeovermonday 21/2024 utilizaré la herramienta de visualización Flourish Studio, pero para los detalles finales he exportando los gráficos en png y he terminado de crear el storytelling con KeyNote, la herramienta de presentaciones de Apple.

🎙️ Presentación del caso

#MakeoverMonday, sin duda alguna, es una fuente de inspiración para aplicar la práctica deliberada y forzarnos a desarrollar nuestras habilidades en el apasionante mundo de la Visualización de Datos y de paso, aprovechando el tema, también para practicar el Visual Thinking.

Para empezar a meternos harina y con iPad en mano, he creado lo que sería la presentación del tema de la semana, y que a la postre será la imagen central del Mapa Mental que crearé relacionado con el caso. Lo publique al principio de la semana para que si alguien se animaba se uniera a la práctica.

En la semana 22 / 2024 los datos que se nos proporcionan son los relativos a la asequibilidad de la adquisición de una vivienda para la población de las 100 áreas metropolitanas más pobladas de EE.UU.

💡 Resumen de las ideas principales

Para realizar el resumen del artículo he utilizado ChatGPT 4o, y el resultado es excepcional 👍, no por ello deja de ser necesario revisar que todo lo indicado es correcto y está incluido en el artículo. Seguidamente os muestro las 5 ideas principales generadas por la IA:

Aquí tienes un resumen con las cinco ideas principales del artículo:

1. Aumento del Ingreso Necesario para Comprar una Casa: Para poder comprar una casa típica en Estados Unidos, un comprador debe ganar $114,627 anualmente, lo cual es un 15% más que el año anterior y más del 50% desde el inicio de la pandemia. Este es el ingreso más alto registrado necesario para comprar una casa.
2. Impacto de las Tasas Hipotecarias y Precios de las Casas: Las tasas hipotecarias altas y los precios de las casas en aumento han elevado los costos de vivienda. En agosto de 2023, la tasa promedio de una hipoteca fija a 30 años era del 7.07%, y los precios de las casas han subido un 3% interanual, alcanzando cerca de $420,000.
3. Dificultades para los Compradores Primerizos: Los compradores primerizos son los más afectados por el aumento en los ingresos necesarios para comprar una casa. El ingreso promedio de un hogar estadounidense es aproximadamente $40,000 menos de lo necesario para comprar una casa mediana, con un ingreso medio de $75,000 en 2022.
4. Variaciones Regionales en el Ingreso Necesario: El ingreso necesario para comprar una casa ha aumentado en todas las principales áreas metropolitanas, con los incrementos más grandes en Miami y Newark, NJ (33% más que el año anterior). Por otro lado, Austin, TX ha visto el menor aumento (8%).
5. Alternativas y Consejos para los Compradores: Para enfrentar la falta de asequibilidad, se recomienda a los compradores considerar opciones como condominios o casas adosadas, mudarse a áreas más asequibles o a suburbios, especialmente aquellos que no están comprando en efectivo o que no están vendiendo una propiedad previa con acumulación de valor.

Este resumen muestra la dificultad actual para la adquisición de viviendas en EE.UU., pero que tal si le damos un toque más visual utilizando IH (Inteligencia Humana)

👁️ Visual Thinking

El resumen anterior generado por IA (ChatGPT 4o), o un resumen que pudiéramos realizar nosotros requeriría de una lectura concentrada para entender los motivos de la difícil situación en EE.UU. para la adquisición de viviendas, pero no me cabe ninguna duda de que una representación visual de estas mismas ideas en un Mapa Mental facilitará la rápida comprensión de la situación en general.

Seguidamente te muestro un Mind Map tuneado, ya que realmente no cumple estrictamente con las reglas de un Mapa Mental. Yo lo denomino Mini Mapa Mental o MMM, y se trata de un mapa mental con la 💡 idea central y únicamente un primer nivel de ideas fundamentales. A partir de este primer esqueleto podríamos seguir ramificando y completando con ideas de más detalle.

Así que seguidamente te muestro el MMM que he creado con Procreate en mi iPad.

📈 Análisis de datos

Los datos que nos proporciona el reto en esta semana, tal y como os comentaba antes, son los correspondientes a las 100 áreas metropolitanas más pobladas de EE.UU. Dados estos datos mi intuición me dice que el gráfico más adecuado es un Diagrama de Dispersión, ya que me permitirá buscar correlaciones entre algunos de los datos proporcionados.

¿Qué es un diagrama de dispersión?

Un gráfico de dispersión muestra la relación entre dos variables continuas. Los gráficos de dispersión se utilizan por tanto para mostrar relaciones claras o inicialmente ocultas. Para la correlación, los gráficos de dispersión ayudan a mostrar la fuerza de la relación lineal entre dos variables.

Al utilizar este tipo de gráficos para intentar validar alguna hipótesis de correlación, en algunos casos, podemos llegar a la conclusión de que estábamos equivocados, pero de eso se trata de practicar el ensayo/error y en buscar historias en los datos.

En mi búsqueda de validación de hipótesis he intentado validad la correlación entre el Tipo de Cambio Interanual, ingreso anual necesario para permitirse una vivienda de tipo medio, y los ingresos anuales necesarios. Y no veo que exista una correlación muy clara. No obstante, y aunque este tipo de gráficos utiliza dos variables, podemos añadirle más dimensiones.

En el caso de estudio he añadido dos variables adicionales:

• Sustituyendo los puntos por círculos cuyo radio aumenta en función del Pago hipotecario mensual medio, que correlaciona perfectamente con los ingresos anuales necesarios.
• Añadiendo color a los círculos por clusterización, de forma que creamos grupos de elementos.

📊 Visualización de datos

Estos gráficos los he generado con Flourish Studio, pero les he añadido los detalles finales en KeyNote de Apple. Sin embargo, tal y como aprendí en el curso de Visualización de Datos de Latinometrics en Plazi, lo que tenemos que hacer con nuestros hallazgos en los datos es crear una historia, un DataStorytelling. Así que seguidamente te dejo el que yo encontré…

Un primer enunciado que pueda llamar la atención …

En este caso muestro que el estado donde es más difícil comprar una vivienda es en California, y haciendo un guiño 😜 a su antiguo 38º gobernador entre 2003 y 2011 Arnold Schwarzenegger, he añadido «Desafío Total» al titular.

Las dos áreas metropolitanas más difíciles…

Las áreas metropolitanas más complicadas son San José y San Francisco ambas ubicadas en California,

Y el Top 5 siguiente…

Las 5 siguientes áreas metropolitanas en dificultad también pertenecen al estado de California.

A partir de este punto podríamos seguir ampliando la historia, o si finalmente no nos convence podríamos darle otra orientación. Es decir, tienes que jugar con los datos.

💭 ¿Qué te ha parecido el reto de esta semana?

⭐️ Me encantaría ofrecerte más detalles sobre el caso de la semana para asegurarme de que estás obteniendo el máximo provecho de este reto. Profundizar en aspectos específicos que puedan ser de mayor ayuda o facilitar orientación adicional sería mi objetivo, pero necesitaría saber en que puntos te gustaría que extienda la información. Y por supuesto, si observas que estoy cometiendo algún error y me ayudas a corregirlo sería fantastico.

Además, tu perspectiva y experiencia personal serían muy valiosas para enriquecer el contenido, ya que podrías compartir la forma en que consideras que los datos del caso de la semana deberían ser presentados. Estoy ansioso por recibir tus comentarios y continuar esta conversación de manera constructiva.

😃 ¡Muchas gracias! , volveré con el siguiente reto.