4.1 Analizar
Un ejemplo clásico acerca de cómo podemos observar un fenómeno a diversos niveles es la biología, la química y la física. Se pueden estudiar a los perros desde lo biológico, o bajar al nivel de la bioquímica o al nivel de la física de sus átomos.
En la visualización, y desde un punto de vista meramente conceptual también podemos distinguir tres niveles. A un nivel alto y abstracto, la acción que se lleva a cabo sobre una visualización es analizar, a un nivel medio buscar y a un nivel bajo preguntar (Analize, Search and Query en términos de Munzner (Munzner 2014)).
Desmenucemos cada uno.
Analizar
Analizar describe el proceso completo del análisis de los datos. En el imaginario de la gente común la visualización tiene que ver con la presentación de los datos, pero no es cierto. La visualización como parte de la investigación y el análisis es fundamental. Como ya se mencionó en el primer capítulo, la visualización permite descubrir patrones no evidentes de otra manera. También se está usando para el proceso de inferencia cada vez más.
Primero se produce nueva información y luego se consume.
La producción involucra actividades de anotar datos o conjuntos de datos. Dichas anotaciones se convierten en nuevos atributos de la información, usualmente del cruce entre elementos y atributos, pero no necesariamente. También involucra actividades de obtener nueva información a partir de la existente. La obtención de nuevos atributos suele ser condición necesaria para poder proceder a un diseño, pero sobre todo para ampliar los idiomas gráficos que podrían llegar a ser usados. Las transformaciones van desde separar un atributo de tipo fecha en día, mes y año como tres atributos adicionales, pasando por transformar un atributo categórico en unas coordenadas de longitud y latitud, a añadir un atributo de clasificación mediante técnicas estadísticas como el análisis de conglomerados. Y finalmente involucra grabar la visualización de manera permanente, probablemente de una manera clasificable y hallable, lo cual involucra temas de catalogación o de metadata que no atañen a la visualización en sí. Un uso de la grabación por parte del diseñador es la creación de una bitácora del proceso de diseño.
Figura 4.1: Tareas asociadas al analizar
El consumo involucra actividades de descubrir hipótesis a investigar o verificarlas, de presentar los descubrimientos a algún público o de disfrutar los resultados acerca de un tema de interés. “Descubrir” implica un desconocimiento, por su parte “presentar” implica lo contrario.
‘Descubrir’ significa “identificar todos los datos que contribuyen y encontrar las principales causas detrás de las observaciones. Incluye investigar varios aspectos. ¿Es la observación significante por sí misma o estamos interpretando demasiado en medio del ruido? La observación particular, ¿se trata de un singular dato extraño producto de circunstancias particulares? Si reaparece, ¿lo hace de manera fiable bajo las mismas condiciones?, por tanto presenta un patrón, o más bien ¿se presenta de forma aleatoria?” (Tominski and Schumann 2020). Posteriormente hay que ‘verificar’ la hipótesis. “Se busca algo concreto, alguna evidencia que la respalde o la refute en términos de validez, generalización o fiabilidad. Para este propósito, se podría estudiar representaciones visuales alternativas o re- parametrizar los cómputos analíticos con el objeto de chequear si conduce a los mismos resultados. Si hay data adicional, puede consultarse para verificar si exhibe resultados similares.” (Tominski and Schumann 2020).
‘Presentar’ es comunicar los resultados confirmados. Se logra mejor contando la historia de los datos, el análisis y los resultados. Se puede informar dejando que los resultados hablen por sí mismos, o explicar los resultados a la audiencia, o persuadirlos para que estén de acuerdo con nosotros en lo hallado.
(#fig:prod_y_cons)Abstracción de productores y consumidores
La abstracción de la Figura presenta cómo los mismos productores son muchas veces los consumidores de las visualizaciones en medio del ciclo de exploración y análisis de datos. Cuando se ha llegado a un hallazgo o un resultado intermedio que vale la pena divulgar, se procede a generar la visualización para los tomadores de decisiones que no se han visto envueltos en el proceso investigativo.