Visualización de datos para toma de decisiones
Fernando López-Torrijos
Capítulo 1 Prefacio
El presente texto se inició como una compilación de las notas de clase que preparé durante el año 2022 y 2023.
Si bien enseña herramientas concretas para visualizar datos por medio del lenguaje Python, abunda en teoría que fundamente las razones por las cuales se pueda utilizar una forma de visualización u otra, buscando un equilibrio entre ambas.
Se caracteriza frente a otros textos en que es extensivo en el uso de bases de datos latinoamericanas, especialmente colombianas.
La primera parte presenta una introducción general a las visualizaciones estáticas. En la segunda parte se procede a fundamentar la visualización interactiva. No es factible realizar una buena visualización interactiva sin conocer los fundamentos de la visualización pasiva. La primera se construye sobre la segunda.
La parte centrada en las visualizaciones pasivas, en su parte conceptual, está basada en las ideas de Tamara Munzner (Munzner 2014), expuestas en Visualization analysis and design, que las trabaja a partir del problema que se desea resolver, en vez de partir de las técnicas y de cómo mejorarlas. Y trabaja la transversalidad de los dominios en el sentido de conocer varios e identificar cómo las ideas propias de alguno se pueden aprovechar en otro. Pero también se nutre de otros autores bien conocidos tales como Healy (Healy 2019), Few (Few 2009), Nussbaumer (Nussbaumer Knaflic 2015) y Spence (Spence 2007). La parte conceptual de la interactividad está basada en Interactive Visual Data Analysis de Christian Tominski y Heidrun Schumann (Tominski and Schumann 2020).
Se agradece también a la primera cohorte de estudiantes de Ciencia de Datos, a quienes hay que dar crédito por la selección de algunas bases de datos usadas en diferentes explicaciones. Y a la profesora Margui Romero por ayudar con el borrador de HTLM y CSS.
El texto está actualizado al año 2025 en el sentido de que los códigos en R son válidos bajo la versión 4.5.1 y ggplot 4.0.0, y en Python bajo la versión 3.9.13. Y se han añadido temas tales como visualización de datos imputados, métodos generales para crear visualizaciones animadas, mapas en plotly u una introducción a Shiny.
Excepto que se indique lo contrario, las visualizaciones fueron realizadas en lenguaje R. En el texto se dan las bases necesarias para poder reproducir la mayor parte en lenguaje Python.