Resumen
En el área de análisis de datos, puede llegar a ser un rol aparte el de aquel que realiza visualizaciones. Es un área que implica no solo conocimiento técnico en datos, sino en diseño. Si no se tiene esta formación puntual, muchas veces se adquiere con la experiencia, y aun así, frente a una presentación, el contenido y la forma dependerán de quién reciba la información. Lo recomendable es inicialmente partir de un diseño mínimo, replicable y tomar referencias de otras presentaciones. Complementar y mejorar luego en función de la asimilación de principios básicos del diseño, colores e incluso tendencias.
En cuanto a los datos, las visualizaciones estarán dadas por la cantidad de variables y su tipo. Suele ser buen hábito recurrir a una galería de visualizaciones para corroborar cuál gráfico encaja con lo que se tiene disponible o se quiere mostrar (por ejemplo, Python Graph Gallery). Siempre adecuar la visualización a la pregunta que debe responder y evitar la sobrecarga / repetición de datos. Acompañar con el correspondiente título, referencias y leyenda, así como eventualmente, si fuese necesario, con una breve y sencilla explicación coloquial.
Dicho esto, es posible realizar visualizaciones tanto con herramientas pensadas para tal fin (Tableau, Power BI, Looker), otras más genéricas de presentación (PowerPoint, Google Slides) o con Python / R / JavaScript (a través de las librerías adecuadas). En ese sentido, lo recomendable es adoptar una en particular y profundizar en su uso.
Para profundizar
Visualización de cantidades, proporciones y distribuciones
- Fundamentals of Data Visualization. Claus O. Wilke, parte I: cap. 2, 5, 6, 7 y 10 (complementar con el resto de la bibliografía habitual de ser necesario).
- Exploratory Visualizations. Feature Engineering and Selection: A Practical Approach for Predictive Models, cap. 4.
- Data Visualization. Python for Everybody, cap. 17.
Conceptos básicos de storytelling y presentaciones efectivas
- Fundamentals of Data Visualization. Claus O. Wilke, parte III: cap. 28 y 29.
- Look at Data. Data Visualization: A Practical Introduction, Kieran Healy, cap. 1.