GUÍa metodológica para planes open data sectoriales



Descargar 7,33 Mb.
Página2/22
Fecha de conversión23.03.2017
Tamaño7,33 Mb.
1   2   3   4   5   6   7   8   9   ...   22

ÍNDICE



1. Visualización de datos

1.1. Visualización: explotación de datos

1.1.1. Tipos de visualización de datos

1.2. Visualización de datos y Open Data



2. Software de visualización de datos

2.1. Estándares web

2.1.1. Estándar HTML5 y Canvas

2.1.2. Estándar SVG

2.1.3. Estándar WebGL

2.2. Bibliotecas y framework para la visualización

2.2.1. Bibliotecas para gráficos 2D

2.2.2. Bibliotecas para gráficos 3D

2.2.3. Bibliotecas para mapas

2.2.4. Otro tipo de visualizaciones



3. Estado del arte en herramientas y plataformas de visualización de datos

3.1. Descripción general

3.2. Ejemplos de herramientas

3.2.1. Tableau Software

3.2.2. Tabulae

3.2.3. QlikView y QlikSense

3.2.4. CartoDB

3.2.5. Socrata

3.2.6. CKAN (Módulos de visualización)

4. Ejemplos de visualización de datos

4.1. Datos.gob.es

4.2. Banco mundial

4.3. Portal de transparencia del Principado de Asturias

4.4. Plataforma openREDBAG

4.5. Google Public Data

4.6. Eurostat

4.7. Fundación Civio

4.8 Otros ejemplos de visualización

4.8.1. Evolución de la Web

4.8.2. Calentamiento global.

4.8.3. Retirada de Kobe Bryant

4.8.4. Historia de la música
5. Conclusiones

5.1. Tendencias futuras



  1. VISUALIZACIÓN DE DATOS


Vivimos en un mundo rodeados de datos que nuestro cerebro procesa de manera continua para construir la realidad, entender el entorno que nos rodea y tomar decisiones sobre nuestro futuro. En la actualidad nuestro consumo de información se ha multiplicado de manera exponencial debido a dos factores: cada vez se produce más información (redes sociales, dispositivos, etc.) y cada vez tenemos más capacidad de acceso a dicha información, especialmente a través de Internet y de la Web. La capacidad de sacar partido y entender la información bruta está íntimamente ligada a nuestra capacidad para explotarla y transformarla en algo más que puro dato: los datos adquieren significado.

No obstante, los datos, entendidos como registros aislados, no aportan un significado concreto. Sólo cuando nos acercamos a ellos y le aplicamos una interpretación, estos cobran sentido y se transforman en conocimiento. En el ámbito de la tecnología, la explotación de datos ha evolucionado en las últimas décadas para diseñar mecanismos de interpretación cada vez más robustos y asequibles. Y, entre estos mecanismos de explotación, el más importante es la visualización de datos.


1.1. Visualización: explotación de datos


La visualización de datos es la presentación gráfica de información con dos propósitos. Por un lado, la interpretación y construcción de significado a partir de los datos (es decir, el análisis); y por otro lado, la comunicación.

La visualización es una herramienta muy potente para descubrir y comprender la lógica que se encuentra detrás de un conjunto de datos, así como para compartir esta interpretación con otras personas desde un punto de vista objetivo. Como se suele decir: “una imagen vale más que mil palabras”, especialmente cuando el significado que se quiere comunicar se representa mejor gráfica que verbalmente, y esta representación gráfica está diseñada de acuerdo a los principios formales que rigen la visualización de datos.



Podemos estar durante horas ante una tabla de números y no visualizar lo que es inmediatamente obvio cuando esta información se presenta gráficamente. Por ejemplo, imaginemos la siguiente serie de datos histórica de ventas de hipotecas en España (Fuente INE: serie 2003-2011), en la que se desglosa el volumen de venta de hipotecas por año y entidad financiera:

Periodo

Entidad

Nº Hipotecas

2010

Otras entidades

103,055

2008

Otras entidades

122,332

2009

Banca

367,298

2011

Banca

258,667

2008

Banca

408,712

2010

Banca

337,825

2003

Cajas de ahorro

685,464

2011

Cajas de ahorro

279,461

2006

Banca

576,777

2006

Cajas de ahorro

1,016,728

2004

Banca

583,213

2009

Otras entidades

111,066

2005

Banca

594,477

2003

Banca

486,579

2004

Cajas de ahorro

791,349

2003

Otras entidades

119,617

2005

Cajas de ahorro

924,882

2007

Banca

518,638

2008

Cajas de ahorro

683,546

2007

Cajas de ahorro

1,017,548

2011

Otras entidades

86,420

2007

Otras entidades

154,809

2009

Cajas de ahorro

549,558

2010

Cajas de ahorro

475,536

2005

Otras entidades

184,773

2004

Otras entidades

147,843

2006

Otras entidades

202,889


A pesar de que comprendemos los datos que se muestran en la tabla, para el usuario final será mucho más sencillo de interpretar dicha información si se crea una gráfica con la evolución del mercado inmobiliario en España y el efecto burbuja, tal y como se muestra en la siguiente figura.

Figura 1. Serie histórica venta de hipotecas en España: 2003-2011 (Fuente: INE)

Lo que los números no pueden comunicar cuando son presentados en una tabla, se vuelve visible e inteligible cuando se comunica visualmente. Este es el “poder” de la visualización de datos.

Es importante tener en cuenta que, aunque la visualización de datos se utiliza para representar generalmente variables cuantitativas y relaciones entre ellas, también puede utilizarse para representar relaciones entre entidades de naturaleza cualitativa. Por ejemplo, las relaciones entre las personas de una determinada red social, que pueden ser además “tipadas” de acuerdo a la naturaleza de esta relación: amistad, familia, trabajo, etc. Estas visualizaciones de representación de entidades y propiedades de tipo relacional se sustentan sobre la tipología de la estructura que se quiere representar y utilizan gráficos basados en grafos (nodos y arcos).



Históricamente la visualización ha existido de manera consustancial a los propios datos. Especialmente en el ámbito de la cartografía. Sin embargo, es a finales del siglo XVIII y principios del siglo XIX cuando aparecen los primeros estudios y aplicaciones de la visualización de datos para construir narrativas y entender fenómenos reales: desde indicadores económicos hasta eventos históricos. En este sentido, hay que destacar el trabajo pionero del economista escocés William Playfair y su libro: The Commercial and Political Atlas and Statistical Breviary.

Playfair se le considera el fundador de aplicación de técnicas gráficas para el análisis estadístico, inventando gráficos como los de líneas, áreas (como en la Figura 2), barras y de tarta.



Compartir con tus amigos:
1   2   3   4   5   6   7   8   9   ...   22


La base de datos está protegida por derechos de autor ©absta.info 2019
enviar mensaje

    Página principal