Qué gráfico responde a qué pregunta
Empezar por la frase que quieres que el lector diga en voz alta, el mapa de pregunta a representación, y las decisiones que pesan más que el tipo de gráfico: el orden, el número de series y los pequeños múltiplos.
El tipo de gráfico es la última decisión, no la primera, y casi todo el mundo la toma primero. Antes están la pregunta que el gráfico tiene que responder, el orden en que se colocan las categorías y cuántas series caben antes de que la imagen deje de comunicar. Un gráfico de barras bien ordenado dice más que un gráfico exótico mal pensado, y las tres decisiones que van antes del tipo son las que se notan.
- Formular la pregunta de un gráfico como una frase con verbo antes de elegir el tipo.
- Asociar cada familia de preguntas con las representaciones que la responden.
- Decidir el orden de las categorías con criterio y saber cuándo no ordenar.
- Sustituir un gráfico de muchas series por pequeños múltiplos con escala compartida.
Empieza por la frase
Un gráfico existe para que alguien pueda decir una frase concreta después de mirarlo. Si no sabes cuál es esa frase, ningún tipo de gráfico va a arreglarlo.
El ejercicio es literal: escribe la frase antes de escribir código.
- «Las ventas del norte superaron a las del sur por primera vez en marzo.»
- «Tres de cada cuatro incidencias vienen del mismo servicio.»
- «El tiempo de respuesta empeora cuando el número de usuarios pasa de mil.»
- «La distribución de latencias tiene una cola larga que la media esconde.»
Cada una de esas frases apunta a una representación distinta, y ninguna de ellas es «un gráfico de las ventas». Las frases tienen verbo: superó, vienen, empeora, esconde. Un título sin verbo («Ventas por región») describe los ejes, no el hallazgo, y es la señal de que nadie ha decidido qué tiene que ver el lector.
Hay un caso legítimo donde no hay frase: el gráfico exploratorio, el que haces para descubrir qué pasa. Ese no tiene que responder a una pregunta porque su función es generar preguntas. La distinción importa: un gráfico exploratorio se optimiza para densidad y velocidad de producción, uno explicativo se optimiza para que una persona concreta entienda una cosa concreta. Confundirlos produce paneles llenos de gráficos exploratorios presentados como si fueran conclusiones.
El mapa
Las preguntas se agrupan en unas pocas familias, y cada familia tiene un pequeño repertorio.
| La pregunta es sobre | Representaciones que la responden |
|---|---|
| Comparar categorías | Barras (horizontales si las etiquetas son largas), punto sobre línea |
| Evolución en el tiempo | Línea, área, barras si los periodos son pocos y discretos |
| Distribución de una variable | Histograma, densidad, diagrama de caja, diagrama de tira, enjambre |
| Relación entre dos variables | Dispersión, hexágonos o densidad si hay solapamiento |
| Composición de un total | Barras apiladas, treemap, barra única segmentada |
| Ranking | Barras ordenadas, gráfico de pendiente si hay dos momentos |
| Desviación de una referencia | Barras divergentes desde cero, gráfico de bala |
| Parte de un todo que cambia | Área apilada normalizada, corriente |
| Muchas series a la vez | Pequeños múltiplos, mapa de calor |
Tres observaciones sobre la tabla que valen más que la tabla.
Las barras responden a más preguntas que ningún otro tipo. No es falta de imaginación: usan el canal perceptual más preciso que existe, y eso les da una ventaja que ningún gráfico ingenioso compensa. La sección siguiente y el artículo de la jerarquía perceptual explican por qué.
El gráfico de pendiente está infrautilizado. Dos momentos, una línea por categoría entre ellos, las etiquetas a los lados. Responde a «quién ha subido y quién ha bajado» mejor que ningún otro y ocupa nada. Cuando la pregunta es sobre el cambio entre dos instantes, no dibujes una serie temporal completa: dibuja los dos puntos.
El mapa de calor es la salida cuando hay dos dimensiones categóricas y una métrica. Rendimiento por servicio y por hora, ventas por producto y por mes. Codifica con color, que es impreciso, y a cambio muestra cien celdas donde un gráfico de barras mostraría diez.
Las tres decisiones que pesan más que el tipo
Uno: el orden de las categorías. Es la edición con mejor relación entre esfuerzo y ganancia de toda la visualización de datos, y se trata en el callout.
Dos: cuántas series. Un gráfico de líneas con más de cinco o seis series es una madeja: los colores se agotan, las líneas se cruzan y el lector pasa el tiempo consultando la leyenda en lugar de mirar los datos. El umbral real depende de si las series se cruzan, no de su número: cuatro series que se cruzan constantemente son peores que ocho paralelas.
Cuando te pasas del umbral hay tres salidas, en orden de calidad:
- Destacar una y atenuar el resto. Si la frase habla de una serie, las demás son contexto: en gris claro, sin etiqueta, sin entrada en la leyenda. La imagen sigue mostrando la nube completa y dirige la mirada.
- Pequeños múltiplos. Un panel pequeño por serie, todos con la misma escala.
- Agregar. Si veinte series son veinte regiones, quizá la pregunta es sobre cuatro zonas.
Tres: los pequeños múltiplos y su escala. Una rejilla de gráficos pequeños e idénticos, uno por categoría, es la respuesta correcta con una frecuencia sorprendente. La decisión crítica es la escala:
- Escala compartida: las magnitudes son comparables entre paneles, y las series pequeñas se ven planas. Es lo correcto cuando la pregunta es «cuál es mayor».
- Escala por panel: cada serie se ve con detalle y la comparación entre paneles es imposible, y peor, es engañosa, porque el lector asume que comparte escala.
Si eliges escala por panel, la única forma honesta de hacerlo es que se note: etiqueta el máximo de cada panel de forma destacada, o pon un indicador de magnitud relativa. Un panel de nueve gráficos con nueve escalas distintas y sin avisar es una de las formas más eficaces de mentir sin decir nada falso.
Distribuciones: donde el resumen engaña
Hay una familia de preguntas que merece un tratamiento aparte porque es donde más se falla: las que van sobre la forma de los datos.
La media y la desviación típica no describen una distribución. Anscombe lo demostró en 1973 con cuatro conjuntos de datos que comparten media, varianza, correlación y recta de regresión, y que dibujados son cuatro cosas completamente distintas. En 2017, Matejka y Fitzmaurice llevaron la idea al extremo con un método que genera conjuntos de datos con estadísticos idénticos y formas arbitrarias, incluido uno con forma de dinosaurio. La conclusión práctica: si vas a resumir, dibuja también.
Y dentro de las representaciones de distribuciones hay una jerarquía de cuánto esconden:
- El diagrama de caja resume en cinco números. Es compacto y oculta la multimodalidad: una distribución con dos picos produce exactamente la misma caja que una distribución uniforme entre los mismos extremos. Con pocos datos, no lo uses.
- El histograma muestra la forma y depende de dos parámetros arbitrarios: el ancho del intervalo y dónde empieza el primero. Cambiar cualquiera de los dos cambia la forma percibida, y con datos escasos puede crear o borrar picos. Dibuja el mismo histograma con tres anchos antes de creerte el primero.
- El diagrama de tira o el enjambre dibujan cada observación. No esconden nada y solo funcionan hasta unos cientos de puntos.
- La curva de densidad suaviza, y ese suavizado tiene el mismo problema que el ancho del intervalo: el parámetro de anchura decide la forma.
La combinación que casi siempre funciona: caja o densidad como resumen, con los puntos individuales superpuestos y semitransparentes. El lector ve el resumen y la evidencia que lo sostiene.
Un gráfico de barras con las categorías en orden alfabético, o en el orden en que venían de la base de datos, obliga al lector a comparar longitudes recorriendo toda la imagen. Ordenado por valor, la respuesta a «cuál es el mayor» y «cómo se reparte» es inmediata. Cuesta una línea:
const ordenados = [...datos].sort((a, b) => b.valor - a.valor);Y ahora los tres casos donde ordenar está mal, que es lo que casi nadie tiene claro.
Uno: cuando la categoría tiene orden intrínseco. Los días de la semana, las tallas de camiseta, los tramos de edad, los niveles de gravedad. Ordenar por valor destruye una estructura que el lector ya conoce y que le sirve para orientarse. Un gráfico de tallas ordenado por ventas obliga a leer todas las etiquetas para entender nada.
Dos: cuando hay varios gráficos que se comparan entre sí. Si el panel tiene una barra por producto para este mes y otra igual para el anterior, ordenar cada uno por su propio valor hace que las posiciones no coincidan, y comparar los dos paneles pasa a ser imposible. Aquí el orden tiene que ser el mismo en todos: ordena por el total, o por el periodo de referencia, y aplica ese orden a todos los paneles. La misma regla que hacía falta para los rellenos de banda en las barras agrupadas.
Tres: cuando el orden es el dato. Un ranking que el lector va a seguir en el tiempo. Si las posiciones bailan en cada actualización, se pierde la constancia de objeto y el lector no puede seguir a nadie. La solución es congelar el orden de una referencia y mostrar el movimiento respecto a ella.
Y hay una decisión de segundo orden que sale en cuanto hay más de una serie: ordenar por cuál. Un gráfico de barras agrupadas con tres series admite tres ordenaciones distintas, y una cuarta por el total. La elección no es neutra: ordenar por el total en un apilado hace que el conjunto se lea bien y hace ilegible cualquier serie individual que no sea la de abajo, porque las demás no tienen una línea base común. Es la razón por la que en un gráfico apilado solo la serie inferior se puede comparar con precisión entre categorías, y por la que si el lector tiene que comparar la serie del medio, el apilado es el gráfico equivocado.
El caso final que resume todo: un gráfico apilado de cuatro series donde la pregunta es sobre la tercera. Ordenado como esté, esa serie flota sobre una base irregular y el ojo no puede comparar sus longitudes. La solución no es ordenar mejor: es dejar de apilar y usar pequeños múltiplos, o poner esa serie abajo del todo si es la única que importa.
Coge el gráfico más importante de un panel que uses a diario e intenta escribir la frase que debería producir en el lector. Si no te sale con verbo en menos de un minuto, el gráfico no tiene función definida. Después ordena sus categorías por valor y mira si la frase se vuelve más fácil de decir: si sí, tienes la respuesta sobre el orden; si no, comprueba cuál de los tres casos del callout aplica.