Visualización de datos e información

La visualización de datos e información ( data viz/vis o info viz/vis ) es la práctica de diseñar y crear representaciones gráficas o visuales de ^{[ 1 ]} datos e información cuantitativos y cualitativos con la ayuda de elementos visuales estáticos, dinámicos o interactivos. Estas visualizaciones tienen como objetivo ayudar a una audiencia objetivo a explorar y descubrir visualmente, comprender rápidamente, interpretar y obtener información importante sobre estructuras, relaciones, correlaciones, patrones locales y globales, tendencias, variaciones, constancia, clústeres, valores atípicos y agrupaciones inusuales dentro de los datos que de otro modo serían difíciles de identificar. ^{[ 2 ] [ 3 ] [ 4 ]} Cuando se pretende que el público transmita una versión concisa de la información de una manera atractiva, ^{[ 2 ]} se suele llamar infografía .

La visualización de datos se centra en presentar conjuntos de datos brutos, principalmente cuantitativos, de forma esquemática mediante imágenes. Los formatos visuales utilizados en la visualización de datos incluyen diagramas y gráficos, mapas geoespaciales , figuras, matrices de correlación , indicadores porcentuales , etc.

La visualización de información se ocupa de conjuntos de datos múltiples, a gran escala y complejos que contienen datos cuantitativos, así como información cualitativa y principalmente abstracta, y su objetivo es agregar valor a los datos brutos, mejorar la comprensión de los espectadores, reforzar su cognición y ayudar a obtener ideas y tomar decisiones a medida que navegan e interactúan con la representación gráfica. Las herramientas visuales utilizadas incluyen mapas para datos basados ​​en la ubicación; organizaciones jerárquicas ^{[ 5 ]} de datos; representaciones que priorizan relaciones como diagramas de Sankey ; diagramas de flujo , líneas de tiempo .

Además, la visualización narrativa es un método que utiliza elementos visuales como diagramas, gráficos, mapas y similares para transmitir datos o información. Este enfoque combina el análisis de datos, la narración y la visualización para presentar información a través de flujos narrativos estructurados, utilizando elementos visuales no solo para presentar estadísticas, sino para contar una historia a través de los datos . Su objetivo es ayudar a las personas a identificar tendencias, patrones y relaciones en los datos mediante una experiencia visual atractiva basada en una historia.

Las tecnologías emergentes como la realidad virtual , aumentada y mixta tienen el potencial de hacer que la visualización de la información sea más inmersiva, intuitiva, interactiva y fácilmente manipulable y, por lo tanto, mejorar la percepción visual y la cognición del usuario . ^{[ 6 ]} En la visualización de datos e información, el objetivo es presentar gráficamente y explorar datos abstractos, no físicos y no espaciales recopilados de bases de datos , sistemas de información , sistemas de archivos , documentos y datos comerciales , lo cual es diferente de la visualización científica , donde el objetivo es representar imágenes realistas basadas en datos científicos físicos y espaciales para confirmar o rechazar hipótesis . ^{[ 7 ]}

La visualización de datos eficaz se basa en fuentes fiables, se contextualiza adecuadamente y se presenta de forma sencilla y clara. Los datos subyacentes son precisos y están actualizados para garantizar la fiabilidad de las conclusiones. Los elementos gráficos están bien elegidos y son estéticamente atractivos, con formas, colores y otros elementos visuales utilizados deliberadamente de forma significativa y sin distracciones. Las imágenes van acompañadas de textos explicativos. Los componentes verbales y gráficos se complementan entre sí para garantizar una comprensión clara, rápida y memorable. La visualización de información eficaz tiene en cuenta las necesidades y el nivel de conocimientos del público objetivo. ^{[ 8 ] [ 1 ]} La visualización eficaz puede utilizarse para transmitir ideas especializadas, complejas y basadas en macrodatos a un público no técnico de forma visualmente atractiva, interesante y accesible, y a expertos y ejecutivos del sector para la toma de decisiones, el seguimiento del rendimiento, la generación de ideas y la estimulación de la investigación. ^{[ 8 ] [ 2 ]}

Los científicos de datos, analistas y especialistas en minería de datos utilizan la visualización de datos para verificar la calidad de los datos, encontrar errores, brechas inusuales, valores faltantes, limpiar datos, explorar las estructuras y características de los datos y evaluar los resultados de los modelos basados ​​en datos. ^{[ 2 ]} La visualización de datos e información puede formar parte de la narración de datos , donde se combina con una estructura narrativa para contextualizar los datos analizados y comunicar las ideas obtenidas del análisis para convencer a la audiencia de tomar una decisión o emprender una acción. ^{[ 1 ] [ 9 ]} Esto puede contrastarse con los gráficos estadísticos , donde los datos complejos se comunican gráficamente entre investigadores y analistas para ayudarlos a realizar análisis exploratorios de datos o transmitir los resultados de dichos análisis, donde el atractivo visual, captar la atención sobre un tema determinado y la narración son menos importantes. ^{[ 10 ]}

La visualización de datos e información es interdisciplinaria, incorpora principios que se encuentran en la estadística descriptiva , ^{[ 11 ]} comunicación visual , diseño gráfico , ciencia cognitiva y gráficos interactivos por computadora e interacción humano-computadora . ^{[ 12 ]} Dado que la visualización efectiva requiere habilidades de diseño, habilidades estadísticas y habilidades informáticas, es tanto un arte como una ciencia. ^{[ 13 ]} La analítica visual combina el análisis estadístico de datos, la visualización de datos e información y el razonamiento analítico humano a través de interfaces visuales interactivas para ayudar a los usuarios a llegar a conclusiones, obtener perspectivas prácticas y tomar decisiones informadas que de otro modo serían difíciles para las computadoras. La investigación sobre cómo las personas leen y malinterpretan los tipos de visualizaciones ayuda a determinar qué tipos y características de visualizaciones son más comprensibles y efectivas. ^{[ 14 ] [ 15 ]} Las visualizaciones involuntariamente deficientes o intencionalmente engañosas y confusas pueden funcionar como herramientas poderosas que difunden desinformación , manipulan la percepción pública y desvían la opinión pública . ^{[ 16 ]} De este modo, la alfabetización en visualización de datos se ha convertido en un componente importante de la alfabetización en datos e información en la era de la información, similar a los roles que desempeñaron la alfabetización textual , matemática y visual en el pasado. ^{[ 17 ]}

El campo de la visualización de datos e información ha surgido de la investigación en interacción persona-ordenador , informática , gráficos , diseño visual , psicología , fotografía y métodos empresariales . Se aplica cada vez más como un componente crítico en la investigación científica, las bibliotecas digitales , la minería de datos , el análisis de datos financieros, los estudios de mercado, el control de la producción manufacturera y el descubrimiento de fármacos . ^{[ 18 ]}

La visualización de datos e información presupone que "las representaciones visuales y las técnicas de interacción aprovechan el amplio ancho de banda del ojo humano para acceder a la mente y permitir a los usuarios ver, explorar y comprender grandes cantidades de información a la vez. La visualización de información se centró en la creación de enfoques para transmitir información abstracta de forma intuitiva". ^{[ 19 ]}

El análisis de datos es una parte indispensable de toda investigación aplicada y resolución de problemas en la industria. Los enfoques más fundamentales para el análisis de datos son la visualización (histogramas, diagramas de dispersión, gráficos de superficie, mapas de árbol, gráficos de coordenadas paralelas, etc.), la estadística ( pruebas de hipótesis , regresión , PCA , etc.), la minería de datos ( minería de asociaciones , etc.) y los métodos de aprendizaje automático ( agrupamiento , clasificación , árboles de decisión , etc.). Entre estos enfoques, la visualización de información, o análisis visual de datos, es la que más depende de las habilidades cognitivas de los analistas humanos y permite descubrir información práctica no estructurada, limitada únicamente por la imaginación y la creatividad humanas. El analista no necesita aprender métodos sofisticados para interpretar las visualizaciones de los datos. La visualización de información también constituye un esquema para la generación de hipótesis, que suele ir seguido de un análisis más analítico o formal, como las pruebas de hipótesis estadísticas.

Para comunicar información de forma clara y eficiente, la visualización de datos utiliza gráficos estadísticos , diagramas , infografías y otras herramientas. Los datos numéricos pueden codificarse mediante puntos, líneas o barras para comunicar visualmente un mensaje cuantitativo. ^{[ 20 ]} La visualización eficaz ayuda a los usuarios a analizar y razonar sobre datos y evidencia. ^{[ 21 ]} Hace que los datos complejos sean más accesibles, comprensibles y utilizables, pero también puede ser reduccionista. ^{[ 22 ]} Los usuarios pueden tener tareas analíticas específicas, como hacer comparaciones o comprender la causalidad , y el principio de diseño del gráfico (es decir, mostrar comparaciones o mostrar causalidad) sigue la tarea. Las tablas se utilizan generalmente cuando los usuarios buscarán una medida específica, mientras que los gráficos de varios tipos se utilizan para mostrar patrones o relaciones en los datos para una o más variables.

La visualización de datos se refiere a las técnicas utilizadas para comunicar datos o información codificándolos como objetos visuales (por ejemplo, puntos, líneas o barras) contenidos en gráficos. El objetivo es comunicar la información de forma clara y eficiente a los usuarios. Es uno de los pasos en el análisis de datos o la ciencia de datos . Según Vitaly Friedman (2008), el "objetivo principal de la visualización de datos es comunicar información de forma clara y eficaz a través de medios gráficos. Esto no significa que la visualización de datos deba ser aburrida para ser funcional o extremadamente sofisticada para ser hermosa. Para transmitir ideas de forma eficaz, tanto la forma estética como la funcionalidad deben ir de la mano, proporcionando información valiosa sobre un conjunto de datos bastante disperso y complejo al comunicar sus aspectos clave de una manera más intuitiva. Sin embargo, los diseñadores a menudo no logran un equilibrio entre forma y función, creando visualizaciones de datos magníficas que no cumplen su propósito principal: comunicar información". ^{[ 23 ]}

De hecho, Fernanda Viegas y Martin M. Wattenberg sugirieron que una visualización ideal no solo debería comunicar con claridad, sino también estimular la participación y la atención del espectador. ^{[ 24 ]}

La visualización de datos está estrechamente relacionada con los gráficos informativos , la visualización de información, la visualización científica , el análisis exploratorio de datos y los gráficos estadísticos . En el nuevo milenio, la visualización de datos se ha convertido en un área activa de investigación, docencia y desarrollo. Según Post et al. (2002), ha unificado la visualización científica y la visualización de información. ^{[ 25 ]}

En el ámbito comercial, la visualización de datos se conoce a menudo como paneles de control . Las infografías son otra forma muy común de visualización de datos.

No existe una historia completa de la visualización de datos. No hay relatos que abarquen todo el desarrollo del pensamiento visual y la representación visual de datos, y que recopilen las contribuciones de disciplinas dispares. ^{[ 40 ]} Michael Friendly y Daniel Denis de la Universidad de York participan en un proyecto que intenta proporcionar una historia completa de la visualización. La visualización de datos no es un desarrollo moderno. Desde la prehistoria, los datos estelares, o información como la ubicación de las estrellas, se visualizaban en las paredes de cuevas (como las que se encuentran en la cueva de Lascaux en el sur de Francia) desde la era del Pleistoceno . ^{[ 41 ]} Los artefactos físicos como las fichas de arcilla mesopotámicas (5500 a. C.), los quipus incas (2600 a. C.) y los mapas de palos de las Islas Marshall (s.f.) también pueden considerarse como visualizaciones de información cuantitativa. ^{[ 42 ] [ 43 ]}

La primera visualización de datos documentada se remonta al 1160 a. C. con el Mapa del Papiro de Turín , que ilustra con precisión la distribución de los recursos geológicos y proporciona información sobre la extracción de esos recursos. ^{[ 44 ]} Estos mapas se pueden clasificar como cartografía temática , que es un tipo de visualización de datos que presenta y comunica datos e información específicos a través de una ilustración geográfica diseñada para mostrar un tema particular conectado con un área geográfica específica. Las primeras formas documentadas de visualización de datos fueron varios mapas temáticos de diferentes culturas e ideogramas y jeroglíficos que proporcionaban y permitían la interpretación de la información ilustrada. Por ejemplo, las tablillas de Lineal B de Micenas proporcionaron una visualización de información sobre los comercios de la Edad del Bronce Tardía en el Mediterráneo. La idea de las coordenadas fue utilizada por los antiguos topógrafos egipcios para trazar ciudades, las posiciones terrestres y celestes se ubicaban mediante algo parecido a la latitud y la longitud al menos hacia el 200 a. C., y la proyección cartográfica de una Tierra esférica en latitud y longitud por Claudio Ptolomeo [ c. 85 – c. 165 ] en Alejandría servirían como estándares de referencia hasta el siglo XIV. ^{[ 44 ]}

La invención del papel y el pergamino permitió un mayor desarrollo de las visualizaciones. Un gráfico del siglo X o posiblemente XI es una ilustración de los movimientos planetarios, utilizada en un apéndice de un libro de texto en escuelas monásticas. ^{[ 45 ]} Aparentemente, el gráfico pretendía representar una gráfica de las inclinaciones de las órbitas planetarias en función del tiempo. Para ello, la zona del zodíaco se representaba en un plano con una línea horizontal dividida en treinta partes como eje temporal o longitudinal. El eje vertical designa la anchura del zodíaco. La escala horizontal parece haber sido elegida individualmente para cada planeta, ya que los periodos no se pueden conciliar. El texto que lo acompaña se refiere únicamente a las amplitudes. Las curvas aparentemente no están relacionadas en el tiempo.

Para el siglo XVI, las técnicas e instrumentos para la observación y medición precisas de cantidades físicas, y la posición geográfica y celeste estaban bien desarrollados (por ejemplo, un "cuadrante mural" construido por Tycho Brahe [1546–1601], que cubría una pared entera en su observatorio). Particularmente importantes fueron el desarrollo de la triangulación y otros métodos para determinar ubicaciones cartográficas con precisión. ^{[ 40 ]} Muy pronto, la medición del tiempo llevó a los eruditos a desarrollar formas innovadoras de visualizar los datos (por ejemplo, Lorenz Codomann en 1596, Johannes Temporarius en 1596 ^{[ 46 ]} ).

Los matemáticos René Descartes y Pierre de Fermat desarrollaron la geometría analítica y el sistema de coordenadas bidimensional, que influyeron enormemente en los métodos prácticos de mostrar y calcular valores. El trabajo de Fermat y Blaise Pascal sobre estadística y teoría de la probabilidad sentó las bases de lo que ahora conceptualizamos como datos. ^{[ 40 ]} Estos avances ayudaron a William Playfair , quien vio el potencial de la comunicación gráfica de datos cuantitativos, a generar y desarrollar métodos gráficos de estadística. ^{[ 37 ]} En 1786, Playfair publicó los primeros gráficos de presentación.

En la segunda mitad del siglo XX, Jacques Bertin utilizó gráficos cuantitativos para representar información de forma intuitiva, clara, precisa y eficiente. ^{[ 37 ]} John Tukey y Edward Tufte ampliaron los límites de la visualización de datos; Tukey, con su nuevo enfoque estadístico de análisis exploratorio de datos, y Tufte, con su libro «La representación visual de la información cuantitativa», allanaron el camino para perfeccionar las técnicas de visualización de datos para un público más amplio que el de los estadísticos. Con el avance de la tecnología, también avanzó la visualización de datos, comenzando con visualizaciones dibujadas a mano y evolucionando hacia aplicaciones más técnicas, incluyendo diseños interactivos que dieron lugar a la visualización por software . ^{[ 47 ]}

El estudio moderno de la visualización comenzó con los gráficos por computadora , que "desde sus inicios se han utilizado para estudiar problemas científicos. Sin embargo, en sus comienzos la falta de potencia gráfica a menudo limitó su utilidad. El énfasis reciente en la visualización comenzó en 1987 con el número especial de Computer Graphics sobre Visualización en Computación Científica . Desde entonces ha habido varias conferencias y talleres, copatrocinados por la IEEE Computer Society y ACM SIGGRAPH ". ^{[ 48 ]} Se han dedicado a los temas generales de visualización de datos, visualización de información y visualización científica , y áreas más específicas como la visualización de volumen .

Programas como SAS , SOFA , R , Minitab , Cornerstone y otros permiten la visualización de datos en el campo de la estadística. Otras aplicaciones de visualización de datos, más específicas y únicas para usuarios individuales, lenguajes de programación como D3 , Python (a través de matplotlib y seaborn), JavaScript y Java (a través de JavaFX) hacen posible la visualización de datos cuantitativos. Las escuelas privadas también han desarrollado programas para satisfacer la demanda de aprendizaje de visualización de datos y bibliotecas de programación asociadas, incluyendo programas gratuitos como The Data Incubator o programas de pago como General Assembly . ^{[ 49 ]}

A partir del simposio "Datos para el descubrimiento" en 2013, ArtCenter College of Design, Caltech y JPL en Pasadena han llevado a cabo un programa anual sobre visualización interactiva de datos. ^{[ 50 ]} El programa plantea las siguientes preguntas: ¿Cómo puede la visualización interactiva de datos ayudar a científicos e ingenieros a explorar sus datos de manera más eficaz? ¿Cómo pueden la informática, el diseño y el pensamiento de diseño ayudar a maximizar los resultados de la investigación? ¿Qué metodologías son más eficaces para aprovechar el conocimiento de estos campos? Al codificar información relacional con características visuales e interactivas apropiadas para ayudar a interrogar y, en última instancia, obtener nuevas perspectivas sobre los datos, el programa desarrolla nuevos enfoques interdisciplinarios para problemas científicos complejos, combinando el pensamiento de diseño y los métodos más recientes de la informática, el diseño centrado en el usuario, el diseño de interacción y los gráficos 3D.

En los últimos años, con la creciente popularidad de los videojuegos, la visualización de datos e información se ha ido aplicando gradualmente en la industria mediante el uso de herramientas analíticas para evaluar las estadísticas de los jugadores y el rendimiento en el juego, que se visualizan en forma de puntos de salud, mapas y diagramas. Los desarrolladores recopilan y almacenan estos datos. La implementación de estas herramientas en los videojuegos ayuda a los desarrolladores a mejorar la experiencia del usuario y a desarrollar y actualizar nuevos juegos.

La visualización de datos implica una terminología específica, parte de la cual se deriva de la estadística. Por ejemplo, el autor Stephen Few define dos tipos de datos, que se utilizan en combinación para respaldar un análisis o visualización significativos:

• Categóricas: Representan grupos de objetos con una característica particular. Las variables categóricas pueden ser nominales u ordinales. Las variables nominales, por ejemplo, el género, no tienen un orden entre sí y, por lo tanto, son nominales. Las variables ordinales son categorías con un orden, por ejemplo, registrar el grupo de edad al que pertenece una persona. ^{[ 51 ]}
• Cuantitativas: Representan mediciones, como la altura de una persona o la temperatura de un ambiente. Las variables cuantitativas pueden ser continuas o discretas . Las variables continuas reflejan la idea de que las mediciones siempre se pueden realizar con mayor precisión. En cambio, las variables discretas solo tienen un número finito de posibilidades, como el recuento de ciertos resultados o la edad medida en años completos. ^{[ 51 ]}

La distinción entre variables cuantitativas y categóricas es importante porque ambos tipos requieren métodos de visualización diferentes.

Los dos tipos principales de representaciones visuales de información son las tablas y los gráficos.

• Una tabla contiene datos cuantitativos organizados en filas y columnas con etiquetas categóricas. Se utiliza principalmente para buscar valores específicos. En el ejemplo anterior, la tabla podría tener etiquetas de columna categóricas que representan el nombre (una variable cualitativa ) y la edad (una variable cuantitativa ), y cada fila de datos representa a una persona (la unidad experimental muestreada o subdivisión de categoría ).
• Un gráfico se utiliza principalmente para mostrar relaciones entre datos y representa valores codificados como objetos visuales (por ejemplo, líneas, barras o puntos). Los valores numéricos se muestran dentro de un área delimitada por uno o más ejes . Estos ejes proporcionan escalas (cuantitativas y categóricas) que se utilizan para etiquetar y asignar valores a los objetos visuales. Muchos gráficos también se denominan diagramas . ^{[ 52 ]}

Eppler and Lengler have developed the "Periodic Table of Visualization Methods," an interactive chart displaying various data visualization methods. It includes six types of data visualization methods: data, information, concept, strategy, metaphor and compound.^[53] In "Visualization Analysis and Design" Tamara Munzner writes "Computer-based visualization systems provide visual representations of datasets designed to help people carry out tasks more effectively." Munzner argues that visualization "is suitable when there is a need to augment human capabilities rather than replace people with computational decision-making methods."^[54]

La visualización interactiva de datos permite realizar acciones directas sobre un gráfico para cambiar elementos y vincular entre varios gráficos. ^{[ 57 ]}

La visualización interactiva de datos ha sido un objetivo de los estadísticos desde finales de la década de 1960. Ejemplos de estos avances se pueden encontrar en la videoteca de la Asociación Estadounidense de Estadística . ^{[ 58 ]}

Las interacciones comunes incluyen:

• El pincelado funciona controlando con el ratón un pincel que cambia directamente el color o el glifo de los elementos de un gráfico. El pincel a veces es un puntero y otras veces dibuja un contorno alrededor de los puntos; este contorno a veces tiene una forma irregular, como un lazo. El pincelado se usa con mayor frecuencia cuando se visualizan varios gráficos y existe algún mecanismo de enlace entre ellos. Existen varios modelos conceptuales diferentes para el pincelado y diversos mecanismos de enlace comunes. El pincelado en diagramas de dispersión puede ser una operación transitoria en la que los puntos del gráfico activo solo conservan sus nuevas características. Al mismo tiempo, quedan encerrados o intersectados por el pincel, o puede ser una operación persistente, de modo que los puntos conservan su nueva apariencia después de que se haya movido el pincel. El pincelado transitorio se suele elegir para el pincelado vinculado, como acabamos de describir.
• Pintura : El pincelado persistente es útil cuando queremos agrupar los puntos en clústeres y luego proceder a utilizar otras operaciones, como el recorrido, para comparar los grupos. Se está convirtiendo en terminología común llamar a la operación persistente pintura,
• Identificación : también conocida como etiquetado o selección de etiquetas, es otra manipulación gráfica que se puede aplicar. Al acercar el cursor a un punto o borde en un diagrama de dispersión, o a una barra en un gráfico de barras , aparece una etiqueta que identifica el elemento gráfico. Esta función está ampliamente disponible en muchos gráficos interactivos y a veces se denomina "mouseover".
• Escalado : asigna los datos a la ventana, y los cambios en el área de la función de mapeo nos ayudan a comprender diferentes aspectos del mismo gráfico. El escalado se usa comúnmente para ampliar las regiones con muchos datos en un diagrama de dispersión, y también puede usarse para cambiar la relación de aspecto del gráfico y revelar diferentes características de los datos.
• Enlace : conecta los elementos seleccionados en un gráfico con los elementos de otro gráfico. El tipo de enlace más simple es uno a uno, donde ambos gráficos muestran proyecciones diferentes de los mismos datos, y un punto en un gráfico corresponde exactamente a un punto en el otro. Al usar gráficos de área, seleccionar cualquier parte de un área tiene el mismo efecto que seleccionarla por completo y equivale a seleccionar todos los casos en la categoría correspondiente. Incluso cuando algunos elementos del gráfico representan más de un caso, la regla de enlace subyacente sigue vinculando un caso en un gráfico con el mismo caso en otros gráficos. El enlace también puede realizarse mediante una variable categórica, como un identificador de sujeto, de modo que todos los valores de datos correspondientes a ese sujeto se resalten en todos los gráficos visibles.

Existen diferentes enfoques sobre el alcance de la visualización de datos. Un enfoque común es la presentación de información, como Friedman (2008). Friendly (2008) presupone dos partes principales de la visualización de datos: gráficos estadísticos y cartografía temática . ^{[ 59 ]} En esta línea, el artículo "Visualización de datos: enfoques modernos" (2007) ofrece una visión general de siete temas de visualización de datos: ^{[ 60 ]}

• Artículos y recursos
• Mostrando conexiones
• Visualización de datos
• Mostrando noticias
• Mostrar sitios web
• Mapas mentales
• Herramientas y servicios

Todas estas materias están estrechamente relacionadas con el diseño gráfico y la representación de la información.

Desde una perspectiva de la informática , Frits Post en 2002 categorizó el campo en subcampos: ^{[ 25 ] [ 61 ]}

• Visualización de la información
• Técnicas y arquitecturas de interacción
• Técnicas de modelado
• Métodos de multirresolución
• Algoritmos y técnicas de visualización
• Visualización de volumen

En The Harvard Business Review, Scott Berinato desarrolló un marco para abordar la visualización de datos. ^{[ 62 ]} Para empezar a pensar visualmente, los usuarios deben considerar dos preguntas: 1) ¿Qué tienen? y 2) ¿Qué están haciendo? El primer paso es identificar qué datos se desean visualizar. Puede tratarse de datos concretos, como las ganancias de los últimos diez años, o de una idea conceptual, como la estructura de una organización específica. Una vez respondida esta pregunta, se puede determinar si se busca comunicar información (visualización declarativa) o comprender algo (visualización exploratoria). Scott Berinato combina estas preguntas para ofrecer cuatro tipos de comunicación visual, cada uno con sus propios objetivos. ^{[ 62 ]}

Estos cuatro tipos de comunicación visual son los siguientes:

• Ilustración de ideas (conceptual y declarativa). ^{[ 62 ]}
  • Se utilizan para enseñar, explicar y/o simplificar conceptos. Por ejemplo, organigramas y árboles de decisión.
• generación de ideas (conceptual y exploratoria). ^{[ 62 ]}
  • Se utiliza para descubrir, innovar y resolver problemas. Por ejemplo, una pizarra blanca después de una sesión de lluvia de ideas.
• descubrimiento visual (basado en datos y exploratorio). ^{[ 62 ]}
  • Se utiliza para detectar tendencias y comprender los datos. Este tipo de visualización es más común con conjuntos de datos grandes y complejos, donde el conjunto de datos es en parte desconocido y la tarea no tiene un final definido.
• Visualización de datos cotidiana (basada en datos y declarativa). ^{[ 62 ]}
  • El tipo de visualización más común y sencillo que se utiliza para afirmar y contextualizar información. Por ejemplo, un gráfico lineal del PIB a lo largo del tiempo.

Las perspectivas de visualización de datos e información se están aplicando en áreas como: ^{[ 18 ]}

• Investigación científica
• Bibliotecas digitales
• minería de datos
• Gráficos informativos
• Análisis de datos financieros
• Atención sanitaria ^{[ 63 ]}
• Estudios de mercado
• control de producción manufacturera
• Mapeo del delito
• Gobernanza electrónica y modelado de políticas
• Humanidades digitales
• Arte de datos
• Juego de azar
• Deportes

Algunos laboratorios académicos e industriales destacados en este campo son:

• Adobe Research
• Investigación de IBM
• Investigación de Google
• Investigación de Microsoft
• Software Panóptico
• Instituto de Computación Científica e Imágenes
• Software Tableau
• Laboratorio de Interacción Humano-Computadora de la Universidad de Maryland

Las conferencias en este campo, clasificadas por su importancia en la investigación de visualización de datos, ^{[ 64 ]} son:

• IEEE Visualization : Conferencia internacional anual sobre visualización científica, visualización de información y análisis visual. La conferencia se celebra en octubre.
• ACM SIGGRAPH : Conferencia internacional anual sobre gráficos por computadora, organizada por ACM SIGGRAPH. Las fechas de la conferencia varían.
• Conferencia sobre Factores Humanos en Sistemas Informáticos (CHI) : Conferencia internacional anual sobre interacción persona-ordenador, organizada por ACM SIGCHI . ​​La conferencia suele celebrarse en abril o mayo.
• Eurographics : Conferencia anual europea sobre gráficos por ordenador, organizada por la Asociación Europea de Gráficos por Ordenador. La conferencia suele celebrarse en abril o mayo.

Para ver más ejemplos, consulte: Categoría:Organizaciones de gráficos por computadora

La arquitectura de presentación de datos ( DPA , por sus siglas en inglés) es un conjunto de habilidades que busca identificar, localizar, manipular, formatear y presentar datos de tal manera que se comunique de forma óptima el significado y el conocimiento. Históricamente, la arquitectura de presentación de datos se atribuye a Kelly Lautt: ^{[ a ]} "La arquitectura de presentación de datos (APD) es un conjunto de habilidades poco aplicadas, pero fundamental para el éxito y el valor de la inteligencia empresarial . La arquitectura de presentación de datos combina la ciencia de los números, los datos y la estadística para descubrir información valiosa a partir de los datos y hacerla utilizable, relevante y práctica, con las artes de la visualización de datos, la comunicación, la psicología organizacional y la gestión del cambio, con el fin de proporcionar soluciones de inteligencia empresarial con el alcance, el momento de entrega, el formato y las visualizaciones de datos que mejor respalden e impulsen el comportamiento operativo, táctico y estratégico hacia los objetivos empresariales (u organizacionales) definidos. La APD no es un conjunto de habilidades de TI ni de negocios, sino que existe como un campo de especialización independiente. A menudo confundida con la visualización de datos, la arquitectura de presentación de datos es un conjunto de habilidades mucho más amplio que incluye determinar qué datos, en qué plazo y en qué formato exacto se presentarán, no solo la mejor manera de presentar datos que ya se han elegido. Las habilidades de visualización de datos son un elemento de la APD."

• Hitos en la historia de la cartografía temática, los gráficos estadísticos y la visualización de datos : una cronología ilustrada de las innovaciones, por Michael Friendly y Daniel J. Denis.
• Presentación de Christa Kelleher, Universidad de Duke: Comunicación a través de infografías: visualización de información científica y de ingeniería, 2015