Skip to content
Gallery
research
Research Playbook
Share
Explore
Recursos

¿Qué gráficos debo usar?

En este artículo os enseñaremos a presentar datos de forma clara y sencilla.
Por
En investigación cuantitativa a menudo trabajamos con miles de datos diferentes y los gráficos nos ayudan a reducir y simplificar para mejorar la interpretación de los resultados.

Los gráficos son representaciones de datos que por su capacidad de síntesis, su diseño visual y su claridad al destacar los datos relevante nos permiten tomar decisiones.

El modo en el que se presenta la información es tan importante como los propios resultados que se han obtenido. Al final, se trata de contar una historia interesante y con sentido, que atrape la atención y permita plantearse preguntas para seguir investigando.
Por eso es tan importante saber cómo presentar adecuadamente los resultados de una investigación, porque lo que buscamos es mostrar información que sea manejable y comprensible para todo el mundo.
Un buen gráfico nos permite interpretar mejor la información estadística (a menudo tan densa y compleja) y nos ayuda a reducir la cantidad de datos y a visualizar mejor la información que queremos transmitir.
Además, los gráficos nos ayudan a hacer accesible la investigación cuantitativa a todo el mundo. Al compartir los resultados cuantitativos con personas de perfiles diversos nos damos cuenta de que el uso de gráficos ejerce un poder casi evangelizador, pues permite que cualquier persona, tenga o no experiencia previa en este tipo de análisis, pueda comprender los resultados y ser capaz de explicarlos por sí mismos.

Principios de la representación gráfica

¿Cuáles son los principios básicos que debemos seguir a la hora de usar gráficos?

Limpieza y sencillez

Un diseño claro, sintético y directo al grano.
Los gráficos que mejor se entienden y captan la atención del usuario son aquellos que más claramente destacan la información más esencial por encima de todo. Todo lo demás es ruido y no debemos darle la misma importancia visual (por ejemplo, la leyenda no deberá destacar por encima de las barras o líneas del gráfico).
Grafico de cotización semanal
Cuando leemos un informe cuantitativo a menudo nos encontramos ante una diapositiva o una página llena de resultados y de información secundaria que al final genera mucho ruido en la presentación. Es aquí que deberíamos aplicar el mindset del diseño centrado en la persona y seleccionar qué es lo más relevante para nuestros usuarios.
Se trata de ayudarles a identificar rápidamente qué es lo fundamental, reduciendo su carga cognitiva al enfocar su atención en lo más importante y ayudándoles a comprender cuáles han sido los principales hallazgos de la investigación.

Autoexplicativo

Un gráfico debe ser capaz de poder leerlo cualquiera.
La visualización de datos se debe interpretar fácilmente. Un buen diseño permitirá al lector entender cómo se presenta la información y poder representarla ante cualquier audiencia.
Gráfico tipo pie chart
Aquí se ve claramente que las manzanas son la fruta favorita y que las uvas las que menos gustan.
No sirve de nada todo el tiempo invertido en una investigación cuantitativa (diseño, trabajo de campo y análisis) si al final las personas a las que se lo mostramos no saben interpretar los datos que les estamos enseñando.
Un gráfico debería poder explicarse por sí mismo y cualquier usuario debería ser capaz de interpretarlo sin necesitar que nadie se lo explique.

Informativo

Un poco de contexto para ayudar a navegar por el gráfico.
Para que un gráfico se pueda interpretar correctamente, debe contar con algunos elementos que ayudan a su interpretación:
Fuente de origen de los datos, que permita consultas directas a la información (se incluye a pie de gráfico).
Escala de medida de los datos (porcentajes, miles, números absolutos, etc.)
Año o periodo de referencia de la información
Título del gráfico. El título debe indicar de qué se trata sin necesidad de conocer más información ni ver el resto del informe o publicación en el que se incluye.
exportGitBookDesignDocs-Research-Playbook.gitbookassetsinformacion.png
Según la leyenda, el estado en rojo es donde más se encuentran abejas

Honestidad

Debemos ser honestos con la información
Los gráficos deben regirse por los principios de imparcialidad y transparencia. Si un dato ha salido más negativo de lo esperado o los objetivos marcados no se han alcanzado, esta información debe mostrarse tal cual se ha recogido, pues de esta manera se podrán tomar mejores decisiones para el futuro.
exportGitBookDesignDocs-Research-Playbook.gitbookassetshonestidad.png
C ha tenido una gran subida!
Por eso, a la hora de presentar datos se recomienda no intentar maquillar los resultados para conseguir el dato que está esperando el cliente, equipo o directiva y pensar en la información que realmente aporta valor.

¿Qué tipo de gráfico debemos utilizar en cada caso?

Cuando se trata de visualizar datos, lo primero y más fundamental es determinar qué tipo de información queremos mostrar y a partir de ahí seleccionar el tipo de gráfico que mejor represente lo que queremos transmitir.
exportGitBookDesignDocs-Research-Playbook.gitbookassetsesquema.png
Esta matriz puede ayudar a decidir qué tipo de gráfico es el mejor en cada caso
El tipo de gráfico que debemos utilizar deberá ser el más sencillo de entender para nuestra audiencia dependiendo del tipo de información con la que estemos trabajando (cualitativa o cuantitativa).
Además, debemos ser capaces de dar respuesta a la esta pregunta: ¿qué es lo que queremos mostrar con nuestro gráfico?
Dependiendo del tipo de información y de lo que se quiera mostrar en cada caso se deben emplear diferentes gráficos:
Comparar datos y relacionar variables.
Observar la composición de una misma variable.
Medir la evolución temporal de un fenómeno.
Examinar la distribución de una población.
A continuación, vamos a explicar cada uno de estos conjuntos de gráficos y para ello utilizaremos ejemplos de un estudio de caso ficticio de una investigación de diseño (totalmente ficticia) sobre viajes para una nueva startup para buscar viajes por Internet, el meta buscador X-Wing.
X-Wing es un nuevo motor de búsqueda global que compara aerolíneas y buscadores de vuelos en un instante, localizando los mejores precios para ofrecer a sus usuarios siempre el mejor precio garantizado por encima de los demás buscadores de viajes. En X-Wing están tan convencidos de su éxito que se comprometen a igualar el precio en caso de que otro proveedor de viajes obtenga una mejor oferta.

1. Comparación de datos

Una de las historias más comunes en investigación cuantitativa surge a la hora de comparar los resultados entre sí para observar diferencias y similitudes entre los datos. Los gráficos de comparación nos ayudan a comparar los resultados entre una o varias series de datos.

Gráfico de barras

exportGitBookDesignDocs-Research-Playbook.gitbookassetsbarras_01.png
Los gráficos de barras se utilizan principalmente para comparar magnitudes de varias categorías (aunque como veremos más adelante, también son empleados para representar la composición de una variable o para observar la evolución en el tiempo). Sirven para representar variables cualitativas o cuantitativas discretas en un eje cartesiano de las frecuencias.
Para representarlo, las categorías de la variable se sitúan en uno de los ejes y en el otro se añaden los valores (frecuencias o porcentajes) de cada categoría dentro de nuestra muestra.
exportGitBookDesignDocs-Research-Playbook.gitbookassetsbarras_02.png
Estos gráficos se pueden orientar de manera horizontal o vertical, sobre todo dependiendo del número de categorías de respuesta: si tenemos pocas categorías (máximo 6 o 7), se recomienda emplear un gráfico horizontal; pero si el número de categorías es elevado (8 o más categorías), es mejor emplear un gráfico vertical.
EJEMPLO: ¿Qué es lo que más importa dentro del avión?
En el estudio para el buscador de viajes X-Wing, imaginemos que queremos conocer qué es lo que más valora un pasajero/a a la hora de viajar en avión. Para ello, se ha realizado una encuesta online CAWI a través de un panel de usuarios y consumidores a una muestra de 500 personas que viajan en avión al menos 3 veces al año.
exportGitBookDesignDocs-Research-Playbook.gitbookassetsbarras_03.png
Fuente: elaboración propia (datos ficticios)
Los resultados de esta pregunta demostraron que son 8 las cosas que más les importan a los pasajeros cuando piensan en la experiencia dentro del avión. Pero lo más importante por encima de todo para el pasajero es sentirse a gusto en asientos cómodos y confortables, así como poder seleccionar el sitio que más le gusta dentro del avión.
Tipos de gráficos de barras para la comparación de datos
Dependiendo del tipo de información, el gráfico puede contar con una serie de datos o mostrar varias series al mismo tiempo. En función de la cantidad de series de datos a mostrar, se pueden distinguir dos tipos de gráficos de barras para la comparación de datos:
Sencillo: Muestra una serie de datos única.
Agrupado: Muestra varias series de datos al mismo tiempo, cada una se representa por un tipo de barra de un mismo color y diseño. Permite comparar grupos dentro de cada categoría.
exportGitBookDesignDocs-Research-Playbook.gitbookassetsbarras_04.png
EJEMPLO: ¿Qué destinos interesan más a los jóvenes?
En el estudio del buscador de viajes, utilizamos el gráfico de barras agrupado para comprobar si existen diferencias en los destinos turísticos preferidos entre los jóvenes y los adultos. De esta manera, pudimos ayudar a la compañía a comprender que Amsterdam y Barcelona son destinos que atraen más a la gente joven; mientras que Milán, Roma y Budapest son las elegidas por una mayor proporción de personas adultas.
exportGitBookDesignDocs-Research-Playbook.gitbookassetsbarras_05.png
Fuente: elaboración propia (datos ficticios)

Pictograma

exportGitBookDesignDocs-Research-Playbook.gitbookassetspicto_01.svg
El pictograma es un gráfico de barras con un diseño diferente. Las tradicionales barras se sustituyen por figuras, logos o símbolos y su tamaño simboliza la magnitud de cada categoría de respuesta.
En la práctica, no existen grandes diferencias entre un gráfico de barras tradicional y un pictograma. Es más una cuestión estética y de diseño, ya que ambos se utilizan para comparar magnitudes u observar tendencias en la evolución en el tiempo de una determinada variable.
EJEMPLO: ¿Qué es lo que más importa dentro del avión?
En nuestro ejemplo anterior sobre las cosas más importantes para los pasajeros cuando se encuentran dentro del avión, empleamos un gráfico de barras para representar gráficamente los resultados. Estas barras se pueden sustituir por iconos u otros elementos dependiendo del diseño que queramos emplear, tal y como podemos ver a continuación:
exportGitBookDesignDocs-Research-Playbook.gitbookassetspicto_02.png
Fuente: Elaboración propia (datos ficticios)

Cartograma

exportGitBookDesignDocs-Research-Playbook.gitbookassetscarto_01.png
Un cartograma es una visualización gráfica que permite representar los valores sobre un mapa y permite comparar los datos de diferentes regiones utilizando una escala de color en función de la intensidad o presencia de la variable en cada parte del mapa. En la leyenda del gráfico se suele situar la escala y el intervalo numérico asociado a cada rango de color.
Se utilizan para representar la información de una manera muy visual, muy impactante y clara, de manera que podamos comparar rápidamente los resultados en diferentes regiones.
EJEMPLO: ¿Cuáles son los principales destinos turísticos en Estados Unidos?
Para dar respuesta a esta pregunta, nos dirigimos a las estadísticas públicas de la U.S. Travel Association sobre el número de turistas extranjeros en cada Estado. Para transmitir esta información a la compañía X-Wing (una serie de datos numéricos en forma de tablas), empleamos un cartograma de Estados Unidos, donde los Estados más visitados se muestran con un color más rojizo y los más azules reflejan aquellas regiones con menor demanda turística. De esta manera, se puede observar que la región con mayor afluencia turística es el Estado de Nueva York.
exportGitBookDesignDocs-Research-Playbook.gitbookassetscartograma.png

Gráfico de sectores

exportGitBookDesignDocs-Research-Playbook.gitbookassetssectores01.png
El gráfico de sectores (también conocido como gráfico de tarta o de donut) es perfecto para representar una variable cualitativa o cuantitativa discreta con pocas categorías de respuesta (lo aconsejable es no contar con más de 6 categorías). Este tipo de gráficos son muy útiles para comparar las categorías y grupos dentro de una misma variable.
Las unidades se pueden representar tanto en frecuencias como en porcentajes. Si usamos los porcentajes, hay que tener en cuenta que el círculo completo deberá sumar el 100% de los valores, mientras que cada porción de la tarta representará el tamaño de las categorías de la variable.
exportGitBookDesignDocs-Research-Playbook.gitbookassetssectores02.png
Es importante en este tipo de gráficos que se usen solo para variables con pocas categorías, pues de lo contrario resultaría demasiado difícil de leer e interpretar.
EJEMPLO: ¿Qué perfil tienen los usuarios que buscan más vuelos en X-Wing?
Por ejemplo, serían muy útiles para representar el sexo o la edad de los usuarios que utilizan el meta buscador X-Wing, lo que nos ayudaría a identificar rápidamente que su público objetivo son mujeres jóvenes-adultas de entre 25 y 34 años.
exportGitBookDesignDocs-Research-Playbook.gitbookassetssectores03.png
Fuente: elaboración propia (datos ficticios)

Gráfico de radar o araña

exportGitBookDesignDocs-Research-Playbook.gitbookassetsradad01.png
El gráfico de radar, también conocido como gráfico de araña, nos permite visualizar datos de una manera más atractiva y comparar múltiples datos. Es un tipo de representación que puede utilizarse tanto para variables cuantitativas discretas como cualitativas.
Para representar el gráfico de araña, a cada variable se le otorga el mismo eje que parte desde 0 y sus valores se sitúan en el gráfico de manera radial, de manera que la escala es la misma para todas las variables. Después se traza una línea que conecta cada uno de los límites superiores de cada eje (el valor máximo de cada variable).
Con el gráfico de araña se pueden ver rápidamente las similitudes y diferencias existentes entre los datos y detectar cuáles son los puntos más fuertes y más débiles de un grupo de personas, de una empresa o de una marca. Hay que tener en cuenta que este tipo de gráficos resultan muy interesantes para representar pocas variables y grupos al mismo tiempo. Si contamos con muchas variables o grupos, el gráfico será más difícil de leer y complicará la interpretación de los resultados.
Por eso se aconseja utilizarlo para no más de 7-8 variables al mismo tiempo y como mucho incluir 2-3 grupos dentro de cada gráfico de araña.
EJEMPLO: ¿Qué imagen tienen los usuarios de las aerolíneas?
En una encuesta a viajeros habituales en avión, se les preguntó qué imagen tenían acerca de diversas aerolíneas como AirEuropa o Ryanair. De esta manera, pudimos mostrar a la compañía X-Wing cuáles son los puntos fuertes y débiles de cada aerolínea y compararlas entre sí, lo que nos permite saber fácilmente que AirEuropa cuenta con una mejor imagen que Ryanair en términos de modernidad y ofertas, pero peor en todos los demás aspectos.
exportGitBookDesignDocs-Research-Playbook.gitbookassetsradad02.png
Fuente: elaboración propia (datos ficticios)

Gráfico o diagrama de dispersión

exportGitBookDesignDocs-Research-Playbook.gitbookassetsdispersion01.png
El gráfico de dispersión es una de las maneras más empleadas para expresar la relación entre dos variables numéricas, mostrando la correlación existente entre las dos variables.
Se utiliza para representar cómo varía una variable a medida que aumentan o disminuyen los valores de la otra. Los valores se sitúan en entre los dos ejes formando una nube de puntos en el gráfico. La forma y dirección de la nube de puntos nos indicará el tipo de correlación entre las dos variables.

Tipos de gráficos de dispersión

Correlación lineal La relación entre las dos variables es lineal cuando a medida que se incrementa o se reduce el valor en una de ellas, aumenta o disminuye la otra variable. Cuando la relación es lineal, a menudo se dibuja la recta de regresión, la cual refleja la tendencia de la correlación de una manera todavía más visual. En función de la dirección de la línea, diremos que la correlación es:
Positiva: es positiva cuando a medida que aumentamos los valores de una variable, aumentan los valores de la segunda.
Negativa: es negativa cuando al aumentar los valores de una variable, disminuyen los valores de la segunda.
exportGitBookDesignDocs-Research-Playbook.gitbookassetsdispersion07.png
Positiva | Negativa
Correlación no lineal ​Las dos variables se encuentran relacionadas entre sí, pero esta relación no es lineal ni se puede dibujar una recta de regresión sobre ella.
exportGitBookDesignDocs-Research-Playbook.gitbookassetsdispersion04.png
Correlación nula Se considera que la correlación es nula cuando las dos variables son independientes entre sí y no existe ninguna relación entre ellas.
exportGitBookDesignDocs-Research-Playbook.gitbookassetsdispersion05.png
EJEMPLO: ¿Son siempre los destinos más lejanos los más caros para viajar en avión?
Para dar respuesta a esta pregunta, utilizamos un diagrama de dispersión en el que se representa la distancia entre diferentes destinos turísticos y el precio que cuesta el billete de avión siguiendo los datos de esta tabla:
exportGitBookDesignDocs-Research-Playbook.gitbookassetsdispersion06.png
Al representarlo gráficamente, pudimos observar que efectivamente existe una correlación positiva entre el precio del billete y los kilómetros recorridos, es decir, a medida que aumentan los kilómetros es más probable que el precio del billete cueste más a cada pasajero.
No obstante, eso ocurre sobre todo en las distancias más largas (más de 2.000 km), pero la correlación no es tan evidente cuando las distancias más cortas, lo que nos lleva a pensar que en el precio del billete intervienen otros factores además de la distancia recorrida, como puede ser que exista una mayor oferta de viajes low-cost para algunos destinos que para otros.

Gráfico de burbujas

exportGitBookDesignDocs-Research-Playbook.gitbookassetsburbujas01.png
El gráfico de burbujas es un gráfico de dispersión pero diferente al diagrama anterior, pues en él los valores se representan en forma de grandes círculos o burbujas en lugar de puntos.
Al igual que en el gráfico de dispersión tradicional, sirve para representar la relación entre variables en un eje cartesiano. Pero sin duda lo interesante de este gráfico es que permite visualizar hasta 5 dimensiones al mismo tiempo: posición de la variable X, posición de la variable Y, el tamaño de cada categoría, el color de cada categoría y el tiempo.
De esta manera, cada burbuja representará la posición de las variables a comprar, el tamaño de cada burbuja nos mostrará el tamaño o la cantidad de valores de cada categoría (países, empresas, colectivos de personas) y el color nos permitirá distinguir las diferentes categorías a comparar. Además, si se incluye la variable “Tiempo” mediante algún tipo de software como podremos ver cómo cambian de tamaño y de lugar las burbujas a lo largo del tiempo.
EJEMPLO: ¿Cuáles son los canales de acceso a la web que más conversión en compras de viajes han obtenido en el último mes?
Utilizando el gráfico de burbujas, podremos representar esta información a través de cuatro dimensiones: Cada círculo o burbuja representará una fuente de tráfico (direct, referral, display, email, organic search, paid search…).
exportGitBookDesignDocs-Research-Playbook.gitbookassetsburbujas02.png
Fuente: elaboración propia (datos ficticios)
El tamaño de las burbujas indicará el número de viajes comprados por los usuarios que han accedido por cada fuente. La posición de la variable X indica el número de visitas a la web en miles de visitas. La posición de la variable Y señala el número de búsquedas en la misma sesión. Con esta información, podemos determinar que el tráfico directo es aquel que obtiene una mayor conversión en compras de viajes en su web dado que tiene el tamaño de la burbuja más grande. Además, el canal que produce más búsquedas dentro de la web es el canal display, aunque esto no significa que se traduzca en una mayor conversión de compras de viajes.

Mapa de calor

exportGitBookDesignDocs-Research-Playbook.gitbookassetshotmap01.png
El mapa de calor se utiliza para representar la relación entre dos variables. Se trata de una tabla en forma de matriz en la que se coloca una variable en las filas y la otra en las columnas y se muestra la intensidad de la relación entre sus categorías a través de una escala de color, siendo siempre el color más oscuro aquellas categorías en las que las variables muestran una mayor correlación entre sí.
Este tipo de gráficos permite destacar las similitudes de las dos variables de un simple vistazo, detectar las posibles correlaciones entre las variables y observar si existe algún patrón en el comportamiento de las mismas. Además, también se pueden utilizar para observar la evolución de una variable a lo largo del tiempo, si en la variable de las filas incluimos el tiempo.
EJEMPLO: ¿Cuáles son las aerolíneas que más se utilizan para viajar?
Desde la compañía de viajes X-Wing desean conocer qué tipo de aerolíneas los usuarios suelen tener en cuenta a la hora de realizar sus viajes en avión. Por eso, en nuestra encuesta online preguntamos a viajeros habituales en avión cuáles eran las aerolíneas que han utilizado en alguna ocasión y el resultado lo cruzamos entre 7 de las compañías aéreas más comunes.
exportGitBookDesignDocs-Research-Playbook.gitbookassetshotmap02.png
Fuente: elaboración propia (datos ficticios)
De esta manera, pudimos conocer que Ryanair es la aerolínea más considerada por todos los usuarios de prácticamente cualquier otra compañía.

2. Composición

En el capítulo anterior hemos visto cómo comparar datos utilizando gráficos de barras simples y agrupados. No obstante, los gráficos de barras también se utilizan habitualmente para representar la composición de una variable, representando las categorías o segmentos que pertenecen a una misma población o serie de datos.
En este sentido, existen dos tipos de gráficos de barras para representar la composición de una variable: los gráficos de barras apilados y los gráficos de barras apilados al 100%.

Gráfico de barras apilado

exportGitBookDesignDocs-Research-Playbook.gitbookassetsbarrasApilado01.png
Muestra las frecuencias de varias categorías que pertenecen a la misma serie de datos. Se representan en secciones de distintos colores dentro de la misma barra, siendo el valor total de la barra la suma de todas las frecuencias relativas de las categorías o segmentos mostrados.
Los gráficos de barras apilados nos ayudan a clasificar la información y a identificar cómo se distribuyen los datos dentro de cada categoría.
EJEMPLO: ¿Qué es lo que buscan los usuarios cuando viajan a cada ciudad?
La compañía X-Wing quiere diversificar su oferta de servicios con la incorporación de nuevos packs turísticos que, además del vuelo, incluyan el hotel y la posibilidad de realizar actividades de ocio, culturales o gastronómicas.
Por eso, nos han pedido que identifiquemos qué tipo de actividades turísticas son más utilizadas a la hora de viajar en las ciudades más visitadas de Europa. En este caso, empleamos un gráfico de barras apiladas en el que se muestra el número de turistas que acudieron a cada una de las tres categorías de actividades turísticas (gastronomía, cultura y ocio).
exportGitBookDesignDocs-Research-Playbook.gitbookassetsbarrasApilado02.png
Fuente: elaboración propia (datos ficticios)
Según la información del gráfico, podemos determinar que a la mayoría de turistas que viajan a Amsterdam les interesan las actividades de gastronomía, mientras que en los turistas que van a Barcelona destacan más las actividades de ocio y culturales.

Gráfico de barras apilado al 100%

exportGitBookDesignDocs-Research-Playbook.gitbookassetsbarrasApilado04.png
Want to print your doc?
This is not the way.
Try clicking the ⋯ next to your doc name or using a keyboard shortcut (
CtrlP
) instead.