Con el tipo de marca de densidad, Tableau cuenta con una nueva clase de mapa de calor

A partir de la versión de Tableau 2018.3, los usuarios que trabajan con datos concentrados y superpuestos pueden emplear mapas de calor para entender mejor la concentración de los datos. Como resultado, pueden reconocer patrones espaciales en los datos geográficos con mayor facilidad. Sin embargo, los mapas de calor no solo resultan útiles cuando se usan con mapas. También se pueden aplicar a diagramas de dispersión o diagramas de puntos, entre otros.

Crear mapas de calor en Tableau es una tarea fácil. Para comenzar, solo tenemos que cambiar el tipo de marca a densidad. Además, Tableau incluye algunas opciones de configuración para trabajar con mapas de calor. Si desea cambiar la densidad alrededor de una marca, puede ajustar el control deslizante de tamaño a fin de modificar el área de influencia de las marcas. Si busca aplicar un grosor a la densidad, puede soltar una medida en Color. Para ver un número mayor o menor de puntos álgidos en los datos, puede ajustar el control deslizante de intensidad. También hemos creado nuevas paletas de colores diseñadas para fondos claros y oscuros, que se adecuan a las prácticas recomendadas de análisis visual. Asimismo, las funcionalidades existentes, como filtros, páginas y series de gráficos pequeños, funcionan de manera intuitiva.

Hay un sinfín de aplicaciones prácticas para los mapas de calor. En esta publicación, exploraremos algunos casos de uso comunes.

Los gobiernos municipales a menudo comparten con el público datos sobre eventos, incidentes y actividades operativas. Nueva York, Toronto y Melbourne son excelentes ejemplos de ciudades que han aumentado la transparencia mediante el uso de datos abiertos. Tras visitar recientemente la fantástica ciudad de Nueva Orleans para participar en la Conferencia de Tableau 2018, quise explorar más en detalle algunos de estos datos de dominio público. Decidí analizar 311 llamadas realizadas en los últimos seis años. Las 311 llamadas representan problemas de relativamente poca importancia para los que los ciudadanos piden una solución.

Cuando me conecto a los datos en Tableau, puedo crear fácilmente un mapa donde aparecen las 311 llamadas con los campos de latitud y longitud del conjunto de datos.

Fuente: Data NOLA Gov

Este tipo de mapa trae consigo un problema: resulta muy difícil interpretar cualquier patrón formado por los datos si no se aplica ningún filtro. A fin de percibir mejor la concentración espacial de los datos, se puede utilizar la opción Mostrar filtro para ver los tipos de problemas notificados. Sin embargo, quedan muchos datos por analizar, y cualquier filtro adicional que se aplique limitará el análisis. Comparar estos dos tipos de problemas es difícil, porque, al parecer, los puntos de datos abarcan ubicaciones muy similares.

Con los mapas de calor, es posible reconocer las concentraciones espaciales al instante. Cuando se comparan 311 tipos de problemas o datos de categoría, las diferencias resultan obvias. Solo tenemos que cambiar el tipo de marca a densidad y podremos realizar la comparación nosotros mismos.

Con los mapas de calor, entender los patrones espaciales es mucho más fácil. Asimismo, podemos ir un paso más allá y ver cómo cambian estos patrones en el tiempo. Mediante Páginas, podemos explorar el problema abandoned vehicle (vehículo abandonado) con facilidad. Veremos que el número de incidentes notificados aumentó año tras año, pero que las áreas de concentración se mantuvieron casi inalteradas. Con Páginas, se calcula la densidad en todo el conjunto de datos. Como resultado, se pueden ver comparaciones relativas a medida que se animan los datos.

Gracias al análisis, las empresas han cambiado su manera de operar. Una de las aplicaciones más populares del análisis pertenece al mundo del deporte. En casi todos los deportes, se exploran patrones espaciales de lanzamientos, goles, jugadas defensivas y movimientos de jugadores; los equipos los usan para buscar una ventaja competitiva. El baloncesto es un ejemplo de deporte en el que se generan grandes cantidades de datos y es difícil identificar patrones. A continuación, se muestra una vista donde se representan todos los lanzamientos realizados en la NBA en una muestra de 100 partidos.

Se destaca la línea de tres puntos. Pero más allá de esta, no se puede ver un patrón que se pueda explorar en los datos. Ahora, puede usar los mapas de calor en Tableau para convertir la curiosidad en información. ¿Cómo es la selección de lanzamientos en la NBA? ¿Cuáles son las tendencias de los diferentes equipos? Echemos un vistazo.

Lanzamientos de todos los equipos de la NBA

Cuando se compara la selección de lanzamientos de los distintos equipos, surgen algunas observaciones. En el caso de los Trail Blazers, se ve una distribución bastante pareja en la zona de los triples, y casi no hay concentración de tiros de media distancia. Los Warriors equilibran los lanzamientos de larga distancia, con un alto porcentaje de tiros de media distancia y tiros cerca de la canasta.

A la hora de compartir y analizar datos de deportes, no olvide usar una imagen de fondo para proporcionar el contexto necesario. En esta visualización, agregué la cancha de baloncesto con el propósito de simplificar el análisis visual.

Los mapas de calor son una herramienta ideal para visualizar datos concentrados en un diagrama de dispersión. Pero, con Tableau, también es posible darles otros usos creativos. Veamos un historial reciente de pedidos de productos. Existen numerosas maneras útiles de visualizar los datos en el tiempo. Para comenzar, analizaremos cada pedido por separado.

En esta vista, no puedo identificar un patrón específico, más allá de lo evidente: que las copiers (fotocopiadoras) nunca son el producto más vendido. Si cambiamos la vista por marcas de forma, podemos ver las concentraciones (o patrones) de los pedidos con un poco más de facilidad.

Puedo ver que los pedidos de paper (papel) son más frecuentes, en especial en comparación con bookcases (bibliotecas), copiers (fotocopiadores), envelopes (sobres) y supplies (suministros). Pero, para determinar la próxima pregunta, tengo que analizar la vista con mucho detenimiento. Veamos lo que sucede cuando utilizo mapas de calor.

Es posible identificar la tendencia de cada producto de inmediato, además de compararlos entre sí. No importa a qué evento en el tiempo pertenezcan los datos: pedidos individuales por cliente, ingresos y extracciones de un cajero automático, o avistamientos de especies de vida silvestre. Con los mapas de calor, dispone de más formas de explorar y explicar los datos.

En Tableau, el uso de mapas de calor facilita la comprensión de las concentraciones existentes en los conjuntos de datos. Los mapas de calor son una funcionalidad flexible que se puede configurar. Se utilizan tanto en mapas como en otros tipos de gráficos. Además, se pueden combinar con colores, tamaños, filtros, páginas y acciones para crear una vista perfecta. Acceda a más ejemplos de mapas de calor en nuestra Galería visual.