Tenemos que tener en cuenta que, además del uso de un tipo de gráfico adecuado para el propósito que pretendemos, el uso adecuado del color en la representación de los mismos nos va a ayudar a transmitir un mensaje mucho más claro, y que ayude a la interpretación de los resultados que estamos mostrando en los mismos.
El uso adecuado del color en la representación de los mismos nos va a ayudar a transmitir un mensaje mucho más claro
Y no estamos hablando de cuestiones meramente estéticas, que en algunos casos también, sino que nos referimos a utilizar el color como vehículo en nuestras visualizaciones analíticas para guiar el usuario hacia los datos relevantes, la identificación sencilla de categorías, tendencias… Aportando, por tanto, guía en el proceso de análisis y, ante todo, evitando en la medida posible que datos necesarios queden ocultos, o se representen de forma que pueda generar confusión.
Principios básicos del uso de color
De cara a hacer un uso adecuado del color, tenemos que tener en cuenta una serie de claves o principios básicos que garanticen la transmisión correcta la información que pretenden nuestras visualizaciones. Podemos resumir los mismos en los siguientes apartados
Utilizar colores de manera coherente: Es importante utilizar colores de manera coherente en toda la visualización de datos. Esto significa que se deben utilizar los mismos colores para representar las mismas categorías o tipos de datos en diferentes gráficos o visualizaciones. Esto hace que sea más fácil para el usuario comprender la información y comparar diferentes gráficos.
Utilizar colores con contraste: Para mejorar la legibilidad y la accesibilidad de la visualización, es importante utilizar colores con suficiente contraste para que los usuarios puedan distinguir fácilmente los diferentes elementos en la visualización. El contraste también puede ayudar a resaltar los puntos de datos importantes.
Elegir una paleta de colores adecuada: La elección de una paleta de colores adecuada es importante para asegurar que los usuarios puedan interpretar correctamente la información. Las paletas de colores deben ser fáciles de distinguir y no deben ser confusas o excesivamente complejas. Habitualmente se habla de paletas de colores entre 8 a 12 colores diferentes. Más allá de estas cifras, la propia operativa de nuestro cerebro nos puede hacer difícil distinguir unos valores de otros.
Utilizar paletas de colores cualitativas o secuenciales: Las paletas de colores pueden clasificarse en dos tipos principales: paletas cualitativas y paletas secuenciales. Las paletas cualitativas se utilizan para representar datos categóricos, mientras que las paletas secuenciales se utilizan para representar datos numéricos. Es importante elegir una paleta adecuada para el tipo de datos que se está representando.
Las paletas cualitativas se utilizan para representar datos categóricos
Considerar la audiencia: Es importante considerar la audiencia de la visualización de datos al elegir una paleta de colores. Los diferentes grupos pueden tener diferentes preferencias y necesidades en cuanto a la percepción del color, y algunos usuarios pueden tener dificultades visuales o de percepción del color. La elección de una paleta de colores adecuada puede mejorar la accesibilidad y la comprensión de la información para todos los usuarios.
Paletas de color cualitativas, el color como leyenda
En la confección de nuestros análisis, resulta de especialidad utilidad la definición de una serie de colores que nos van a servir identificar los distintos valores de una dimensión. Este principio de coherencia, de asignar el mismo color al mismo valor a lo largo de nuestros análisis va a facilitar la comprensión directa de nuestros usuarios, de forma que identifiquen rápidamente qué elementos son más reseñables sobre el set de datos que están analizando.
Como podemos ver en el ejemplo, utilizamos 3 colores diferentes para cada uno de los valores que puede tomar nuestra dimensión de análisis “tipo de interesado” (Ciudadanos, Empresas y Administraciones Públicas).
Repasando los conceptos básicos que comentábamos en el apartado anterior, lo primero que hemos aplicados es una serie de colores con contraste suficiente, que nos permite distinguir fácilmente unos segmentos de otros. De esta forma, una vez que se ha hecho una primera lectura de nuestro análisis el usuario puede identificar un color, con el valor que le corresponde, e identificar color y valor en adelante.
En este punto, es importante la coherencia en el uso del color, de forma que un valor quede ligado a un color en cualquier objeto en el que utilicemos esta dimensión. Esto hace que la comprensión analítica mejore, y sea mucho más eficiente la detección de patrones, evoluciones, tendencias etc para ese valor.
En el ejemplo, el gráfico de barras apilado, que muestra una evolución del número de expedientes asociado al tipo de interesado, podemos identificar fácilmente cada uno de los segmentos, aun cuando el propio objeto no cuenta con leyenda propia. Esto es lo que se conoce como “leyenda silenciosa”, y es consecuencia de este uso coherente del color para cada uno de los valores analizados.
En contraposición, si no siguiéramos este criterio, el análisis resultará complejo aun cuando los objetos sean sencillos, y cada uno contenga la “traducción” entre el valor y el color utilizado en cada caso.
El cambio de color, como podemos apreciar, nos hace “repensar” y nos cuenta identificar que estamos viendo la misma información representada de dos formas distintas. El patrón de análisis se complica tras un uso errático de nuestra paleta cualitativa.
Paletas de color secuenciales, graduando valores
En contraposición a las paletas cualitativas que acabamos de ver, que asocian cada color al valor de una categoría o dimensión, las paletas de colores secuenciales se utilizan para representar datos numéricos en un rango continuo.
Las paletas de colores secuenciales se utilizan para representar datos numéricos en un rango continuo
De esta forma, facilitaremos la identificación de aquellos elementos que tienen un peso específico importante dentro de un determinado cálculo. Así pues, podemos ver , por ejemplo, en qué regiones tenemos una mayor densidad de población, o se están gestionando un mayor número de expedientes de un determinado tipo
En el ejemplo, utilizamos lo que se denomina un gradiente secuencial, en el que colores más tenues indican un menor valor, y los más oscuros valores más altos de la medida representada. Esto nos ayuda a identificar rápidamente elementos que nos deben “ocupar” por su importancia en el desempeño de la actividad que estamos analizando. En ocasiones podemos revertir el comportamiento, cuando nos interese resaltar los valores más bajos.
Además del gradiente secuencial, y de cara a reforzar aún más la diferencia entre valores bajos y altos, dotándoles de un matiz positivo y negativo, podemos hacer uso de lo que se denominan gradientes divergentes, en el que utilizamos dos colores (uno negativo y positivo) en los extremos, a través de los que realiza la transición.
Como vemos, el objeto de análisis resalta, gracias a la paleta secuencia divergente, aquellos expedientes que llevan abiertos un mayor número de días (que es nuestra medida de análisis), de forma que nuestra atención se centre en su cuantificación, y posterior selección y resolución.
Colores con significado
A la hora de asignar colores, y generar las paletas asociadas a nuestros elementos analíticos, tenemos que tener presente que hay colores, que, por cuestiones culturales y de uso costumbrista, transmiten ya un mensaje propiamente al usuario que lo percibe.
Un claro ejemplo de estos colores, son los asociados a indicadores semafóricos. Cuando pensamos en un semáforo, el color rojo se identifica como algo que nos debe hacer parar, y en consecuencia tradicionalmente como algo negativo también, una alerta. Caso contrario es el del verde, que tanto por cuestiones de uso en semáforos como en otro tipo de indicadores, se asocia a que la operativa asociada es la adecuada. A estos dos colores base podemos sumar el amarillo, como color intermedio de alerta o precaución.
Un uso adecuado de los mismos nos va a permitir, como en el kpi del ejemplo, reforzar el mensaje de que una bajada es algo negativo (que no lo es para todas las medidas) y poner en alerta (o reforzar el mensaje de que todo opera según debe) al usuario para que continúe analizando para ver las posibles causas y proponer soluciones al respecto.
Así pues , en la definición de los colores que vamos a utilizar, deberíamos contar, con un color (o incluso una paleta secuencial adicional) que nos permita identificar valores positivos (éxito, habitualmente una gama de verde), valores negativos (o fracaso, tradicionalmente rojo) y otro asociado a las alertas (tradicionalmente amarillos o naranjas).
Estos colores son complementarios al resto, y es una buena práctica no utilizar colores con significado propio en la definición de paletas cualitativas (para no asociar una interpretación positiva o negativa a determinados valores), ni tampoco en paletas secuenciales que no quieran trasladar el mensaje bueno/malo.
Así mismo, y en cuestiones de significado se refiere, y pensando en colores que tienen un carácter más neutro, jugando con colores más oscuros o con mayor contraste, podemos conseguir resaltar los valores asociados a una determinada categoría.
Accesibilidad
Como hemos visto, el uso del color es una parte importante de la presentación de datos y puede ayudar a resaltar tendencias, patrones y puntos de datos importantes. Sin embargo, es importante tener en cuenta que no todos los usuarios pueden interpretar el color de la misma manera. De hecho, casi el 9% de la población presentan algún tipo de daltonismo, lo que significa que tienen dificultades para distinguir ciertos colores.
Además, algunas personas pueden tener dificultades para distinguir ciertos colores debido a discapacidades visuales, envejecimiento, mala iluminación o simplemente porque están utilizando una pantalla de baja calidad. Por lo tanto, es importante asegurarse de que los gráficos y visualizaciones de datos sean accesibles para todos los usuarios, independientemente de su capacidad visual.
Casi el 9% de la población presentan algún tipo de daltonismo
Para lograr la accesibilidad en el uso de color en la analítica de datos, es importante seguir algunas pautas. En primer lugar, es importante elegir colores que sean fácilmente distinguibles para aquellos con daltonismo u otras discapacidades visuales. En general, los colores más seguros son el azul, el verde, el amarillo y el rojo oscuro. Además, es importante tener en cuenta el contraste entre los colores utilizados. Un contraste adecuado entre los colores facilitará la lectura de los datos para aquellos que tienen dificultades visuales.
Además, es importante proporcionar alternativas para aquellos que no pueden ver los colores. Por ejemplo, se pueden incluir etiquetas o patrones para indicar diferentes categorías de datos, junto con colores. De esta manera, aquellos que tienen dificultades para distinguir los colores pueden utilizar estas etiquetas o patrones para comprender los datos.
Conclusión
Tal y como hemos visto, un uso adecuado del color puede facilitar la comprensión y propiamente el análisis de los datos. Aplicando los conceptos comentados, como las paletas de colores secuenciales y cualitativas, el uso coherente de determinados colores… nos van a resultar herramientas útiles para representar diferentes tipos de tatos y destacar patrones, tendencias… que tienen relevancia para nuestro día a día.
Por contra, un uso inapropiado del color nos puede llevar a una menor eficiencia de nuestros análisis, en los que nos cueste interpretar qué se pretende visualizar en cada caso, o incluso hacernos llegar a conclusiones erróneas (por ejemplo usando con significado propio como el rojo para valores de desempeño positivos).
Un uso adecuado del color es una parte muy importante de una visualización de datos efectiva
Así pues, un uso adecuado del color es una parte muy importante de una visualización de datos efectiva (más allá de cuestiones estéticas) que va a ayudarnos a analizar y comprender los datos de manera más eficiente y efectiva.
