Cómo aplicar los 8 principios de la Gestalt en la visualización de datos

Siguiendo con mi artículo de las peores visualizaciones de datos, hoy me gustaría presentar un principio fundamental para visualizaciones de datos de éxito: los principios de la Gestalt. Las 8 leyes de la Gestalt explican cómo el cerebro humano percibe los elementos visuales y puede cometer ciertos errores de interpretación. Comprender los 8 principios de la Gestalt te permitirá crear «DataViz» más efectivas y más fieles a la realidad de tus datos. Si quieres profundizar más en el tema, echa un vistazo a mi guía de visualización de datos.

Contacta con la agencia de investigación de mercado IntoTheMinds

Existen 8 principios de la Gestalt. En lugar de dedicar una gran cantidad de tiempo explicándolos, te ofreceré algunos ejemplos concretos.

1. Principio de proximidad

Los objetos cercanos se perciben como un grupo.

Tal y como se ve en el ejemplo anterior (fuente), mostrar puntos en un mapa a menudo cae víctima del principio de proximidad. Tu cerebro verá inevitablemente 2 grupos de puntos en el centro del mapa, ya que los puntos están muy cerca unos de otros, pero entre ellos no hay más vínculo que el de proximidad geográfica. Para contrarrestar este efecto, puedes utilizar el principio de semejanza o segregación.

Buenas prácticas

• • Histograma: grupos de barras que tienen una categoría en común.
  • Mapas de calor: este tipo de visualización de datos capitaliza la proximidad continua de los puntos mostrados.

Errores habituales que evitar

• • Exceso de elementos: evita vincular demasiados puntos cercanos unos a otros; podría crear más confusión que otra cosa.
  • Espacios inconsistentes: mantén un espacio consistente entre los grupos para que las agrupaciones sean claras.

2. Principio de semejanza

El cerebro percibe ítems que se parecen entre ellos (por su color, forma, tamaño, etc.), como vinculados.

En el DataViz superior (fuente), el autor ha elegido representar el uso de los idiomas en un cine indio. Al elegir grupos de colores, el cerebro comprende al instante que ciertos colores deben agruparse. El alza del grupo de lengua dravídica (en verde) se comprende al instante.

Buenas prácticas

• • Gráficos codificados por colores: utiliza el mismo color en los elementos para aclarar que pertenecen al mismo grupo (ver ejemplo anterior).
  • Gráficos lineales: utiliza estilos o marcados parecidos para vincular y unir distintos puntos.

Errores habituales que evitar

• • Uso de colores al azar: si alguna vez has visto un gráfico circular con un montón de colores, sabrás de lo que estoy hablando.
  • Demasiadas formas: cuando hay demasiadas formas distintas, se producirá una sobrecarga cognitiva y el gráfico se volverá ilegible. Utiliza un máximo de 3 o 4 marcadores distintos.

3. Principios de igualdad

Los objetos posicionados en un espacio cerrado se percibirán como un grupo.

En el ejemplo anterior (fuente), el autor ha representado un valor con círculos de diversos tamaños. Algunos círculos rodean otros, llevando al lector a la falsa impresión de que pertenecen al mismo grupo. Es algo especialmente destacable en el «grupo» rojo de la izquierda («caldo vegetal», «caldo de pollo», «caldo de ternera»).

Buenas prácticas

• • Gráficos que contengan puntos:utiliza elementos gráficos (círculos, cuadrados, formas a mano alzada) para unir puntos que deberían verse como conectados.

Errores habituales que evitar

• • Límites: define claramente los bordes de los distintos conjuntos de datos para evitar que se sobrepongan unos a otros (ver ejemplo anterior).
  • Errores de agrupación: asegúrate de que no agrupas datos que no deberían, lo que distorsionaría su interpretación.

 4. Principios de conexión

Los elementos conectados por líneas se perciben como conectados.

En la visualización anterior (fuente), tu cerebro intenta formar una línea entre los puntos. Esta tendencia inconsciente es más intensa cuanto más cerca estén los puntos entre sí. El contraste entre los puntos amarillos y el fondo oscuro resalta el efecto.

Buenas prácticas

• • Diagramas de flujo: puedes utilizar flechas que vinculen nódulos para suferir un flujo en la visualización de un proceso.
  • Gráficos lineales: conecta puntos para mostrar una evolución (pero ten cuidado de no vincular datos que no estén ordenados en una escala continua).

Errores habituales que evitar

• • Demasiadas líneas: sé parco, no coloques 10 líneas en el mismo gráfico. Si no tienes otra opción, existen soluciones (destacar con colores), pero ese será el tema de otra publicación del blog 😊
  • Sin jerarquías visuales: los puntos deberían seguir siendo visibles cuando la línea los conecte.

5. Principio de dirección común

Los elementos que se mueven en la misma dirección se perciben como parte de un grupo concreto.

En el diagrama de Sankey que hay más arriba (fuente), tu cerebro asociará inconscientemente los 3 «flujos» del centro del gráfico como puntos de unión con la misma dirección («Asia» a la izquierda, «otra bolsa, bolsa de la compra, envoltorio de comida» a la derecha).

Buenas prácticas

• • Series múltiples: agrupa líneas en la misma dirección por color o estilo.

Errores habituales que evitar

• • Distintas direcciones: no mezcles elementos en la misma zona de tu DataViz con elementos en distintas direcciones.

6. Principio del cierre

El cerebro tiene tendencia a formar conjuntos y llenar los «huecos» en los datos.

La visualización anterior (fuente) muestra algunos huecos entre las series temporales. Nuestro cerebro los rellena automáticamente al conectar los puntos de manera inconsciente, algo que también ocurre con las líneas de puntos, que tienden a verse como una línea completa.

Buenas prácticas

• • Líneas de puntos: utiliza una línea de puntos para sugerir continuidad entre puntos sin obligar al usuario a ver la línea completa. Así, seguirás siebndo fiel a los datos.

Errores habituales que evitar

• • No cerrar una línea ascendente: en ocasiones, el principio de una serie puede sugerir que la tendencia es ascendente, mientras que las observaciones siguientes demuestran que no es así. Si no cierras los «agujeros», el cerebro puede ver una tendencia que no refleja la realidad.

7. Principio figura/fondo

El cerebro tiende a ver formas cerradas o unidad cuando un objeto resalta en contraste con el fondo.

En el ejemplo anterior (fuente), tu cerebro ya no ve los puntos, sino las formas en las que se agrupan.

Buenas prácticas

• • Fondos que contrasten en gráficos: al obligar al cerebro a ver una unidad, puedes utilizar un contraste marcado entre el color del fondo y el color de los datos.
  • Zonas separadas en tableros: puedes transmitir al instante la naturaleza distinta de tus datos creando zonas con diferentes tonos en tus tableros.

Errores habituales que evitar

• • Contraste insuficiente: utiliza contraste marcados para separar los datos del fondo, pero ten cuidado de no exagerar. El principio de «prominencia» funcionará mejor si destacas solo una serie de puntos.
  • Fondos sobre cargados: los fondos uniformes son preferibles a los fondos «decorativos». No utilices imágenes a modo de fondo.

8. Principio de continuidad

El cerebro interpreta las imágenes para evitar transiciones abruptas.

En el ejemplo anterior (fuente), al cerebro le cuesta no formar una línea continua. La serie de puntos que representa TikTok (en negro) crea una discontinuidad, lo que resulta interesante ya que crea una «disonancia cognitiva» y llama la atención el usuario. Pero también puede te puede engañar si el «agujero» creado no es lo bastante grande.

Buenas prácticas

• • Gráficos lineales: utiliza curvas suaves para conectar los puntos de los datos.
  • Cronologías: muestra elementos secuenciales a lo largo de una línea o curva para transmitir la continuidad temporal.

Errores habituales que evitar

• • Líneas rotas: asegúrate de que las líneas conectan de manera fluida para no afectar la comprensión del observador.
  • Elementos mal alineados: mantén todos los elementos conectados bien alineados para mejorar la conexión percibida.

Por Pierre-Nicolas Schwab Pierre-Nicolas es doctor en marketing y dirige la agencia de estudios de mercado IntoTheMinds. Sus principales campos de interés son BigData, comercio electrónico, comercio local, HoReCa y logística. También es investigador de marketing en la Universidad Libre de Bruselas y ejerce de entrenador y formador para varias organizaciones e instituciones públicas. Se puede contactar con él por correo electrónico o Linkedin.