Más allá del color…
Ya hemos tratado en anteriores artículos sobre el uso del color para enfatizar aquellos aspectos que queremos resaltar de nuestra historia (AQUÍ y AQUÍ). Recordad: aplicad la regla del menos es más. La pregunta clave es: si añadimos un color, ¿no está ayudando a explicar la historia? Si la respuesta es que no, mejor optar por no utilizarlo. Adiós a la horrible paleta de colores que por defecto nos propone Excel.
Volveremos a hablar sobre el uso del color, ya que es un tema que da mucho de sí. Pero hoy os quiero hablar de otros recursos para que podáis enfatizar (o esconder) y dar (o quitar) relevancia a aquello que deseáis: los atributos preatentivos.
¿Qué son los atributos preatentivos?
Los atributos preatentivos son aquellos que se procesan en nuestra memoria sin una acción consciente por nuestra parte. Son necesarios menos de 500 milisegundos para que el ojo y el cerebro los procesen en una imagen.
Cuando observamos un gráfico, nuestro cerebro detecta rápidamente algunas características presentes que atraen nuestra atención de manera no consciente. Esas características son los atributos preatentivos. Son esenciales para que el espectador dirija su atención hacia donde nos interesa.
Colin Ware, en su libro “Information Visualization: Perception for Design” define cuatro propiedades visuales preatentivas, siendo, el color, una de ellas:
∼ Color
∼ Forma
∼ Movimiento
∼ Posicionamiento espacial
Os dejo a continuación una representación muy visual de los atributos preatentivos que podéis aplicar:
Es recomendable, por tanto, que todas las visualizaciones las diseñéis pensando en el procesamiento preatentivo. Combinándolo con los Principios de Gestalt sobre cómo percibimos los grupos, ayudaréis al público objetivo a entender rápidamente el mensaje. Transmitiréis las ideas aprovechando las propiedades de la percepción visual humana.
¿Cuántos atributos preatentivos detectáis?
En un artículo anterior mejoramos un gráfico aplicando los Principios de la Percepción Visual de Gestalt (AQUÍ). Vamos ahora a identificar y analizar qué atributos preatentivos utilizamos en el mismo gráfico. La FIG 1 representa el gráfico antes de incluir las mejoras. La FIG 2 es el gráfico una vez mejorado.
⇒ COLOR
Si bien en la FIG 1 ya se utilizaba el color, no nos estaba ayudando a entender mejor lo que ocurre. En la FIG 2 hemos utilizado el color para:
∼ Enfatizar los meses donde hay un incremento y un decremento de las ventas.
∼ Distinguir dónde empieza la previsión y acaban los datos reales pasados.
⇒ TAMAÑO
Hemos añadido un título y un subtítulo con más sentido, y, además, utilizando distinto tamaño de letra.
⇒ INTENSIDAD
Los datos que hemos considerado relevantes para mostrar, se muestran no sólo en un tamaño mayor, sino también mucho más intensos que el resto del texto que hay en el gráfico.
⇒ INTENSIDAD
Los datos que hemos considerado relevantes para mostrar, se muestran no sólo en un tamaño mayor, sino también mucho más intensos que el resto del texto que hay en el gráfico.
Del mismo modo, las líneas horizontales del gráfico son mucho menos intensas.
⇒ FORMA
La línea de datos del gráfico, cuando se bifurca a partir de agosto, se ha representado con distinta forma para distinguir mejor lo que es la nueva previsión de la anterior (ya obsoleta). También hemos marcado
⇒ ANCHO
Las líneas horizontales, aparte de tener menos intensidad, también son algo más estrechas para que pasen lo más inadvertidas posibles y no reste importancia a las líneas de datos, que son las que de verdad importan.
⇒ CIERRE
Hemos eliminado el contorno que por defecto Excel añade a los gráficos.
⇒ MARCAS
No existían marcas de cada uno de los datos. En la FIG 2 se han añadido marcas circulares en color naranja para enfatizar, más aún, que esos son los datos importantes.
¿Quieres saber más? Anímate a probar uno de nuestros cursos AQUÍ.
Diseñamos historias con datos.
¿Te ayudamos a contar la tuya? ¡Charlemos!
Ana Gonzalvo
hola@historiascondatos.xyz
REFERENCIAS
• Interaction Design Foundation: Preattentive Visual Properties and how to use them in information visualization
