Última actualización: 2026-10-11

Contenido de esta página

• ¿Qué es la visualización de datos?
• ¿Para qué sirve la visualización de datos?
• ¿Por qué funciona? Lo que el ojo compara bien y lo que compara mal
• Técnicas de visualización de datos: el mapa del tema
• Herramientas de visualización de datos: cuatro familias según lo que cuestan
• Visualización de datos en Colombia: ¿en qué aparato se mira y con qué se hace?
• ¿Qué le toca a la visualización y qué a Python, Excel y la estadística?
• ¿Qué decide de verdad un gráfico?

En 1973, F. J. Anscombe publicó en The American Statistician, una revista de estadística, un artículo de cinco páginas titulado Graphs in Statistical Analysis [1]. Su ejemplo cabe en una servilleta: cuatro conjuntos de datos, cada uno con once pares de números, una columna x y una columna y [2].

Pídale a cualquier hoja de cálculo los resúmenes de siempre y las cuatro tablas parecen gemelas. Lo comprobé con los datos que distribuye el proyecto R [2]. El promedio de x es 9 en las cuatro. El promedio de y es 7,5. La correlación, que mide qué tanto se mueven juntas dos variables, da 0,82 en todas. Y la recta que mejor se ajusta a cada una es la misma: y = 3 + 0,5x.

Ahora dibújelas.

La primera es una nube de puntos alrededor de una recta. La segunda es una curva que sube y luego baja. En la tercera, diez puntos caen exactos sobre una línea y uno salta lejos de ella. En la cuarta, diez puntos se apilan en la misma vertical, x = 8, y uno solo, en x = 19, sostiene toda la relación.

La documentación de R lo dice en una línea: son cuatro conjuntos con las mismas propiedades estadísticas tradicionales que, sin embargo, son muy distintos [2]. El resumen numérico decía «iguales». El dibujo dijo «cuatro historias». Esa diferencia es el oficio de la visualización de datos.

¿Qué es la visualización de datos?

La visualización de datos es la representación de datos en forma gráfica, mediante gráficos, mapas y tableros, para que una persona los compare y los entienda con la vista. Cada número se vuelve una posición, una longitud, un ángulo o un color. El ojo hace en segundos una comparación que en una tabla exigiría leer cifra por cifra.

Tamara Munzner, del Departamento de Ciencias de la Computación de la Universidad de Columbia Británica, abre su libro Visualization Analysis and Design (2014) con una definición precisa [3]. Según ella, «los sistemas de visualización por computador ofrecen representaciones visuales de conjuntos de datos diseñadas para ayudar a las personas a realizar tareas con más eficacia» [3].

Tres palabras de esa frase cargan el peso: personas, tareas y eficacia. La visualización tiene sentido cuando se quiere ampliar lo que una persona puede hacer, no reemplazarla con un cálculo automático [3]. Si ya existe una solución automática confiable, Munzner aclara que la visualización sobra [3].

La práctica es más vieja que el computador. Cleveland y McGill, en un estudio que se verá más abajo, sitúan en 1786 el comienzo del uso serio de gráficos para mirar datos, con William Playfair [4]. Uno de sus gráficos comparaba en dos curvas las exportaciones de Inglaterra a las Indias Orientales y las importaciones desde allá [4]. La distancia vertical entre las dos curvas mostraba el desbalance comercial. Un economista reconoce ahí el abuelo de cualquier gráfico de balanza comercial, la diferencia entre lo que un país vende al exterior y lo que compra.

En la práctica, la visualización llega en tres formatos. Un gráfico es una sola vista: barras, líneas o puntos sobre unos ejes. Un mapa ubica los datos en el territorio. Y un tablero, o dashboard en inglés, reúne varios gráficos en una pantalla para seguir unos pocos indicadores.

¿Visualización de datos o visualización de la información?

«Visualización de la información» y «visualización de datos» nombran la misma práctica en el uso común: representar datos con formas para que alguien los entienda. La primera traduce el inglés information visualization; la segunda, data visualization. En esta guía las trato como sinónimos.

Cuando un texto técnico las separa, conviene mirar qué datos tiene en mente. Una tomografía o un mapa del clima ya traen su forma en el espacio. Unas ventas por mes o una encuesta no la traen, y quien grafica tiene que inventarla. Esa decisión, qué forma darle a un dato que no tiene forma, es la que ocupa casi todo este tema.

¿Para qué sirve la visualización de datos?

La visualización de datos sirve para tres cosas: explorar datos que todavía no se entienden, comunicar un hallazgo a quien debe decidir y vigilar unos indicadores en el tiempo. La agrupación en tres es mía. En los tres casos, el gráfico deja ver lo que un resumen numérico promedia o esconde.

Explorar. Munzner enumera los motivos para mostrar todos los datos y no solo su resumen [3]. Los resúmenes pierden información, el gráfico confirma lo esperado y encuentra lo inesperado, y permite juzgar si un modelo estadístico es válido [3]. Es lo que pasó con Anscombe: la recta era la misma en las cuatro tablas, pero solo en una tenía sentido usarla.

Comunicar. Munzner también cuenta la presentación de resultados conocidos entre los usos de la visualización [3]. Aquí el trabajo cambia de dirección. Quien grafica ya sabe qué encontró y busca que otro lo vea sin esfuerzo, en un informe, una presentación o una noticia.

Vigilar. Un tablero se mira todos los días para saber si algo se salió de lo normal: el inventario, el recaudo, las ventas de la semana. Herramientas gratuitas como Data Studio, de Google, se describen justamente como una forma de convertir datos en tableros e informes que se comparten [11].

En el análisis de datos, la visualización es una de las etapas del recorrido, entre la exploración y el análisis estadístico. Aquí se mira la etapa por dentro.

¿Por qué funciona? Lo que el ojo compara bien y lo que compara mal

En 1984, William Cleveland y Robert McGill, estadísticos de los Laboratorios Bell, publicaron en el Journal of the American Statistical Association un estudio sobre la percepción gráfica [4]. La definieron como la decodificación visual de la información codificada en un gráfico [4]. Hicieron una lista de diez tareas elementales que hace el ojo para leer cantidades y las ordenaron según qué tan exacto es el juicio que producen [4]. En la cima pusieron la posición sobre una escala común, como la altura de dos barras que parten del mismo eje [4]. Más abajo aparecen la longitud y el ángulo, y luego el área y el volumen. En el fondo quedaron el sombreado y la saturación del color [4].

Luego lo pusieron a prueba con personas. En cada uno de sus dos experimentos quedaron 51 participantes con respuestas válidas [4]. En el primero, los errores al comparar longitudes fueron entre 40 % y 250 % mayores que al comparar posiciones [4]. En el segundo enfrentaron el gráfico circular, o de torta, con el de barras: las lecturas de posición resultaron casi el doble de precisas que las de ángulo, 1,96 veces [4]. Los autores advierten que, en sentido estricto, el resultado vale para los tipos de gráfico que probaron [4].

De ahí sacaron una regla: «los gráficos deberían usar tareas elementales tan arriba en el orden como sea posible» [4]. Como economista, lo leo así: todo gráfico es una decisión sobre qué comparación se vuelve fácil y cuál se vuelve cara. Poner dos cifras en barras vecinas abarata la comparación entre ellas; ponerlas en dos tajadas de una torta la encarece. Cómo se traduce eso en color, escala y accesibilidad es materia de la guía de buenas prácticas de visualización, en preparación.

Técnicas de visualización de datos: el mapa del tema

Las técnicas de visualización de datos son el conjunto de decisiones que llevan de una pregunta a una imagen que alguien entiende. Se pueden ordenar en cinco pasos, y cada paso responde una pregunta distinta. Este orden es mío y sirve para recorrer las guías de este tema: cada una profundiza un paso que aquí solo se presenta.

1. Tipos de gráficos. ¿Qué forma responde mi pregunta? Comparar categorías, seguir un cambio en el tiempo y ver la relación entre dos variables piden formas distintas.
2. Principios de visualización. ¿Cómo se dibuja sin engañar? La escala, el color, el orden y la accesibilidad deciden si el gráfico dice la verdad y si todos pueden leerlo.
3. Dashboards. ¿Cómo se reúnen varios gráficos para seguir algo? Un tablero escoge pocos indicadores y los pone a la vista de quien decide.
4. Herramientas. ¿Con qué se hace? Hojas de cálculo, programas de inteligencia de negocios y código; más abajo se comparan por costo.
5. Storytelling con datos. ¿Cómo se cuenta lo que muestran? El gráfico entra en una historia con un principio, un hallazgo y una consecuencia.

La inteligencia de negocios, o BI por su sigla en inglés, es el uso de reportes y tableros para seguir lo que pasa en una organización. Tiene guía propia porque atraviesa los pasos 3 y 4.

Si lo que busca es…	Guía	Estado
Qué gráfico usar según lo que quiere comparar	Tipos de gráficos	Próximamente
Cómo dibujar sin engañar: escala, color, accesibilidad	Buenas prácticas de visualización de datos	Próximamente
Qué es un tablero, para qué sirve y cómo se diseña	Dashboards	Próximamente
Cómo contar una historia con cifras	Storytelling con datos	Próximamente
Qué es la inteligencia de negocios y cómo funciona	Business intelligence	Próximamente
Qué es Power BI y cómo empezar	Power BI	Próximamente
Qué es Tableau y cómo empezar	Tableau	Próximamente
Qué es Data Studio, antes Looker Studio	Looker Studio	Próximamente
El método completo, de la pregunta a la conclusión	Análisis de datos	Publicada
Cómo llegan los datos limpios al tablero	Ingeniería de datos	Publicada
La disciplina completa y sus ramas	Ciencia de datos	Publicada

Herramientas de visualización de datos: cuatro familias según lo que cuestan

Las herramientas de visualización de datos se pueden agrupar en cuatro familias: el código, la inteligencia de negocios gratuita, la hoja de cálculo y la inteligencia de negocios de licencia. La agrupación es mía. Las cuatro hacen buenos gráficos; cambian en lo que cuesta empezar, en dónde corren y en lo que hay que aprender antes.

La tabla va de la opción libre a la de licencia. No es un ranking ni lleva precios. Las dos últimas columnas resumen la documentación oficial de cada producto, consultada el 11 de octubre de 2026; lo que yo opino de cada familia va después de la tabla.

Familia	Ejemplos	Qué cuesta empezar	Condición que fija la documentación
Código	R; Python con Matplotlib	Cero en licencias: R es software libre con licencia GNU GPL [12]; Matplotlib usa solo código compatible con BSD y su licencia permite usarlo sin pagar regalías [13]	R se compila y corre en plataformas UNIX, Windows y macOS [12]
Inteligencia de negocios gratuita	Data Studio (antes Looker Studio); Tableau Public	Data Studio es una herramienta sin costo, con una versión mejorada llamada Data Studio Pro [11]; Tableau Public es un servicio gratuito en la nube [10]	Todo lo que se guarda en Tableau Public queda a la vista de cualquiera [10]
Hoja de cálculo	Excel; LibreOffice Calc	Excel para la web es gratuito al registrarse [6]; LibreOffice es software libre y de código abierto [7]	En Excel para la web, los archivos se guardan y se comparten desde OneDrive [6]
Inteligencia de negocios de licencia	Power BI	Power BI Desktop se descarga gratis y corre en Windows 10 o posterior [8]	Con la licencia gratuita, los informes son para uso propio: compartir y colaborar exige otra licencia [9]

Ya fuera de la documentación, así uso yo la tabla. Primero pregunto quién va a mirar el resultado y en qué aparato. Después, quién lo va a mantener cuando yo no esté. El precio de la licencia va de tercero, porque casi siempre hay una opción gratuita que hace el mismo gráfico.

Entre el código y los programas de hacer clic hay un intercambio que conviene hacer explícito. El código cuesta más el primer mes: hay que aprender a programar. Después cuesta menos, porque el mismo guion redibuja el gráfico cada vez que llegan datos nuevos y deja escrito cómo se hizo. Con el clic pasa al revés: se empieza rápido y cada actualización vuelve a pedir manos. Para un informe que se hace una vez, gana el clic. Para uno que se repite cada mes, mi apuesta es el código.

Qué incluye cada licencia de Power BI, y cómo se comparan las herramientas entre sí, lo desarrollarán sus guías propias.

Visualización de datos en Colombia: ¿en qué aparato se mira y con qué se hace?

En Colombia, la mayoría de los hogares no tiene computador, y eso cambia qué herramienta conviene y cómo se diseña un gráfico. El DANE, el Departamento Administrativo Nacional de Estadística, lo midió en 2024. La brecha entre las ciudades y el campo es enorme.

Indicador (DANE, 2024)	Valor	¿De quién se habla?
Hogares con computador de escritorio, portátil o tableta, total nacional	35,7 %	Hogares
Lo mismo, en las cabeceras municipales	43,2 %	Hogares
Lo mismo, en centros poblados y zonas rurales dispersas	9,6 %	Hogares
Hogares sin computador cuya razón principal es que es muy costoso	52,3 %	Hogares sin computador
Personas que usaron internet y entraron desde el celular	97,5 %	Personas de 5 años o más que usaron internet

Fuente: DANE, boletín técnico de la ENTIC Hogares 2024, publicado el 1 de agosto de 2025 [5]. Los tres primeros datos vienen del módulo de tecnologías de la Encuesta de Calidad de Vida 2024 [5].

El propio boletín sirve de ejemplo de oficio. En sus 50 páginas trae 46 gráficos numerados, y para las cifras desagregadas remite a anexos aparte [5]. El gráfico muestra el patrón; el anexo guarda el número exacto para quien lo necesite.

Las filas de la tabla de arriba no se suman entre sí: unas hablan de hogares y otra de personas. Leídas juntas, dicen dos cosas.

La primera es de acceso a las herramientas. Power BI Desktop pide un computador con Windows [8]. En el campo colombiano, menos de uno de cada diez hogares tiene computador de algún tipo [5]. Para quien empieza fuera de las ciudades, las opciones que corren en el navegador y las de software libre no son un plan B.

La segunda es de diseño. Si casi todos los que usan internet entran por el celular [5], un gráfico pensado para una pantalla grande llega mal a la mayoría. Opino que esa es la restricción de diseño más subestimada en el país: el lector colombiano típico mira los datos en una pantalla de seis pulgadas.

¿Qué le toca a la visualización y qué a Python, Excel y la estadística?

La visualización de datos decide qué gráfico usar, cómo se lee y cuándo engaña. El código para dibujarlo, los menús de una hoja de cálculo y los cálculos que hay detrás pertenecen a otras guías. Así, cada tema se explica completo en un solo lugar.

Python. Matplotlib es una librería para crear visualizaciones estáticas, animadas e interactivas en Python [13]. Ella y sus vecinas, seaborn y plotly, se enseñan en la guía de Python para análisis de datos, en preparación. Aquí se habla del gráfico como pieza: qué compara y cuándo usarlo. Allá, de cómo se programa.

Excel. Cómo se inserta un gráfico de columnas o un minigráfico dentro de una celda es materia de la guía de Excel para análisis de datos, también en preparación. La comparación entre Excel y Power BI sí es de este tema y tendrá su guía.

Estadística. Un histograma muestra cómo se reparten los datos. Calcular cuántos intervalos usar, o qué tan fuerte es una correlación, es trabajo de la guía de estadística para ciencia de datos, en preparación. La visualización dibuja y lee. La estadística calcula y decide cuánto confiar.

Los datos que llegan a un gráfico vienen de alguna parte. Cómo se limpian y se entregan a tiempo lo explica la guía de ingeniería de datos. El mapa completo de la disciplina está en la guía de ciencia de datos.

¿Qué decide de verdad un gráfico?

Las cuatro tablas de Anscombe enseñan algo incómodo: un número resumen puede ser exacto y aun así mentir por omisión. Han pasado 53 años y la lección sigue vigente en cualquier informe que reporta un promedio sin mostrar los datos.

Opino que el error más caro con un gráfico es escogerlo por costumbre: el de siempre, el que trae el programa por defecto. Cleveland y McGill mostraron que el ojo no lee todas las formas igual de bien [4]. Por eso, escoger un gráfico es escoger qué comparación verá el lector y cuál se le perderá. Esa decisión la toma alguien, y lo responsable es tomarla a propósito.

La buena noticia es que cada una de las cuatro familias de la tabla tiene al menos una opción gratuita [6][7][8][10][11][12]. La mala es que el criterio no se descarga. En un país donde la mayoría de los hogares no tiene computador [5], quien sabe elegir el gráfico correcto para una pantalla de celular tiene una ventaja que ninguna licencia compra.

También hay una pregunta de quién gana. Un gráfico claro reparte el poder de entender: el concejal, la tendera y el periodista ven lo mismo que vio el analista. Un gráfico confuso, o una tabla de cuarenta columnas, deja la conclusión en manos de quien tuvo tiempo de leerla. En una alcaldía de Santander, esa diferencia decide si la comunidad discute el presupuesto con datos o con rumores.

Antes de su próximo informe, haga lo que hizo Anscombe: dibuje los datos antes de resumirlos. ¿Qué le estaría escondiendo el promedio?

Preguntas frecuentes

¿Cuándo conviene una tabla en vez de un gráfico? Cuando el lector necesita la cifra exacta. Cleveland y McGill lo reconocieron en su propio estudio: si el único objetivo fuera transmitir números con muchos decimales, una tabla sería mejor [4]. El gráfico gana cuando lo que importa es el patrón, la tendencia o la excepción.

¿Cuáles son los tipos de visualización de datos? Barras, líneas, dispersión, histograma, mapa de calor, torta y diagrama de caja son algunas de las formas posibles; cuándo conviene cada una lo explica la guía de tipos de gráficos.

¿Se puede aprender visualización de datos sin pagar licencias? Sí, y con datos reales del país. El DANE publica este tipo de boletín en PDF de libre descarga [5]; con ellos y una herramienta libre como R [12] se puede practicar desde el primer día. El costo real es el tiempo de práctica.

¿Qué tiene que ver la accesibilidad con un gráfico? Mucho. Las pautas de accesibilidad web del W3C, el consorcio que fija los estándares de la web, piden que el color no sea el único medio para transmitir información [14]. Las demás reglas, y cómo aplicarlas a un gráfico, las desarrolla la guía de buenas prácticas de visualización.

¿Looker Studio y Data Studio son la misma herramienta? Sí. En abril de 2026, Google le devolvió a Looker Studio su nombre original, Data Studio, y cambió su dirección web [11]. Los informes hechos antes del cambio no hay que actualizarlos [11].

Referencias

Las citas en otro idioma son traducción propia.

1. Anscombe, F. J. Graphs in Statistical Analysis. The American Statistician, vol. 27, n.º 1, febrero de 1973, pp. 17-21 — autor, título, revista, año y extensión del artículo donde aparecen los cuatro conjuntos (metadatos verificados en el registro del DOI). El texto del artículo no se pudo abrir: el editor bloquea la descarga y no hay copia abierta; el contenido del cuarteto se toma de la ref. 2. Taylor & Francis: Anscombe 1973, DOI 10.1080/00031305.1973.10478966 — Consultada: 2026-10-11.
2. R Core Team. anscombe: Anscombe’s Quartet of ‘Identical’ Simple Linear Regressions, paquete datasets de R, y archivo de datos del paquete — cuatro conjuntos x-y con 11 observaciones que tienen las mismas propiedades estadísticas tradicionales (media, varianza, correlación, recta de regresión) y sin embargo son muy distintos; referencia a Anscombe (1973); valores de los once pares de cada conjunto, con los que el autor calculó promedios, correlación y recta. R: documentación de anscombe {datasets} · R Project: datos de anscombe — Consultada: 2026-10-11.
3. Munzner, Tamara. Visualization Analysis and Design. A K Peters/CRC Press, 2014, y diapositivas de la autora para su capítulo 1, What’s Vis, and Why Do It? (Universidad de Columbia Británica) — definición: «Computer-based visualization systems provide visual representations of datasets designed to help people carry out tasks more effectively»; la visualización conviene cuando se busca ampliar las capacidades humanas en lugar de reemplazar a las personas con métodos automáticos de decisión; no se necesita cuando existe una solución automática confiable; usos: presentar resultados conocidos; motivos para representar todos los datos: los resúmenes pierden información, confirmar lo esperado y encontrar lo inesperado, evaluar la validez de un modelo estadístico. Taylor & Francis: Munzner 2014, DOI 10.1201/b17511 · UBC: diapositivas del capítulo 1 de Munzner — Consultada: 2026-10-11.
4. Cleveland, William S., y McGill, Robert. Graphical Perception: Theory, Experimentation, and Application to the Development of Graphical Methods. Journal of the American Statistical Association, vol. 79, n.º 387, septiembre de 1984, pp. 531-554 — autores, estadísticos de AT&T Bell Laboratories; William Playfair (1786) inició el uso serio de gráficos para mirar datos; su gráfico de exportaciones de Inglaterra a las Indias Orientales e importaciones desde allá, donde la distancia vertical entre curvas codifica el desbalance; percepción gráfica como «the visual decoding of information encoded on graphs»; diez tareas perceptuales elementales ordenadas de la más a la menos exacta (posición en escala común; posición en escalas no alineadas; longitud, dirección y ángulo; área; volumen y curvatura; sombreado y saturación del color); 51 participantes con datos válidos en cada experimento; errores de longitud entre 40 % y 250 % mayores que los de posición; juicios de posición 1,96 veces más exactos que los de ángulo en el experimento de gráficos de torta y de barras; los resultados valen, en sentido estricto, para los gráficos del experimento; «Graphs should employ elementary tasks as high in the ordering as possible»; si el único fin fuera transmitir números exactos, las tablas serían mejores (coinciden con Ehrenberg, 1975). Taylor & Francis: Cleveland y McGill 1984, DOI 10.1080/01621459.1984.10478080 · Universidad de Pekín: copia de curso del artículo — Consultada: 2026-10-11.
5. Departamento Administrativo Nacional de Estadística (DANE). Encuesta de Tecnologías de la Información y las Comunicaciones en Hogares (ENTIC Hogares) 2024, boletín técnico (Bogotá, 1 de agosto de 2025) — en 2024, 35,7 % de los hogares tenía computador de escritorio, portátil o tableta en el total nacional, 43,2 % en las cabeceras y 9,6 % en centros poblados y rural disperso (datos del módulo TIC de la Encuesta de Calidad de Vida 2024); 52,3 % de los hogares sin computador dio como razón principal que es demasiado costoso; 97,5 % de las personas de 5 años o más que usaron internet accedieron por teléfono celular; el boletín tiene 50 páginas con 46 gráficos numerados y remite a anexos para las cifras desagregadas. DANE: boletín técnico ENTIC Hogares 2024 — Consultada: 2026-10-11.
6. Microsoft. Usar gratis las aplicaciones de Microsoft 365 en la web — acceso gratuito a Word, Excel y PowerPoint mediante Microsoft 365 para la web, con registro gratuito; los archivos se deben guardar y compartir desde OneDrive. Microsoft: aplicaciones gratuitas de Microsoft 365 en la web — Consultada: 2026-10-11.
7. The Document Foundation. What is LibreOffice? — LibreOffice es software libre y de código abierto. LibreOffice: Discover LibreOffice — Consultada: 2026-10-11.
8. Microsoft. Get Power BI Desktop, Microsoft Learn (actualizada el 22 de julio de 2026) — Power BI Desktop se descarga gratis; requisito mínimo: Windows 10 o Windows Server 2016 o posterior; se comparte el trabajo publicándolo en el servicio de Power BI. Microsoft Learn: Get Power BI Desktop — Consultada: 2026-10-11.
9. Microsoft. Power BI service features by license type, Microsoft Learn (actualizada el 24 de agosto de 2026) — con la licencia gratuita por usuario se pueden crear informes y tableros «for their own use», sin usar las funciones de compartir o colaborar con otros. Microsoft Learn: Power BI service features by license type — Consultada: 2026-10-11.
10. Tableau (Salesforce). Save Workbooks to Tableau Public, ayuda de Tableau Desktop — Tableau Public es un servicio gratuito en la nube; los libros y datos publicados en un perfil de Tableau Public no son privados y cualquiera puede verlos y descargarlos; para trabajar sin conexión o con datos privados existe la edición gratuita Tableau Desktop Public Edition. Tableau Help: Save Workbooks to Tableau Public — Consultada: 2026-10-11.
11. Google Cloud. Welcome to Data Studio, documentación de Data Studio (actualizada el 9 de octubre de 2026) — en abril de 2026 Looker Studio volvió a su nombre original, Data Studio, con nueva dirección web; los informes no hay que actualizarlos; Data Studio es una herramienta sin costo que convierte los datos en tableros e informes que se comparten; existe una mejora, Data Studio Pro. Google Cloud: Welcome to Data Studio — Consultada: 2026-10-11.
12. The R Foundation. The R Project for Statistical Computing y What is R? — R es un entorno de software libre para computación estadística y gráficos, distribuido bajo la Licencia Pública General GNU; se compila y corre en plataformas UNIX, Windows y macOS. R Project: portada · R Project: What is R? — Consultada: 2026-10-11.
13. Matplotlib Development Team. Matplotlib: Visualization with Python y License — librería completa para crear visualizaciones estáticas, animadas e interactivas en Python; usa solo código compatible con BSD, su licencia se basa en la de la PSF y concede una licencia libre de regalías. Matplotlib: portada · Matplotlib: License — Consultada: 2026-10-11.
14. W3C. Web Content Accessibility Guidelines (WCAG) 2.2, Recomendación del W3C del 12 de diciembre de 2024 — criterio 1.4.1 (nivel A): el color no se usa como único medio visual para transmitir información. W3C: WCAG 2.2 — Consultada: 2026-10-11.

Cómo investigamos esta página

• Pregunta que responde: Qué es la visualización de datos, para qué sirve, por qué el ojo compara mejor unas formas que otras y con qué herramientas se hace según su costo.
• Fuentes: identificadas 30 → incluidas 14
• Criterios de inclusión: artículos con DOI (el de Anscombe solo por sus metadatos; el de Cleveland y McGill, en texto completo), el libro y las diapositivas de Munzner, el DANE, el W3C y la documentación oficial de cada herramienta; ninguna enciclopedia, blog ni curso.
• Fecha de corte de los datos: 2026-10-11