Principios de visualización de datos
Elección del gráfico correcto, data storytelling, principios de Tufte, data-ink ratio, colores, contexto, jerarquía visual, gráficos engañosos
1¿Qué tipo de gráfico es más adecuado para comparar valores entre diferentes categorías?
¿Qué tipo de gráfico es más adecuado para comparar valores entre diferentes categorías?
Respuesta
El bar chart es el gráfico más efectivo para comparar valores entre categorías distintas. El ojo humano es muy eficiente al comparar longitudes alineadas sobre un mismo eje, lo que hace que la lectura sea intuitiva. Las barras pueden ser verticales u horizontales según el número de categorías y la longitud de las etiquetas.
2¿Qué tipo de gráfico es más adecuado para mostrar cómo cambia un valor a lo largo del tiempo?
¿Qué tipo de gráfico es más adecuado para mostrar cómo cambia un valor a lo largo del tiempo?
Respuesta
El line chart es la opción estándar para visualizar tendencias temporales. La línea conecta los puntos de datos cronológicamente, haciendo que las tendencias, ciclos y anomalías sean inmediatamente visibles. A diferencia del bar chart, el line chart destaca la continuidad y la dirección del cambio en lugar de los valores individuales.
3¿Cuál es la principal desventaja de un pie chart?
¿Cuál es la principal desventaja de un pie chart?
Respuesta
El principal defecto del pie chart es que el ojo humano tiene dificultad para comparar ángulos y áreas. Más allá de 3-4 categorías, se vuelve casi imposible distinguir las diferencias de proporción. Edward Tufte recomienda preferir siempre un bar chart o una tabla de datos sobre un pie chart, salvo en casos raros donde solo importa la relación parte/todo.
¿Qué es el data-ink ratio definido por Edward Tufte?
¿Qué tipo de gráfico se debe usar para visualizar la relación entre dos variables numéricas?
+17 preguntas de entrevista
Otros temas de entrevista Data Analytics
Google Sheets - Fundamentos
Google Sheets - Fórmulas avanzadas
SQL - Fundamentos
SQL - Agregaciones y agrupamientos
SQL - Joins
BigQuery - Fundamentos
Data Cleaning - Limpieza de datos
KPIs y métricas de negocio
Estadística descriptiva
Zapier y automatización No-Code
Python & Pandas - Fundamentos
Google Sheets - Dashboards automatizados
SQL - Subconsultas y CTEs
SQL - Window Functions
BigQuery - Funcionalidades avanzadas
Data Modeling
Análisis de funnels y conversión
Análisis de cohortes y retención
Google Tag Manager y tracking
APIs y webhooks
dbt - Fundamentos
AB Testing y estadística aplicada
Looker Studio (Google Data Studio)
Power BI - Fundamentos
SQL - Consultas analíticas avanzadas
dbt - Funciones avanzadas
Power BI - DAX y dashboards avanzados
Python Analytics - Análisis avanzado y ML
Domina Data Analytics para tu próxima entrevista
Accede a todas las preguntas, flashcards, tests técnicos, ejercicios de code review y simuladores de entrevista.
Empieza gratis