La visualización de datos es un mundo amplio, complejo y bastante interesante. Muchos entramos a éste a través de herramientas no code como: Power BI, Tableau, Looker Studio, etc, con las cuales los analistas de datos ofrecemos respuestas eficientes y traducidas a los problemas de negocio. Pero, ¿te has encontrado en un punto, donde el proyecto no puede adaptarse muy bien a estas herramientas?, y no necesariamente por que no cumplan requerimientos, sino que el path tecnológico del producto de datos requiere algo distinto. ¿Cómo logras cambiar de perspectiva y herramientas si tu temor es programar? Te lo cuento en corto.
Admítelo, de los 3 enfoques de trabajar con datos [1] , quienes nos vamos por el lado del análisis de datos y más enfocado en visualización, lo hacemos porque éste mundo te evita tener que pensar en código muchas veces complejo y si tus habilidades de programación son bajas, esta es la ruta que mejor se adapta a ti, con un potencial de crecimiento fuerte, y rápido para brindar reportes interactivos. Sí, tendremos que aprender SQL para mejorar la ingesta de datos en las herramientas de visualización, pero éste “lenguaje” no presenta un gran reto.
También se debe a que la exploración es más ligera, y permite encontrar insights de alto impacto en corto tiempo, siendo más visuales sobre el proceso de los datos y la comprensión de la situación del negocio. No obstante, llegan momentos de crecimiento profesional, donde la entrega de productos de datos tiene enfoques diferentes; debemos seguir entregando tableros en solución a respuestas de negocio pero deben incluirse en aplicaciones existentes, o integrarse a un producto de datos en construcción.
Empieza el analista a temblar, puesto que el único camino es a través de código, pero si te digo que existen soluciones robustas para implementar de forma sencilla la visualización de datos a través de código, ¿Me creerías?
Esta solución se logra a través de Shiny, un paquete creado por Posit y nacido para R, el cuál como su propio slogan menciona es: “Aplicaciones web sencillas para la ciencia de datos sin concesiones. No se requieren habilidades de desarrollo web”. Esta bienvenida hace que a cualquier visualizador de datos le vuelva el alma al cuerpo al momento de atender nuevas responsabilidades.
Te cuento mi experiencia; empezar no fue sencillo, aunque gracias a mi “background” académico [2], el cuál me dejó conceptos de R, me fue sencillo retomar éste lenguaje, que es la base para la creación de gráficos con Shiny. Sin embargo, los complementos de Shiny fueron los verdaderos retos en este nuevo enfoque profesional.
Como visualizador de datos, el chip cambia ligeramente. Mantienes el foco en la presentación de datos de forma digerible y clara para responder a preguntas de negocio, y te centras en cómo otorgar comprensión de las diferentes variables que se involucran en sus operaciones, no obstante, la forma en cómo construyes sí cambia, deja de ser solo “drag-and-drop” sino que ahora creas todo a través de código.Reflexión
Shiny tiene una estructura que se asimila con rapidez, su documentación es bastante clara y ejemplificada ante las soluciones que se desean aplicar:
Bajo tales premisas, creé mi camino personal y afrontar este reto:
Una base sólida que me permitió lograr buenos resultados en tiempo corto, comprender la herramienta tanto en como uno escribe código y cómo esto se comunica son los servidores web, a su vez.
Y fuera de ello, es posible crear cosas y elementos desde 0, a través de diferentes complementos que permiten mayor flexibilidad y personalización sobre la atención de solicitudes, respondiendo a las preguntas y conclusiones que desean presentar sin limitaciones, solo es cuestión de explorar, conocer comunidades e incluso indagar sobre el continuo lanzamiento de proyectos en este mundo.
La implementación de Shiny como visualizador de datos me abrió la mentalidad a un mundo nuevo del cómo presentar datos. No existen limitaciones al uso de herramientas no code; ahora puedo llevar esas experiencias a un terreno donde el código se convierte en un aliado estratégico, permitiendo construir componentes flexibles, escalables y totalmente alineados con los objetivos de negocio, sin alejarme mucho de mi camino profesional deseado. Un salto fuera de mi zona de confort que me permite aplicar conocimientos nuevos, bajo una ruta de aprendizaje continuo.
Al exterior esto significa contar con soluciones que no solo entregan dashboards interactivos, sino que pueden integrarse de manera fluida a productos de datos más amplios, adaptarse a la infraestructura tecnológica de la organización y evolucionar al mismo ritmo que el mercado lo exige. Además, ofrecen la posibilidad de proyectar estas visualizaciones hacia el exterior, integrándose en plataformas propias que transmiten profesionalismo, confianza y un alto nivel de innovación, logrando captar la atención de clientes, aliados estratégicos y nuevos espectadores.
En esencia, Shiny me permitió entender que la visualización de datos no es únicamente mostrar métricas en pantalla, sino diseñar experiencias que impulsan decisiones informadas, rápidas y estratégicas. Es pasar del reporte al producto, del dato a la acción, y de la herramienta al verdadero valor de negocio.
Notas
[1]
Ingeniería de datos: Encargados de la infraestructura y transformación de datos.
Ciencia de Datos: Quienes estudian datos con el fin de identificar patrones, realizar predicciones y creación de modelos estadísticos
Análisis de datos: Traducen datos en insights de alto impacto para la organización, no sólo identifican patrones, sino que buscan cómo convertirlos en acciones para la organización.
[2]
Ingeniero Industrial, que gracias al componente de estadística e investigación de operaciones, encontró una ruta que acopla los datos en su camino profesional. Poco contacto con el código durante la carrera (R y Python).