Superset frente a Power BI, y storytelling con datos¶

Ejercicio comparison-and-storytelling-annex.pdf · PDF

Tres amigos llevan dos años haciendo un juego. Están a punto de lanzarlo en Steam y te hacen una pregunta sencilla a ti, el que "sabe de datos": ¿deberíamos hacerlo, y a qué precio?

Abres tu cuadro de mando (dashboard) Steam market y giras la pantalla hacia ellos. Cuatro KPI, una línea, unas barras, dos filtros. Lo miran diez segundos. Entonces uno dice: "Vale... ¿y qué hacemos?"

Tu cuadro de mando es correcto. Cada número que contiene es verdad. Y no respondió a la pregunta. Esta última lección trata de ese hueco: primero comparas las dos herramientas que ya conoces, y después aprendes la habilidad para la que ninguna de las dos tiene un botón: decir qué significan los datos para la persona que tienes delante.

Dos herramientas, lado a lado¶

Has construido los mismos tres gráficos en dos consolas. Es hora de compararlas bien. Una comparación justa no empieza con "cuál es mejor". Empieza con las mismas preguntas hechas a las dos.

Dos palabras de esa tabla merecen una definición:

El software de código abierto (open source) publica su código fuente bajo una licencia que permite a cualquiera usarlo, estudiarlo, modificarlo y compartirlo. El software propietario pertenece a una empresa que se queda con el código y fija las condiciones de uso.

Entonces, ¿cuál es mejor?¶

Rechaza la pregunta. Mejor, ¿para quién?

La misma pregunta, respuestas opuestas, las dos correctas. La herramienta sigue al contexto. Guarda esa palabra a mano: la necesitas otra vez dentro de un minuto.

Del minimapa a la marca de misión¶

Durante todo el año, este módulo ha sido un videojuego de crafteo: farmeaste los materiales, los fundiste, crafteaste con ellos y construiste el HUD. Un cuadro de mando es el minimapa de ese HUD. Lo muestra todo: cada camino, cada enemigo, cada cofre.

Ahora piensa en un jugador nuevo soltado en ese mundo. El minimapa es completo, exacto e inútil para él, porque no dice adónde ir. Lo que necesita es la marca de misión: la flechita que dice allí.

El data storytelling consiste en convertir un hallazgo de los datos en un mensaje para un lector concreto: qué has encontrado, por qué le importa y qué debería hacer al respecto.

Un cuadro de mando es el minimapa: lo muestra todo. Una historia es la marca de misión: dice adónde ir.

Tus tres amigos miraron un minimapa perfecto y pidieron la marca.

Las tres partes de una historia de datos¶

Una historia de datos tiene tres partes. Cada una responde a una pregunta:

flowchart LR
    C["<b>Contexto</b><br>quién lee, qué debe<br>decidir"] --> I["<b>Insight</b><br>un hallazgo, con su<br>número y su 'y qué'"]
    I --> A["<b>Acción</b><br>qué hacer: empieza<br>con un verbo"]
    L["<b>Límite</b><br>lo que los datos<br>no pueden decirte"] -. "escrito junto a" .-> I

El orden importa, y empieza por el lector, no por el gráfico. Esta es la primera lección de uno de los libros más conocidos sobre el tema, Storytelling with Data de Cole Nussbaumer Knaflic (Wiley, 2015): antes de dibujar nada, sabe quién es tu audiencia y qué necesitas que sepa o haga.

Por eso mismo una historia para el estudio de tres no es la historia para los directivos de Steam. Los mismos datos, el mismo cuadro de mando, otra misión.

Qué hace que algo sea un insight¶

Un insight es un hallazgo que lleva un número y una consecuencia: cambia lo que decide el lector.

La mayoría de los primeros intentos de insight son en realidad una descripción: dicen de qué trata el gráfico. La prueba es sencilla. ¿Hay un número? ¿Hay un "y qué"?

Cada número de la columna de la derecha sale de games_clean. Aquí tienes el primero, dibujado:

%%{init: {"themeVariables": {"xyChart": {"plotColorPalette": "#4051b5"}}}}%%
xychart-beta
    title "Juegos lanzados en Steam por año"
    x-axis ["2013", "2014", "2015", "2016", "2017", "2018"]
    y-axis "Juegos" 0 --> 9000
    bar [556, 1352, 2544, 4503, 6871, 8845]

De 1,352 juegos en 2014 a 8,845 en 2018. Llama al gráfico "Lanzamientos por año" y el lector tiene que hacer esa cuenta solo. Llámalo "Seis veces más juegos en cuatro años" y el título ya la ha hecho.

La parte honesta: di el límite¶

Un insight es una afirmación. Un profesional escribe, junto a ella, lo que los datos no pueden decir.

Un límite es una cosa que tus datos no pueden mostrar, indicada junto a la afirmación a la que afecta.

Dos límites están dentro de los datos de Steam, y los dos perjudicarían a tus amigos si los ocultaras.

La trampa de 2018. La tabla dice que el 87.6% de los juegos lanzados en 2018 son nicho (niche): menos de 20,000 propietarios. Aterrador. Pero los datos se recogieron en 2019. Un juego lanzado en diciembre de 2018 solo tuvo semanas para encontrar a sus jugadores; uno de 2014 tuvo años. 2018 reúne un tercio de todos los juegos y solo 37 de los 623 éxitos. Sus juegos no son peores. Son más jóvenes. El 87.6% es verdad y está exagerado a la vez.

Correlación no es causa. Mira el porcentaje de éxitos por franja de precio:

"Los juegos baratos fracasan, así que cobrad 30." Cuidado. La tabla muestra quién es un éxito, no por qué. Los grandes estudios cobran más y tienen presupuestos de marketing, nombres famosos y cientos de personas. El precio no hizo el éxito. Escríbelo como un límite, no como un consejo.

Pruébalo: la historia de Steam¶

Tu lector: un estudio de tres personas que decide si lanzar en Steam, y a qué precio. Vas a convertir tu cuadro de mando Steam market de un minimapa en una marca de misión.

Paso 1 — Encuentra el insight. En SQL Lab, base de datos Dades classe, ejecuta estas dos consultas una a una y lee los resultados despacio:

SELECT release_year, COUNT(*) AS games,
       ROUND(100.0 * COUNT(*) FILTER (WHERE owners_tier = 'Niche') / COUNT(*), 1) AS niche_pct,
       PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY price) AS median_price
FROM games_clean WHERE release_year >= 2013
GROUP BY release_year ORDER BY release_year;

SELECT price_band, COUNT(*) AS games,
       ROUND(100.0 * COUNT(*) FILTER (WHERE owners_tier = 'Hit') / COUNT(*), 1) AS hit_pct
FROM games_clean GROUP BY price_band ORDER BY hit_pct DESC;

La segunda consulta devuelve la tabla de franjas de precio que viste en la sección anterior. Ahora escribe una frase con al menos dos números que preocuparía o animaría al estudio.

Paso 2 — Escribe la historia. Tres frases, una por parte. El insight debe llevar sus números. La acción debe empezar con un verbo. Dáselas a un compañero: si puede decir qué frase es cada una sin que se lo digas, has terminado.

Paso 3 — Anota el cuadro de mando. Una historia que nadie puede ver en el cuadro de mando es una historia que solo conoces tú.

Has terminado cuando alguien que lea solo el titular y los dos bloques de texto sepa qué debería hacer el estudio.

Ideas clave¶

• Superset es de código abierto (Apache License 2.0), se ejecuta en un servidor que cuidas tú y lee un dataset por gráfico. Power BI es propietario (Microsoft), se construye en Windows, comparte a través de la nube de Microsoft e importa los datos a un modelo semántico.
• Ninguna es "mejor". La herramienta sigue al contexto: quién la usará, qué tiene ya, quién la cuida. Una licencia gratuita no es una herramienta gratis.
• Un cuadro de mando es el minimapa; el data storytelling añade la marca de misión. Los datos no hablan por sí solos.
• Una historia de datos tiene tres partes: contexto (quién lee, qué decide), insight (un hallazgo con su número y su "y qué") y acción (qué hacer, empezando con un verbo).
• Una descripción no es un insight. "Lanzamientos por año" es una etiqueta; "los lanzamientos se multiplicaron por 6.5 en cuatro años" es un hallazgo.
• Indica siempre un límite junto a la afirmación a la que afecta: los juegos de 2018 son más jóvenes, no peores; un precio más alto va con los éxitos, no los causa.

Comprobación rápida¶

Esa fue la última misión. Empezaste este curso mirando cuatro conjuntos de datos que se escondían tras estadísticas idénticas, y lo terminas sabiendo extraer datos, limpiarlos, dibujarlos y decir qué significan, límites incluidos. Vuelve al registro de misiones, Resultados de aprendizaje, y relee los nueve criterios: esta vez, cada uno describe algo que ya has hecho.