7 gráficos de tarta malos y cómo arreglarlos
|
10
minuto de lectura
Cuando un gráfico de tarta esconde la señal, el problema no suele ser solo el adorno. Es que el gráfico hace que un panel parezca terminado mientras dificulta la decisión real. Una tarta puede defenderse cuando muestra partes significativas de un todo claro, con muy pocas porciones, y quien lee solo necesita una idea simple de parte respecto al todo y no una comparación precisa. Ese caso de uso es más estrecho de lo que muchos suponen, sobre todo en trabajo de calidad de datos y observabilidad, donde la gente necesita ordenar incidentes, comparar sistemas y decidir qué arreglar primero.
Por eso el consejo habitual de «nunca uses gráficos de tarta» es demasiado brusco. Una revisión reciente señala que el escepticismo hacia las tartas se hizo famoso con la instrucción de Edward Tufte «Don't use pie charts», y que la escritura moderna sobre gráficos aún repite la frase «Pie charts are evil», aunque la investigación matiza más cuándo las tartas siguen funcionando para juicios simples de parte respecto al todo (revisión de la crítica a las tartas y hallazgos por tarea). Para los equipos que construyen paneles, ese matiz importa tanto como la advertencia.
Si trabajas en analítica, observabilidad o BI, por qué la visualización importa para el marketing también te aplica. La misma elección de gráfico que enturbia un panel de campaña puede retrasar el triaje de anomalías u ocultar un problema de esquema.
Los siete gráficos de tarta malos de abajo usan una prueba compacta. Qué falló, por qué induce a error, qué usar en su lugar y qué acción tomar antes de que el gráfico llegue a un panel o a una revisión de incidentes.
Tabla de contenidos
6. Tartas para composición cuando la relación parte-todo no está clara
Comparación de 7 trampas habituales de los gráficos de tarta
1. Demasiadas porciones sin agregación
Un gráfico de tarta con muchas porciones pequeñas no muestra la distribución con claridad. Esconde la cola de trabajo.
En paneles de calidad de datos y observabilidad, este fallo aparece cuando cada fallo de regla, trabajo tardío, evento de esquema o tipo de anomalía recibe su propia porción. El resultado parece completo porque están todas las categorías, pero el gráfico ya no sostiene la pregunta operativa detrás del panel. ¿Qué familia de problemas impulsa el riesgo y por dónde debería empezar el equipo a remediar?
El coste de decisión es un error de priorización. Las porciones finas son difíciles de comparar, las etiquetas chocan y quien lee tiene que saltar entre porción, color y leyenda antes de juzgar. Las guías de diseño de visualización señalan que las tartas se rompen cuando contienen muchas porciones, dependen de leyendas o meten etiquetas en segmentos diminutos. También tratan un gran cajón de «otros» o un uso intenso del color como señal de que el gráfico debería reconsiderarse (guía sobre la ruptura de las tartas y la sobrecarga de diseño).
Un ejemplo común de observabilidad es el volumen de incidentes por identificador de regla. Si el gráfico muestra 18 reglas fallidas como 18 porciones, el equipo ve que muchas cosas van mal, pero no qué clase de fallo consume el tiempo de remediación. Agrupa esos mismos eventos en problemas de completitud, frescura, validez, esquema y acceso y aparece otra imagen. Ahora el gráfico sostiene dotación, escalada y revisión de causa raíz.
Mejor sustituto
Usa un gráfico de barras ordenado cuando la tarea sea clasificar. Usa un donut solo cuando el mensaje sea un resumen simple de parte respecto al todo y el número de categorías siga siendo pequeño tras agregar.
Esto también es un problema de calidad de datos, no solo de diseño. Demasiadas porciones suelen indicar que la taxonomía es demasiado granular para la superficie de decisión. Si las categorías se definen a nivel de evento en lugar de a nivel de acción, el panel refleja la estructura de registro en bruto y no el significado operativo.
Regla práctica: si la pregunta es «qué arreglamos primero», usa barras. Si la pregunta es «cómo se divide este todo», reduce categorías hasta que la división se lea de inmediato.
Agrupa por vía de remediación: acumula fallos individuales en categorías como completitud, frescura, validez y esquema.
Colapsa solo la cola larga real: usa «Otros» para categorías de bajo impacto, no para problemas que aún compiten por tiempo de ingeniería.
Separa vistas por objetivo de monitorización: muestra Timeliness, cambios de esquema y patrones de anomalías en gráficos distintos en vez de forzar a una tarta a cargar con varias preguntas.
Define la distribución antes de graficarla: los equipos que necesitan un marco más claro pueden usar esta guía sobre cómo describir la distribución de los datos.
2. Efectos 3D y distorsión de perspectiva
Un gráfico de tarta en 3D no añade información. Cambia la magnitud percibida.
En trabajo de observabilidad, ese sesgo visual se vuelve sesgo operativo. Una porción en primer plano puede parecer dominante aunque represente una proporción menor de trabajos fallidos, pipelines retrasadas o incidentes propios de un entorno. Quien gestiona incidentes y ojea el gráfico puede escalar primero la cola equivocada. Un equipo de plataforma puede asignar ingenieros a la categoría con más presencia visual en lugar de a la de mayor coste operativo.
El fallo pasa fácilmente desapercibido porque el gráfico sigue pareciendo pulido. Sin embargo, la tarea de decisión aquí no es decorativa. Es comparar bajo presión de tiempo. La geometría inclinada interfiere con esa tarea porque dificulta juzgar área y ángulo, sobre todo cuando las categorías son de tamaño parecido.
La investigación sobre lectura de gráficos respalda esa preocupación. Un experimento de 2019 halló que las tartas eran más lentas y menos precisas que las barras apiladas en tareas de comparación, especialmente cuando las diferencias entre categorías eran pequeñas (experimento controlado sobre el coste de las tartas). Un efecto 3D añade otra capa de error de estimación a un tipo de gráfico que ya rinde mal en comparaciones precisas.
Mejor pregunta: ¿qué decisión debería sostener el gráfico?
Si el equipo necesita comparar volumen de incidentes entre regiones, servicios o clases de fallo, usa un gráfico de barras ordenado. Si necesita una instantánea rápida de composición para un informe directivo, un donut plano puede servir, pero solo si el número de categorías es bajo y las etiquetas son directas. En ambos casos la geometría se mantiene honesta, lo que significa que la conversación sobre remediación parte de la distribución real y no de una distorsionada.
Qué cambiar en la práctica
Desactiva el 3D por defecto: apaga perspectiva e inclinación en Excel, Power BI, Tableau o la librería de gráficos usada en paneles internos.
Ajusta el gráfico a la acción: usa barras para priorizar, clasificar y comparar entre equipos.
Usa un énfasis que preserve la escala: destaca con orden, anotación o color selectivo, no con efectos de profundidad.
Audita paneles antiguos: revisa las vistas directivas y de guardia por tartas 3D heredadas, sobre todo donde los equipos las usan para repartir tiempo de investigación o esfuerzo de escalada.
El estilo 3D suele señalar un problema de reporte más profundo. El panel optimiza la novedad visual mientras quien opera necesita precisión de medida. En flujos de calidad de datos y observabilidad ese intercambio sale caro, porque pequeños errores de percepción pueden alterar el orden de triaje, retrasar el análisis de causa raíz y debilitar la confianza en el propio panel.
3. Contraste insuficiente y mala elección de color
Un gráfico de tarta puede ser numéricamente correcto y aun así fallar en la decisión que debía sostener.
Piensa en una revisión de incidentes donde un panel divide los fallos de calidad de datos en categorías como valores faltantes, deriva de esquema, retrasos de frescura y registros duplicados. Si dos porciones contiguas comparten saturación o luminancia parecidas, el gráfico deja de ser un resumen y se vuelve una tarea de inspección visual. Bajo presión de tiempo eso cambia el comportamiento. Los equipos gastan esfuerzo en descifrar la pantalla en vez de decidir qué modo de fallo remediar primero.
El problema no se limita a la estética ni a las listas de accesibilidad. En observabilidad, el color suele cargar significado operativo como severidad, estado o propiedad. Una tarta con poco contraste elimina esa señal justo cuando una analista, un ingeniero o un product manager intenta separar el ruido de fondo de un problema real de servicio. Las porciones pequeñas reciben un doble golpe. La geometría de la tarta ya dificulta compararlas, y un contraste de color débil hace más fácil pasarlas por alto.
La codificación solo por color también rompe los traspasos. Alguien puede recordar que «la porción verde parecía mayor» sin retener qué categoría era el verde, sobre todo en informes exportados o capturas. Eso debilita la priorización justo donde los equipos necesitan una interpretación compartida entre funciones.
El mejor sustituto depende de la tarea. Si el objetivo es clasificar categorías, usa un gráfico de barras ordenado con etiquetas directas y una paleta sobria. Si el objetivo es una instantánea compacta de composición, conserva la tarta o el donut solo cuando haya pocas categorías, las etiquetas se apoyen en las marcas y el contraste siga siendo legible con deficiencias de visión del color. Los equipos que confían en la inspección visual de datos para mejorar la calidad del producto necesitan gráficos que reduzcan el error de interpretación, no que lo añadan.
Usa un estándar de revisión sencillo antes de publicar:
Comprueba la legibilidad en escala de grises, no solo a todo color.
Usa paletas con clara separación de luminancia, como Okabe-Ito o Viridis.
Añade un segundo identificador para las categorías importantes, como etiquetas directas o tramas.
Prueba la versión exportada, porque diapositivas y PDF suelen reducir aún más el contraste.
Una mala elección de color en una tarta es un error de reporte con coste posterior. Puede ocultar una clase de fallo en aumento, ralentizar el triaje y dirigir el esfuerzo de remediación al problema equivocado.
4. Etiquetas y leyendas ausentes o engañosas
Un gráfico de tarta puede sobrevivir con pocas categorías. Falla mucho antes cuando quien mira no puede identificar qué representa cada porción, cuán grande es el conjunto de incidentes o qué ventana temporal cubre el gráfico.
Piensa en un panel usado durante un incidente de calidad de datos. La tarta muestra una porción grande y varias pequeñas, con la leyenda desplazada al lateral y las etiquetas truncadas en la exportación. Quien gestiona el incidente tiene ahora que descifrar colores, adivinar nombres de categorías y pedir el total antes de decidir si escala deriva de esquema, picos de nulos o cargas retrasadas. El gráfico ya ha fallado en su trabajo. Añadió trabajo de interpretación justo cuando el equipo necesitaba priorizar.
El denominador importa tanto como los nombres de las categorías. Una porción etiquetada como 40 % significa cosas muy distintas si refleja 4 registros fallidos, 400 comprobaciones fallidas o el 40 % de todas las tablas de producción del último día. Sin el total ni el periodo, una tarta no puede sostener triaje, planificación de capacidad ni revisión posterior al incidente.
Las guías de elección de gráfico basadas en la tarea dejan claro el límite. Las tartas y los donuts pueden funcionar para una lectura simple de parte respecto al todo cuando hay pocas porciones y el mensaje es categórico y no preciso, como se señala en esta valoración de cuándo son aceptables las tartas y los donuts. Quita etiquetas directas o contexto y hasta ese caso de uso estrecho se viene abajo.
Ayuda un estándar práctico de revisión:
Pon el nombre de la categoría sobre la porción o justo al lado.
Añade el total de incidentes y la ventana de reporte en el título o el subtítulo.
Usa llamadas para las porciones pequeñas en vez de depender de una leyenda apartada.
Sustituye la tarta por un gráfico de barras ordenado si las etiquetas ya no caben limpiamente.
Revisa la versión exportada en PDF o diapositiva, porque las revisiones de observabilidad suelen ocurrir fuera del panel en vivo.
Para equipos que construyen reporte operativo, etiquetar es parte del diseño del gráfico, no un pulido final. Esta guía sobre cómo construir paneles de calidad de datos que funcionen de verdad es útil porque ata la estructura del gráfico a los flujos de remediación en vez de a la decoración.
El sustituto práctico suele ser sencillo. Si el objetivo es la prioridad de remediación, usa un gráfico de barras ordenado con etiquetas directas, recuentos y porcentajes. Si el objetivo es una instantánea compacta de composición, conserva la tarta solo cuando cada porción pueda nombrarse directamente y el total siga visible sin salir a buscar la leyenda.
5. Comparar varios gráficos de tarta uno al lado del otro
Las tartas en paralelo parecen comparación, pero debilitan la comparación justo cuando un equipo necesita decidir.
El fallo se detecta fácil en reportes de observabilidad y calidad de datos. Un panel muestra una tarta con los fallos de validación de esta semana y otra con los de la anterior, o una por producción, staging y desarrollo. La pregunta buscada es operativa: ¿dónde empeoró la fiabilidad y qué problema hay que arreglar primero? Los círculos separados dificultan esa respuesta porque hay que comparar ángulos, longitudes de arco y áreas entre formas distintas en vez de leer contra una línea base compartida.
El problema visual se convierte en un problema de priorización
La Oficina Nacional de Estadística británica señala que las tartas son malas para comparar porque no comparten eje ni punto de referencia, y que los juicios solo por ángulo son los que peor rinden, mientras la longitud de arco lleva información importante (análisis de la ONS sobre percepción de las tartas y límites de comparación). En la práctica, eso significa que un equipo puede intuir movimiento sin identificarlo con la precisión necesaria para actuar.
Quien lidera fiabilidad y revisa categorías de incidentes en dos tartas puede concluir que los fallos de esquema «parecen mayores» esta semana. Quedan abiertas las preguntas que importan para remediar: ¿aumentaron los fallos de esquema en número, subieron como proporción porque otra categoría bajó, o se mantuvieron planos mientras caía el total de incidentes? Si el gráfico no separa esos casos, la reunión pasa del diagnóstico a la interpretación.
Esa ambigüedad tiene coste operativo. Los equipos pueden ordenar mal el backlog, gastar tiempo debatiendo si una pipeline empeoró, o pasar por alto un aumento pequeño pero relevante en una categoría de alta severidad porque no destaca visualmente.
Usa tipos de gráfico que preserven la tarea de decisión
Elige el sustituto según la pregunta.
Para tendencia: usa un gráfico de líneas para ver recuentos de incidentes, comprobaciones fallidas o cargas retrasadas a lo largo del tiempo.
Para composición entre periodos o entornos: usa barras apiladas para que cada categoría se apoye en una línea base compartida.
Para comparación categoría a categoría: usa barras agrupadas cuando las diferencias absolutas importen más que la proporción.
Para revisiones operativas mixtas: separa recuento y proporción en dos gráficos si una sola vista no puede llevar ambos con limpieza.
Esto importa en la implementación de BI tanto como en el diseño. Las herramientas de desarrollo de BI para flujos de reporte son útiles cuando hacen más fáciles de construir las vistas de tendencia, comparación y desglose que las tartas decorativas.
Un buen sustituto reduce el tiempo de discusión y mejora la calidad de la remediación. El equipo puede ver si los errores por valores nulos aumentaron, si un entorno es atípico y si el cambio es lo bastante grande para justificar una escalada. Ese es el estándar. Si un gráfico dificulta verificar el cambio, no es un resumen. Es fricción en el proceso de decisión.
6. Tartas para composición cuando la relación parte-todo no está clara
Un gráfico de tarta puede estar limpio y etiquetado y aun así ser el equivocado para la decisión.
El fallo ocurre cuando los equipos meten a la fuerza métricas no relacionadas en una vista de parte respecto al todo. En revisiones de observabilidad y calidad de datos, eso suele significar poner tasa de fallos de validación, retraso de Timeliness y frecuencia de cambios de esquema en un mismo círculo porque comparten espacio de panel. Esas medidas no dividen un total. Usan unidades distintas, responden preguntas distintas y apuntan a vías de remediación distintas.
Ese error de diseño cambia la reunión. Quienes revisan dejan de preguntar «¿qué problema empeoró?» y empiezan a preguntar «¿qué porción es mayor?». El gráfico empuja al equipo a ordenar medidas dispares entre sí, aunque un aumento de horas de retraso y un aumento de comprobaciones fallidas puedan requerir responsables distintos, umbrales distintos y reglas de escalada distintas.
La investigación sobre estimación de proporciones ayuda a aclarar el límite. Un estudio sobre juicios de proporción halló que las tartas pueden rendir bien cuando quien mira estima partes de un todo real, sobre todo si hay anclas visuales disponibles (experimento sobre estimación parte-todo y anclas visuales). Esa evidencia respalda las tartas en el caso estrecho para el que se crearon. No justifica usarlas para combinar métricas operativas independientes en una composición artificial.
Revisa el modelo de datos antes de elegir el gráfico
Hazte una pregunta más estricta que «¿cabe esto en una tarjeta?». Pregunta si todas las categorías parten el mismo denominador.
Si la respuesta es no, la tarta está codificando una relación que no existe.
Usa sustitutos que encajen con la tarea operativa:
KPI independientes: muestra tarjetas separadas o tablas compactas para tasas, recuentos y retrasos.
Denominador compartido: usa barras solo cuando las categorías dividan un total, como volumen de incidentes por causa raíz.
Seguimiento de remediación: usa líneas o barras cuando la pregunta sea el cambio, el crecimiento del backlog o la concentración por responsable.
Flujos de reporte: el reporte de calidad de datos es más fiable cuando completitud, frescura, exactitud y estabilidad de esquema siguen siendo medidas separadas con sus propios umbrales.
La prueba práctica es simple. Si un gráfico hace que métricas dispares parezcan intercambiables, distorsionará la priorización. Si preserva unidades y propiedad, sostiene decisiones más rápidas y defendibles.
7. Porciones separadas sin jerarquía lógica
Las porciones separadas parecen analíticas, pero a menudo no codifican ninguna regla de decisión. En un panel de operaciones eso no es una cuestión de estilo. Es un fallo de priorización.
Piensa en una revisión de calidad de datos donde se saca hacia fuera la porción de «cambios de esquema». Si esa porción está separada porque se veía apretada, quien mira puede leerla igualmente como el riesgo principal, el incidente actual o el equipo que necesita atención primero. El gráfico añadió una segunda señal más allá del tamaño de la porción, pero sin definir qué significa esa señal.
Esa ambigüedad importa en observabilidad. Los equipos usan paneles para decidir qué triar, quién se hace cargo de remediar y qué tipos de problema merecen escalada. Una porción separada puede atraer la atención hacia una categoría que no es ni la mayor ni la más grave. Las categorías pequeñas se sobreinspeccionan mientras fallos de gran volumen, como huecos de frescura o picos de nulos, se quedan en segundo plano.
Usa el énfasis solo cuando la jerarquía sea explícita
Las tartas ya dificultan las comparaciones finas más que la posición ordenada o la longitud alineada. Una revisión de la investigación sobre percepción de gráficos en un trabajo de tesis halló peor rendimiento en tareas de comparación con visualizaciones basadas en tartas que con alternativas más simples como las barras (resumen de la precisión de gráficos por tarea en investigación de tesis). Separar una porción aumenta su prominencia sin mejorar la medición, así que el énfasis visual puede pesar más que el orden real de importancia operativa.
El estándar práctico es simple. Si se separa una porción, el panel debería enunciar la regla en lenguaje claro.
Buenas reglas son:
mayor número de incidentes
mayor impacto de negocio estimado
incumplimiento de un SLA o de un umbral de presupuesto de error
categoría asignada actualmente a remediación inmediata
Si no existe una regla, quita el efecto.
Mejores sustitutos para paneles operativos
Usa el gráfico que encaje con la decisión:
Hace falta orden de prioridad: usa un gráfico de barras ordenado por volumen de incidentes, activos afectados o impacto estimado.
Hace falta acción urgente: mantén plana la vista de composición y coloca las categorías críticas en una cola de incidentes o panel de alertas aparte.
Hace falta claridad de propiedad: usa una tabla con categoría, severidad, responsable y estado.
Hace falta cambio en el tiempo: usa un gráfico de líneas o de barras apiladas para que la recurrencia y la deriva se vean.
Una tarta puede resumir proporciones. No debería inventar jerarquía. En flujos de calidad de datos y observabilidad, un énfasis sin explicar convierte la decoración en prioridad falsa, y la prioridad falsa ralentiza la remediación.
Comparación de 7 trampas habituales de los gráficos de tarta
Título | Complejidad de implementación 🔄 | Requisitos de recursos ⚡ | Resultados esperados 📊⭐ | Casos de uso ideales 💡 | Ventajas clave ⭐ |
|---|---|---|---|---|---|
Demasiadas porciones sin agregación | 🔄 Baja-moderada, fácil de construir, necesita lógica de agregación | ⚡ Baja, gráficos estándar; se requiere una agrupación de datos menor | 📊 El gráfico se vuelve ilegible; oculta prioridades; retrasa el triaje | 💡 Úsalo solo con ≤5-7 categorías o tras agrupar los elementos menores en «Otros» | ⭐ Fácil de crear pero de bajo valor diagnóstico si no se agrega |
Efectos 3D y distorsión de perspectiva | 🔄 Moderada, requiere renderizado y ajustes 3D | ⚡ Baja, sin trabajo extra de datos pero con ajuste visual | 📊 Distorsiona proporciones; introduce sesgo de perspectiva; induce a error | 💡 Evítalo en paneles analíticos; solo decorativo en contextos sin decisión | ⭐ Solo lucimiento visual; ningún beneficio de precisión (evitar en observabilidad) |
Contraste insuficiente y mala elección de color | 🔄 Baja, decisión de diseño y paleta | ⚡ Moderada, requiere paletas accesibles y herramientas de prueba | 📊 Reduce legibilidad; excluye a personas con daltonismo; aumenta errores | 💡 Usa paletas aptas para daltonismo, comprobaciones de contraste o tramas | ⭐ Mejora accesibilidad y velocidad de interpretación cuando se corrige |
Etiquetas y leyendas ausentes o engañosas | 🔄 Baja, colocación de etiquetas y metadatos | ⚡ Baja, añadir etiquetas y unidades y ajustar el diseño | 📊 Crea ambigüedad; obliga a consultar la leyenda; aumenta la carga cognitiva | 💡 Etiqueta directamente las porciones ≥5 %; incluye totales, unidades y leyendas claras | ⭐ Mejora mucho la legibilidad autónoma y la confianza |
Comparar varios gráficos de tarta uno al lado del otro | 🔄 Moderada, varias visualizaciones y problemas de alineación | ⚡ Moderada, mejor resuelto con series temporales o gráficos agrupados | 📊 Mala comparación entre gráficos; alta tasa de error al interpretar tendencias | 💡 Sustitúyelo por gráficos de líneas, apilados o de barras agrupadas para comparar | ⭐ Útil solo para instantáneas aisladas; débil para análisis de tendencia |
Tartas para composición cuando la relación parte-todo no está clara | 🔄 Baja, mala aplicación más que complejidad técnica | ⚡ Baja, requiere elegir tipos visuales adecuados | 📊 Tergiversa relaciones; sugiere una falsa competencia entre métricas | 💡 Usa la tarta solo cuando las partes sumen un todo significativo; si no, gráficos separados | ⭐ Ninguna como herramienta de composición; otros tipos transmiten mejor el significado real |
Porciones separadas sin jerarquía lógica | 🔄 Baja, retoque visual simple pero requiere justificación | ⚡ Baja, sin procesamiento extra de datos, solo estilo | 📊 Implica una importancia injustificada; altera la comparación de proporciones | 💡 Separa solo con justificación (p. ej., el elemento principal) y documenta el motivo | ⭐ Puede atraer atención si está guiado por datos; si no, engañoso y evitable |
Convierte cada gráfico en una decisión clara
La solución a las tartas malas no es «prohibir los círculos para siempre». Es ajustar la representación a la decisión. Agrega cuando proliferen las categorías. Mantén el estilo plano y accesible. Etiqueta el denominador y el periodo. Pasa a barras cuando la tarea sea clasificar o comparar categorías. Pasa a líneas cuando la tarea sea el cambio en el tiempo. Rechaza la tarta de plano cuando los datos no describan un todo significativo.
Esa lógica de sustitución importa más en trabajo de observabilidad y calidad de datos, porque quien usa el panel no lo está admirando. Está decidiendo qué investigar, a quién avisar y qué remediar primero. Un gráfico que ralentiza esos pasos es un fallo operativo aunque los números de detrás sean correctos.
Un filtro previo a la publicación útil es corto:
Estructura de datos: ¿forman las categorías un todo real?
Legibilidad: ¿puede alguien identificar cada porción importante sin rebuscar en la leyenda?
Accesibilidad: ¿seguirá funcionando el gráfico con poco contraste o en condiciones de daltonismo?
Tarea de comparación: ¿pides a quien mira que clasifique, compare entre periodos o compare entre entornos? Si es así, usa barras o líneas.
Acción pretendida: ¿puede quien mira saber qué hacer a continuación solo con el gráfico?
El trabajo más reciente sobre tartas es menos tajante que el viejo tópico de internet. Un estudio de caso con más de 300 participantes halló que las tartas no cambiaron de forma significativa los resultados de decisión de alto nivel frente a las barras en juicios sobre perfiles de profesorado, aunque sí afectaron a las impresiones con un tamaño de efecto pequeño (estudio de caso sobre tartas, impresiones y resultados de decisión). Es un recordatorio útil. El riesgo de las tartas malas no suele ser una catástrofe espectacular. Es fricción constante, juicio más blando y priorización más débil.
Para los equipos de datos, eso basta para ser estrictos. Mantén separadas las cuestiones de anomalías, Timeliness, validación y esquema salvo que compongan un todo. Si usas una plataforma como digna, esa separación modular ya encaja con la forma en que se hace el trabajo. El gráfico debería reforzar esa estructura, no difuminarla. Para pensar el diseño de paneles de forma más amplia, la guía de paneles de The Social Search es buena lectura complementaria.
digna ofrece una plataforma empresarial de calidad y observabilidad de datos que se ejecuta dentro de tu propio entorno, con módulos para anomalías, Timeliness, validación, seguimiento de esquema y monitorización de negocio o plataforma. Esa estructura modular facilita elegir gráficos que apoyen la remediación en vez de forzar señales inconexas en una única vista engañosa. Si estás rehaciendo paneles de monitorización en torno a decisiones más claras, visita digna.
La misma disciplina aplica un nivel más arriba: un gráfico solo puede ser tan claro como los números que tiene detrás, y eso es lo que los paneles de calidad de datos están hechos para mostrar.
Preguntas frecuentes
¿Cuándo es realmente defendible un gráfico de tarta?
Cuando muestra partes significativas de un todo claro, tiene muy pocas porciones y quien lee solo necesita una impresión simple de parte respecto al todo. Fuera de esas condiciones tiende a hacer que un panel parezca terminado mientras dificulta la decisión de fondo.
¿Por qué son un problema demasiadas porciones?
Porque el ojo no puede ordenar con fiabilidad ángulos parecidos, así que un gráfico con una docena de porciones comunica «existen muchas cosas» en vez de cuáles importan. Agrupar la cola en una única categoría, o cambiar a un gráfico de barras ordenado, restaura la comparación que quien lee necesita de verdad.
¿Qué tienen de malo las tartas 3D?
La distorsión de perspectiva cambia el tamaño aparente de las porciones al margen de sus valores: las del frente se leen mayores que porciones idénticas del fondo. La decoración desinforma activamente, que es distinto de ser meramente innecesaria.
¿Por qué no deberías comparar tartas una al lado de otra?
Porque el problema visual se convierte en un problema de priorización. Comparar ángulos entre círculos separados es mucho más difícil que comparar longitudes sobre un eje compartido, así que quien lee no puede decir qué categoría se movió más. Los tipos de gráfico que preservan la tarea de decisión, como las barras agrupadas o apiladas, funcionan mejor.
¿Cuándo ayudan las porciones separadas?
Solo cuando la jerarquía es explícita: cuando una porción es de verdad el asunto y el resto es contexto. Separar porciones de forma arbitraria señala un énfasis que los datos no respaldan, y en paneles operativos una simple barra ordenada suele sustituir todo el conjunto.
