10 errores comunes en visualización de datos (y cómo corregirlos)

Casi ningún tablero engañoso se hizo con mala intención. Los errores de visualización más costosos son técnicos y se cometen por defecto: la herramienta ofrece una opción, alguien la acepta y el resultado exagera una diferencia o esconde una tendencia. Estos son los diez que encontramos con más frecuencia cuando auditamos analítica existente, con la corrección de cada uno.

1. Truncar el eje en un gráfico de barras

El error: empezar el eje vertical en 95 en lugar de 0 cuando comparas valores entre 96 y 100.

Por qué falla: la barra codifica la cantidad por su longitud. Si cortas el origen, una diferencia de 2 % puede verse como una diferencia del 400 %. No es una cuestión de gusto: rompe la relación entre el dato y su representación.

La corrección: en barras, el eje siempre arranca en cero. Si la diferencia real es pequeña y necesitas mostrarla, cambia de forma: usa un gráfico de puntos (dot plot), que codifica por posición y sí admite un eje recortado.

2. Usar doble eje vertical

El error: dos series con unidades distintas —ingresos y número de clientes— sobre la misma gráfica, cada una con su eje.

Por qué falla: el punto donde las dos líneas se cruzan es arbitrario. Depende de la escala que elegiste, no de los datos. Con otra escala, la “correlación” desaparece o se invierte. Estás sugiriendo una relación que no demostraste.

La corrección: dos gráficas apiladas compartiendo el eje horizontal. Si de verdad quieres mostrar la relación entre ambas variables, un diagrama de dispersión es la herramienta correcta.

3. Gráficos circulares con muchas rebanadas

El error: un pastel con nueve o doce categorías.

Por qué falla: el ojo humano compara ángulos con mucha menos precisión que longitudes. Con más de tres o cuatro rebanadas, ordenar las categorías de mayor a menor se vuelve imposible sin leer las etiquetas — y si necesitas las etiquetas para entender la gráfica, la gráfica no está haciendo su trabajo.

La corrección: barras horizontales ordenadas de mayor a menor. Lo desarrollamos completo en por qué no usar gráficos circulares.

4. Cualquier cosa en 3D

El error: barras, pasteles o líneas con perspectiva y profundidad.

Por qué falla: la perspectiva distorsiona el tamaño según la posición. Las barras del frente parecen mayores que las del fondo con el mismo valor, y en un pastel 3D la rebanada delantera se ve más grande siempre. Añade una dimensión visual que no codifica ningún dato.

La corrección: quitar el 3D. No hay caso en analítica de negocio donde aporte algo.

5. Codificar por radio en lugar de por área

El error: en un gráfico de burbujas, hacer que el valor determine el radio del círculo.

Por qué falla: el área de un círculo crece con el cuadrado del radio. Si duplicas el radio para representar el doble, el círculo se ve cuatro veces más grande. El lector percibe área, no radio, así que la exageración es automática.

La corrección: escalar por área. Casi todas las herramientas modernas lo hacen bien por defecto, pero conviene verificarlo cuando la gráfica se construye a mano o con código.

6. Escalas de color tipo arcoíris

El error: usar un degradado que pasa por rojo, amarillo, verde y azul para representar una variable numérica continua.

Por qué falla: el arcoíris no tiene un orden perceptual natural. Nadie sabe intuitivamente si el amarillo es más que el verde. Además crea fronteras falsas: se ven bandas donde el dato cambia de forma continua. Y para quien tiene daltonismo, buena parte de la escala colapsa.

La corrección: una escala secuencial de un solo tono (claro a oscuro) para magnitudes. Una escala divergente de dos tonos con neutro en medio cuando hay un punto de referencia significativo, como cero o la meta.

7. Elegir la gráfica antes de saber qué comparas

El error: empezar por “quiero una gráfica de líneas” en lugar de por “quiero comparar categorías”.

Por qué falla: una línea implica continuidad. Si la usas para comparar cinco sucursales, estás sugiriendo que existe una transición entre una y otra, que es falso.

La corrección: decide primero la relación que quieres mostrar y de ahí deriva la forma.

Lo que muestras	La forma adecuada
Comparación entre categorías	Barras
Evolución en el tiempo	Líneas
Relación entre dos variables	Dispersión
Composición de un total	Barras apiladas o de cascada
Distribución	Histograma o diagrama de caja

8. Números sin contexto

El error: una tarjeta grande que dice “Ventas: 4.2 M”.

Por qué falla: un número aislado no permite ninguna decisión. ¿Es bueno? ¿Va mejor que el mes pasado? ¿Cumple la meta? El lector no tiene forma de saberlo, así que la tarjeta ocupa el espacio más valioso del tablero sin informar.

La corrección: todo indicador principal necesita al menos una referencia — variación contra el periodo anterior, avance contra meta, o una línea de tendencia pequeña al lado. Con eso, el mismo número pasa de dato a información.

9. Sobrecargar de decoración

El error: iconos junto a cada métrica, fondos con textura, bordes gruesos, sombras, degradados detrás de las barras.

Por qué falla: cada elemento visual que no representa un dato compite por la atención con los que sí. Es el concepto de chartjunk que Tufte nombró en 1983 y que las plantillas corporativas siguen reintroduciendo.

La corrección: quita todo lo que puedas y verifica si se perdió información. Casi siempre la respuesta es no. Reserva el color para codificar datos, no para adornar.

10. Ordenar alfabéticamente

El error: dejar las categorías en el orden que salieron de la base de datos, o en orden alfabético.

Por qué falla: es el error más silencioso de la lista. La gráfica no miente, simplemente no responde la pregunta que el lector traía: ¿cuál es el mayor? Con el orden alfabético hay que leer todas las etiquetas y comparar mentalmente.

La corrección: ordena por valor, de mayor a menor. Es un cambio de un clic y suele ser la mejora más grande por unidad de esfuerzo en cualquier tablero.

Excepción legítima: mantén el orden natural cuando la categoría lo tiene —meses, rangos de edad, niveles de satisfacción— porque ahí la secuencia sí es información.

El error que engloba a todos

Si tuviera que reducir la lista a una sola idea: cada decisión de diseño empuja al lector hacia una conclusión, y vale la pena tomarla a consciencia.

Truncar un eje, elegir una escala de color o dejar un orden alfabético no son detalles estéticos. Son decisiones sobre qué va a concluir quien mire la gráfica. La diferencia entre un tablero honesto y uno engañoso rara vez es la intención; es si alguien revisó esas decisiones.

Por qué la IA no resuelve esto (todavía)

Cuando un modelo de lenguaje genera una gráfica a partir de una pregunta, hereda buenos valores por defecto de la herramienta que usa. Eso elimina varios errores de esta lista de forma automática, y es una buena noticia.

Pero introduce uno nuevo: la gráfica se ve profesional, y eso desactiva el escrutinio. Cuando el resultado tiene tipografía consistente y colores correctos, nadie pregunta si el eje arranca en cero o si esa métrica está definida como se supone.

Y hay algo que la IA definitivamente no arregla: si la métrica que graficó tiene tres definiciones distintas en tu organización, la gráfica va a ser impecable y el número va a estar mal. Ese problema vive una capa más abajo, en la capa semántica.

---

En EGOS BI diseñamos analítica que se usa para decidir, con Tableau, Omni y Power BI. Si quieres una revisión externa de tus tableros actuales, escríbenos — en una sesión suele quedar claro cuáles de estos diez están presentes.