Curso de Data StoryTelling

Elementos esenciales de una narrativa persuasiva

El modelo clásico de inicio, desarrollo y conclusión

Cómo construir un arco narrativo para datos

Selección de datos clave para respaldar la historia

Cómo definir un mensaje central claro y directo

Uso de preguntas para guiar al público a través de la narrativa

Métodos para enfatizar puntos críticos en la historia

Evitar la sobrecarga de información en la narrativa

Personalización de historias según el público

Ejercicio práctico: Diseñar una narrativa básica con datos

Introducción a herramientas de visualización de datos

Uso de Tableau para construir dashboards narrativos

Creación de gráficos interactivos con Power BI

Herramientas de diseño visual como Canva y Figma

Visualización de datos en Python con Matplotlib y Seaborn

Introducción a storytelling en Google Data Studio

Integración de datos en presentaciones con PowerPoint

Selección de herramientas según la audiencia y objetivo

Configuración y uso de narrativas interactivas

Ejercicio práctico: Seleccionar la mejor herramienta para un caso de estudio

Fundamentos de diseño para la presentación de datos

Uso efectivo de colores en visualizaciones

Tipografías y su impacto en la legibilidad

Cómo resaltar los datos más importantes

Principios de jerarquía visual para guiar la atención

Evitar el uso excesivo de gráficos complejos

Contraste y espacio en blanco para mejorar claridad

Estilo visual consistente en toda la presentación

Introducción a patrones visuales para storytelling

Ejercicio práctico: Diseñar un gráfico con enfoque visual

Identificación de datos relevantes para la narrativa

Limpieza y transformación de datos para claridad

Cómo estructurar datasets para el análisis narrativo

Identificación de patrones y tendencias clave

Uso de segmentación para historias específicas

Cómo evitar sesgos en la selección de datos

Integración de múltiples fuentes de datos en una narrativa

Técnicas para resumir datos complejos en mensajes simples

Herramientas para validar la calidad de los datos

Ejercicio práctico: Preparar un dataset para una narrativa específica

Selección del tipo de gráfico adecuado para los datos

Cómo contar historias con gráficos de barras y líneas

Uso de gráficos de dispersión para relaciones complejas

Visualización de proporciones con gráficos circulares

Gráficos de área y apilados para tendencias acumulativas

Evitar gráficos engañosos y distorsionados

Introducción a gráficos avanzados como mapas de calor

Integración de gráficos en presentaciones y dashboards

Personalización de gráficos para audiencias específicas

Ejercicio práctico: Crear un conjunto de gráficos para una historia

Técnicas para presentar datos en reuniones y eventos

Uso de storytelling verbal para complementar gráficos

Métodos para captar y mantener la atención del público

Cómo responder preguntas críticas durante la presentación

Importancia de la práctica antes de la entrega

Introducción a la narración de datos en tiempo real

Creación de resúmenes visuales para puntos clave

Uso de analogías y metáforas para explicar datos complejos

Cómo medir la efectividad de una presentación

Ejercicio práctico: Simulación de una presentación de datos

Cómo las historias influyen en el comportamiento humano

Impacto de los datos visuales en la memoria y percepción

Principios de persuasión aplicados a Data Storytelling

Identificación de sesgos cognitivos en la audiencia

Cómo generar empatía a través de narrativas basadas en datos

Métodos para simplificar datos sin perder precisión

Uso de emociones para reforzar el mensaje

Introducción al concepto de framing en Data Storytelling

Evaluación de la reacción emocional de la audiencia

Ejercicio práctico: Rediseñar una historia con enfoque psicológico

Importancia de la integridad en la presentación de datos

Evitar la manipulación intencional de gráficos

Cómo reconocer y corregir sesgos en narrativas de datos

Cumplimiento de normativas y estándares de presentación

Importancia de la transparencia en fuentes y métodos

Cómo comunicar incertidumbre en los datos

Identificación de errores comunes en la interpretación de datos

Prácticas éticas en la selección de datasets

Documentación de fuentes y métodos para respaldo

Ejercicio práctico: Auditar una presentación por sesgos y errores

Selección de un caso de negocio o análisis de datos real

Preparación del dataset y definición del mensaje central

Diseño y creación de gráficos para la narrativa

Integración de visualizaciones en una presentación

Evaluación y refinamiento del flujo narrativo

Pruebas de presentación con diferentes audiencias

Optimización de la narrativa según retroalimentación

Documentación y respaldo del análisis

Presentación final ante un público simulado

Evaluación de habilidades y aprendizaje adquirido