
Un gráfico treemap se crea utilizando una técnica de visualización de datos que muestra los datos jerárquicamente en forma de rectángulos anidados. La estructura en forma de árbol utiliza rectángulos de tamaños decrecientes, por lo que se llama "anidado". Los datos del gráfico treemap se organizan mediante rectángulos. Los colores del trazado y las dimensiones de los rectángulos se calculan de acuerdo con las variables de cantidades.
Cada rectángulo representa dos valores numéricos. Por eso se pueden acotar los datos en un número ilimitado de niveles. Por eso, un gráfico treemap es una excelente técnica para distinguir fácilmente entre valores de datos.
Los gráficos treemap tienen la increíble ventaja de identificar la relación y los patrones entre dos elementos representados en una estructura de datos jerárquica. Proporciona una visualización lineal y de lectura rápida de las entradas de datos, lo que nos permite comprender datos complejos más fácilmente.
La ventaja más importante de un gráfico treemap es que se pueden leer fácilmente de un vistazo las ramas y ramas secundarias del gráfico. Con los datos presentados en forma de árbol, una gran cantidad de información se organiza de forma compacta y visualmente atractiva, lo que facilita las comparaciones y la descomposición de patrones complejos.
Pongamos como ejemplo a alguien que quiera representar el estado de atención médica frente a los datos de población generados en una región durante un período de un año. Hay dos componentes de un gráfico treemap que se pueden utilizar para representar estos datos. Así, el tamaño del rectángulo será una representación de la población y, al mismo tiempo, el color de cada rectángulo representará el estado de salud. Cada rectángulo mostrará dos variables cuantitativas. Las dimensiones y colores de los rectángulos nos permiten hacer deducciones de un vistazo.
Los gráficos treemap son extremadamente útiles cuando se necesita mostrar varias categorías y subcategorías de datos. Con la lectura de un gráfico treemap, es posible identificar fácilmente la relación entre las dos variables, así como las relaciones de parte a todo. Los gráficos treemap pueden contener unas pocas capas o pueden representar datos en docenas de niveles que incluyan cientos de subcategorías.
Los atributos de los datos suelen ser valores numéricos que facilitan la creación de estructuras jerárquicas adecuadas, como estructuras de directorios de archivos, jerarquías organizativas y otros datos categóricos.
Los gráficos treemap fueron una idea del profesor Ben Shneiderman de la Universidad de Maryland a principios de 1990. Shneiderman inventó el gráfico treemap para abordar el enorme desafío de identificar y representar grandes conjuntos de datos jerárquicos de una forma eficiente, fácil de leer y comprensible. Shneiderman visualizó un directorio de archivos en una computadora y, con la ayuda de gráficos treemap, pudo hacerlo sin ocupar demasiado espacio en la pantalla. Por eso el diseño inicial de los gráficos treemap tenía como fin mejorar la utilización del espacio y hacerlo adecuado para mostrar estructuras de directorios con el fin de ver cuánto espacio ocupa cada punto de datos.
{{cta-1}}
Los siguientes tres componentes definen un gráfico treemap.
Los datos en un gráfico treemap se representan con rectángulos. Los rectángulos son los bloques fundamentales, también conocidos como “nodos” o “ramas”. Cada rectángulo en un gráfico treemap puede representar dos valores numéricos. Están dimensionados y posicionados según sus atributos. Normalmente, el tamaño de un rectángulo representa el valor cuantitativo que corresponde al elemento de datos. Cuanto mayor sea el tamaño del rectángulo, mayor será el valor. Esto permite a los usuarios leer rápidamente los datos e identificar los patrones y disparidades dentro del gráfico. Los conjuntos de datos anidados dentro de los rectángulos se conocen como "hojas".
Los datos representados en un gráfico treemap pueden tener varias capas. Estos gráficos organizan los datos en una estructura jerárquica, representada en rectángulos anidados. Los elementos de datos, por otro lado, se clasifican en grupos y subgrupos. De esta manera, los "elementos principales" se clasifican junto con sus "elementos secundarios". Esta técnica de anidamiento ayuda a identificar la relación entre diferentes categorías y subcategorías dentro de los datos del gráfico treemap.
Las dimensiones y colores de la trama se identifican y calculan según las variables cuantitativas de los respectivos rectángulos. El mapeo de colores es una técnica eficaz para agregar información a los gráficos treemap. Además, cuando asignamos una cantidad a una categoría en el gráfico treemap, el tamaño o área del rectángulo es directamente proporcional a esa cantidad. El área de los “elementos padres” es igual a la suma de sus subcategorías. Los colores se asignan según los “datos categóricos” utilizados para representar otro valor cuantitativo. Los colores ofrecen una visión personal del uso de las variaciones y la distribución de los elementos de datos.
Los rectángulos en un gráfico treemap están ordenados según su tamaño. El formato estándar del gráfico treemap es que los rectángulos variarán en tamaño desde la esquina superior izquierda del gráfico y luego fluirán hasta la esquina inferior derecha. Es por eso que la esquina superior izquierda tiene el rectángulo más grande y la esquina inferior derecha tiene el rectángulo más pequeño del gráfico. Los gráficos treemap permiten a los usuarios distinguir fácilmente entre diferentes categorías e interpretar varios valores de datos de una manera que ahorra espacio, es eficiente y fácil de leer.
Los gráficos treemap presentan varias ventajas.
Los gráficos treemap tienen la capacidad de discernir relaciones entre los dos elementos en la estructura de datos jerárquica. El tamaño de los rectángulos reflejará las proporciones entre diferentes categorías y permitirá una fácil comparación entre los valores de los datos. Los subelementos o subestructuras representan esta comparación.
Cuando se deben representar miles de puntos de datos en un espacio confinado, los gráficos treemap son eficientes para aprovechar al máximo el espacio disponible. La capacidad de profundizar tanto como sea necesario y llenar el área del gráfico para una representación visual óptima de grandes conjuntos de datos es lo que hace que los gráficos treemap sean tan fáciles de leer.
Los gráficos treemap son excelentes para ilustrar estructuras de datos jerárquicas. Permiten a los usuarios comprender cómo las categorías más grandes pueden dividirse en subcategorías más pequeñas. Muestra varios elementos al mismo tiempo, incluidas las proporciones de "parte a todo" en la representación de datos.
Los patrones de rectángulos anidados pueden facilitar la identificación de tendencias, valores atípicos y grupos dentro de la disposición del gráfico treemap. Además, el tamaño y los colores se utilizan para representar los atributos de los datos. La codificación de colores en un gráfico treemap tiene muchas ventajas. Se pueden hacer coincidir categorías y subcategorías de los elementos según su color con sus categorías principales. Esta combinación de disposición de rectángulos y codificación de colores ayuda enormemente en la exploración de datos.

Como cualquier otro tipo de gráfico, los gráficos treemap tienen limitaciones que hacen considerar otras opciones:
Los valores de las variables cuantitativas en un gráfico treemap deben ser valores positivos. Los valores negativos no pueden representar el tamaño del rectángulo. Además, los gráficos treemap tampoco albergarán ningún conjunto de datos que sea diferente en magnitud.
Los puntos de datos en un gráfico treemap se representan en forma de rectángulos. Esto significa que esta técnica de clasificación puede ocupar bastante espacio. La legibilidad de un gráfico treemap puede ser un poco difícil en comparación con los puntos de datos lineales, por su anchura, longitud y limitaciones espaciales.
Los gráficos treemap necesitan programas especializados para generarse y, aun así, son más laboriosos de generar y organizar en comparación con otros gráficos de datos. Además, los gráficos treemap también son bastante grandes, lo que dificulta su impresión.
Aunque los gráficos treemap tiene un importante impacto visual y pueden representar datos de manera efectiva cuando otras formas de gráficos no se adaptan a los requisitos, tienen ciertas limitaciones. A veces, estos gráficos no pueden mostrar el nivel jerárquico con tanta eficacia como otros, como un diagrama de árbol.
Los gráficos treemap pueden ofrecer varios beneficios cuando se utilizan en situaciones en las que son ideales. Estos son los diferentes dominios y áreas donde se pueden utilizar gráficos treemap:
Los rectángulos, o nodos, en un gráfico treemap nos permiten mostrar dos valores cuantitativos. Las dimensiones de los rectángulos y los colores representan dos valores diferentes en el conjunto de datos, como la población y el estado de salud de las personas que viven en una región específica.
Con un gráfico treemap, se pueden trazar miles de puntos de datos dentro de un espacio limitado, mientras que otros gráficos de datos tienen limitaciones de espacio. Sin embargo, los gráficos treemap no son lineales, lo que significa que pueden resultar difíciles de leer y comprender en comparación con un gráfico lineal o circular.
Las dimensiones y colores de los nodos dentro de un gráfico treemap se asignan de acuerdo con los valores numéricos de cada rectángulo. Por eso es más fácil organizar una historia detallada de los datos en varios niveles e identificar las tendencias y patrones entre las diferentes categorías de notas trazadas en el gráfico.
{{cta-3}}
Los gráficos treemap se pueden utilizar para muchos tipos de presentación, sectores y áreas de estudio. A continuación se muestran algunos ejemplos de uso de gráficos treemap:
El gráfico treemap se compone de las tres secciones siguientes:
El área de trama es el cuerpo del gráfico treemap. La representación visual de los datos depende de los rectángulos coloreados en los tonos de categoría de nivel más alto. También se utilizan otras variantes de color al diseñar los treemaps para aumentar la representación visual.
El título del gráfico es fundamental a la hora de asignar un nombre descriptivo pero claro al gráfico de datos que permita a los usuarios comprender la evaluación.
La leyenda distingue diferentes series de datos en un gráfico de árbol. Por lo general, se representa mediante una escala de colores deslizante, donde cada color representará las categorías o ramas de nivel más alto.
Así es como se crea un gráfico treemap:
La preparación de los datos es el paso más importante en la creación de un gráfico treemap. Una práctica eficaz en la preparación de datos es evitar sobrecargar el gráfico para que no se produzca un desorden visual. El conjunto de datos debe estar estructurado jerárquicamente y todas las categorías y subcategorías deben estar claramente definidas.
Los siguientes pasos le permitirán crear un treemap con un alto atractivo visual:
Los gráficos treemap han creado una técnica revolucionaria para presentar e interpretar datos en un espacio eficiente. Todavía se considera una herramienta versátil y visualmente atractiva para trazar y mostrar datos jerárquicos que abarcan diversos dominios.
En este compendio se profundiza en los componentes de un gráfico treemap eficiente, sus ventajas, limitaciones, mejores prácticas y técnicas de creación. Si aplica este conocimiento a sus gráficos treemap, podrá mostrar datos jerárquicos complejos en una representación interactiva y visualmente atractiva. A medida que sigan evolucionando más herramientas de visualización de datos, el mundo de los gráficos treemap descubrirá detalles y técnicas de representación de datos más complejos.
A pesar de sus limitaciones, los gráficos treemap siguen siendo una de las herramientas visualmente más efectivas para representar grandes conjuntos de datos y presentar tendencias y patrones que son difíciles de identificar y describir en otras formas de gráficos.
Inicie ahora su prueba de 30 días.

Con Jaspersoft, la plataforma de BI líder para desarrolladores de software, podrá diseñar, integrar y administrar informes y análisis de manera eficiente.

This whitepaper provides a framework for the decision-making process and critical trade-offs between building or buying an embedded BI and reporting tool.

Experimente cómo convertir los datos en información valiosa que usted y sus clientes pueden utilizar para tomar mejores decisiones.