¿Cómo reviso un dashboard que engaña? Arréglalo con cuatro preguntas

Un dashboard se critica igual que se diseña: empezando por la decisión. Antes de opinar sobre colores o tipografía, haz estas cuatro preguntas, en orden. Son la lista con la que revisas cualquier dashboard, el tuyo, el de un colega o el que te haga tu IA:

¿Para quién es y qué decide?
Si el dashboard no deja ver quién lo usa y para decidir qué, todo lo demás es opinión. Busca la frase de propósito, aunque sea implícita.
¿Cada número tiene ficha y comparación?
¿Sabes qué se contó y entre qué se dividió? ¿Cada número tiene su meta o su periodo anterior al lado?
¿Cada gráfica responde su pregunta?
Escribe la pregunta que dice responder cada gráfica y revisa si la responde de verdad: con la medida correcta, conteos o tasas, y con una forma que se lea rápido.
¿El orden sigue a la decisión?
Arriba la respuesta, después el dónde y el desde cuándo, el detalle al final. Revisa también el periodo y los colores de cada categoría.

El dashboard que heredaste

Lucía heredó este dashboard de quien ocupaba antes su puesto. Tiene dos gráficas: a la izquierda, un pastel titulado ¿En qué sede está el problema esta semana?; a la derecha, la tasa de la clínica por semana con la meta. Pásalo por las cuatro preguntas.

Dashboard heredado: observa sus medidas antes de leer el diagnóstico.

Comprueba lo que sabes: Antes de leer la explicación, escribe dos riesgos de decisión que ves en este dashboard. Cita al menos un número de la gráfica y explica qué dato o comparación necesitas para decidir a qué sede mandar las llamadas. Puedes usar los datos de la gráfica; todavía no propongas cambios de código.

Responde tú

La decisión se adivina: a qué sede mandar las llamadas. La línea de la derecha está bien: responde "¿cómo va la clínica contra la meta?" con la medida correcta y su referencia. El problema está en la tercera pregunta: el pastel dice responder "¿en qué sede está el problema?", pero reparte el conteo de inasistencias. Centro tiene la rebanada más grande porque es la sede más grande. Si Lucía le cree al pastel, manda las llamadas a Centro, y Cholula, la sede que pierde una de cada seis citas, se queda igual otra semana.

Comprueba lo que sabes: ¿Por qué el pastel de este dashboard lleva a una mala decisión?

Inténtalo

En el editor está el dashboard en : la descripción de la gráfica en , que la página dibuja a la derecha. La primera parte de la lista hconcat es el pastel. Arréglala en tres cambios:

Cambia "mark": "arc" por "mark": "bar".
Cambia theta por x, usando el campo tasa en lugar de inasistencias, con "axis": {"format": "%"} para que se lea como porcentaje.
Cambia color por y, con el campo sede y "sort": "-x" para que la sede con la tasa más alta quede arriba.

Los datos ya traen la columna tasa; no tienes que calcular nada. Terminaste cuando a la izquierda ves tres barras horizontales y la de Cholula es la más larga. Si el editor marca un error y no ves dónde, pégaselo a tu Maestro.

Tu turno

Convierte el pastel de la izquierda en barras horizontales de la tasa de inasistencia por sede, ordenadas de mayor a menor. No cambies la gráfica de la derecha. Terminaste cuando Cholula es la barra más larga y queda arriba.

Especificación de la gráfica (JSON de Vega-Lite)

{
  "hconcat": [
    {
      "data": {
        "values": [
          {"inasistencias": 17, "sede": "Centro", "tasa": 0.101},
          {"inasistencias": 12, "sede": "Angelópolis", "tasa": 0.098},
          {"inasistencias": 14, "sede": "Cholula", "tasa": 0.171}
        ]
      },
      "encoding": {
        "color": {"field": "sede", "title": "Sede", "type": "nominal"},
        "theta": {"field": "inasistencias", "type": "quantitative"}
      },
      "mark": "arc",
      "title": "¿En qué sede está el problema esta semana?"
    },
    {
      "data": {
        "values": [
          {"semana": "2026-06-29", "tasa": 0.099},
          {"semana": "2026-07-06", "tasa": 0.101},
          {"semana": "2026-07-13", "tasa": 0.096},
          {"semana": "2026-07-20", "tasa": 0.086},
          {"semana": "2026-07-27", "tasa": 0.097},
          {"semana": "2026-08-03", "tasa": 0.099},
          {"semana": "2026-08-10", "tasa": 0.1},
          {"semana": "2026-08-17", "tasa": 0.101},
          {"semana": "2026-08-24", "tasa": 0.098},
          {"semana": "2026-08-31", "tasa": 0.115},
          {"semana": "2026-09-07", "tasa": 0.101},
          {"semana": "2026-09-14", "tasa": 0.112},
          {"semana": "2026-09-21", "tasa": 0.115}
        ]
      },
      "layer": [
        {
          "encoding": {
            "x": {
              "axis": {
                "format": "%d/%m",
                "values": [
                  {"date": 29, "month": 6, "utc": true, "year": 2026},
                  {"date": 13, "month": 7, "utc": true, "year": 2026},
                  {"date": 27, "month": 7, "utc": true, "year": 2026},
                  {"date": 10, "month": 8, "utc": true, "year": 2026},
                  {"date": 24, "month": 8, "utc": true, "year": 2026},
                  {"date": 7, "month": 9, "utc": true, "year": 2026},
                  {"date": 21, "month": 9, "utc": true, "year": 2026}
                ]
              },
              "field": "semana",
              "timeUnit": "utcyearmonthdate",
              "title": "Semana",
              "type": "temporal"
            },
            "y": {
              "axis": {"format": "%"},
              "field": "tasa",
              "title": "Inasistencia",
              "type": "quantitative"
            }
          },
          "mark": {"point": true, "type": "line"}
        },
        {
          "encoding": {
            "y": {"datum": 0.1}
          },
          "mark": {
            "strokeDash": [4, 4],
            "type": "rule"
          }
        }
      ],
      "title": "¿Cómo va la clínica contra la meta?"
    }
  ]
}

Edita el JSON; la vista previa se actualiza cuando haces una pausa.

Cómo se traduce a Altair

Altair genera este mismo JSON: chart.to_json() lo imprime. "mark": "point" es alt.Chart(df).mark_point(). Cada canal de encoding es un argumento de .encode(), por ejemplo x=alt.X("campo:Q", scale=alt.Scale(type="log")) o color="campo:N". Cada entrada de transform es una llamada como .transform_filter("datum.year == 2007").

Ejecútalo tú

Con las barras, el dashboard cuenta otra historia: Cholula arriba, con casi el doble de tasa que las otras dos. El dato no cambió; cambió la medida que la gráfica pone frente a los ojos.

Fíjate en lo que no tuviste que tocar: la línea de la derecha. Criticar un dashboard no es rehacerlo; es encontrar la pieza que lleva a una mala decisión y arreglar esa. En el trabajo, esa diferencia importa: un dashboard que la gente ya conoce se arregla pieza por pieza, y cada cambio se explica en una línea ("cambiamos la gráfica de sedes de conteos a tasa, porque los conteos favorecían a las sedes chicas").

Si tienes un dashboard en tu trabajo, pásalo por las cuatro preguntas con tu Maestro.