Manual de Periodismo de Datos

%  P L A C E I N S . S T Y          ver 2.2  April 18, 2005
%  Donald Arseneau                  asnd@triumf.ca
%
%  Modified on March 6, 2011
%  Lex Fridman                      lexfridman@gmail.com
%  See: http://bit.ly/h2Se0u
%
%  Keep floats `in their place'; don't let them float into another section.
%  Instructions are below.
%
%  placeins.sty is freely released to the public domain.


\def\@fb@botlist{\@botlist}
\def\@fb@topbarrier{\suppressfloats[t]}

\catcode`\V=14 % `V' is a comment character unless [verbose]

\@ifundefined{DeclareOption}{}%
{\DeclareOption{below}{\def\@fb@botlist{}}
 \DeclareOption{above}{\def\@fb@topbarrier{}}
 \DeclareOption{section}{\AtBeginDocument{%
     \expandafter\renewcommand\expandafter\section\expandafter
       {\expandafter\@fb@secFB\section}%
     \newcommand\@fb@secFB{\FloatBarrier
     \gdef\@fb@afterHHook{\@fb@topbarrier \gdef\@fb@afterHHook{}}}
     \g@addto@macro\@afterheading{\@fb@afterHHook}
     \gdef\@fb@afterHHook{}
  }}
 \DeclareOption{subsection}{\AtBeginDocument{%
     \expandafter\renewcommand\expandafter\subsection\expandafter
       {\expandafter\@fb@subsecFB\subsection}%
     \newcommand\@fb@subsecFB{\FloatBarrier
     \gdef\@fb@afterHHook{\@fb@topbarrier \gdef\@fb@afterHHook{}}}
     \g@addto@macro\@afterheading{\@fb@afterHHook}
     \gdef\@fb@afterHHook{}
  }}
 \DeclareOption{subsubsection}{\AtBeginDocument{%
     \expandafter\renewcommand\expandafter\subsubsection\expandafter
       {\expandafter\@fb@subsubsecFB\subsubsection}%
     \newcommand\@fb@subsubsecFB{\FloatBarrier
     \gdef\@fb@afterHHook{\@fb@topbarrier \gdef\@fb@afterHHook{}}}
     \g@addto@macro\@afterheading{\@fb@afterHHook}
     \gdef\@fb@afterHHook{}
  }}
 \DeclareOption{verbose}{\catcode`\V=9 }% Activate things after `V'
 \ProvidesPackage{extraplaceins}[2005/04/18 \space  v 2.2]
 \ProcessOptions 
} % end of \@ifundefined

\def\FloatBarrier{\par\begingroup \let\@elt\relax
V\edef\@tempa{\write\m@ne{Package placeins Info: Float barrier, from
V  input line \the\inputlineno, processed on page \thepage, lands on
V  page \noexpand\thepage. }}\@tempa
 \edef\@tempa{\@fb@botlist\@deferlist\@dbldeferlist}%
 \ifx\@tempa\@empty V\PackageInfo{placeins}{No floats held,}%
 \else
    \ifx\@fltovf\relax % my indicator of recursion
       \if@firstcolumn V\PackageWarning{placeins}{Some floats are stuck,}%
         \clearpage 
       \else V\PackageInfo{placeins}{Eject a column and check again:}%
         \null\newpage\FloatBarrier 
       \fi
    \else V\PackageInfo{placeins}{Must dump some floats}%
       \newpage \let\@fltovf\relax V\PackageInfo{placeins}{Check again:}%
       \FloatBarrier % recurse once only
 \fi\fi \endgroup
 \@fb@topbarrier }

\catcode`\V=11
\endinput

%====================== BEGIN INSTRUCTIONS ===========================

  p l a c e i n s . s t y          ver 2.2  April 18, 2005
  Donald Arseneau                  asnd@triumf.ca


Placeins.sty keeps floats `in their place', preventing them from floating
past a "\FloatBarrier" command into another section.  To use it, declare
"\usepackage{placeins}" and insert "\FloatBarrier" at places that floats 
should not move past, perhaps at every "\section".  

Option:  [section]

A more convenient way to stop floats at section boundaries is to change 
the definition of "\section" to include "\FloatBarrier", either at the
beginning, before "\@startsection", or in the `style' specification (see 
The LaTeX Companion, section 2.2.2; or 2.3 in the 1st ed).  If you specify 
"\usepackage[section]{placeins}", then the "\section" command will be 
redefined with "\FloatBarrier" inserted at the beginning.

Options:  [above]  [below]

Something you may not like is that, by default, "\FloatBarrier" is very 
strict, and will (try to) prevent a float from appearing above the start 
of the current section or below the start of the next section, even 
though the float is still on the same page as its intended section.  
Each restriction can be relaxed separately by using the "[above]" and 
"[below]" package options: "[above]" allows floats to appear above their 
section, if on the same page; "[below]" allows below.

NOTE!  The original version of placeins.sty acted like it was loaded
with the option "[above]" specified.

There is a problem with LaTeX's "\suppressfloats" being out of step with 
the page breaking (see usenet msg <yfi656pbsn0.fsf@triumf.ca> and thread)
which sometimes allows a float to go above a "\FloatBarrier" placed near
the top of a page. Maybe placeins will fix it sometime later.

Option: [verbose]

There is a package option "[verbose]" that causes many messages to be
written in the log file.  It might be used to answer the question:
`How did *that* get *there*?!?'

%====================== END INSTRUCTIONS ========================

Test file integrity:  ASCII 32-57, 58-126:  !"#$%&'()*+,-./0123456789
:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\]^_`abcdefghijklmnopqrstuvwxyz{|}~

%%
%% This is file `fancyhdr.sty',
%% generated with the docstrip utility.
%%
%% The original source files were:
%%
%% fancyhdr.dtx  (with options: `fancyhdr')
%% 
%% This is a generated file.
%% 
%% This file may be distributed and/or modified under the conditions of
%% the LaTeX Project Public License, either version 1.3 of this license
%% or (at your option) any later version.  The latest version of this
%% license is in:
%% 
%%    http://www.latex-project.org/lppl.txt
%% 
%% and version 1.3 or later is part of all distributions of LaTeX version
%% 2005/12/01 or later.
%% 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\NeedsTeXFormat{LaTeX2e}
\ProvidesPackage{fancyhdr}%
           [2017/06/30 v3.9a
                  Extensive control of page headers and footers]%
% Copyright (C) 1994-2016 by Piet van Oostrum <piet@vanoostrum.org>
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\def\if@nch@mpty#1{\def\temp@a{#1}\ifx\temp@a\@empty}
\def\f@nch@def#1#2{\if@nch@mpty{#2}\f@nch@gbl\def#1{\leavevmode}\else
                                   \f@nch@gbl\def#1{#2\strut}\fi}
\let\f@nch@gbl\global
\def\f@nch@errmsg#1{%
  \ifx\PackageError\undefined \errmessage{#1}\else
  \PackageError{Fancyhdr}{#1}{}\fi}
\def\f@nch@warning#1{%
  \ifx\PackageWarning\undefined \errmessage{#1}\else
  \PackageWarning{Fancyhdr}{#1}{}\fi}
\def\f@nch@forc#1#2#3{\expandafter\f@rc\expandafter#1\expandafter{#2}{#3}}
\def\f@rc#1#2#3{\def\temp@ty{#2}\ifx\@empty\temp@ty\else
                                    \f@nch@rc#1#2\f@nch@rc{#3}\fi}
\def\f@nch@rc#1#2#3\f@nch@rc#4{\def#1{#2}#4\f@rc#1{#3}{#4}}
\newcommand{\f@nch@for}[3]{\edef\@fortmp{#2}%
  \expandafter\@forloop#2,\@nil,\@nil\@@#1{#3}}
\newcommand\f@nch@default[3]{%
  \edef\temp@a{\lowercase{\edef\noexpand\temp@a{#3}}}\temp@a \def#1{}%
  \f@nch@forc\tmpf@ra{#2}%
  {\expandafter\f@nch@ifin\tmpf@ra\temp@a{\edef#1{#1\tmpf@ra}}{}}%
  \ifx\@empty#1\def#1{#2}\fi}
\newcommand{\f@nch@ifin}[4]{%
  \edef\temp@a{#2}\def\temp@b##1#1##2\temp@b{\def\temp@b{##1}}%
  \expandafter\temp@b#2#1\temp@b\ifx\temp@a\temp@b #4\else #3\fi}
\newcommand{\fancyhead}[2][]{\f@nch@fancyhf\fancyhead h[#1]{#2}}%
\newcommand{\fancyfoot}[2][]{\f@nch@fancyhf\fancyfoot f[#1]{#2}}%
\newcommand{\fancyhf}[2][]{\f@nch@fancyhf\fancyhf {}[#1]{#2}}%
\newcommand{\fancyheadoffset}[2][]{\f@nch@fancyhfoffs\fancyheadoffset h[#1]{#2}}%
\newcommand{\fancyfootoffset}[2][]{\f@nch@fancyhfoffs\fancyfootoffset f[#1]{#2}}%
\newcommand{\fancyhfoffset}[2][]{\f@nch@fancyhfoffs\fancyhfoffset {}[#1]{#2}}%
\def\f@nch@fancyhf#1#2[#3]#4{%
  \def\temp@c{}%
  \f@nch@forc\tmpf@ra{#3}%
  {\expandafter\f@nch@ifin\tmpf@ra{eolcrhf,EOLCRHF}%
    {}{\edef\temp@c{\temp@c\tmpf@ra}}}%
  \ifx\@empty\temp@c\else \f@nch@errmsg{Illegal char `\temp@c' in
    \string#1 argument: [#3]}%
  \fi \f@nch@for\temp@c{#3}%
  {\f@nch@default\f@nch@@eo{eo}\temp@c \if@twoside\else \if\f@nch@@eo
    e\f@nch@warning {\string#1's `E' option without twoside option is
      useless}\fi\fi \f@nch@default\f@nch@@lcr{lcr}\temp@c
    \f@nch@default\f@nch@@hf{hf}{#2\temp@c}%
    \f@nch@forc\f@nch@eo\f@nch@@eo
        {\f@nch@forc\f@nch@lcr\f@nch@@lcr
          {\f@nch@forc\f@nch@hf\f@nch@@hf
            {\expandafter\f@nch@def\csname
              f@nch@\f@nch@eo\f@nch@lcr\f@nch@hf\endcsname {#4}}}}}}
\def\f@nch@fancyhfoffs#1#2[#3]#4{%
  \def\temp@c{}%
  \f@nch@forc\tmpf@ra{#3}%
  {\expandafter\f@nch@ifin\tmpf@ra{eolrhf,EOLRHF}%
    {}{\edef\temp@c{\temp@c\tmpf@ra}}}%
  \ifx\@empty\temp@c\else \f@nch@errmsg{Illegal char `\temp@c' in
    \string#1 argument: [#3]}%
  \fi \f@nch@for\temp@c{#3}%
  {\f@nch@default\f@nch@@eo{eo}\temp@c \if@twoside\else \if\f@nch@@eo
    e\f@nch@warning {\string#1's `E' option without twoside option is
      useless}\fi\fi \f@nch@default\f@nch@@lcr{lr}\temp@c
    \f@nch@default\f@nch@@hf{hf}{#2\temp@c}%
    \f@nch@forc\f@nch@eo\f@nch@@eo
        {\f@nch@forc\f@nch@lcr\f@nch@@lcr
          {\f@nch@forc\f@nch@hf\f@nch@@hf
            {\expandafter\setlength\csname
              f@nch@O@\f@nch@eo\f@nch@lcr\f@nch@hf\endcsname {#4}}}}}%
  \f@nch@setoffs}
\newcommand{\lhead}[2][\f@nch@olh]%
                     {\f@nch@def\f@nch@olh{#2}\f@nch@def\f@nch@elh{#1}}
\newcommand{\chead}[2][\f@nch@och]%
                     {\f@nch@def\f@nch@och{#2}\f@nch@def\f@nch@ech{#1}}
\newcommand{\rhead}[2][\f@nch@orh]%
                     {\f@nch@def\f@nch@orh{#2}\f@nch@def\f@nch@erh{#1}}
\newcommand{\lfoot}[2][\f@nch@olf]%
                     {\f@nch@def\f@nch@olf{#2}\f@nch@def\f@nch@elf{#1}}
\newcommand{\cfoot}[2][\f@nch@ocf]%
                     {\f@nch@def\f@nch@ocf{#2}\f@nch@def\f@nch@ecf{#1}}
\newcommand{\rfoot}[2][\f@nch@orf]%
                     {\f@nch@def\f@nch@orf{#2}\f@nch@def\f@nch@erf{#1}}
\newlength{\f@nch@headwidth} \let\headwidth\f@nch@headwidth
\newlength{\f@nch@O@elh}
\newlength{\f@nch@O@erh}
\newlength{\f@nch@O@olh}
\newlength{\f@nch@O@orh}
\newlength{\f@nch@O@elf}
\newlength{\f@nch@O@erf}
\newlength{\f@nch@O@olf}
\newlength{\f@nch@O@orf}
\newcommand{\headrulewidth}{0.4pt}
\newcommand{\footrulewidth}{0pt}
\@ifundefined{footruleskip}%
      {\newcommand{\footruleskip}{.3\normalbaselineskip}}{}
\newcommand{\plainheadrulewidth}{0pt}
\newcommand{\plainfootrulewidth}{0pt}
\newif\if@fancyplain \@fancyplainfalse
\def\fancyplain#1#2{\if@fancyplain#1\else#2\fi}
\headwidth=-123456789sp
\let\f@nch@raggedleft\raggedleft
\let\f@nch@raggedright\raggedright
\let\f@nch@centering\centering
\let\f@nch@everypar\everypar
\def\f@nch@reset{\f@nch@everypar{}\restorecr\endlinechar=13
  \let\\\@normalcr \let\raggedleft\f@nch@raggedleft
  \let\raggedright\f@nch@raggedright \let\centering\f@nch@centering
  \def\baselinestretch{1}%
  \hsize=\headwidth
  \def\nouppercase##1{{\let\uppercase\relax\let\MakeUppercase\relax
      \expandafter\let\csname MakeUppercase \endcsname\relax##1}}%
  \ifx\undefined\@newbaseline % NFSS not present; 2.09 or 2e
  \ifx\@normalsize\undefined \normalsize % for ucthesis.cls
  \else \@normalsize \fi \else % NFSS (2.09) present
  \@newbaseline%
  \fi}
\fancyhf{}
\if@twoside
  \fancyhead[el,or]{\fancyplain{}{\slshape\rightmark}}
  \fancyhead[er,ol]{\fancyplain{}{\slshape\leftmark}}
\else
  \fancyhead[l]{\fancyplain{}{\slshape\rightmark}}
  \fancyhead[r]{\fancyplain{}{\slshape\leftmark}}
\fi
\fancyfoot[c]{\rmfamily\thepage} % page number
\def\f@nch@vbox#1#2{\setbox0\vbox{#2}\ifdim\ht0>#1\f@nch@warning
  {\string#1 is too small (\the#1): ^^J Make it at least \the\ht0.^^J We
    now make it that large for the rest of the document.^^J This may
    cause the page layout to be inconsistent, however\@gobble}%
  \dimen0=#1\global\setlength{#1}{\ht0}\ht0=\dimen0\fi \box0}
\def\f@nch@head#1#2#3#4#5{#1\hbox to\headwidth{\f@nch@reset
    \f@nch@vbox\headheight{\hbox
      {\rlap{\parbox[b]{\headwidth}{\raggedright#2}}\hfill
        \parbox[b]{\headwidth}{\centering#3}\hfill
        \llap{\parbox[b]{\headwidth}{\raggedleft#4}}}\headrule}}#5}
\def\f@nch@foot#1#2#3#4#5{#1\hbox to\headwidth{\f@nch@reset
    \f@nch@vbox\footskip{\footrule
      \hbox{\rlap{\parbox[t]{\headwidth}{\raggedright#2}}\hfill
        \parbox[t]{\headwidth}{\centering#3}\hfill
        \llap{\parbox[t]{\headwidth}{\raggedleft#4}}}}}#5}
\def\headrule{{\if@fancyplain\let\headrulewidth\plainheadrulewidth\fi
    \hrule\@height\headrulewidth\@width\headwidth
    \vskip-\headrulewidth}}
\def\footrule{{\if@fancyplain\let\footrulewidth\plainfootrulewidth\fi
    \vskip-\footruleskip\vskip-\footrulewidth
    \hrule\@width\headwidth\@height\footrulewidth\vskip\footruleskip}}
\def\ps@fancy{%
  \@ifundefined{@chapapp}{\let\@chapapp\chaptername}{}% for amsbook
\@ifundefined{MakeUppercase}{\def\MakeUppercase{\uppercase}}{}%
\ifx\chapter\@undefined \def\sectionmark##1{\markboth
  {\MakeUppercase{\ifnum \c@secnumdepth>\z@ \thesection\hskip 1em\relax
      \fi ##1}}{}}%
\def\subsectionmark##1{\markright {\ifnum \c@secnumdepth >\@ne
    \thesubsection\hskip 1em\relax \fi ##1}}%
\else \def\chaptermark##1{\markboth {\MakeUppercase{\ifnum
      \c@secnumdepth>\m@ne \@chapapp\ \thechapter. \ \fi ##1}}{}}%
\def\sectionmark##1{\markright{\MakeUppercase{\ifnum \c@secnumdepth >\z@
      \thesection. \ \fi ##1}}}%
\fi
\ps@@fancy
\gdef\ps@fancy{\@fancyplainfalse\ps@@fancy}%
\ifdim\headwidth<0sp
    \global\advance\headwidth123456789sp\global\advance\headwidth\textwidth
\fi}
\def\ps@fancyplain{\ps@fancy \let\ps@plain\ps@plain@fancy}
\def\ps@plain@fancy{\@fancyplaintrue\ps@@fancy}
\let\ps@@empty\ps@empty
\def\ps@@fancy{%
  \ps@@empty
  \def\@mkboth{\protect\markboth}%
  \def\@oddhead{\f@nch@head\f@nch@Oolh\f@nch@olh\f@nch@och\f@nch@orh\f@nch@Oorh}%
  \def\@oddfoot{\f@nch@foot\f@nch@Oolf\f@nch@olf\f@nch@ocf\f@nch@orf\f@nch@Oorf}%
  \def\@evenhead{\f@nch@head\f@nch@Oelh\f@nch@elh\f@nch@ech\f@nch@erh\f@nch@Oerh}%
  \def\@evenfoot{\f@nch@foot\f@nch@Oelf\f@nch@elf\f@nch@ecf\f@nch@erf\f@nch@Oerf}%
}
\def\f@nch@Oolh{\if@reversemargin\hss\else\relax\fi}
\def\f@nch@Oorh{\if@reversemargin\relax\else\hss\fi}
\let\f@nch@Oelh\f@nch@Oorh
\let\f@nch@Oerh\f@nch@Oolh
\let\f@nch@Oolf\f@nch@Oolh
\let\f@nch@Oorf\f@nch@Oorh
\let\f@nch@Oelf\f@nch@Oelh
\let\f@nch@Oerf\f@nch@Oerh
\def\f@nch@offsolh{\headwidth=\textwidth\advance\headwidth\f@nch@O@olh
                   \advance\headwidth\f@nch@O@orh\hskip-\f@nch@O@olh}
\def\f@nch@offselh{\headwidth=\textwidth\advance\headwidth\f@nch@O@elh
                   \advance\headwidth\f@nch@O@erh\hskip-\f@nch@O@elh}
\def\f@nch@offsolf{\headwidth=\textwidth\advance\headwidth\f@nch@O@olf
                   \advance\headwidth\f@nch@O@orf\hskip-\f@nch@O@olf}
\def\f@nch@offself{\headwidth=\textwidth\advance\headwidth\f@nch@O@elf
                   \advance\headwidth\f@nch@O@erf\hskip-\f@nch@O@elf}
\def\f@nch@setoffs{%
  \f@nch@gbl\let\headwidth\f@nch@headwidth
  \f@nch@gbl\let\f@nch@Oolh\f@nch@offsolh
  \f@nch@gbl\let\f@nch@Oelh\f@nch@offselh \f@nch@gbl\let\f@nch@Oorh\hss
  \f@nch@gbl\let\f@nch@Oerh\hss \f@nch@gbl\let\f@nch@Oolf\f@nch@offsolf
  \f@nch@gbl\let\f@nch@Oelf\f@nch@offself \f@nch@gbl\let\f@nch@Oorf\hss
  \f@nch@gbl\let\f@nch@Oerf\hss
}
\newif\iff@nch@footnote
\AtBeginDocument{%
  \let\latex@makecol\@makecol
  \def\@makecol{\ifvoid\footins\f@nch@footnotefalse\else\f@nch@footnotetrue\fi
    \let\topfloat\@toplist\let\botfloat\@botlist\latex@makecol}%
}
\newcommand\iftopfloat[2]{\ifx\topfloat\empty #2\else #1\fi}%
\newcommand\ifbotfloat[2]{\ifx\botfloat\empty #2\else #1\fi}%
\newcommand\iffloatpage[2]{\if@fcolmade #1\else #2\fi}%
\newcommand\iffootnote[2]{\iff@nch@footnote #1\else #2\fi}%
\newcommand{\fancypagestyle}[2]{%
  \@namedef{ps@#1}{\let\f@nch@gbl\relax#2\relax\ps@fancy}}
\endinput
%%
%% End of file `fancyhdr.sty'.

%%
%% This is file `fltpage.sty',
%% generated with the docstrip utility.
%%
%% The original source files were:
%%
%% fltpage.dtx  (with options: `package')
%% 
%% Copyright (C) 1998 by Sebastian Gross. All rights reserved.
%% 
%% 
%% This file is part of the fltpage package
%% 
%% IMPORTANT NOTICE:
%% 
%% This a tool or better yet, an experiments written by Sebastian Gross,
%% who is writing this not only for it utility value, but as part of the
%% process of learning LaTeX.  This utility is far from perfect, and
%% comments are welcome.
%% 
%% The usual disclaimers apply:  If it doesn't work right that's your problem!
%% 
%% The usual GNU-style conditions apply: If you change it, you take
%% the blame; if you pass it on, pass on all present conditions;
%% 
%% Error Reports in case of UNCHANGED versions to
%% 
%%       Sebastian Gross   <seppel@zedat.fu-berlin.de>
%% 
%%
%% \iffalse meta-comment
%% ===================================================================
%%  @LaTeX-package-file{
%%     author     = {Sebastian Gross},
%%     version    = {0.3},
%%     date       = {13 Nov 1998},
%%     filename   = {fltpage.dtx},
%%     email      = {seppel@zedat.fu-berlin.de},
%%     codetable  = {ISO/ASCII},
%%     keywords   = {LaTeX2e, float, table, figure, caption, FPfigure, FPtable},
%%     supported  = {yes},
%%     docstring  = {LaTeX package which defines new environments to place
%%                   captions of tables and figures on the facing/following page.}
%%  }
%% ===================================================================
%% \fi
\NeedsTeXFormat{LaTeX2e}
\ProvidesPackage{fltpage}[1998/10/29 v.0.3 Floats on full page (SMU)]
\RequirePackage{ifthen}
\RequirePackage{afterpage}
\newcounter{FP@figureC}
\newcounter{FP@tableC}
\newsavebox{\FP@floatCorpusBOX}
\newcommand*{\FP@guide}{}%
\newcommand*{\FP@guideStyle}{\slshape}
\newcommand*{\FP@guideOneside}{following page}
\newcommand*{\FP@guideTwoside}{facing page}
\newcommand*{\FP@guideAfter}{following page}
\newcommand*{\FP@guideBefore}{preceding page}
\newcommand*{\FP@guideFaceBefore}{preceding page}
\newcommand*{\FP@guideFaceAfter}{following page}
\newcommand*{\FP@separatorCaption}{\rule{\linewidth}{.4pt}}
\newcommand{\FP@positionLabel}{FP\@captype-\number\value{FP@\@captype C}-pos}
\newcommand{\FP@helpNote}[2]{%
  \typeout{FP#1 is inserted on page \pageref{#2}!}}%
\newcommand{\FP@floatOneside}{}
\newcommand{\FP@floatTwoside}{}
\newcommand{\FP@float}{}
\DeclareOption{german}{%
  \renewcommand{\FP@guideAfter}{n\"achste Seite}
  \renewcommand{\FP@guideBefore}{vorhergehende Seite}
  \renewcommand{\FP@guideOneside}{\FP@guideAfter}
  \renewcommand{\FP@guideFaceBefore}{gegen\"uberliegende Seite}
  \renewcommand{\FP@guideFaceAfter}{gegen\"uberliegende Seite}
  \renewcommand{\FP@guideTwoside}{\FP@guideFaceAfter}
  \PassOptionsToPackage{german}{varioref}
}%
\DeclareOption{varioref}{%
  \AtBeginDocument{%
    \RequirePackage{varioref}
    \ifthenelse{\equal{\reftextbefore}{\@empty}}%
      {}{\renewcommand{\FP@guideBefore}{\reftextbefore}}%
    \ifthenelse{\equal{\reftextafter}{\@empty}}%
      {}{\renewcommand{\FP@guideAfter}{\reftextafter}}%
    \renewcommand{\FP@guideOneside}{\FP@guideAfter}
    \ifthenelse{\equal{\reftextfacebefore}{\@empty}}%
      {}{\renewcommand{\FP@guideFaceBefore}{\reftextfacebefore}}%
    \ifthenelse{\equal{\reftextfaceafter}{\@empty}}%
      {}{\renewcommand{\FP@guideFaceAfter}{\reftextfaceafter}}%
    \renewcommand{\FP@guideTwoside}{\FP@guideFaceAfter}%
  }%
}%
\DeclareOption{closeFloats}{%
  \renewcommand{\FP@floatOneside}[3]{#3#2#1}%
  \renewcommand{\FP@floatTwoside}[4]{%
    \ifthenelse{\isodd{\pageref{#1}}}{#2#3#4}{#4#3#2}}%
}%
\DeclareOption{leftFloats}{%
  \renewcommand{\FP@floatOneside}[3]{#1#2#3}%
  \renewcommand{\FP@floatTwoside}[4]{%
    \ifthenelse{\isodd{\pageref{#1}}}{{#2#3#4}}{\afterpage{#2#3#4}}}%
  \renewcommand{\FP@guideOneside}{\FP@guideBefore}%
  \renewcommand{\FP@guideTwoside}{\FP@guideFaceBefore}%
}%
\DeclareOption{rightFloats}{%
  \renewcommand{\FP@floatOneside}[3]{#3#2#1}%
  \renewcommand{\FP@floatTwoside}[4]{%
    \ifthenelse{\isodd{\pageref{#1}}}{\afterpage{#4#3#2}}{{#4#3#2}}}%
  \renewcommand{\FP@guideOneside}{\FP@guideAfter}%
  \renewcommand{\FP@guideTwoside}{\FP@guideFaceAfter}%
}%
\DeclareOption{CaptionAfterwards}{\ExecuteOptions{leftFloats}}
\DeclareOption{CaptionBefore}{\ExecuteOptions{rightFloats}}%
\DeclareOption{draft}{%
  \renewcommand{\FP@helpNote}[2]{%
    \marginpar{Insertion of FP#1}%
    \typeout{FP#1 is inserted on page \pageref{#2}!}}%
}%
\DeclareOption{oneside}{%
  \renewcommand{\FP@guide}{\FP@guideStyle(\FP@guideOneside)}%
  \renewcommand{\FP@float}[4]{\FP@floatOneside{#2}{#3}{#4}}
}%
\DeclareOption{twoside}{%
  \renewcommand{\FP@guide}{\FP@guideStyle(\FP@guideTwoside)}%
  \renewcommand{\FP@float}[4]{\FP@floatTwoside{#1}{#2}{#3}{#4}}
}%
\DeclareOption{noSeparatorLine}{%
  \renewcommand{\FP@separatorCaption}{}
}
\DeclareOption{noHints}{%
  \AtBeginDocument{\renewcommand{\FP@guide}{}}
}%
\DeclareOption*{%
  \PackageWarning{fltpage}{Unknown option `\CurrentOption'!}%
  \PassOptionsToPackage{\currentOption}{varioref}
}%
\ExecuteOptions{closeFloats}
\ExecuteOptions{oneside}
\ProcessOptions*
\relax
\newcommand{\FP@floatBegin}[1]{%
  \gdef\@captype{#1}%
  \global\let\FP@savedCaptionCommand\caption%
  \global\let\FP@savedLabelCommand\label%
  \ifthenelse{\equal{\@captype}{figure}}
     {\global\let\old@Fnum\fnum@figure}%
     {\global\let\old@Fnum\fnum@table}%
  \let\FP@LabelText\@empty%
  \let\FP@CaptionText\@empty%
  \let\FP@optionalCaptionText\@empty%
  \renewcommand\label[1]{\gdef\FP@LabelText{##1}}%
  \renewcommand\caption[2][]{\gdef\FP@optionalCaptionText{##1}\gdef\FP@CaptionText{##2}}%
  \begin{lrbox}{\FP@floatCorpusBOX}%
}%
\newcommand{\FP@floatEnd}{%
  \end{lrbox}%
  \global\setbox\FP@floatCorpusBOX=\box\FP@floatCorpusBOX
  \stepcounter{FP@\@captype C}%
  \FP@savedLabelCommand{\FP@positionLabel}%
  \FP@helpNote{\@captype}{\FP@positionLabel}%
  \FP@float{\FP@positionLabel}% location label test
          {\begin{\@captype}[p!]
             \usebox{\FP@floatCorpusBOX}%
             \refstepcounter{\@captype}%
             \ifthenelse{\equal{\FP@LabelText}{\@empty}}
                {}{\FP@savedLabelCommand{\expandafter\protect\FP@LabelText}}%
          \end{\@captype}}
           {\addtocounter{\@captype}{-1}}
           {\begin{\@captype}[b!]%
             \ifthenelse{\equal{\FP@guide}{\@empty}}%
               {}{\ifthenelse{\equal{\@captype}{figure}}%
                   {\renewcommand{\fnum@figure}{\old@Fnum\ {\FP@guide}}}%
                   {\renewcommand{\fnum@table}{\old@Fnum\ {\FP@guide}}}}%
             \setlength{\abovecaptionskip}{2pt plus2pt minus 1pt} % length above caption
             \setlength{\belowcaptionskip}{2pt plus2pt minus 1pt} % length above caption
             \FP@separatorCaption%
             \ifthenelse{\equal{\FP@optionalCaptionText}{\@empty}}%
               {\FP@savedCaptionCommand{\expandafter\protect\FP@CaptionText}}%
               {\FP@savedCaptionCommand[\expandafter\protect\FP@optionalCaptionText]{\expandafter\protect\FP@CaptionText}}%
           \end{\@captype}}%
}%
\newenvironment{FPfigure}{\FP@floatBegin{figure}}{\FP@floatEnd}
\newenvironment{FPtable}{\FP@floatBegin{table}}{\FP@floatEnd}
\endinput
%%
%% End of file `fltpage.sty'.

--- exportedFrom: d42222e8de63b485aa6050c3df00dfc460ef9f50   ---  \begin{titlepage}
    \begin{center}
    
        \vspace*{1cm}
        
%       Dissertation No.
       
        \vspace*{1cm}
        
       \large{ \textbf{ \uppercase
                         {Manual de Periodismo de Datos}}}
        
        \vspace{0.5cm}
        
        \vspace{1.5cm}
 
           \large{Versión 1.0}
        
        \vspace{0.8cm}        
         
        Editado por\\        
        \textbf{Jonathan Gray, \\ Liliana Bonegru \\ y Lucy Chambers}
       
       \vspace{0.8cm}    
%      \textit{PhD(c) en Diseño y Creación \\ MSc en Educación \\ Informático-Matemático}       
       
       \vspace{0.8cm}                       
        \vspace{0.5cm}             
         \vspace{2cm}
       
%Insert Creative Commons Artwork
\DeclareGraphicsExtensions{.pdf,.png,.jpg}
\begin{center}
\leavevmode
%Replace image file name below ("by-sa.png") with your license
\includegraphics[width=1in]{./img/cc-by-sa.png}
\end{center}
\label{fig:cc}
%insert a link to the licence and its description below
\scriptsize{
Esta obra está licenciada bajo una licencia \\ \href{http://creativecommons.org/licenses/by-sa/3.0/}{Creative Commons Attribution-ShareAlike 3.0 Unported License} \\
y puede ser copiada y modificada de acuerdo a los términos de dicha licencia.\\
Una versión en línea actualizada de esta obra y su código fuente está publicada en: \\
 \href{http://http://mutabit.com/repos.fossil/mapeda/}{http://mutabit.com/repos.fossil/mapeda/}}
        
        
        \vfill
  
 %       \copyright 2015 por Autores Colectivos
        
 
 
     \end{center}
    \thispagestyle{empty}
\end{titlepage} 

\newpage
\thispagestyle{empty}
\mbox{}


# Páginas preliminares



## Un trabajo en equipo

![Cómo empezó todo](figs/incoming/00-01.jpg)

El Manual de Periodismo de Datos nació en un taller de 48 horas
encabezado por European Journalism Centre y la Open Knowledge Foundation
en la MozFest 2011 en Londres. Luego se amplió, convirtiéndose en un
esfuerzo internacional en colaboración, que contó con la participación
de docenas de los principales representantes del periodismo de datos y
sus mejores exponentes.

En los 6 meses siguientes que pasaron entre el comienzo del libro y su
primera presentación, cientos de personas contribuyeron de diversas
maneras. Si bien hicimos nuestro mejor esfuerzo para reflejar a todos,
hemos tenido una cantidad de anónimo, pseudónimos y editores imposibles
de rastrear.

A todos los que aportaron y no aparecen en la lista, les decimos dos
cosas. Primero, gracias. Segundo. Pueden por favor decirnos quiénes son
de modo de poder darles el crédito que se merecen.

## Contribuyentes

Las siguientes personas redactaron o contribuyeron directamente en la
redacción de los textos en la actual versión del libro (y las
ilustraciones son de la diseñadora gráfica Kate Hudson):

  -   Gregor Aisch, Open Knowledge Foundation
  -   Brigitte Alfter, Journalismfund.eu
  -   David Anderton, Periodista freelance
  -   James Ball, The Guardian
  -   Caelainn Barr, Citywire
  -   Mariana Berruezo, Hacks/Hackers Buenos Aires
  -   Michael Blastland, Periodista freelance
  -   Mariano Blejman, Hacks/Hackers Buenos Aires
  -   John Bones, Verdens Gang
  -   Marianne Bouchart, Bloomberg News
  -   Liliana Bounegru, European Journalism Centre
  -   Brian Boyer, Chicago Tribune
  -   Paul Bradshaw, Birmingham City University
  -   Wendy Carlisle, Australian Broadcasting Corporation
  -   Lucy Chambers, Open Knowledge Foundation
  -   Sarah Cohen, Duke University
  -   Alastair Dant, the Guardian
  -   Helen Darbishire, Access Info Europe
  -   Chase Davis, Center for Investigative Reporting
  -   Steve Doig, Walter Cronkite School of Journalism, Arizona State University
  -   Lisa Evans, The Guardian
  -   Tom Fries, Bertelsmann Stiftung
  -   Duncan Geere, Wired UK
  -   Jack Gillum, Associated Press
  -   Jonathan Gray, Open Knowledge Foundation
  -   Alex Howard, O’Reilly Media
  -   Bella Hurrell, BBC
  -   Nicolas Kayser-Bril, Journalism++
  -   John Keefe, WNYC
  -   Scott Klein, ProPublica
  -   Alexandre Léchenet, Le Monde
  -   Mark Lee Hunter, INSEAD
  -   Andrew Leimdorfer, BBC
  -   Friedrich Lindenberg, Open Knowledge Foundation
  -   Mike Linksvayer, Creative Commons
  -   Mirko Lorenz, Deutsche Welle
  -   Esa Mäkinen, Helsingin Sanomat
  -   Pedro Markun, Transparência Hacker
  -   Isao Matsunami, Tokyo Shimbun
  -   Lorenz Matzat, OpenDataCity
  -   Geoff McGhee, Stanford University
  -   Philip Meyer, Professor Emeritus, University of North Carolina at
      Chapel Hill
  -   Claire Miller, WalesOnline
  -   Cynthia O’Murchu, Financial Times
  -   Oluseun Onigbinde, BudgIT
  -   Djordje Padejski, Knight Journalism Fellow, Stanford University
  -   Jane Park, Creative Commons
  -   Angélica Peralta Ramos, La Nacion (Argentina)
  -   Cheryl Phillips, The Seattle Times
  -   Aron Pilhofer, New York Times
  -   Lulu Pinney, Diseñador infógrafo freelance
  -   Paul Radu, Organised Crime and Corruption Reporting Project
  -   Simon Rogers, The Guardian
  -   Martin Rosenbaum, BBC
  -   Amanda Rossi, Amigos de Januária
  -   Martin Sarsale, Hacks/Hackers Buenos Aires
  -   Fabrizio Scrollini, London School of Economics and Political Science
  -   Sarah Slobin, Wall Street Journal
  -   Sergio Sorin, Hacks/Hackers Buenos Aires
  -   Jonathan Stray, The Overview Project
  -   Brian Suda, (optional.is)
  -   Chris Taggart, OpenCorporates
  -   Jer Thorp, The New York Times R&D Group
  -   Andy Tow, Hacks/Hackers Buenos Aires
  -   Luk N. Van Wassenhove, INSEAD
  -   Sascha Venohr, Zeit Online
  -   Jerry Vermanen, NU.nl
  -   César Viana, University of Goiás
  -   Farida Vis, University of Leicester
  -   Pete Warden, Independent Data Analyst and Developer
  -   Chrys Wu, Hacks/Hackers

## Lo que este libro es (y lo que no es)

Este libro busca ser un recurso útil para aquellos interesados en
convertirse en periodistas de datos o que simplemente quieran tomarlo
como un pasatiempo.

Muchas personas contribuyeron a su escritura, y a través de nuestra
edición hemos tratado de hacer que se reflejen sus distintas voces y
visiones. Esperamos que su lectura resulte una conversación rica e
informativa respecto de lo que es el Periodismo de Datos, por qué es
importante, y cómo hacerlo.

Lamentablemente, leer este libro no le proveerá un repertorio general de
conocimientos y capacidades que necesitará para convertirse en
periodista de datos. Esto requeriría una vasta biblioteca manejada por
cientos de expertos capaces de responder preguntas sobre cientos de
temas. Por suerte, tal biblioteca existe; se llama Internet. En cambio,
esperamos que este libro lo oriente sobre cómo iniciarse y dónde mirar
si quiere avanzar. Los ejemplos y tutoriales son ilustrativos más que
exhaustivos.

Consideramos muy afortunado haber contado con tanto tiempo, energía y
paciencia de todos nuestros contribuyentes y nos hemos esforzado por
aprovecharlo de la mejor manera. Esperamos que –además de ser una fuente
de referencia útil- el libro ayude a documentar la pasión y el
entusiasmo, la visión y la energía de un movimiento en crecimiento. El
libro intenta mostrar lo que sucede tras bambalinas, las historias
detrás de los artículos.

El Manual de Periodismo de Datos es una obra en progreso. Si cree que
algo necesita ser corregido o está notoriamente ausente, por favor
indíquelo para su inclusión en la siguiente versión. También está
disponible gratuitamente bajo una licencia [Creative Commons de
Atribución Compartir](http://creativecommons.org/licenses/by-sa/3.0/)
bajo la misma Licencia y lo alentamos fuertemente a que lo comparta con
quien crea que puede interesarse en su lectura.

*Liliana Bounegru ([@bb\_liliana](https://twitter.com/bb_liliana))*\
*Lucy Chambers ([@lucyfedia](https://twitter.com/lucyfedia))*\
*Jonathan Gray ([@jwyg](https://twitter.com/jwyg))*\
*March 2012*

## El Manual de un vistazo

Este manual a un vistazo: la infografista Lulu PInney creó este
magnífico afiche, que da una visión general del contenido del Manual de
periodismo de datos

![El Manual de un vistazo](figs/incoming/00-poster.png)

El Manual de Periodismo de Datos puede ser copiado libremente,
redistribuido y reusado bajo los términos de la licencia [Creative
Commons
Atribución-CompartirIgual](http://creativecommons.org/licenses/by-sa/3.0/).
Los contribuyentes al Manual del Periodimo de Datos retienen el
copyright sobre sus contribuciones respectivas y están de acuerdo en
publicarlas bajo los términos de esta licencia.


# Introducción

¿Qué es el periodismo de datos? ¿Qué potencial tiene? ¿Cuáles son sus
límites? ¿De dónde viene? En esta sección analizamos qué es el
periodismo de datos y lo que puede significar para las organizaciones de
noticias. Paul Bradshaw (Birmingham City University) y Mirko Lorenz
(Deutsche Welle) se refieren a la particular importancia de esta nueva
disciplina. Destacados periodistas de datos comentan las claves a tener
en cuenta y sus ejemplos favoritos. Finalmente Liliana Bounegru
(European Journalism Centre) ubica al Periodismo de Datos en un contexto
histórico más amplio.

### Qué contiene este capítulo?

-   [¿Qué es el periodismo de datos?](introducción_0.html)
-   [Por qué debieran usar datos los periodistas](introducción_1.html)
-   [¿Por qué es importante el periodismo de
    datos?](introducción_2.html)
-   [Algunos ejemplos favoritos](introducción_3.html)
-   [El periodismo de datos en perspectiva](introducción_4.html)


## ¿Qué es el periodismo de datos?

¿Qué es el periodismo de datos? Podría contestar, simplemente, que es
periodismo que se hace con datos. Pero eso no es de gran ayuda.

Tanto “datos” como “periodismo” son términos problemáticos. Algunos
creen que “datos” es cualquier colección de cifras, por lo general
reunidas en una hoja de cálculo. Hace 20 años, esos eran prácticamente
los únicos datos que manejaban los periodistas. Pero ahora vivimos en un
mundo digital, un mundo en el que casi cualquier hecho puede ser (y casi
todo es) descripto con números.

Su carrera profesional, 300.000 documentos confidenciales, las personas
que componen su círculo de amigos; todo esto puede ser (y es) descripto
con solo dos números: ceros y unos. Fotos, video, y audio; asesinatos,
enfermedades, votos políticos, corrupción y mentiras, también descriptos
con ceros y unos.

¿Qué es lo que hace que el periodismo de datos sea diferente del resto
del periodismo? Quizás sean las nuevas posibilidades que aparecen,
cuando se combina el tradicional “olfato para las noticias” y la
capacidad de narrar una historia convincente, con la escala y alcance de
la información digital disponible en la actualidad.

Y esas posibilidades pueden aparecer en cualquier momento del proceso
periodístico: cuando contamos con la programación necesaria para
automatizar el proceso de recoger y combinar información proveniente del
gobierno municipal, la policía y otras fuentes civiles, como hizo Adrian
Holovaty con [ChicagoCrime](http://chicago.everyblock.com/crime/) y
luego [EveryBlock](http://www.everyblock.com/).

O usar software para encontrar relaciones entre cientos y miles de
documentos, tal como hizo The Telegraph con [los gastos de los
parlamentarios](http://tgr.ph/mps-expenses).

![Investigue los gastos de su representante parlamentario (The Guardian)](figs/incoming/01-01.png)

El periodismo de datos puede ayudar a un periodista a contar una
historia convincente por medio de infografías atractivas. Por ejemplo,
las conversaciones espectaculares de Hans Roslign sobre la visualización
de la pobreza mundial con [Gapminder](http://www.gapminder.org/) (que se
puede traducir como Recuerdabrecha, n. del t.) han atraído millones de
visitas en todo el mundo. Y la obra popular de David McCandless al
destilar grandes cifras –tales como poner en contexto el gasto público,
o la polución generada por el volcán islandés- muestra la importancia de
un diseño claro en [Information is Beautiful](http://www.informationisbeautiful.net/).

O puede ayudar a explicar cómo se relaciona una historia con un
individuo, como hacen ahora la BBC y el Financial Times habitualmente
con sus interactivos sobre el presupuesto (donde usted puede averiguar
cómo el presupuesto lo afecta en particular a usted en vez de a un
genérico “Juan Pueblo”). Y puede abrir el proceso mismo de búsqueda de
información, como hace The Guardian de modo tan exitoso al compartir
datos, contexto y preguntas en su
[Datablog](http://www.guardian.co.uk/news/datablog).

Los datos pueden ser la fuente del periodismo de datos, o pueden ser la
herramienta con la que se narra la historia o ambas cosas. Como
cualquier fuente, debe tratarse con escepticismo; y como cualquier
herramienta, debemos ser conscientes de cómo puede modelar y limitar las
historias que se crean con la misma.

— *Paul Bradshaw, Birmingham City University*


## Por qué debieran usar datos los periodistas

El periodismo está sitiado. En el pasado, como sector, nos basábamos en
ser los únicos que operábamos una tecnología para multiplicar y
distribuir lo que había pasado de un día al otro. La imprenta servía
como puerta de entrada. Cualquiera que quisiera llegar a la gente de una
ciudad o una región a la mañana siguiente, recurría a los diarios. Esa
era se acabó.

Hoy las noticias fluyen al mismo tiempo que suceden, a través de
múltiples fuentes, testigos presenciales y blogs, y lo que ha sucedido
es filtrado a través de una vasta red de conexiones sociales, se
jerarquiza, se comenta y muy a menudo se ignora.

Por eso el periodismo de datos es tan importante. Reunir, filtrar y
visualizar lo que sucede más allá de lo que nos muestran nuestros ojos
tiene creciente valor. En la economía global de hoy el jugo de naranja
que toma por la mañana, el café que prepara… hay relaciones invisibles
entre estos productos, otra gente y usted. El lenguaje de esta red es el
de los datos: pequeños puntos de información que a menudo son
irrelevantes como instancia individual, pero enormemente importantes
cuando se los ve desde el ángulo correcto.

En este momento, unos cuantos periodistas pioneros ya están demostrando
cómo se puede usar datos para crear una visión más profunda de lo que
sucede a nuestro alrededor y cómo puede afectarnos.

El análisis de datos puede revelar “la forma de una historia” (Sarah
Cohen) o proveernos una “nueva cámara” (David McCandless). Usando datos,
la tarea de los periodistas pasa de centrarse en ser los primeros en
informar, a ser los que nos dicen lo que un proceso podría significar
realmente. La gama de temas puede ser amplia. La próxima crisis
financiera en ciernes. Los datos económicos detrás de los productos que
usamos. El mal uso de fondos o errores políticos, presentados con una
visualización convincente que deje poco margen para rebatirla.

Es por esto que los periodistas debieran ver los datos como una
oportunidad. Es posible, por ejemplo, revelar cómo una amenaza abstracta
(como el desempleo) afecta a la gente de acuerdo a su edad, su género o
su nivel de educación. Usar datos transforma algo abstracto en algo que
todos pueden entender y con lo que pueden relacionarse.

Pueden crear herramientas de cálculo personalizadas para ayudar a la
gente a tomar decisiones, se trate de comprar un auto o una casa,
decidir un rumbo educativo o profesional en su vida, o hacer un control
de costos para no meterse en deudas.

Pueden analizar la dinámica de una situación compleja como disturbios o
un debate político, mostrar falacias y ayudar a todos a encontrar
posibles soluciones para problemas complejos.

Formarse en la búsqueda, depuración y visualización de datos es
transformador para la profesión de reunir información también. Los
periodistas que dominen esto descubrirán que apoyar sus artículos en
datos y la visión que aportan es un alivio. Menos adivinar, menos buscar
citas; en vez de ello, un periodista puede crear una posición fuerte
apoyada en datos y esto puede afectar mucho el rol del periodismo.

Además, introducirse en el periodismo de datos ofrece una perspectiva
para el futuro. Hoy, cuando las redacciones se reducen, la mayoría de
los periodistas esperan cambiar el área de las relaciones públicas. Pero
los periodistas de datos o los científicos de datos ya son un grupo de
profesionales muy solicitados, no solo por los medios. Las empresas e
instituciones de todo el mundo buscan “gente que encuentre sentido a las
cosas”, y profesionales que sepan cómo revisar datos y convertirlos en
algo tangible.

Los datos representan una promesa, y esto es lo que entusiasma a las
redacciones, haciéndolas buscar un nuevo tipo de periodista. Para la
gente que trabaja por su cuenta, manejar datos ofrece un camino para
obtener nuevas oportunidades y un salario estable también. Véalo de este
modo: en vez de contratar periodistas que llenen rápidamente páginas y
sitios en la red con contenido de bajo valor, el uso de datos podría
crear demanda para paquetes interactivos, que solo pueden crearse
invirtiendo una semana entera en resolver una cuestión. Esto es un
cambio positivo para muchos sectores de los medios.

Hay una barrera que impide a los periodistas usar este potencial: la
necesidad de capacitarse para trabajar con datos en todos los pasos,
desde una primera pregunta hasta un gran impacto periodístico basado en
datos.

Trabajar con datos es como introducirse en un territorio vasto y
desconocido. A primera vista los datos crudos resultan inteligibles para
los ojos y la mente. Tales datos son inmanejables. Es difícil ordenarlos
correctamente para su visualización. Se necesita periodistas
experimentados, que tengan la energía como para analizar datos crudos a
menudo confusos o aburridos y “ver” las historias ocultas allí.

— *Mirko Lorenz, Deutsche Welle*


####El estudio

El European Journalism Centre realizó una
[encuesta](http://bit.ly/ddjnet-survey) para saber más sobre las
necesidades de capacitación de los periodistas. Descubrimos que hay una
gran disposición de salir de la postura cómoda del periodismo
tradicional, e invertir tiempo para dominar nuevas capacidades. Los
resultados de la encuesta demuestran que los periodistas ven la
oportunidad, pero necesitan un poco de apoyo para superar los problemas
iniciales que les impiden trabajar con daos. Hay confianza de que si el
periodismo de datos fuera adoptado de modo más universal, los flujos de
trabajo, las herramientas y los resultados mejorarían rápidamente.
Pioneros tales como The Guardian, The New York Times, The Texas Tribune,
y Die Zeit siguen elevando el nivel con sus artículos basados en datos.

¿El periodismo de datos seguirá siendo el dominio de un pequeño puñado
de pioneros o pronto toda organización de noticias tendrá su propio
equipo de periodistas dedicados especialmente a los datos. Esperamos que
este manual ayude a más periodistas y redacciones a aprovechar este
campo emergente.

![Encuesta del European Journalism Centre sobre necesidades de capacitación](figs/incoming/01-DD.png)


## ¿Por qué es importante el periodismo de datos?

Preguntamos a algunos de los principales practicantes y partidarios del
periodismo de datos por qué piensan que el periodismo de datos es un
desarrollo importante. los datos crudos resultan inteligibles para los
ojos y la mente. Esto es lo que dijeron.


### Filtrar el flujo de datos

Cuando había escasez de información, la mayor parte de nuestros
esfuerzos estaban dedicados a buscarla y reunirla. Ahora que la
información es abundante, es más importante el procesamiento. El
procesamiento tiene dos niveles: 1) análisis para encontrar sentido y
estructura en el flujo sin fin de datos y 2) presentación de esa
información para meter lo que es importante y relevante en la cabeza del
consumidor. Al igual que la ciencia, el periodismo de datos da a conocer
sus métodos y presenta sus descubrimientos de un modo que pueda ser
verificado a través de su replicado.

— *Philip Meyer, Professor Emeritus, University of North Carolina at
Chapel Hill*


### Nuevos enfoques para narrar historias

El periodismo de datos es un término abarcativo que, para mí, incluye un
conjunto de herramientas, técnicas y enfoques de la narrativa siempre
crecientes. Puede incluir todo, desde el tradicional periodismo asistido
por computadoras (usando datos como una “fuente”) hasta la visualización
más avanzada de datos y aplicaciones de noticias. El objetivo unificador
es periodístico: proveer información y análisis para ayudar a
informarnos todos sobre asuntos importantes de actualidad.

— *Aron Pilhofer, New York Times*


### Como periodismo fotográfico con una laptop

“El periodismo de datos” difiere del “periodismo escrito” solo en que
usamos un equipo diferente. Todos nos ganamos la vida olfateando,
reportando y relacionando historias. Es como el “periodismo
fotográfico”; solo hay que cambiar la cámara por una laptop.

— *Brian Boyer, Chicago Tribune*


### El periodismo de datos es el futuro

El periodismo de datos es el futuro. Los periodistas tienen que saber
manejar datos. Hace un tiempo uno descubría cosas hablando con gente en
bares, y puede ser que esto siga sucediendo a veces. Pero ahora también
se trata de analizar datos, equiparse con herramientas, y analizarla y
encontrar lo que es interesante. Tener todo en perspectiva, ayudando a
la gente a ver cómo encajan las piezas (para no repetir todo), y qué
pasa en el país.

— *Tim Berners-Lee, founder of the World Wide Web*



### El procesamiento de cifras se une al pulido del lenguaje

El periodismo de datos es tender un puente para superar la brecha entre
los técnicos estadísticos y los cinceladores de palabras. Ubicar cosas
destacadas e identificar tendencias que no solo son significativas
estadísticamente sino que también son relevantes para desentrañar el
mundo de hoy, que es intrínsecamente complejo.

— *David Anderton, freelance journalist*


### Actualizar sus capacidades

El periodismo de datos implica un nuevo conjunto de habilidades para
buscar, comprender y visualizar fuentes digitales, en una época en que
las capacidades básicas del periodismo tradicional ya no bastan. No lo
reemplaza, le agrega cosas.

En un momento en que las fuentes se están volviendo digitales, los
periodistas pueden y tienen que estar más en contacto con estas fuentes.
Internet abrió posibilidades que van más allá de lo que podemos entender
hoy. El periodismo de datos es solo el comienzo de la evolución de
nuestras prácticas pasadas para adaptarse al online.

El periodismo de datos sirve a dos importantes propósitos para las
organizaciones de noticiosas: encontrar historias únicas (no de los
cables) y ejecutar la función de alerta. Especialmente en tiempos de
crisis financieras, estos objetivos son importantes para los diarios.

Desde el punto de vista de un diario regional, el periodismo de datos es
crucial. Existe el dicho: “una teja floja en su casa se considera más
importante que disturbios en un país lejanos”. A uno lo golpea en la
cara e impacta en su vida de modo más directo. Al mismo tiempo, la
digitalización está en todas partes. Debido a que los diarios locales
tienen este impacto directo en su vecindario y las fuentes se vuelven
digitalizadas, un periodista debe saber cómo encontrar, analizar y
visualizar una historia a partir de datos.

— *Jerry Vermanen, NU.nl*


### Un remedio para la asimetría de la información

La asimetría de la información –no la falta de información sino la
incapacidad de absorberla y procesarla a la velocidad y con el volumen
que nos llega- es uno de los problemas más significativos que enfrentan
los ciudadanos al elegir cómo vivir sus vidas. La información tomada de
medios impresos, visuales y radiales influye en las opciones y las
acciones de los ciudadanos. El buen periodismo de datos ayuda a combatir
la asimetría de la información.

— *Tom Fries, Bertelsmann Foundation*


### Una respuesta a las relaciones públicas basadas en datos

La disponibilidad de herramientas de medición y sus precios decrecientes
–en una combinación auto-sustentada que se concentra en el desempeño y
la eficiencia en todos los aspectos de la sociedad- han llevado a
quienes toman las decisiones a cuantificar los avances de sus políticas,
monitorear tendencias e identificar oportunidades.

Las compañías continuamente encuentran nuevas mediciones que muestran su
buen desempeño. A los políticos les encanta alardear de las cifras sobre
reducción de desempleo y crecimiento del PBI. La falta de conocimientos
por parte de los periodistas respecto de los escándalos de Enron,
Worldcom, Madoff o Solyndra es prueba de la incapacidad de muchos
profesionales de ver más allá de las cifras. Hay una tendencia a aceptar
las cifras más que otros datos, ya que tienen un aura de seriedad,
aunque sean completamente inventadas.

El saber manejar datos ayudará a los periodistas a aguzar su sentido
crítico al enfrentar cifras, y ojalá que les sirva para avanzar un poco
en su relación con los departamentos de RRPP.

— *Nicolas Kayser-Bril, Journalism++*


### Proveer interpretaciones independientes de información oficial

Luego del terremoto devastador y el subsecuente desastre de la planta
nuclear de Fukushima en 2011, la importancia del periodismo de datos se
ha hecho claro para la gente de medios en Japón, país que en general va
a la zaga en materia de periodismo digital.

Quedamos a la deriva cuando el gobierno y los expertos no tuvieron datos
creíbles acerca de los daños. Cuando los funcionarios ocultaron al
público los datos SPEEDI (predicción de difusión de materiales
radioactivos), no estábamos en condiciones de decodificarlos aunque se
hubiesen filtrado. Voluntarios comenzaron a reunir datos sobre
radioactividad usando sus propios recursos, pero no estábamos armados
con conocimientos estadísticos, de interpolación, de visualización y
demás. Los periodistas tienen que tener acceso a los datos en crudo y
aprender a no depender de las interpretaciones oficiales de los mismos.

— *Isao Matsunami, Tokyo Shimbun*

### Manejar el diluvio de datos

Los desafíos y las oportunidades que presenta la revolución digital
siguen complicando al periodismo. En una era de abundancia de
información, los periodistas y los ciudadanos necesitan mejores
herramientas, se trate de curar los samizdat del siglo XXI en Medio
Oriente, procesar una avalancha de datos difundidos a medianoche, o
encontrar la mejor manera de visualizar la calidad del agua en una
nación. Al debatirnos con los desafíos del consumo que presenta este
diluvio de datos, las nuevas plataformas de edición también están dando
a todos el poder de reunir y compartir datos digitalmente,
convirtiéndolos en información. Mientras los periodistas y editores han
sido los vectores tradicionales de la colecta y diseminación de
información, el ambiente horizontal de información ahora hace que las
noticias se conozcan primero online y no en las redacciones.

En todo el planeta, de hecho, el vínculo entre los datos y el periodismo
se está fortaleciendo. En una era de grandes cantidades de datos, la
creciente importancia del periodismo de datos está en la capacidad de
sus practicantes de dar contexto, claridad y –quizás lo más importante,
encontrar la verdad en la cantidad en expansión de contenido digital en
el mundo. Eso no significa que las organizaciones de medios integradas
de hoy no tengan un rol crucial. Lejos de ello. En la era de la
información, se necesita más que nunca a los periodistas para curar,
verificar, analizar y sintetizar los datos. En ese contexto, el
periodismo de datos tiene una profunda importancia para la sociedad.

Hoy, encontrarle sentido a los grandes volúmenes de datos, en particular
los datos no estructurados, serán un objetivo central de los científicos
de todo el mundo, trabajen en salas de redacción, Wall Street o Silicon
Valley. Notoriamente esa meta se verá facilitada sustancialmente por un
conjunto creciente de herramientas comunes, sean empleadas por
tecnólogos del estado, tecnólogos de la salud o desarrolladores de las
redacciones.

— *Alex Howard, O’Reilly Media*


### Nuestras vidas son datos

El buen periodismo de datos es difícil, porque el buen periodismo es
difícil. Significa cómo obtener los datos, cómo entenderlos, y cómo
encontrar la historia. A veces hay callejones sin salida, y a veces no
hay una gran historia. Al fin de cuentas, si solo fuera cuestión de
apretar el botón indicado, no sería periodismo. Pero eso es lo que hace
que valga la pena –en un mundo en el que nuestras vidas cada vez son más
datos-, que sea esencial para una sociedad libre y justa.

— *Chris Taggart, OpenCorporates*


### Una manera de ahorrar tiempo

Los periodistas no tienen tiempo para perder transcribiendo cosas a mano
y complicarse tratando de obtener información de archivos PDF, por lo
que aprender un poco de código (o saber dónde buscar gente que puede
ayudar) es increíblemente valioso.

Un periodista de Folha do Sāo Paulo estaba trabajando con el presupuesto
local y me llamó para agradecernos por publicar online las cuentas de la
municipalidad de Sāo Paulo (2 días de trabajo para un solo hacker). Dijo
que las había estado transcribiendo a mano los últimos 3 meses, tratando
de encontrar una historia. También recuerdo haber resuelto un “problema
de PDF” para *Contas Abertas*, una organización que monitorea noticias
parlamentarias: 15 minutos y 15 líneas de código, en vez de un mes de
trabajo.

— *Pedro Markun, Transparência Hacker*


### Una parte esencial del herramental del periodista

Creo que es importante destacar el aspecto “periodístico” o de reportero
del “periodismo de datos. El ejercicio no debiera ser analizar o
visualizar datos por el gusto de hacerlo, sino utilizarlo como
herramienta de modo de aproximarnos más a la verdad de lo que sucede en
el mundo. Veo la capacidad de analizar e interpretar datos como parte
esencial del set de herramientas actual de los periodistas, en vez de
una disciplina por separado. Al fin de cuentas, todo tiene que ver con
el buen periodismo y contar historias del modo más apropiado.

El periodismo de datos es otra manera de analizar el mundo y hacer que
los poderes constituidos rindan cuentas. Con una creciente cantidad de
datos disponible, ahora es más importante que nunca que los periodistas
sean conscientes de las técnicas del periodismo de datos. Esta debe ser
una herramienta que cualquier periodista debiera incorporar, se trate de
aprender cómo trabajar directamente con datos, o a colaborar con alguien
que lo pueda hacer.

Su verdadero potencial está en ayudarlo a obtener información que de
otro modo sería muy difícil de encontrar o demostrar. Un buen ejemplo es
la historia de Steve Doig que analizó patrones de daños del huracán
Andrew. Unió dos conjuntos distintos de datos: uno que mapeaba el nivel
de destrucción causado por el huracán, y otro que muestra las
velocidades de los vientos. Esto le permitió señalar áreas en las cuales
las malas prácticas en la construcción de edificios
contribuyeron/intensificaron el impacto del desastre. Ganó por la
historia un [Pulitzer Prize](http://www.pulitzer.org/awards/1993) en
1993 y sigue siendo un gran ejemplo de lo que es posible.

Idealmente se usan los datos para descubrir cosas destacadas,
sorprendentes o áreas de interés. En este sentido, actúan como pistas.
Si bien las cifras pueden ser interesantes, no basta escribir solamente
sobre datos. Hay que hacer el trabajo de periodista para explicar qué
significan.

— *Cynthia O’Murchu, Financial Times*



### Adaptarse a cambios en nuestro ambiente de información

Las nuevas tecnologías digitales generan nuevas maneras de producir y
diseminar el conocimiento en la sociedad. El periodismo de datos puede
entenderse como el intento de los medios de adaptarse y responder a los
cambios en el ambiente de la información, incluyendo maneras de contar
historias más interactivas y multidimensionales, que permite a los
lectores explorar las fuentes que subyacen a las noticias, alentándolos
a participar en el proceso de crear y evaluar historias.

— *César Viana, University of Goiás*


### Una manera de ver cosas que de otro modo podría no ver

Algunas historias sólo pueden entenderse y explicarse analizando –y a
veces visualizando- datos. Las relaciones entre personas o entes
poderosos quedarían sin revelar, las muertes causadas por políticas
farmacéuticas permanecerían ocultas, las políticas ambientales que dañan
el medio continuarían sin límite. Pero cada una de estas situaciones han
podido modificarse gracias a los datos obtenidos, analizados y aportados
por los periodistas a los lectores. Los datos pueden ser simples como
una planilla de cálculo, o un registro de llamadas telefónicas, o
complejos como los resultados de pruebas escolares o datos de
infecciones hospitalarias; como sea, allí hay historias que vale la pena
contar.


— *Cheryl Phillips, The Seattle Times*



### Una manera de enriquecer los artículos 

Podemos pintar cuadros de nuestras vidas completas con nuestro rastro
digital. Desde lo que consumimos y navegamos, hasta donde y cuando
viajamos, nuestras preferencias musicales, nuestros primeros amores, los
hitos de nuestros hijos, incluso nuestros últimos deseos, todo puede ser
rastreado, digitalizado, almacenado en la nube y difundido.\*\*Este
universo de datos puede ser sacado a la superficie para narrar
historias, responder preguntas e impartir una comprensión de la vida de
maneras que actualmente superan incluso la más rigurosa y cuidadosa
reconstrucción de anécdotas.

— *Sarah Slobin, Wall Street Journal*



### No se necesitan nuevos datos para tener una primicia

A veces los datos ya son públicos y están disponibles, pero nadie los ha
analizado atentamente. En el caso del informe de Associated Press sobre
4500 páginas de documentos desclasificados que describen las acciones de
contratistas de seguridad privados durante la guerra de Irak, el
material fue obtenido por un periodista independiente a lo largo de
varios años, usando pedidos de Acceso a la Información dirigidos al
departamento de Estado de EE.UU. Escanearon los resultados impresos y
los subieron a DocumentCloud, lo que nos permitió hacer nuestro análisis
general.

— *Jonathan Stray, The Overview Project*


## Algunos ejemplos favoritos

Le preguntamos a algunos de nuestros colaboradores acerca de sus
ejemplos favoritos de periodismo de datos y qué les gusta de los mismos.
Sus respuestas, a continuación:


### No causar daño, en el Las Vegas Sun

![No causar daño (The Las Vegas Sun)](figs/incoming/01-GG.png)

Mi ejemplo favorito es la serie [No causar daño](http://www.lasvegassun.com/hospital-care/)
de 2010 en Las Vegas Sun, sobre la atención en los hospitales. El Sun analizó más de
2.900.000 de registros de aranceles hospitalarios, que revelaron más de
3600 lesiones, infecciones y errores quirúrgicos evitables. Obtuvieron
datos a través de un pedido de acceso a archivos públicos e
identificaron más de 300 casos en que los pacientes murieron por errores
que pudieron haberse prevenido. Contiene distintos elementos, incluyendo
un [gráfico interactivo](http://bit.ly/lvsun-surgery) que permite al
lector ver (por hospital) donde se dieron lesiones quirúrgicas más a
menudo de lo esperado; un [mapa](http://bit.ly/lvsun-infections) con un
cronograma que muestra cómo se extienden las infecciones hospital por
hospital; y un [gráfico interactivo](http://bit.ly/lvsun-events) que
permite a los usuarios ordenar los datos por lesiones evitables o por
hospital, para ver dónde la gente se ve afectada. Me gusta porque es muy
fácil de entender y navegar. Los usuarios pueden explorar los datos de
manera muy intuitiva.

Además tuvo un impacto real: la legislatura de Nevada respondió con [6
legislaciones](http://bit.ly/lvsun-milestone). Los periodistas
involucrados trabajaron muy duro para obtener y desmenuzar los datos.
Uno de los periodistas, Alex Richards, envió los datos a los hospitales
y al Estado al menos una docena de veces para lograr que se corrigieran
los errores.

— *Angélica Peralta Ramos, La Nación (Argentina)*


### Base de datos de salarios de empleados del Estado

![Salarios de Empleados del Estado (The Texas Tribune)](figs/incoming/01-FF.png)

Me encanta el trabajo que pequeñas organizaciones independientes
realizan todos los días tales como ProPublica o el Texas Tribune, que
tiene a Ryan Murphy como gran periodista de datos. Si tuviera que
elegir, optaría por el proyecto de base de datos de [Salarios de
Empleados del Estado del Texas
Tribune](http://www.texastribune.org/library/data/government-employee-salaries/).
Este proyecto reúne en una base de datos la información de los salarios
de 660.000 empleados estatales para que los usuarios busquen y ayuden a
generar historias. Se puede buscar por ente estatal, nombre o salario.
Es simple, significativo y pone a disposición del público información
hasta ahora inaccesible. Es fácil de usar y genera historias de manera
automática. Es un gran ejemplo que muestra por qué el Texas Tribune
concentra la mayor parte de su tráfico en sus páginas de datos.

— *Simon Rogers, The Guardian*


### Visualización de texto completo de los registros de la guerra de Irak, Associated Press

![Análisis de los registros de guerra (Associated Press)](figs/incoming/01-YY.jpg)

El trabajo de Jonathan Stray y Julian Burgess sobre los [registros
(logs) de la Guerra de Irak](http://bit.ly/jstray-warlogs) es una
llamativa incursión en el análisis de texto y la visualización,
utilizando técnicas experimentales para comprender temas que vale la
pena explorar, dentro de un gran conjunto de datos en formato texto.

Por medio de técnicas y algoritmos de analítica de textos, Jonathan y
Julian crearon un método que muestra concentraciones de palabras clave
contenidas en miles de informes del gobierno de Estados Unidos sobre la
guerra de Irak, difundido por WikiLeaks, en un formato visual.

Si bien este método tiene limitaciones y el trabajo es experimental, es
un enfoque nuevo e innovador. En vez de tratar de leer todos los
archivos o revisar los registros de guerra con una noción preconcebida
de lo que puede encontrarse ingresando palabras claves y revisando el
resultado, esta técnica calcula y visualiza temas/palabras clave de
particular relevancia.

Con crecientes cantidades de datos en formato texto (emails, informes,
etc.) y numérico llegando al dominio público, encontrar maneras de
determinar áreas de interés clave se volverá cada vez más importante. Es
un sub-campo interesante del periodismo de datos.

— *Cynthia O’Murchu, Financial Times*


### Misterios de Asesinatos

![Misterios de asesinatos (Scripps Howard News Service)](figs/incoming/01-XX.jpg)

Una de mis piezas favoritas de periodismo de datos es el proyecto de
[Misterios de Asesinatos](http://bit.ly/murder-mysteries), por Tom
Hargrove del Scripss Howard News Service. A partir de datos oficiales y
pedidos de acceso a registros públicos, creó una base de datos, que
incluye el detalle demográfico de más de 185.000 asesinatos no
resueltos, y luego diseñó un algoritmo para buscar patrones que sugieran
la posible presencia de asesinos seriales.

Este proyecto tiene todo: un gran trabajo, una base de datos mejor que
la del estado, análisis inteligente usando técnicas de ciencias
sociales, y una presentación interactiva de datos online de modo que los
lectores puedan explorar por su cuenta.

— *Steve Doig, Walter Cronkite School of Journalism, Arizona State
University*


### Máquina de Mensajes

![Máquina de Mensajes (ProPublica)](figs/incoming/01-HH.png)

Me encanta la historia de [Máquina de
Mensajes](http://bit.ly/message-machine) de ProPublica y su [blog
nerd](http://bit.ly/nerd-blog-post). Todo comenzó cuando un grupo de
tuiteros expresó curiosidad por haber recibido correos electrónicos
diferentes de la campaña de Barack Obama. La gente de ProPublica tomó
nota y pidió a su público que reenviaran los correos que recibieran de
la campaña. La presentación es elegante, un análisis diferencial visual
de varios correos diferentes que fueron enviados esa noche. Es admirable
porque recogieron sus propios datos (una pequeña muestra, pero lo
suficiente como para contar la historia). Pero es aún más admirable
porque cuenta la historia de un fenómeno en curso: gran cantidad de
datos utilizados en campañas políticas para dirigir mensajes a
individuos específicos. Es sólo un anticipo de cosas por venir.

— *Brian Boyer, Chicago Tribune*


### Chartball

![Gráfico de victorias y derrotas (Chartball)](figs/incoming/01-JJ.png)

Uno de mis proyectos de periodismo de datos favoritos es el trabajo de
Andrew García Phillips sobre
<http://www.chartball.com/>[Chartball](http://www.chartball.com/).
Andrew es fanático de los deportes con un voraz apetito de datos, un ojo
tremendo para el diseño y la capacidad de escribir código. En Chartball
no solo visualiza el conjunto de la historia, sino que detalla los
éxitos y fracasos de jugadores individuales y equipos. Ofrece contexto,
un gráfico atractivo y su trabajo es profundo, divertido e interesante,
y a mí ni siquiera me interesan demasiado los deportes.

— *Sarah Slobin, Wall Street Journal*

## El periodismo de datos en perspectiva

En agosto de 2010 algunos colegas del European Journalism Centre y yo
organizamos lo que creemos que fue una de las primeras [conferencias
internacionales de periodismo de datos](http://bit.ly/ddj-conf), que se
realizó en Ámsterdam, Holanda. En aquel momento no había mucha discusión
respecto del tema, y solo había un par de organizaciones conocidas
ampliamente por su labor en esta área.

La manera en que organizaciones de noticias como The Guardian y el New
York Times manejaron las grandes cantidades de datos difundidos por
WikiLeaks, es uno de los grandes casos que impulsaron el término. En
aquel momento el concepto comenzó a tener un uso más amplio (junto con
“el periodismo asistido por computadora”) para describir cómo los
periodistas utilizaban datos para mejorar su cobertura y amplificar
investigaciones profundas de un tema dado.

Hablando con periodistas de datos y estudiosos del periodismo [on
Twitter](http://bit.ly/smfrogers-status), parecería que una de las
formulaciones más tempranas de lo que ahora reconocemos como periodismo
de datos, en 2006 por Adrian Holovaty, fundador de EveryBlock, un
servicio de información que permite a los usuarios saber lo que ha
estado sucediendo en su área, en su manzana. En su breve ensayo [“Un
modo fundamental en que los sitios de diarios tienen que
cambiar”](http://www.holovaty.com/writing/fundamental-change/), sostiene
que los periodistas deben publicar datos estructurados procesables por
la computadora, junto con el “gran bodoque de texto” tradicional:

> Por ejemplo, digamos que un diario ha escrito una historia sobre un
incendio local. Poder leer la historia en un celular está bien. Viva la
tecnología. Pero lo que realmente quiero poder hacer es explorar los
datos en crudo de esa historia, uno por uno, con capas de atribuciones,
y una infraestructura para comparar detalles del incendio con incendios
anteriores: fecha, momento, lugar, victimas, número de la central de
bomberos, distancia de la central de bomberos, nombres y años de
experiencia de los bomberos que actuaron, el tiempo que les llevó a los
bomberos llegar, e incendios posteriores, cuando sea que sucedan.

¿Pero qué es lo que distingue esto de otras formas de periodismo que
usan bases de datos o computadoras? ¿Cómo y en qué medida el periodismo
de datos es distinto de otras formas de periodismo del pasado?



### Periodismo Asistido por Computadora y Periodismo de Precisión 

Usar datos para mejorar los informes y presentar información
estructurada (aunque no sea legible por la computadora) al público tiene
una larga historia. Quizás lo más relevante en forma inmediata para lo
que ahora llamamos periodismo de datos es el periodismo asistido por
computadora, conocido por la sigla CAR, que fue el primer abordaje
organizado y sistemático del uso de computadoras para recoger y analizar
datos de modo de mejorar las noticias.

El CAR fue usado por primera vez en 1952 por CBS para predecir los
resultados de la elección presidencial. Desde la década del ‘60
periodistas (en su mayoría de investigación y de Estados Unidos) han
buscado controlar el poder de modo independiente analizado bases de
datos de registros públicos con métodos científicos. También conocido
como “periodismo de servicio público” los partidarios de estas técnicas
con ayuda de computadoras han buscado revelar tendencias, demostrar la
falsedad de creencias populares y revelar injusticias perpetradas por
autoridades y corporaciones privadas. Por ejemplo, Philip Meyer trató de
demostrar la falsedad de los informes de los disturbios en Detroit de
1967, para reflejar que no eran solo sureños poco educados los que
participaban. Las historias de Bill Dedman sobre “El Color del Dinero”
en la década del ‘80 reveló prejuicios raciales sistémicos en las
políticas de crédito de las principales instituciones financieras. En su
artículo “Lo Que Salió Mal” Steve Doig buscó analizar los patrones de
daños del huracán Andrew a comienzos de la década del ‘90, para
comprender el efecto de las políticas y prácticas de desarrollo urbanas
fallidas. Los reportes basados en datos han generado valiosos servicios
al público y permitido a los periodistas ganar importantes premios.

A comienzos de la década del ‘70 el término *periodismo de precisión*
fue acuñado para describir este tipo de recolección de noticias: “la
aplicación de métodos de investigación de las ciencias sociales y de la
conducta a la práctica del periodismo” (de “[The New Precision
Journalism](http://bit.ly/precision-journalism)”, por Philip Meyer). Se
creó el periodismo de precisión para que fuera practicado en las
principales instituciones de medios por profesionales formados en
periodismo y ciencias sociales. Nació en respuesta al “nuevo
periodismo”, una forma de periodismo en el que las técnicas del
periodismo se aplican a las noticias. Meyer sugiere que lo que se
necesita son técnicas científicas de recolección y análisis de datos, en
vez de técnicas literarias, para que el periodismo pueda cumplir con su
cometido de objetividad y verdad.

Se puede entender el periodismo de precisión como una reacción frente a
algunas de las fallas y debilidades comúnmente citadas: la dependencia
de informes de prensa (lo que se describió luego como “churnalismo”), el
prejuicio en favor de fuentes autorizadas, etc. Meyer ve que estas
debilidades derivan de la falta de aplicación de técnicas científicas de
información y métodos científicos tales como encuestas y registros
públicos. En los ‘60, el periodismo de precisión fue utilizado para
representar a grupos marginales y sus historias. Según
[Meyer](http://bit.ly/p-meyer):

> El periodismo de precisión era una manera de expandir el herramental del
periodista para hacer que temas antes inaccesibles o sòlo accesibles de
modo tosco, estuvieran abiertos a la investigación periodística. Fue
especialmente útil para dar voz a grupos minoritarios y disidentes que
luchaban por lograr representación.

Un [artículo influyente](http://bit.ly/oxford-influential) publicado en
la década del ‘80 respecto de la relación entre el periodismo y las
ciencias sociales se hace eco del discurso sobre el periodismo de datos.
Los autores, dos profesores de periodismo estadounidenses, sugieren que
en las décadas de los años ‘70 y ‘80, la comprensión del público de lo
que son las noticias se amplía, de una concepción más estrecha de
“eventos noticiosos” al “reporte situacional” (o informes sobre
tendencias sociales). Por ejemplo, al usar bases de datos de censos o
encuestas, los periodistas logran “ir más allá de la información de
eventos específicos, aislados, para proveer contexto que les da
significado”.

Como era de esperar, la práctica de usar datos para mejorar el
periodismo existe desde que hay datos. Como
[señala](http://bit.ly/facts-are-sacred) Simon Rogers, el primer ejemplo
de periodismo de datos en The Guardian data de 1821. Es una tabla de
escuelas en Manchester que da la cantidad de estudiantes que asisten a
clases y los costos por escuela, Según Rogers, esto ayudó a mostrar el
número real de estudiantes que recibían educación gratuita, que era
mucho mayor de lo que mostraban las cifras oficiales.

![Periodismo de datos en The Guardian en 1821 (The Guardian)](figs/incoming/01-LL.jpg)

Otro ejemplo temprano en Europa es de Florence Nightingale y su informe
clave, ["Mortalidad del Ejército Británico"](http://bit.ly/mortality-army), publicado en 1858. 
En su informe al parlamento usó gráficos para promover mejoras en los
servicios de salud para el ejército británico. El más famoso de ellos es
su “coxcomb”, una espiral de secciones que representan muertes por mes,
en el que se destaca que la gran mayoría de las muertes eran por
enfermedades prevenibles, en vez de balas.

![Mortalidad de la armada británica por Florence Nightingale (imagen de Wikipedia)](figs/incoming/01-MM.jpg)


### Periodismo de Datos y Periodismo Asistido por Computadora 

En este momento hay un debate sobre “continuidad y cambio” en torno de
la etiqueta de “periodismo de datos” y su relación con prácticas previas
periodísticas que emplean técnicas computacionales para analizar
conjuntos de datos.

Algunos sostienen que hay una diferencia entre CAR y el periodismo de
datos. Dicen que CAR es una técnica para recoger y analizar datos como
una manera de fortalecer el periodismo (generalmente de investigación),
mientras que el periodismo de datos presta atención a la manera en que
los datos se ubican en el conjunto del flujo de trabajo periodístico. En
este sentido el periodismo de datos presta tanta –y a veces más-
atención a los datos mismos, en vez de usarlos simplemente como un medio
para encontrar o dar más fuerza a determinadas historias. De allí que
encontremos el Datablog de The Guardian o que el Texas Tribune publica
juegos de datos junto con los artículos –o incluso solo juegos de datos
por sí mismos- para que la gente analice y explore.

Otra diferencia es que en el pasado los periodistas de investigación se
encontraban faltos de información respecto de una pregunta que trataban
de contestar, o una cuestión que trataban de abordar. Si bien esto sigue
sucediendo, también existe una abundancia abrumadora de información con
la que los periodistas a veces no saben qué hacer. No saben cómo obtener
valor de los datos. Un ejemplo reciente es el Sistema de Información
Online Combinada, la mayor base de datos del Reino Unido de información
sobre gasto público. Esta base de datos fue durante mucho tiempo un
reclamo de los partidarios de la transparencia, pero dejó confundidos y
sin respuesta a muchos periodistas cuando se publicó. Como me escribió
recientemente Philip Meyer: “Cuando la información era escasa, la mayor
parte de nuestros esfuerzos estaban dedicados a buscarla y recogerla.
Ahora que hay información abundante, el procesamiento es más
importante”.

Por otro lado, algunos sostienen que no hay ninguna diferencia
significativa entre el periodismo de datos y el periodismo asistido por
computadoras. A esta altura resulta claro que incluso las prácticas más
recientes de los medios más novedosos combinan cosas conocidas desde
hace tiempo con algo nuevo. Antes que debatir si el periodismo de datos
es completamente nuevo, una postura más fructífera sería considerarlo
como parte de una tradición más longeva, pero que responde a nuevas
circunstancias y condiciones. Aunque no haya una diferencia en cuanto a
metas y técnicas, el surgimiento de la etiqueta “periodismo de datos” al
comienzo del siglo indica una nueva fase en la que el mero volumen de
los datos libremente disponibles online –combinado con herramientas
sofisticadas centradas en el usuario, la auto edición y las herramientas
de colaboración abierta (crowdsourcing)- permite a más gente trabajar
con más datos de modo más fácil que nunca.

### El periodismo de datos tiene que ver con la alfabetización masiva en el manejo de datos. 

Las tecnologías digitales y la red están cambiando de modo fundamental
la manera en que se edita la información. El periodismo de datos es una
parte del ecosistema de herramientas y prácticas que han surgido en
torno a los sitios y servicios de datos. El citado y el compartir
materiales de distintas fuentes es parte de la naturaleza de la
estructura de hipervínculos de la red, y la manera en que estamos
acostumbrados a navegar la información hoy. Yendo más hacia atrás, el
principio que está en la base de la estructura de hipervínculos de la
red es el principio de la cita usado en los trabajos académicos. Citar y
compartir materiales y sus fuentes y los datos detrás de la historia es
una de las maneras básicas en las que el periodismo de datos puede
mejorar le periodismo, lo que el fundador de WikiLeaks Julian Assange,
llama el “periodismo científico”.

Al permitir a cualquier persona recurrir a fuentes de datos y encontrar
información que es relevante, así como verificar afirmaciones y
cuestionar los supuestos comunes, el periodismo de datos representa
efectivamente la democratización masiva de recursos, herramientas,
técnicas y metodologías que antes eran usadas por especialistas, fueran
estos periodistas de investigación, científicos sociales, estadísticos,
analistas u otros expertos. Si bien actualmente citar vínculos con
fuentes de datos es algo específico del periodismo de datos, avanzamos
hacia un mundo en el que los datos estarán integrados sin fisuras en el
tejido de los medios. Los periodistas de datos tienen un rol importante
en cuanto a ayudar a bajar las barreras a la comprensión y el manejo de
datos, e incrementar la alfabetización en datos de sus lectores a escala
masiva.

En este momento la comunidad creciente de personas que se llaman
periodistas de datos es en gran medida diferente de la comunidad CAR más
madura. Esperemos que en el futuro veamos vínculos más fuertes entre
estas dos comunidades, del mismo modo que vemos a ONG y organizaciones
de medios sociales como ProPublica y el Bureau of Investigative
Journalism trabajando junto con medios tradicionales en investigaciones.
Mientras la comunidad de periodismo de datos puede tener formas más
innovadoras de difundir datos y presentar historias, el enfoque
profundamente analítico y crítico de la comunidad CAR es algo de lo que
el periodismo de datos podría aprender.

— *Liliana Bounegru, European Journalism Centre*


# En la redacción

![](figs/incoming/02-00-cover.png)

¿Cómo se ubica el periodismo de datos en las redacciones del mundo?
¿Cómo convencieron importantes periodistas a sus colegas de que es buena
idea publicar bases de datos o lanzar aplicaciones de noticias basadas
en datos? ¿Los periodistas debieran aprender a escribir código o
trabajar en tándem con programadores talentosos? En esta sección
analizamos el rol de los datos y el periodismo de datos en la Australian
Broadcasting Corporation, la BBC, el Chicago Tribune, The Guardian, el
Texas Tribune, y el Zeit Online. Aprendemos cómo descubrir y contratar
buenos programadores, cómo atraer a la gente con un tema a través de
hackatones y otros eventos, cómo colaborar a nivel internacional y cómo
configurar modelos de negocios para periodismo de datos.

### Qué contiene este capítulo?

-   [La iniciativa de periodismo de datos de
    ABC](en_la_redacción_0.html)
-   [Periodismo de datos en la BBC](en_la_redacción_1.html)
-   [El equipo de aplicaciones de noticias del Chicago
    Tribune](en_la_redacción_2.html)
-   [El detrás de escena del Datablog de The
    Guardian](en_la_redacción_3.html)
-   [Periodismo de datos en el Zeit Online](en_la_redacción_4.html)
-   [Cómo contratar un hacker](en_la_redacción_5.html)
-   [Ayuda externa de expertos a través de
    hackatones](en_la_redacción_6.html)
-   [Seguir el rastro del dinero: colaboración
    internacional](en_la_redacción_7.html)
-   [Nuestras historias aparecen en forma de
    código](en_la_redacción_8.html)
-   [Kaas & Mulvad: Contenido Semi-Terminado para Grupos con
    Intereses Específicos.](en_la_redacción_9.html)
-   [Modelos de negocios para periodismo de
    datos](en_la_redacción_10.html)


## La iniciativa de periodismo de datos de ABC

La Australian Broadcasting Corporation es la difusora pública nacional
de Australia. Sus fondos anuales son de alrededor de 1.000 millones de
dólares australianos, lo que permite sostener 7 cadenas radiales, 60
estaciones locales de radio, 3 servicios de televisión digital, un nuevo
servicio de televisión internacional y una plataforma online con esta
oferta siempre en expansión de contenido digital y generada por los
usuarios. La última cifra disponible indica que tiene más de 4500
empleados de tiempo completo, y casi el 70% produce contenido.

Somos una difusora nacional muy orgullosa de nuestra independencia,
aunque con fondos del estado, por ley estamos claramente separados.
Nuestra tradición es de periodismo de servicio público independiente. La
ABC es considerada la organización de noticias más confiable del país.

Estos son tiempos que entusiasman; bajo el mando de un director
ejecutivo (el ex ejecutivo del diario Mark Scott), se ha alentado a los
productores de contenido de ABC a ser “ágiles”, como dice el mantra
corporativo.

Por supuesto que es más fácil decirlo que hacerlo.

Pero la iniciativa con la que se buscaba alentar esto, ha derivado en
una competencia entre el personal por fondos para desarrollar proyectos
multi-plataforma. Así se concibió el primer proyecto de periodismo de
datos de la ABC.

En algún momento de comienzos de 2010 me metí en una sesión de
propuestas para enfrentar a 3 jefes de “ideas” con mi proyecto.

Lo había estado masticando por un tiempo, llenándome con el periodismo
de datos que ofrecía el ya legendario Datablog de The Guardian, y eso
solo para empezar.

Mi argumento fue que no había duda de que en 5 años la ABC tendría su
propia unidad de periodismo de datos. Era inevitable opiné. Pero la
cuestión era cómo llegaríamos a eso y quién iniciaría la tarea.

Aquellos lectores que no conocen la ABC deben pensar en una vasta
burocracia construida a lo largo de 70 años. Su oferta primaria siempre
fue radio y televisión. Con el advenimiento de un sitio en la red, en la
última década esta oferta de contenido se extendió a textos, imágenes
fijas y un grado de interactividad hasta entonces inimaginada. El sitio
web estaba forzando a la ABC a repensar cómo distribuía la torta (sus
fondos) y qué tipo de torta estaba cocinando (contenido).

Por supuesto que es una obra en curso.

Pero otra cosa estaba pasando con el periodismo de datos. Gobierno 2.0:
(que como descubrimos se cumple habitualmente en la difusión de datos en
Australia)  comenzaba a ofrecer nuevas maneras de narrar historias que
hasta entonces estaban escondidas en ceros y unos.\
Comenté todo esto a las personas que me escuchaban. También dije que
necesitábamos identificar nuevos conjuntos de capacidades y formar a
periodistas en el manejo de nuevas herramientas. Necesitábamos un
proyecto para comenzar a andar.

Y me dieron el dinero.

El 24 de noviembre de 2011, el proyecto multiplataforma de la ABC y ABC
News Online salió en vivo con 
["Coal Seam Gas by the Numbers"](http://bit.ly/abc-coal)
(Las cifras de gas metano de carbón).

![Coal Seam Gas en números (ABC News Online)](figs/incoming/02-01.png)

Se componía de 5 páginas de mapas interactivos, visualizaciones de datos
y texto.

No era exclusivamente periodismo de datos, sino un híbrido de periodismo
que nació de la mezcla de gente del equipo y la historia, que ahora es
uno de los temas más calientes en Australia.

La joya era un mapa interactivo que muestra yacimientos y concesiones de
gas metano de carbón en Australia. Los usuarios podían buscar por lugar
y escoger entre distintos modos para ver concesiones o yacimientos.
Usando el zoom los usuarios podían ver quién estaba a cargo de la
exploración, la situación del yacimiento y la fecha de perforación. Otro
mapa mostraba la ubicación de la actividad en gas metano de carbono con
relación a sistemas de aguas subterráneas en Australia.

![Mapa interactivo de yacimientos y concesiones petroleras en Australia (ABC News Online)](figs/incoming/02-02.png)

Teníamos visualizaciones de datos que específicamente abordaban la
cuestión de la producción de desechos de sal y de agua que serían
generados de acuerdo al escenario que se diera.

Otra sección del proyecto investigó el derrame de productos químicos en
una cuenca fluvial local.

#### Nuestro equipo

  -   Un desarrollador y diseñador de sitios en la red
  -   Un periodista a cargo
  -   Un investigador part-time con experiencia en extracción de datos,  planillas de cálculos Excel y depuración de datos.
  -   Un periodista part-time
  -   Un productor ejecutivo de consultor
  -   Un consultor académico con conocimientos de búsqueda de datos,  visualización de gráficos y capacidades avanzadas de investigación.
  -   Los servicios de un gerente de proyecto y la asistencia administrativa de la unidad multiplataforma de ABC.
  -   Algo importante, también teníamos un grupo de referencia de periodistas y otros a los que consultamos según las necesidades.

#### ¿De dónde obtuvimos los datos?

Los datos para los mapas interactivos fueron obtenidos de shapefiles (un
tipo común de archivo para datos geo-espaciales) descargados de sitios
web del Estado.

Otros datos sobre sal y agua fueron tomados de una variedad de informes.

Los datos sobre deshechos químicos se tomaron de permisos ambientales
emitidos por el Estado.

#### ¿Qué descubrimos?

"Las cifras de gas metano de carbón" era ambicioso en contenido y en
escala. Lo más importante para mí era determinar qué habíamos aprendido
y qué debíamos hacer de modo diferente la próxima vez.

El proyecto de periodismo de datos incorporó a mucha gente que
normalmente no se encuentra en ABC: en términos del vulgo, hackers.
Muchos no hablábamos el mismo idioma ni entendíamos lo que el otro grupo
hace. ¡El periodismo de datos revoluciona las cosas!

Las cosas prácticas:

  -   La ubicación del equipo en un mismo lugar. Nuestro programador y  diseñador estaban fuera del lugar y venían para reuniones. ¡Esto  definitivamente no era óptimo!     Hay que poner a todos en el mismo  cuarto que los periodistas.
  -   Nuestro consultor de producción ejecutiva también estaba en otro  nivel del edificio. Necesitábamos estar mucho más cerca, simplemente
    por la cuestión de poder pasar a verlo en cualquier momento.
  -   Escoger una historia que solo se basara en datos.

#### El cuadro grande: algunas ideas

Las grandes organizaciones de medios tienen que crear capacidad para
responder a los desafíos del periodismo de datos. Mi intuición es que
hay muchos técnicos y hackers ocultos en los departamentos técnicos de
los medios desesperados por salir a la luz. Por lo que necesitamos
“reuniones de periodistas y hackers”, talleres donde los geeks secretos
(como en agente secreto – se refiere a gente que domina la técnica
informática pero no tiene como trabajo las cuestiones técnicas sino que
son periodistas, etc.), los periodistas más jóvenes, los programadores,
y los diseñadores salen a jugar con periodistas más experimentados para
compartir conocimientos y tener orientación. Tarea: ¡descargar este
conjunto de datos y atacar!

Ipso facto, el periodismo de datos es interdisciplinario. Los equipos de
periodismo de datos se componen de gente que en el pasado no habría
trabajado junta. El espacio digital ha desdibujado las fronteras.

Vivimos en una comunidad política fracturada, desconfiada. El modelo de
negocios que antes generaba periodismo independiente profesional –por
imperfecto que sea- está al borde del colapso. Debemos preguntarnos,
como muchos ya lo hacemos, cómo sería el mundo sin un cuarto poder
viable. El periodista e intelectual estadounidense Walter Lippman
comentó en la década de ‘20 que “se reconoce que no puede existir una
opinión pública sana sin acceso a las noticias”. Esa afirmación es
igualmente válida ahora. En el siglo XXI todo el mundo está en la
blogósfera. Es difícil diferenciar a los periodistas profesionales del
cuentero, el mentiroso, el simulador y quién defiende intereses creados.
Cualquier sitio o fuente puede hacerse pasar por creíble, bien
presentado y honesto. Las referencias confiables se mueren junto al
camino. Y en este nuevo espacio de periodismo basura, los hipervínculos
pueden llevar a los lectores interminablemente a otras fuentes más
inútiles pero de aspecto brillante que no hacen más que llevar de un
hipervínculo a otro en el salón digital de los espejos. El término
técnico para esto es que el “macaneo” atonta el cerebro.

En el espacio digital todo el mundo es un narrador, ¿verdad? No. Si el
periodismo profesional –y con ello me refiero a aquellos que se dedican
a la narración de historias de modo ético, equilibrado, valiente en la
búsqueda de la verdad- ha de sobrevivir, entonces el oficio debe
reafirmarse en el espacio digital. El periodismo de datos es otra
herramienta con la que navegaremos el espacio digital. Es donde
mapearemos, daremos vuelta, separaremos, filtraremos, extraeremos y
veremos la historia en medio de tantos ceros y unos. En el futuro
trabajaremos junto a los hackers, los programadores, los diseñadores. Es
una transición que requiere una seria acumulación de capacidades.
Necesitamos gerentes de noticias que entiendan la conexión entre lo
digital y el periodismo para empezar a invertir en esa construcción.


— *Wendy Carlisle, Australian Broadcasting Corporation*


## Periodismo de datos en la BBC

El término “periodismo de datos” puede cubrir una gama de disciplinas y
se usa de modos variados en las organizaciones de noticias, por lo que
puede ser útil definir lo que queremos decir por “periodismo de datos en
la BBC. En general el término cubre proyectos que usan datos para hacer
una o más de las siguientes cosas:

  -   Permitir al lector descubrir información que es relevante para
    sí mismo.
  -   Revelar una historia que es llamativa y antes se desconocía
  -   Ayudar al lector a entender mejor una cuestión compleja.

Estas categorías pueden superponerse, y en un medio online a menudo
pueden beneficiarse de algún nivel de visualización.

#### Que sea personal

En el sitio de BBC News hemos estado usando datos para ofrecer servicios
y herramientas para nuestros usuarios desde hace más de una década.

El ejemplo más consistente, que se publicó por primera vez en 1999, es
el de nuestras [tablas de liga
escolar](http://bbc.in/school-league-tables), que usan los datos
publicados anualmente por el Estado. Los lectores pueden encontrar las
escuelas locales ingresando el código postal, y compararlas con una
cantidad de indicadores. Periodistas de educación también trabajan con
el equipo de programadores rastreando las historias antes de su
publicación.

Cuando empezamos a hacer esto, no existía un sitio oficial que ofreciera
al público la posibilidad de explorar datos. Pero ahora que el
Departamento de Educación tiene su propio servicio nuestra tarea se
concentra más en las historias que surgen de los datos.

El desafío en este área debe ser dar acceso a datos en los que hay un
claro interés público. Un ejemplo reciente de un proyecto en el que
expusimos un gran conjunto de datos no disponible normalmente para el
público en general, fue el informe especial ["Todas las muertes en todos
los caminos"](http://bbc.in/road-deaths). Ofrecimos una búsqueda por
código postal, permitiendo a los usuarios encontrar la locación de todos
los accidentes fatales en caminos en el Reino Unido en la última década.

Visualizamos algunos de los datos y cifras principales que surgen de los
[datos policiales](http://bbc.in/police-data) y, para dar al proyecto
más dinámica y un rostro humano, hicimos equipo con la London Ambulance
Association y BBC London radio y TV para rastrear choques en la capital
cuando sucedían. Esto se reportó [en vivo
online](http://bbc.in/road-deaths-feed), así como vía Twitter usando el
hashtag \#crash24, y las colisiones fueron incorporadas 
[al mapa](http://bbc.in/road-deaths-map) a medida que se informaban.

#### Herramientas simples

Además de proveer maneras de explorar grandes conjuntos de datos,
también hemos tenido éxito en crear herramientas simples, que proveen
relevantes recortes de información para los usuarios. Estas herramientas
apelan a los que tienen poco tiempo y pueden no querer explorar análisis
extensos. La capacidad de compartir fácilmente un dato personal es algo
que hemos comenzado a incorporar como estándar.

Un ejemplo simple de este enfoque es nuestro servicio 
[“El mundo en 7000 millones: cuál es su número”](http://bbc.in/KQsSzB) 
publicado coincidentemente con la fecha oficial en la que la población mundial
superó los 7000 millones. Ingresando su fecha de nacimiento, el usuario
podía saber que “número” fue en términos de la población global cuando
nació y luego compartir ese número vía Twitter o Facebook. 
La aplicación usa datos aportados por el fondo de desarrollo de la población
de la ONU. Fue muy popular y se convirtió en el vínculo más usado en Facebook
en el Reino Unido en 2011.

![El mundo en 7000 millones (BBC)](figs/incoming/02-05.png)

Otro ejemplo reciente es [el calculador de presupuesto](http://bbc.in/JepssY) 
de la BBC, que permitió a los usuarios descubrir en qué medida estarán mejor 
o peor cuando entre en vigor el presupuesto del Tesoro, y luego compartir la cifra. Hicimos
equipo con la firma contable KPMG LLP, que nos dio los cálculos basados
en el presupuesto anual y entonces trabajamos duro para crear una
interface atractiva que alentara a los usuarios a completar la tarea.

#### Explotar los datos

¿Pero dónde está el periodismo en todo esto? Encontrar historias en los
datos es una definición más tradicional de periodismo de datos. ¿Hay una
exclusiva enterrada en la base de datos? ¿Son precisas las cifras?
¿Prueban o no que existe el problema? Estas son todas preguntas que un
periodista de datos o un periodista asistido por computadora debe
hacerse. Pero puede llevar mucho tiempo estudiar un conjunto de datos
muy grande con la esperanza de encontrar algo llamativo.

En esta área nos ha resultado más productivo asociarnos con programas o
equipos de investigación que cuentan con el conocimiento experto y
tiempo para investigar una historia. El programa Panorama de actualidad
de la BBC pasó meses trabajando con el Centre for Investigative
Journalism, recogiendo datos sobre la paga en el sector público. El
resultado fue un documental de TV y un informe especial online, [“La
paga del sector público: las cifras”](http://bbc.in/IKPrL2), donde se
publicó todos los datos y se visualizaba con análisis sector por sector.


Además de asociarnos con periodistas de investigación, tener acceso a
numerosos profesionales con conocimiento especializado es esencial.
Cuando un colega del equipo del sector de economía analizó los datos de
recortes del gasto publicados por el gobierno, llegó a la conclusión de
que los hacía aparecer mayores de lo que eran en realidad. El resultado
fue una historia exclusiva, 
[“Encontrar sentido a los datos”](http://bbc.in/LcuGFV), complementada 
por una clara [visualización](http://bbc.in/IIADrj), que ganó un premio de 
la Royal Statistical Society.

#### Comprender una cuestión

Pero el periodismo de datos no tiene por qué producir una exclusiva que
nadie más ha descubierto. La tarea del equipo de visualización de datos
es combinar un gran diseño con una narración editorial clara para
ofrecer una experiencia convincente al usuario. Visualizaciones
atractivas de los datos apropiados pueden ser usadas para lograr una
mejor comprensión de una cuestión o historia, y frecuentemente usamos
este enfoque en nuestras narraciones en la BBC. Una técnica utilizada en
[nuestro rastreador de demandantes](http://bbc.in/KF7IKU) es mostrar en
un mapa de calor la evolución de los datos con el paso del tiempo para
dar una clara visión del cambio.

El servicio de datos 
[“Red de deuda de la Eurozona”](http://bbc.in/IIAHHI) explora la red 
interconectada de créditos entre países. Ayuda a explicar una cuestión 
complicada de un modo visual, usando color y flechas proporcionales 
combinadas con un texto claro. 
Una consideración importante es alentar al usuario a explorar el servicio 
o seguir una narrativa, sin hacerlo sentir abrumado por las cifras.

#### Visión general de un equipo

El equipo que produce periodismo de datos para el sitio de BBC News se
compone de alrededor de 20 periodistas, diseñadores y programadores.

Además de proyectos y visualizaciones de datos, el equipo produce todas
las infografías y recursos multimedia interactivos en el sitio de
noticias. En conjunto todo esto forma parte de una colección de técnicas
de narración que llamamos periodismo visual. No tenemos gente
identificada específicamente como periodistas de datos, pero todo el
personal de redacción del equipo tiene saber usar aplicaciones básicas
de planillas de cálculo tales como Excel y Google Docs para analizar
datos.

Son centrales a cualquier proyecto de datos las capacidades técnicas, el
asesoramiento de nuestros programadores y las capacidades de
visualización de nuestros diseñadores. Si bien todos somos en primer
lugar periodistas, diseñadores o programadores, seguimos trabajando
fuerte para aumentar nuestra comprensión y dominio de todas las áreas de
conocimiento.

Los productos centrales para explorar datos son Excel, Google Docs y
Fusion Tables. El equipo también ha usado, aunque en menor medida,
MySQL, bases de datos Access y Solr para explorar conjuntos de datos
mayores; y usó RDF y SPARQL para comenzar a analizar maneras en las que
podemos modelar eventos usando tecnologías Linked Data. Los
programadores también usan su lenguaje de programación preferido, sea
ActionScript, Python, o Perl, para reunir, analizar o desmenuzar en
general un conjunto de datos en los que podemos estar trabajando. Perl
se utiliza para parte de la edición.

Usamos Google, Bing Maps y Google Earth, junto con ArcMAP de Esri, para
explorar y visualizar datos geográficos.

Para gráficos utilizamos la Suite de Adobe incluyendo After Effects,
Illustrator, Photoshop y Flash, aunque en estos tiempos rara vez
publicamos archivos Flash en el sitio, dado que JavaScript –en
particular JQuery y otras bibliotecas de JavaScript tales como
Highcharts, Raphael y D3- cada vez más cubren nuestros requisitos de
visualización.

— *Bella Hurrell and Andrew Leimdorfer, BBC*


## El equipo de aplicaciones de noticias del Chicago Tribune

El equipo de aplicaciones de noticias del Chicago Tribune es una banda
de alegres hackers incrustada en la redacción. Trabajamos en estrecha
relación con editores y periodistas para ayudar a: 1) investigar y
contar historias; 2) ilustrar historias online y 3) crear recursos de la
red siempre actualizados para la buena gente de Chicagolandia.

Es importante que estemos en la redacción. A menudo nuestro trabajo se
define en conversaciones cara a cara con periodistas. Saben que nos
gusta ayudar a escribir algo que dé vida a un aburrido sitio oficial,
desentrañar una parva de PDF, o convertir de otras maneras lo que no es
datos, en algo que se pueda analizar. Es lo que ayuda a nuestro equipo a
encontrar su rumbo; de este modo nos enteramos de potenciales proyectos
de datos cuando se están gestando.

A diferencia de muchos equipos en este campo, el nuestro fue fundado por
tecnólogos para quienes el periodismo fue un cambio de carrera. Algunos
adquirimos un título de Maestría en Periodismo después de pasar varios
años programando para empresas, y otros vinieron de la comunidad de
gobierno abierto.

Trabajamos de modo ágil. Para asegurarnos de estar siempre
sincronizados, cada mañana comienza con una reunión de 5 minutos de a
pie. Frecuentemente programamos de a pares; 2 programadores en un
teclado a menudo son más productivos que 2 programadores en 2 teclados.
La mayoría de los proyectos no requieren más que una semana de
producción, pero en proyectos más largos trabajamos en iteraciones de
una semana y mostramos nuestros trabajo a los interesados (periodistas y
editores por lo general) toda las semanas. El mantra es “fracasar
rápido”. Si uno está haciendo las cosas mal tiene que saberlo lo antes
posible, especialmente cuando se programa con un plazo fijo.

Esto de \_hackear\_de modo iterativo y con plazos tiene un aspecto
tremendamente positivo: siempre estamos actualizando nuestro set de
herramientas. Cada semana producimos 1 o 2 aplicaciones y luego, a
diferencia de los talleres normales de software, podemos sacarlo de
nuestra mente y pasar al siguiente proyecto. Es una alegría que
compartimos con los periodistas, y cada semana podemos aprender algo
nuevo.

![El equipo de aplicaciones del The Chicago Tribune (foto por Heather Billings)](figs/incoming/02-00.jpg)

Todas las ideas de aplicaciones provienen de periodistas y editores en
la redacción. Creo que esto nos diferencia de equipos de aplicaciones de
otras redacciones, que frecuentemente producen sus propias ideas. Hemos
establecido fuertes relaciones personales y profesionales en la
redacción, y la gente sabe que cuando tiene datos viene a nosotros.

Gran parte de nuestro trabajo en la redacción es de apoyo a los
periodistas. Los ayudamos a trabajar datos, reconvertir PDF en planillas
de cálculo, investigamos en sitios de la red, etc. Es un servicio que
nos gusta dar porque nos permite conocer desde sus inicios el trabajo de
datos que se da en la redacción. Parte de ese trabajo se convierte en
una aplicación de noticias: un mapa, una tabla o a veces sitios de mayor
escala.

Antes vinculábamos la aplicación a la historia escrita, pero eso no
resultaba en demasiado tráfico. Actualmente, las aplicaciones aparecen
cerca de la parte superior de nuestro sitio y la aplicación tiene un
link con la historia, lo que funciona bien tanto para la aplicación como
para la historia. Hay [una sección del sitio que es para nuestro
trabajo](http://www.chicagotribune.com/news/data/), pero no tiene mucho
tráfico. Eso no es sorprendente. “Oigan, hoy quiero unos datos” no es
algo que se escuche muy seguido.

Nos encanta la cuenta de visitas del sitio y nos encantan las alabanzas
de nuestros pares, pero eso no es lo importante. La motivación siempre
debe ser el impacto; en la vida de la gente, en las leyes, en hacer que
los políticos rindan cuentas y así siguiendo. La pieza escrita habla de
la tendencia y la humaniza con unas cuantas anécdotas. ¿Pero qué hace el
lector cuando terminó de leer la historia? ¿Está segura su familia? ¿Sus
hijos están siendo educados adecuadamente? Nuestro trabajo da sus frutos
cuando ayuda a un lector a encontrar su propia historia en los datos.
Entre los ejemplos de trabajos impactantes y personalizados que hemos
hecho se incluyen las aplicaciones de [Informes de seguridad en
geriátricos](http://nursinghomes.apps.chicagotribune.com/) y el 
[Boletín de Calificaciones de Escuelas](http://schools.chicagotribune.com/).

— *Brian Boyer, Chicago Tribune*


## El detrás de escena del Datablog de The Guardian

Cuando lanzamos el Datablog, no teníamos idea a quién podrían
interesarle los datos en crudo, las estadísticas y visualizaciones. Como
dijo un jefe en mi oficina: “¿Por qué alguien querría eso?”.

El [Datablog](http://www.guardian.co.uk/datablog), que yo edito, debía
ser un pequeño blog que ofreciera los conjuntos de datos completos que
respaldan nuestras historias periodísticas. Ahora consiste en [una
primera página](http://guardian.co.uk/data); búsquedas de datos de
gobiernos y desarrollo global; visualizaciones de datos realizadas por
artistas gráficos de The Guardian y de toda la red, y herramientas para
explorar datos de gasto público. Todos los días usamos planillas de
cálculos de Google para compartir los datos completos que respaldan
nuestro trabajo; visualizamos y analizamos esos datos y luego los usamos
para proveer historias para el diario y el sitio.

Como editor de noticias y periodista trabajando con gráficos, era una
extensión lógica del trabajo que ya venía haciendo, acumulando nuevos
conjuntos de datos y batallando con ellos para tratar de encontrar
sentido a las historias de noticias del día.

La pregunta que me hicieron fue respondida. Han sido unos años
increíbles para los datos públicos. Obama abrió los archivos de datos
del gobierno de EE.UU. como primer acto legislativo, y su ejemplo pronto
fue seguido por sitios de datos gubernamentales en todo el mundo:
Australia, Nueva Zelanda y el sitio del gobierno británico, Data.gov.uk.

Hemos tenido el escándalo de los gastos de los parlamentarios, la pieza
más inesperada de periodismo de datos de Gran Bretaña, con el resultado
de que Westminster ahora está comprometido a difundir cantidades
inmensas de datos todos los años.

Tuvimos una elección general en la que cada uno de los partidos
políticos más importantes se comprometió a la transparencia de datos,
abriendo nuestros propios archivos de datos al mundo. Los diarios han
dedicado valioso centimetraje a la apertura de la base de datos COINS
del Tesoro.

Al mismo tiempo, a media que la red produce más y más datos, los
lectores de todo el mundo están más interesados que nunca en los datos
en crudo detrás de las noticias. Cuando lanzamos el Datablog, creíamos
que el público serían programadores buscando crear aplicaciones. De
hecho es gente que quiere saber más sobre las emisiones de carbono,
inmigración de Europa oriental, el desglose de las muertes en
Afganistán, o incluso la cantidad de veces que los Beatles usaron la
palabra “amor” en sus canciones (613).

![Visualización del proceso de producción de The Guardian Datablog (The Guardian)](figs/incoming/02-ZZ.png)

Gradualmente el trabajo del Datablog ha reflejado y enriquecido las
historias a las que nos enfrentamos. Recurrimos a la opinión del público
sobre 458.000 documentos relacionados con los gastos de los
parlamentarios y analizamos los datos detallados de lo que sostuvieron
los parlamentarios. Ayudamos a nuestros usuarios a explorar bases de
datos de gastos detalladas del Tesoro y publicamos los datos detrás de
las noticias.

Pero el evento que cambió el juego para el periodismo de datos se dio en
la primavera de 2010, comenzando por una hoja de cálculo: 92.201 filas
de datos, cada una conteniendo un desglose detallado de un evento
militar en Afganistán. Estos fueron los registros de guerra de
WikiLeaks. Es decir, la primera parte. Seguirían dos episodios más: Irak
y los cables. El término oficial para las primeras dos partes fue
SIGACTS: La Base de Datos de Acciones Significativas de las fuerzas
armadas de Estados Unidos.

Las organizaciones de noticias dependen mucho de la ubicación y la
proximidad con la mesa de noticias. Si uno está cerca, es fácil sugerir
historias y ser parte del proceso: inversamente, no estar cerca es
literalmente ser ignorado. Antes de WikiLeaks estábamos en un piso
diferente, junto con el equipo de Gráficos. Desde WikiLeaks estamos en
el mismo piso, junto a la mesa de noticias. Significa que es más fácil
para nosotros sugerir ideas a la mesa de noticias, y para los
periodistas al otro lado de la redacción pensar en nosotros para que los
ayudemos con historias.

No hace mucho los periodistas eran quienes controlaban el acceso a los
datos oficiales. Escribíamos historias sobre las cifras y se las
transmitíamos a un público agradecido que no estaba interesado en las
estadísticas en bruto. La idea de incorporar información en crudo a
nuestros diarios era anatema.

Ahora la dinámica ha cambiado hasta el punto de resultar irreconocible.
Nuestro rol se está convirtiendo en el de intérpretes; ayudar a la gente
a comprender los datos e incluso publicarlos porque son interesantes por
sí mismos.

Pero las cifras sin análisis son sólo números, que es donde encajamos
nosotros. Cuando el primer ministro de Gran Bretaña sostuvo que los
desmanes de agosto de 2011 no tuvieron nada que ver con la pobreza,
pudimos cruzar el lugar de residencia de los que hicieron los desmanes
con los indicadores de pobreza para mostrar la verdad.

Detrás de todas nuestras historias de periodismo de datos hay un
proceso. Está cambiando permanentemente, a medida que vamos usando
nuevas herramientas y técnicas. Alguna gente dice que la respuesta es
convertirse en una especie de súper hacker, escribir programas y
sumergirse en SQL. Uno puede tener esa postura. Pero gran parte del
trabajo que hacemos es con Excel.

Primero ubicamos los datos o los recibimos de una variedad de fuentes,
de historias de noticias nuevas, datos oficiales, investigaciones de
periodistas y así en más. Entonces comenzamos a ver qué podemos hacer
con los datos; ¿necesitamos combinarlos con otro conjunto de datos?
¿Cómo podemos mostrar cambios a lo largo del tiempo? Esas planillas de
cálculo a menudo tienen que ser muy depuradas, porque todas esas
columnas extrañas y celdas fusionadas de modos raros no ayudan a
comprender la información. Y eso suponiendo que no es un PDF, el peor
formato de datos conocido por la humanidad.

A menudo los datos oficiales vienen con códigos oficiales agregados;
cada escuela, hospital, sector, y municipalidad tiene un código de
identificación.

Los países también los tienen (el código del Reino Unido por ejemplo es
GB). Son útiles porque uno podría querer cruzar conjuntos de datos, y es
sorprendente la cantidad de formas de escribir las cosas y arreglos de
palabras que pueden trabar eso. Está Birmania y Myanmar, por ejemplo, o
Fayette County en Estados Unidos (hay 11 de ellas en estados que van de
Georgia a Virginia Occidental). Los códigos nos permiten comparar las
cosas comparables.

Al final del proceso está el producto: ¿será una historia o un gráfico o
una visualización y qué herramientas usaremos? Nuestras principales
herramientas son las gratuitas con las que podemos producir algo
rápidamente. Los gráficos más sofisticados son producidos por nuestro
equipo de desarrollo.

Esto significa que comúnmente usamos los Google Charts para pequeños
gráficos y tortas lineales, o Google Fusion Tables para crear mapas de
modo rápido y fácil.

Puede parecer algo nuevo pero no lo es.

En la primera edición del Manchester Guardian (el sábado 5 de mayo de
1821), las noticias estaban en la página trasera, como en todos los
diarios de aquellos tiempos. El primer ítem en la primera plana era un
aviso de un perro labrador perdido.

Entre las historias y las citas de poemas, un tercio de la contratapa
está ocupado con datos. Una tabla completa de los costos de escuelas en
la zona nunca antes “presentados al público”, escribe “NH”.

NH quería que se publicaran sus datos porque de otro modo eclesiásticos
sin formación informarían sobre los mismos. Su motivación era que “la
información que contiene es valiosa; porque si no se sabe en qué medida
se extiende la educación… las opiniones que puedan formarse sobre la
condición y el progreso futuro de la sociedad serán necesariamente
incorrectas”. Dicho de otro modo, si la gente no sabe lo que pasa, ¿cómo
puede mejorar la sociedad?

No se me ocurre mejor justificación de lo que estamos tratando de hacer
ahora. Lo que hace un tiempo era una historia para la última página,
ahora puede estar en primera plana.

— *Simon Rogers, the Guardian*


## Periodismo de datos en el Zeit Online

El proyecto [PISA based Wealth Comparison](http://bit.ly/Pisa_Wealth)
(Comparación de Riqueza basada en PISA, es una visualización interactiva
que permite la comparación de niveles de vida en diferentes países.
Utiliza datos del informe de calificación de educación en el mundo,
[PISA 2009](http://bit.ly/Pisa_2009), publicado en diciembre de 2010. El
informe se basa en un cuestionario que interroga a estudiantes de 15
años sobre su situación de vida en el hogar.

La idea era analizar y visualizar estos datos para ofrecer una manera
única de comparar los estándares de vida en distintos países.

![Comparación de riqueza basada en PISA (Zeit Online)](figs/incoming/02-03-AA.png)

Primero, nuestro equipo editorial decidió qué datos parecían útiles para
hacer comparables los niveles de vida y debían visualizarse, incluyendo:

-   Riqueza (cantidad de TV, autos y baños disponibles en el hogar)
-   Situación familiar (si hay abuelos viviendo con la familia,
    porcentaje de familias con solo un hijo, desempleo de los padres y
    el status laboral de la madre)
-   Acceso a fuentes de conocimiento (Internet en el hogar, frecuencia
    de uso de correo electrónico y cantidad de libros que son de
    propiedad de la familia)
-   3 indicadores adicionales sobre el nivel de desarrollo de cada país.

Con la ayuda del equipo de diseño, estos datos fueron traducidos a
íconos explícitos. Se creó un diseño de *front-end* para hacer posible
la comparación entre los distintos países viéndolos como si fueran
cartas de juego.

A continuación contactamos gente de la [Open Data
Network](http://opendata-network.org/) de Alemania para encontrar
programadores dispuestos a ayudar con el proyecto. Esta comunidad de
gente altamente motivada sugirió a Gregor Aisch, como diseñador de
información muy talentoso, para que programara la aplicación que haría
realidad nuestros sueños (sin usar Flash, lo que era muy importante para
nosotros).

Gregor creó una visualización de muy alta calidad e interactiva, con un
hermoso estilo de burbuja basado en la 
[Raphaël-Javascript Library](http://raphaeljs.com/).

El resultado de nuestra colaboración fue un interactivo muy exitoso que
tuvo mucho tráfico. Es fácil comparar dos países cualesquiera, lo que lo
hace útil como herramienta de referencia. Eso significa que podemos
volver a utilizarlo en nuestra tarea editorial diaria. Por ejemplo, si
estamos cubriendo algo relacionado con las condiciones de vida en
Indonesia, podemos rápida y fácilmente incrustar [un gráfico comparando
las condiciones de vida en Indonesia y
Alemania](http://bit.ly/Pisa_Indonesia_Germany)). El conocimiento
transferido a nuestro equipo fue una gran inversión para proyectos
futuros.

En el Zeit Online encontramos que 
[nuestros proyectos de periodismo de datos](http://www.zeit.de/datenjournalismus) 
nos han traído mucho tráfico y han ayudado a atraer al público de nuevas maneras. 
Por ejemplo, hubo mucha cobertura de la situación de la planta nuclear en
Fukushima luego del tsunami en Japón. Luego de que material radioactivo
escapara de la usina, todos fueron evacuados en un radio de 30
kilómetros de la planta. La gente pudo leer y ver muchas cosas sobre la
evacuación. Zeit Online encontró una manera innovadora de explicar el
impacto de ésto para nuestro público alemán. Preguntamos: ¿Cuánta gente
vive cerca de una planta nuclear en Alemania? ¿Cuánta gente vive dentro
de un radio de 30 kilómetros? [Un mapa](http://bit.ly/near_nuclear)
muestra cuanta gente tendría que ser evacuada en una situación similar
en Alemania. El resultado: mucho tráfico; de hecho el proyecto se
expandió como un virus en los medios sociales. Los proyectos de
periodismo de datos pueden ser adaptados con relativa facilidad a otros
idiomas. Creamos una versión en idioma inglés respecto de la proximidad
de las plantas nucleares en Estados Unidos, lo que fue un gran generador
de tráfico. Las organizaciones de noticias quieren ser reconocidas como
fuentes confiables y autorizadas entre sus lectores. Encontramos que los
proyectos de periodismo de datos combinados con permitir a nuestros
lectores ver y volver a utilizar los datos en bruto nos da un alto grado
de credibilidad.

Por dos años el departamento de Investigación y Desarrollo yel Editor en
Jefe del Zeit Online, Wolfgang Blau, han estado promoviendo el
periodismo de datos como una manera importante de narrar historias. La
transparencia, la credibilidad y la atracción de los usuarios son partes
importantes de nuestra filosofía. Por eso el periodismo de datos es una
parte natural de nuestro trabajo actual y futuro. Las visualizaciones de
datos pueden aportar valor a la recepción de una historia, y son un modo
atractivo de que todo el equipo editorial presente su contenido.

Por ejemplo, el 9 de noviembre de 2011 el Deutsche Bank se comprometió a
dejar de financiar a los fabricantes de bombas de racimo. Pero según un
estudio de una organización sin fines de lucro Facing Finance, el banco
siguió aprobando créditos a productores de bombas de racimo después de
hacer esa promesa. 
[Otras visualizaciones](http://zeit.de/wirtschaft/cluster-munition) basadas en
los datos muestran a nuestros lectores los diferentes flujos de dinero.
Las distintas partes del Deutsche Bank están ordenadas en la parte de
arriba, y las compañías acusadas de estar involucradas en la fabricación
de bombas de racimo, abajo. En el medio se representan los créditos
individuales siguiendo la línea temporal. Cuando se giran los círculos
se ven los detalles de cada transacción. Por supuesto que se hubiera
podido contar la historia por medio de un artículo escrito. Pero la
visualización permite a nuestros lectores comprender y explorar las
dependencias financieras de modo más intuitivo.

![El negocio de las bombas (Zeit Online)](figs/incoming/02-03-DD.png)

Otro ejemplo: la Oficina Alemana Federal de Estadísticas ha publicado
[un gran conjunto de datos](https://www.destatis.de/EN/Homepage.html)
sobre estadísticas vitales para Alemania, incluyendo el modelado de
[varios escenarios demográficos hasta 2060](http://bit.ly/German_Federal_Statistics). 
La manera típica de representar esto es una [pirámide
poblacional](https://www.destatis.de/bevoelkerungspyramide/), tal como
la de la Agencia Federal de Estadísticas.

Con nuestros colegas del departamento de Ciencias, intentamos dar a
nuestros lectores una mejor manera de explorar los datos demográficos
proyectados, respecto de nuestra sociedad futura. Con 
[nuestra visualización](http://www.zeit.de/wissen/altersstruktur) presentamos un
grupo estadísticamente representativo de 40 personas de distintas edades
desde los años 1950 hasta 2060. Están organizadas en 8 grupos
diferentes. Se ve como una foto grupal de la sociedad alemana en
distintos momentos. Los mismos datos visualizados en una pirámide
poblacional tradicional da solo una visión muy abstracta de la
situación, pero un grupo con chicos, gente joven, adultos, y gente mayor
significa que los lectores pueden relacionarse más fácilmente con los
datos. Basta tocar el botón de play para iniciar un viaje a través de
once décadas. También puede ingresar su propio año de nacimiento y su
género para convertirse en parte de la foto grupal: podrá ver su propio
viaje demográfico a través de las décadas y su propia expectativa de
vida.

— *Sascha Venohr, Zeit Online*

![Visualización de datos demográficos (Zeit Online)](figs/incoming/02-03-CC.png)

## Cómo contratar un hacker

Una de las cosas que me preguntan regularmente los periodistas es cómo
consigo un programador que me ayude con mis proyectos. No se engañe
pensando que este es un proceso en una sola dirección; los hackers con
preocupaciones sociales y los analistas de datos a menudo están
igualmente interesados en tomar contacto con periodistas.

Los periodistas son usuarios poderosos de herramientas y servicios
basados en datos. Desde la perspectiva de los programadores, los
periodistas piensan sin esquemas para usar herramientas de datos en
contextos que los programadores no siempre tomaron en cuenta (la
retroalimentación es invalorable). También ayudan a crear contexto e
interés por proyectos, y ayudan a hacer que sean relevantes. Es una
relación simbiótica.

Por fortuna, esto significa que, esté pensando en contratar un hacker, o
solo busque colaboración con un presupuesto muy restringido, es más que
probable que haya alguien interesado en ayudarlo.

¿Entonces cómo se los encuentra? Dice Aron Pilhofer de The New York
Times:

Quizás se encuentre con que su organización ya tiene gente con las
capacidades que necesita, pero no necesariamente se encuentran en su
sala de redacción. Visite los departamentos de tecnología y TI, y es
probable que encuentre oro. También es importante apreciar la cultura de
los programadores: si encuentra a alguien que tiene una computadora que
se ve como la de la Figura 2-9 probablemente tenga un ganador.

![Marca del honor: los hackers a menudo son fáciles de descubrir (foto por Lucy Chambers)](figs/incoming/02-04.jpg)

Algunas ideas más:

  Coloque avisos en sitios de la red que ofrecen puestos de trabajo 
:   Identifique y coloque avisos en sitios que apuntan a programadores
    que trabajan en distintos lenguajes. Por ejemplo, [el Python
    Job Board.](http://www.python.org/community/jobs/)

 Listas de correo relevantes para contactos 
:   Por ejemplo las listas de correo
    [NICAR-L](http://bit.ly/nicar-subscribe) y [Data
    Driven Journalism.](http://bit.ly/ddj-list)

 Organizaciones relevantes para contactos 
:   Por ejemplo, si quiere buscar datos en la red, puede contactar una
    organización como [Scraperwiki](https://scraperwiki.com/) que tienen
    un gran directorio de programadores confiables y dispuestos.

 Súmese a grupos/redes relevantes 

:   Esté atento a iniciativas tales como
    [HACKS/HACKERS](http://hackshackers.com/) que reúnen a periodistas
    y técnicos. Ahora están surgiendo grupos de Hacks/Hackers en todo
    el mundo. También podría intentar publicar algo en su [newsletter de
    búesqueda de empleo](http://bit.ly/hacks-hackers-jobs).

 Comunidades de intereses locales 

:   Puede intentar hacer una búsqueda rápida de expertos en determinada
    cuestión en su zona (por ejemplo “java-script” + “London”). Sitios
    tales como Meetup.com también pueden ser un gran punto de partida.

 Hackatones y competencias 

:   Haya o no dinero de premio involucrado, competencias de aplicaciones
    y visualizaciones, y días de programación a menudo son un terreno
    fértil para colaboraciones y lograr contactos.

 Pregunte a un técnico 

:   Los técnicos se juntan con otros técnicos. El boca a boca es siempre
    una buena manera de encontrar buena gente para trabajar.

— *Lucy Chambers, Open Knowledge Foundation*

Las capacidades de los hackers

Una vez que se encuentra un hacker, ¿cómo se sabe si es bueno? Le
preguntamos a Alastair Dant de The Guardian cómo descubrir uno bueno:

 Hacen de todo 

:   Cuando hay que cumplir un plazo de entrega es mejor contar con
    alguien que maneja todas las alternativas, antes que con un maestro
    especializado en un recurso. Las aplicaciones de noticias requieren
    manejo de datos, gráficos dinámicos y audacia.

 Ven todo el cuadro 

:   El pensamiento holístico le da prioridad al valor narrativo por
    sobre el detalle técnico. Prefiero escuchar una nota tocada con
    sentimiento que el virtuosismo sin fin en escalas oscuras. Averigüe
    si a la persona la hace feliz trabajar junto a un diagramador.

 Saben contar una historia 

:   La presentación narrativa requiere ordenar las cosas en el espacio y
    el tiempo. Averigüe cual es el proyecto del que se siente más
    orgulloso, y pídale que le diga cómo fue creado; esto revelará tanto
    su capacidad de comunicación como su manejo técnico.

 Hablan de las cosas que van a hacer 

:   Crear cosas rápidamente requiere de equipos mixtos trabajando hacia
    metas comunes. Cada participante debe respetar a sus compañeros y
    estar dispuesto a negociar. Los obstáculos no previstos a menudo
    requieren ajustes de planes rápidos y concesiones colectivas.

 Se autoeducan 

:   La tecnología evoluciona rápidamente. Es una lucha mantenerse al
    día. Habiendo conocido programadores con todo tipo de antecedentes,
    el rasgo más común es la disposición a aprender cosas nuevas cuando
    se necesita.

— *Lucy Chambers, Open Knowledge Foundation, entrevista con Alastair
Dant, Lead Interactive Technologist, the Guardian*

Cómo encontrar el programador de sus sueños

La diferencia de productividad entre un programador bueno y uno
extraordinario no es lineal, es exponencial. Contratar bien es
extremadamente importante. Desgraciadamente, contratar bien es muy
difícil. Es bastante difícil evaluar candidatos si uno no es un gerente
técnico con experiencia. A eso hay que agregar los sueldos que las
organizaciones de noticias pueden pagar y entonces es todo un desafío.

En el Tribune, reclutamos con dos ángulos: el atractivo emotivo y el
atractivo técnico. El atractivo emocional es que el periodismo es
esencial para que una democracia funcione. Si trabaja aquí puede cambiar
el mundo. Técnicamente, promocionamos todo lo que puede aprender.
Nuestros proyectos son pequeños, rápidos e iterativos. Cada proyecto
tiene un nuevo conjunto de herramientas, un nuevo idioma, un nuevo
tópico (seguridad anti incendios, el sistema jubilatorio) que debe
aprender. La redacción es un cruce de caminos. Nunca dirigí un equipo
que haya aprendido tanto y tan rápido como nuestro equipo.

En cuanto a donde buscar, hemos tenido mucha suerte encontrando grandes
hackers en la comunidad de gobierno abierto. La lista de correo Sunlight
Labs es donde los locos por la tecnología que quieren hacer el bien, y
tienen empleos aburridos, se encuentran por la noche. Otro recurso
potencial es Code for America. Cada año un grupo de individuos emergen
de CfA buscando su siguiente gran proyecto. A esto se agrega que CfA
tienen un proceso de selección riguroso; ya han evaluado los candidatos
por usted. Hoy en día los periodistas interesados en programación
también salen de las escuelas de periodismo. Están verdes tienen
toneladas de potencial.

Por último, no basta con contratar programadores. Se necesita gerencia
técnica. Un programador solitario (especialmente si acaba de salir de la
escuela de periodismo sin experiencia de trabajo) va a tomar muchas
malas decisiones. Incluso el mejor programador, si se lo deja solo,
optará por trabajo técnicamente interesante, por sobre lo que es más
importante para su público.

Llame a este puesto Editor de aplicaciones de noticias, gerente de
proyecto, lo que sea. Al igual que los redactores, los programadores
necesitan editores, mentores, y alguien que los apure para que tengan el
software listo a tiempo.

— *Brian Boyer, Chicago Tribune*


## Ayuda externa de expertos a través de hackatones

En marzo de 2010, la organización SETUP de cultura digital con sede en
Utrecht organizó un evento llamado [Hacking
Journalism](http://setup.nl/content/hacking-journalism). El evento fue
organizado para alentar una mayor colaboración entre programadores y
periodistas.

“Organizamos hackatones para producir aplicaciones atractivas, pero no
podemos reconocer historias interesantes en los datos. Lo que creamos no
tiene relevancia social” dijeron los programadores. “Reconocemos la
importancia de periodismo de datos, pero no tenemos las capacidades
técnicas para crear las cosas que queremos”, dijeron los periodistas.

![Periodistas y programadores en RegioHack (foto de Heinze Havinga)](figs/incoming/02-XY.jpg)

Trabajando para un diario regional no había dinero o incentivos para
contratar un programador para la redacción. El periodismo de datos
seguía siendo algo desconocido para los diarios holandeses en aquel
tiempo.

El modelo de hackatones era perfecto; un ambiente relajado para
colaboración, con abundante pizza y bebidas energizantes.
[RegioHack](http://www.regiohack.nl/) fue un hackatón organizado por mi
empleador, el diario regional [De Stentor](http://www.destentor.nl/),
nuestra publicación hermana [TC Tubantia](http://www.tctubantia.nl/) y
[Saxion Hogescholen Enschede](http://saxion.nl/) que ofreció el lugar
para el evento.

La organización era así: todos podían anotarse para un hackatón de 30
horas. Nosotros dábamos la comida y las bebidas. Apuntábamos a 30
participantes, que dividimos en 6 grupos. Estos grupos se concentrarían
en distintos tópicos, tales como crimen, salud, transporte, seguridad,
envejecimiento y poder. Para nosotros, los 3 objetivos principales para
este evento eran los siguientes:

 Encontrar historias 

:   Para nosotros el periodismo de datos es algo nuevo y desconocido. La
    única manera que podemos demostrar su utilidad es a través de
    historias bien armadas. Planeamos producir al menos 3 historias de
    datos.

 Conectar gente 

:   Nosotros los periodistas no sabemos cómo se hace periodismo de datos
    y no pretendemos saberlo. Al colocar periodistas, estudiantes y
    programadores en un cuarto por 30 horas, queremos que compartan
    conocimientos y visiones.

 Organizar un evento social 

:   Los diarios no organizan muchos eventos sociales, ni hablemos de
    hackatones. Queríamos experimentar cómo un evento de esas
    características puede dar resultados. De hecho hubiera podido ser
    incómodo: 30 horas con extraños, mucha jerga, golpearse la cabeza
    contra preguntas básicas y encontrar el terreno en el que cada uno
    se siente cómodo. Al convertirlo en un evento social (la pizza y las
    bebidas energizantes), queríamos crear un ambiente en el que
    periodistas y programadores pudieran sentirse cómodos y colaborar
    efectivamente.

Antes del evento, TC Tubantia realizó una entrevista con la viuda de un
policía que escribió un libro sobre los años de servicio de su marido.
También tenía un documento con todos los asesinatos registrados en la
parte este de Holanda, mantenido por su marido desde 1945. Normalmente,
publicaríamos este documento en nuestro sitio. Esta vez hicimos un
[tablero usando el software Tableau](http://bit.ly/tableau-dashboard).
También [escribimos en el blog](http://bit.ly/regiohack-blog) acerca de
cómo se juntó todo esto en nuestro sitio RegioHack.

Durante el hackatón, un grupo de proyecto abordó el tema del desarrollo
de escuelas y el envejecimiento de nuestra región. Al hacer una
[visualización de proyecciones futuras](http://bit.ly/tableau-workbook)
vimos qué ciudades estarían en problemas luego de unos años de caída de
la matrícula. Teniendo esto presente, hicimos un artículo sobre la
manera en que esto afectaría las escuelas en nuestra región.

También iniciamos un proyecto muy ambicioso llamado De Tweehondererd van
twente (en español Los Doscientos de Twente) para determinar quién tenía
más poder en nuestra región y crear una base de datos de la gente más
influyente. A través de un cálculo al estilo Google –quien tiene la
mayor cantidad de vínculos con organizaciones poderosas- se compondrá
una lista de gente influyente. Esto podría llevar a una serie de
artículos, pero también es una herramienta poderosa para periodistas.
¿Quién tiene vínculos con quién? Se puede hacer preguntas a esta base de
datos y usarla en la rutina diaria. Además, esta base de datos tiene
valor cultural. Los artistas ya preguntaban si podían usar esta base de
datos cuando estuviera terminada, para hacer instalaciones de arte
interactivo.

![Nuevas comunidades en torno al periodismo de datos (foto por Heinze Havinga)](figs/incoming/02-YY.jpg)

Luego de RegioHack, advertimos que los periodistas consideraban al
periodismo de datos como una adición viable al periodismo tradicional.
Mis colegas siguieron usando y creando en base a las técnicas aprendidas
ese día para generar proyectos más ambiciosos y técnicos, tales como una
base de datos de los costos administrativos de la construcción de
viviendas. Con estos datos, hice un [mapa interactivo en Fusion
Tables](http://bit.ly/stentor-map). Pedimos a nuestros lectores que
jugaran con los datos y obtuvimos los resultados [con la colaboración de
la audiencia (crowdsourcing)](http://bit.ly/scratchbook-crowdsourcing),
por ejemplo. Luego de recibir muchas preguntas respecto de cómo se hace
un mapa en Fusion Tables, también grabé 
[un video tutorial](http://bit.ly/vermanen-video).

¿Qué aprendimos? Aprendimos mucho, pero también encontramos muchos
obstáculos. Reconocimos estos 4:

 ¿Por dónde comenzar, pregunta o datos? 

:   Casi todos los proyectos se trababan en la búsqueda de información.
    En la mayoría de los casos comenzaban con una pregunta periodística.
    ¿Y entonces? ¿Qué datos hay disponibles? ¿Dónde pueden encontrarse?
    ¿Y cuando encuentre estos datos podré responder su pregunta? Los
    periodistas por lo general saben dónde pueden encontrar información
    cuando investigan para un artículo. En el periodismo de datos, la
    mayoría de los periodistas no saben qué información está disponible.

 Poco conocimiento técnico 

:   El periodismo de datos es una disciplina bastante técnica. A veces
    hay que filtrar, otras veces hay que hacer algo de programación para
    ver los resultados. Para hacer periodismo de datos se necesitan dos
    cosas: la visión periodística de un periodista experimentado y el
    conocimiento técnico de alguien que maneje todas las técnicas
    digitales. Durante RegioHack esta no era una presencia común.

 ¿Es noticia? 

:   Los participantes usaron principalmente un conjunto de datos para
    descubrir noticias, en vez de buscar interconexiones entre distintas
    fuentes. El motivo de esto es que se necesita algo de conocimiento
    estadístico para verificar noticias del periodismo de datos.

 ¿Cómo es la rutina? 

:   Todo lo anterior se resume en que no hay rutina. Los participantes
    tienen algunas capacidades pero no saben cómo, ni cuándo usarlas.
    Uno de los periodistas lo comparó con hacer una torta. “Tenemos los
    ingredientes: harina, huevos, leche, etcétera. Lo tiramos en una
    bolsa, la sacudimos y esperamos que salga una torta”. Tenemos todos
    los ingredientes, pero no conocemos la receta.

¿Y ahora qué hacemos? Nuestras primeras experiencias con el periodismo
de datos podrían ayudar a otros periodistas o programadores que aspiren
a ingresar en el mismo campo de trabajo, y estamos trabajando para
producir un informe.

También estamos considerando cómo continuar RegioHack en forma de
hackatón. Nos resultó divertido, educativo y productivo, y una gran
introducción al periodismo de datos.

Pero para que el periodismo de datos funcione tenemos que integrarlo en
la redacción. Los periodistas tienen que pensar en datos, además de
citas, declaraciones de prensa, reuniones de consejos, etc. Al hacer
RegioHack demostramos a nuestro público que el periodismo de datos no
son solo palabras. Podemos escribir artículos mejor informados y más
claros, presentando a los lectores artículos diferentes impresos y
online.

— *Jerry Vermanen, NU.nl*


## Seguir el rastro del dinero: colaboración internacional

Los periodistas de investigación y los ciudadanos interesados en
descubrir el crimen organizado y la corrupción que afecta las vidas de
miles de millones en todo el mundo cada día que pasa tienen acceso sin
precedentes a información. Gobiernos y otras organizaciones colocan
inmensos volúmenes de datos online y parece que la tan necesaria
información está cada vez más al alcance de todos. Pero, al mismo
tiempo, funcionarios corruptos en gobiernos y grupos del crimen
organizado están haciendo todo lo que pueden para ocultar información
para que no se conozcan sus crímenes. Se esfuerzan por mantener a la
gente a oscuras mientras concretan negocios sucios que causan problemas
a la sociedad, en todos sus niveles, y llevan a conflictos, hambrunas u
otras crisis.

Es el deber de los periodistas investigadores exponer tales faltas y, al
hacerlo, trabar los mecanismos corruptos y criminales.

![El Tablero Investigativo (OCCRP)](figs/incoming/02-RR.png)

Hay 3 guías principales que, si se siguen, pueden llevar a un buen
periodismo cuando se investigan grandes actos de corrupción y
criminales, incluso en los medios más austeros:

 Piense en buscar fuera de su país 

:   En muchas instancias es mucho más fácil obtener información del
    extranjero que dentro del país en el que opera el periodista de
    investigación. La información obtenida del extranjero vía bases de
    datos de otros países o usando las leyes de acceso a la información
    de otras naciones puede ser justo lo que necesita para armar el
    rompecabezas investigativo. Además, los criminales y los
    funcionarios corruptos no guardan su dinero en el lugar de donde lo
    robaron. Prefieren depositarlo en bancos extranjeros o invertirlo en
    otros países. El crimen es global. Las bases de datos que ayudan al
    periodista de investigación a rastrear dinero en todo el mundo
    pueden encontrarse en muchos lugares en Internet. Por ejemplo, 
    [el Investigative Dashboard](http://www.investigativedashboard.org/category/wwd/)
    permite a los periodistas seguir el rastro del dinero entre países.

 Haga uso de redes periodísticas de investigación existentes 

:   Periodistas de investigación de todo el mundo se agrupan en
    organizaciones tales como [The Organized Crime and Corruption
    Reporting Project](http://www.reportingproject.net/), [The African
    Forum for Investigative Reporting](http://www.fairreporters.org/),
    [The Arab Reporters for Investigative Journalism](http://arij.net/) y 
    [The Global investigative Journalism Network](http://www.gijn.org/). 
    Los periodistas también pueden usar plataformas de periodismo profesional
    tales como IJNet, donde se intercambia información global relacionada con
    periodismo todos los días. 
    Muchos de los periodistas agrupados en redes trabajan en
    cuestiones similares y enfrentan situaciones similares, por lo que
    tiene mucho sentido intercambiar información y métodos. Hay listas
    de correo electrónico o grupos de redes sociales vinculados a estas
    redes, por lo que es fácil tomar contacto con colegas periodistas
    para pedir información o consejos. También pueden obtener ideas para
    historias a investigar en tales foros y listas de correo
    electrónico.

 Hacer uso de la tecnología y colaborar con hackers 

:   El software ayuda a los periodistas de investigación a acceder y
    procesar información. Varios tipos de software ayudan al
    investigador a no dejarse distraer por el ruido, a buscar y
    encontrar sentido a grandes volúmenes de datos y a encontrar los
    documentos indicados para descubrir la historia. Hay muchos
    programas de software que pueden usarse como herramientas para
    analizar, recoger o interpretar información y, lo que es más
    importante, los periodistas de investigación tienen que ser
    conscientes de que hay cantidades de programadores dispuestos a
    ayudar si se les pide. Estos programadores o hackers saben cómo
    obtener y manejar información y pueden ayudar mucho con el esfuerzo
    investigativo. Estos programadores, algunos de ellos miembros de
    movimientos globales en favor de la apertura de los datos, pueden
    convertirse en aliados invalorables en la lucha contra el crimen y
    la corrupción, son capaces de asistir a los periodistas en la
    recolección y análisis de la información.

Un buen ejemplo de una interfaz entre programadores y ciudadanos es
[ScraperWiki](https://scraperwiki.com/), un sitio en el que los
periodistas pueden pedir ayuda a programadores en la extracción de datos
de sitios en la red. Investigative Dashboard tiene una [lista de
herramientas listas para usar](http://bit.ly/dashboard-resources) que
podrían ayudar a los periodistas a recoger, dar forma y analizar datos.

La utilidad de las guías mencionadas se ha hecho visible en muchas
instancias. Un buen ejemplo es el trabajo de Khadija Ismayilova, una
reportera de investigación Azerí muy experimentada que trabaja en un
medio austero en lo que se refiere a acceso a información. Ismayilova ha
superado obstáculos diariamente para ofrecer al público azerí
información buena y confiable. En junio de 2001, Khadija Ismayilova, que
trabajaba en la oficina de Baku Radio Europa Libre/Radio Libertad
(conocida por las siglas RFE/RL), informó que las hijas del presidente
Azerí, Ilham Aliyev, manejaban secretamente una compañía de
telecomunicaciones en rápido ascenso, Azerfon, a través de compañías
offshore con sede en Panamá. La compañía tiene casi 1.700.000 de
suscriptores, cubre el 80 por ciento del territorio del país, y (en
aquel tiempo) era el único proveedor de servicios 3G para Azerbaiján.
Ismayilova pasó 3 años tratando de descubrir quienes eran los dueños de
la compañía de telecomunicaciones, pero el gobierno se negaba a dar
información sobre los accionistas y mintió numerosas veces sobre sus
dueños. Incluso llegaron a decir que la compañía era propiedad de
Siemens AG con sede en Alemania, cosa que ha sido negada directamente
por esa corporación. La reportera azerí logró descubrir que Azerfon era
propiedad de unas cuantas compañías privadas con sede en Panamá. Esto
pareció ser una vía muerta para su informe hasta que recibió ayuda del
exterior. A comienzos de 2011 Ismayilova supo a través del Investigative
Dashboard que las compañías con sede en Panamá pueden ser rastreadas a
través de [una aplicación](http://ohuiginn.net/panama/) desarrollada por
el programador y activista Dan O’Huiginn. Con esta herramienta
finalmente logró sacar a luz el hecho de que las dos hijas del
presidente estaban involucradas en la compañía de telecomunicaciones a
través de las empresas con sede en Panamá.

O’Huiginn creó una herramienta que ayudó a periodistas de todo el mundo
a informar sobre corrupción: Panamá, un paraíso offshore bien conocido,
ha sido ampliamente utilizado por varios funcionarios corruptos como un
lugar para ocultar dinero robado (desde compinches del ex presidente
egipcio Hosni Mubarak hasta funcionarios sucios de los Balcanes o en
América Latina). Lo que el programador-activista ha hecho se conoce como
*scraping* (literalmente raspado y que se traduce como extraer datos, n.
del t.) de la red: un método que permite la extracción y el reordenado
de información para que pueda ser usada por investigadores. O’Huiginn
extrajo información del [registro de compañías de
Panamá](http://www.registro-publico.gob.pa/) porque este registro,
aunque abierto solo permite búsquedas si el periodista de investigación
conoce el nombre de la compañía comercial que busca. Esto limitaba las
posibilidades de investigaciones, ya que los periodistas generalmente
buscan nombres de personas para rastrear sus activos. Extrajo los datos
y creó un nuevo sitio donde también son posibles búsquedas basadas en
nombres. El nuevo sitio permitió a periodistas de investigación de
muchos países buscar información, tomando como referencia nombres de
funcionarios en gobiernos y parlamentos, y verificar si poseían en
secreto corporaciones en Panamá (tal como sucedía con la familia del
presidente de Azerbaiján).

Hay otras ventajas del uso de las guías destacadas más arriba, además de
tener mejor acceso a información. Una de ellas tiene que ver con
minimizar el daño y asegurar mejor protección para los investigadores
que trabajan en ambientes hostiles. Esto se debe al hecho que cuando se
trabaja en una red, el periodista no está solo; el periodista de
investigación trabaja con colegas en otros países, por lo que es más
difícil para los criminales descubrir quién es responsable de que se
vean expuestos sus crímenes. Como resultado de ello a los gobiernos y
funcionarios corruptos les resulta mucho más difícil atacarlos.

Otra cosa a tener en cuenta es que la información que no parece muy
valiosa en una zona geográfica puede ser crucial en otra. El intercambio
de información a través de redes de investigación puede llevar a sacar a
luz historias muy importantes. Por ejemplo, la información de que un
rumano fue atrapado en Colombia con 1 kilogramo de cocaína probablemente
no sea una noticia de primera plana en Bogotá, pero podría ser muy
importante para el público rumano si un periodista local logra descubrir
que la persona que fue atrapada con el narcótico trabaja para el
gobierno de Bucarest.

El periodismo de investigación eficiente es el resultado de la
cooperación entre periodistas de investigación, programadores y otros
que quieren usar datos para contribuir a crear una sociedad global más
limpia y más justa.

— *Paul Radu, Organized Crime and Corruption Reporting Project*


## Nuestras historias aparecen en forma de código

[OpenDataCity](http://www.opendatacity.de/9) fue fundado hacia fines de
2010. Por entonces no pasaba nada con lo que uno podría llamar
periodismo de datos en Alemania.

¿Por qué lo hicimos? Muchas veces habíamos escuchado a gente trabajando
para diarios y a gente de radio y televisión decir: “No estamos listos
para crear una unidad de periodismo de datos en nuestra redacción. Pero
con gusto tercerizaríamos esto a otros”.

Hasta donde sabemos somos la única compañía que se especializa
exclusivamente en periodismo de datos en Alemania. Actualmente somos 3:
dos somos periodistas y uno tiene un profundo conocimiento de la
programación y la visualización. Contamos con un puñado de hackers,
diseñadores y periodistas que trabajan por cuenta propia.

En los últimos 12 meses hemos encarado 4 proyectos de periodismo de
datos con diarios y hemos ofrecido capacitación y consultoría a
trabajadores de medios, científicos y escuelas de periodismo. La primera
aplicación que hicimos fue TAZ, una [herramienta interactiva sobre ruido
en aeropuertos](http://bit.ly/taz-airport-noise) referida al nuevo
aeropuerto de Berlín. Nuestro siguiente proyecto notable fue una
[aplicación sobre retención de datos](http://bit.ly/zeit-telephone) de
uso de teléfonos móviles de un político alemán con ZEIT online. Por esto
ganamos un [premio Grimme Online](http://bit.ly/grimme-award), un premio
Lead en Alemania, y un [premio de Periodismo
Online](http://bit.ly/online-news-award) de la Online Journalism
Association en Estados Unidos. En momentos que escribimos estas líneas
tenemos varios proyectos encaminados, que van desde infográficos
interactivos más simples hasta el diseño y el desarrollo de un programa
de periodismo de datos intermedio.

![Mapa de ruido en aeropuerto (Taz.de)](figs/incoming/02-TT.png)

Por supuesto que ganar premios ayuda a la reputación. Pero cuando
hablamos con los editores, que tienen que aprobar los proyectos, nuestro
argumento a favor de invertir en periodismo de datos no tiene que ver
con ganar premios. Más bien es ganar audiencia en períodos más
prolongados de modo sustentable. Es decir, crear cosas por su impacto de
largo plazo, no por el golpe periodístico del momento, que a menudo se
olvida en pocos días.

A continuación presentamos 3 argumentos que hemos usado para alentar a
editores a abordar proyectos de más largo plazo:

 Los proyectos de datos no envejecen 

:   De acuerdo a su diseño, se puede agregar nuevo material a las
    aplicaciones de periodismo de datos. Y no son solo para los
    usuarios, sino que pueden ser usados internamente para hacer
    informes y análisis. Si le preocupa que esto signifique que sus
    competidores también se beneficien de su inversión, puede resguardar
    algunos recursos o datos para uso interno solamente.

 Puede apoyarse en su trabajo pasado 

:   Cuando aborda un proyecto de datos a menudo crea tramos de programas
    que pueden ser reutilizados o actualizados. El siguiente proyecto
    podría llevar la mitad del tiempo, porque sabe mucho mejor qué hacer
    (y qué no) y tiene tramos que puede reutilizar.

 El periodismo de datos se pago solo 

:   Los proyectos basados en datos son más baratos que las campañas de
    marketing tradicionales. Las medios online a menudo invierten en
    cosas como Optimización de Motores de Búsqueda (OMB) y Marketing de
    Motores de Búsqueda (MMB). Un proyecto de datos ejecutado
    normalmente generará muchos clics y comentarios y puede extenderse
    como un virus en la red. Los editores comúnmente pagan menos por
    esto que por tratar de generar la misma atención a través del MMB.

Nuestro trabajo no es muy distinto del de otras agencias de nuevos
medios: proveer aplicaciones o servicios para medios informativos. Pero
quizás difiramos en que nos vemos en primer lugar como periodistas. A
nuestros ojos los productos que entregamos son artículos o historias,
aunque no se transmitan con palabras, imágenes, audio o video, sino en
código. Cuando hablamos de periodismo de datos, tenemos que hablar de
tecnología, software, dispositivos y cómo contar una historia con ellos.

Para dar un ejemplo, acabamos de trabajar en una aplicación que obtiene
datos en tiempo real a través de un programa que extrae (*scrapea*)
información del sitio del ferrocarril alemán, lo que nos permite desarrollar 
[un monitor ferroviario interactivo](http://zugmonitor.sueddeutsche.de/) 
para Süddeutsche Zeitung que muestra las demoras de trenes de larga distancia en tiempo
real. Los datos de la aplicación son actualizados cada minuto
aproximadamente y también proveemos un API. Empezamos a hacer esto hace
varios meses y hasta ahora hemos acumulado un inmenso conjunto de datos
que se agranda a cada hora. A esta altura incluye cientos de miles de
filas de datos. El proyecto permite al usuario explorar estos datos en
tiempo real, e investigar en el archivo de meses anteriores. Al final la
historia que narramos será definida de modo significativo por la acción
individual de los usuarios.

En el periodismo tradicional, debido al carácter lineal de los medios
escritos o de difusión, tenemos que pensar en un comienzo, el fin, el
desarrollo de la historia y el largo y el ángulo de nuestra pieza. Con
el periodismo de datos las cosas son diferentes. Sí hay un comienzo. La
gente llega al sitio y tiene una primera impresión de la interfaz. Pero
a partir de allí se las tienen que arreglar solos. Pueden quedarse un
minuto o media hora.

Nuestro trabajo como periodistas de datos es proveer el marco o el medio
para esto. Junto con escribir código y manejar datos, tenemos que pensar
en maneras ingeniosas de diseñar experiencias. La experiencia del
usuario (UX) deriva principalmente de la Interfaz de Usuario (gráfica –
GUI). Al final, esta es la parte que definirá el éxito de un proyecto.
Se puede tener el mejor código trabajando en el trasfondo, manejando un
conjunto de datos interesante. Pero si la presentación es mala, no le
importará a nadie.

Aún hay mucho por aprender y experimentar. Pero por suerte está la
industria de los juegos, que ha estado innovando al respecto de las
narrativas, los ecosistemas y las interfaces digitales desde hace varias
décadas. Por lo que cuando desarrollamos aplicaciones de periodismo de
datos, debemos estar atentos a cómo funciona el diseño de juegos y cómo
se narran historias en los juegos. ¿Por qué juegos como Tetris son tan
divertidos? ¿Y qué es lo que define los mundos abiertos de juegos como
Grand Theft Auto o Skyrim rock?

Creemos que el periodismo de datos ha llegado para quedarse. En pocos
años, los flujos de trabajo del periodismo de datos estarán incrustados
naturalmente en las redacciones porque los sitios de noticias tendrán
que cambiar. La cantidad de información disponible al público seguirá
creciendo. Pero por suerte nuevas tecnologías seguirán permitiéndonos
encontrar nuevas maneras de narrar historias. Algunas de las historias
se basarán en datos y muchas aplicaciones y servicios tendrán carácter
periodístico. La cuestión interesante es qué estrategia desarrollarán
las redacciones para promover este proceso. ¿Crearán equipos de
periodistas de datos integrados en sus redacciones? ¿Habrá departamentos
de investigación y desarrollo, un poco como los departamentos internos
de empresas que se tratan como si fueran independientes? ¿O habrá
tercerización de partes del trabajo a compañías especializadas? Estamos
recién en el comienzo y el tiempo dirá.

— *Lorenz Matzat, OpenDataCity*



## Kaas & Mulvad: Contenido Semi-Terminado para Grupos con Intereses Específicos.

Los medios de grupos con intereses específicos constituyen un sector
emergente, en gran medida ignorado por los teóricos de los medios, que
potencialmente podría tener un tremendo impacto a través de redes online
o proveyendo contenido a medios de noticias. Pueden definirse como
medios (por lo general online), controlados por sectores de
organizaciones o instituciones, utilizados para defender ciertos
intereses y a ciertas comunidades. Las ONG comúnmente crean tales
medios; lo mismo hacen los grupos de consumidores, las asociaciones
profesionales, los sindicatos y así en más. La limitación clave de su
capacidad de influir en la opinión pública u otras partes interesadas es
a menudo que no cuentan con la capacidad para descubrir información
importante, con más limitaciones incluso que los medios de noticias que
han reducido su capacidad. Kaas & Muvlad, una corporación danesa con
fines de lucro, es una de las primeras empresas de medios de
investigación que ofrece capacidad experta a estos medios de grupos con
determinados intereses.

La firma se originó en 2007 al separarse del Instituto Danés de
Periodismo Asistido por Computadora (Dicar) sin fines de lucro, que
vendía informes a medios y capacitaba a periodistas en análisis de
datos. Sus fundadores, Tommy Kaas y Nils Mulvad, fueron previamente
periodistas en la industria de noticias. Su nueva firma ofrece lo que
llaman “datos más visión periodística” (contenido que queda semi
terminado, requiriendo edición o reescritura) principalmente a medios
con determinados intereses, que utilizan el contenido para informes de
prensa o artículos y los distribuyen a través de medios de noticias y
sus propios medios (tales como sitios en la red). Entre los clientes
directos se incluyen instituciones gubernamentales, firmas de Relaciones
Públicas, sindicatos y ONG tales como EU Transparency y World Wildlife
Fund. El trabajo para ONG incluye el seguimiento de subsidios agrícolas
y de pesca y actualizaciones regulares sobre actividades de lobbistas de
la UE generadas a través de *“scraping”* de sitios pertinentes. Entre
los clientes indirectos se incluyen fundaciones que financian proyectos
de ONG. La firma también trabaja con la industria de noticias; por
ejemplo, un diario sensacionalista compró su servicio de seguimiento de
celebridades.

![Grupos de interés en medios (Fagblaget3F)](figs/incoming/02-MM.png)

Los proyectos de periodismo de datos en su portfolio incluyen:

 [Mapa de desempleo para 3F](http://bit.ly/3F-unemployment) 

:   Una visualización de datos con cifras claves sobre desempleo en
    Dinamarca para 3F, que es el sindicato de los trabajadores sin
    capacitación en Dinamarca.

 [Condiciones de Vida para 3F](http://bit.ly/3F-living) 

:   Otro proyecto para 3F muestra como son las distintas condiciones de
    vida en distintas partes de Dinamarca. El mapa usa 24 indicadores
    diferentes.

 [Deuda para “Ugebrevet A4”](http://bit.ly/3F-debt-index) 

:   Un proyecto que calcula un “índice de deuda” y visualiza las
    diferencias de economías privadas.

 [Instalaciones peligrosas en Dinamarca](http://bit.ly/3F-dangerous-facilities) 

:   Un proyecto que hace el mapa de y analiza la proximidad de
    instalaciones peligrosas con jardines de infantes y otras
    instituciones realizado por “Born&Unge”, una revista publicada por
    BUPL, El Sindicato Danés de Educadores de la Primera Infancia y
    Jóvenes.

 [Datos de Responsabilidad Corporativa para Vestas](http://data.vestas.com/) 

:   Visualización de datos de 5 áreas de RC para la compañía de turbinas
    de viento danesa, Vestas, que con texto autogenerado. Actualizado
    automáticamente quincenalmente con 400 páginas web incluyendo desde
    datos a escala mundial hasta unidades individuales de producción.

 [Mapa de Nombres para Experian](http://xpoint.experian.dk/navnekort) 

:   Tipee su apellido y mire la distribución de este nombre en distintas
    áreas geográficas de Dinamarca.

 [Mapa de Smiley para Ekstra Bladet](http://ekstrabladet.dk/kup/fodevarer) 

:   Todos los días Kaas & Mulvad extraen todas las inspecciones por
    alimentos en mal estado y hacen el mapa de lo más actual para el
    diario danés Ekstra Bladet (a la mitad del sitio está el mapa).

Kaas & Mulvad no son los primeros periodistas en trabajar con grupos de
determinados intereses en medios. Greenpeace, por ejemplo, habitualmente
recurre a periodistas como colaboradores para sus informes. Pero no
conocemos ninguna otra firma cuyas ofertas a medios de este tipo se
basen en datos; es mucho más común que los periodistas trabajen con ONG
como periodistas, editores o escritores.

Actualmente los medios informativos con ayuda de computadoras se
concentran en la búsqueda y el descubrimiento (por ejemplo, WikiLeaks);
en esto también Kaas & Mulvad son innovadores al concentrarse en
análisis de datos. Su enfoque requiere no solo capacidades de
programación sino también comprensión de qué tipo de información puede
producir una historia con impacto. Se puede decir con certeza que
cualquiera que desee imitar su servicio probablemente tendría que
adquirir esos dos conjuntos de capacidades a través de asociaciones,
porque raramente los individuos poseen ambos.

#### Procesos: TI innovadora más análisis

La firma encara alrededor de 100 proyectos al año, que duran entre pocas
horas y pocos meses. También invierte continuamente en proyectos que
expanden su capacidad y ofertas. El servicio de seguimiento de
celebridades fue uno de tales experimentos. Otro involucró recorrer
Internet en busca de noticias sobre ejecución de hipotecas y crear mapas
de los casos. Los socios dicen que su primer criterio para encarar
proyectos es disfrutar del trabajo y aprender del mismo; se buscan
mercados luego de que se defina un nuevo servicio. Aseguran en que el
sector de noticias les resultó difícil desarrollar nuevos métodos y
nuevos negocios.

No tenemos editores o jefes que decidan qué proyectos podemos hacer, qué
software o hardware podemos comprar. Podemos comprar las herramientas de
acuerdo a las necesidades de los proyectos, como las mejores soluciones
para búsqueda y extracción de texto. Nuestra meta es estar a la
vanguardia en estas áreas. Tratamos de conseguir clientes que estén
dispuestos a pagar o, si el proyecto es divertido, lo hacemos por menos
dinero.

#### Valor creado: marcas e ingresos personales y de firmas

El giro en 2009 fue aproximadamente de 2.500.000 de coronas danesas (€
336.000). La compañía también sostiene la reputación de los socios como
periodistas de vanguardia, lo que mantiene la demanda para sus servicios
educativos y de conferencias. Sus apariciones públicas al mismo tiempo
sostienen la marca de la firma.

#### Percepciones claves de este ejemplo

-   La crisis de capacidad en baja del sector informativo es también una
    crisis de sub utilización de capacidad. Kaas y Mulvad tuvieron que
    dejar el sector para hacer trabajo que valoran y eso da resultados.
    Nada impide a las organizaciones de noticias captar ese valor.
-   Al menos en algunos sectores, existe un mercado rentable para
    “contenido semi-acabado” que puede servir a los grupos de
    interesados.
-   Sin embargo, esta oportunidad plantea la cuestión de cuánto control
    pueden ejercer los periodistas sobre la presentación y uso de su
    trabajo por terceros. Recordamos que esta cuestión ya existe dentro
    del sector de las noticias (donde los editores pueden imponer
    cambios al producto de un periodista) y ha existido en otros
    sectores de medios (tales como el cine, donde no son precisamente
    raros los conflictos ente directores y estudios por el “corte
    final”). No es un riesgo moral particular de los medios de
    interesados, y tampoco va a desaparecer. Se necesita prestar más
    atención a la ética de esta realidad y mercado en crecimiento.
-   Desde el punto de vista de los ingresos, un producto o servicio solo
    no basta. Las compañías exitosas que realizan periodismo de denuncia
    debieran tener un enfoque de cartera en el que la consultoría, la
    enseñanza, las conferencias y otros servicios aportan ingresos extra
    y sostienen la marca.
— *Extracto editado de \`\`Disruptive News Technologies: Stakeholder
Media and The Future of Watchdog Journalism Business Models ''de Mark
Lee Hunter y Luk N. Van Wassenhove, INSEAD Working Paper, 2010*

## Modelos de negocios para periodismo de datos

En medio de todo el interés y las expectativas respecto del periodismo
basado en datos, hay una cuestión sobre la que siempre hay curiosidad en
las redacciones: ¿cómo son los modelos de negocios?

Si bien debemos ser cuidadosos respecto de hacer predicciones, un
análisis de la historia reciente y el estado actual del sector de los
medios nos puede dar una visión. Hoy hay muchas organizaciones de
noticias que se han beneficiado al adoptar nuevos enfoques.

Los términos como “periodismo de datos” y la nueva expresión de moda,
“ciencia de datos”, pueden sonar como que describen algo nuevo, pero no
es estrictamente cierto. En cambio estas nuevas etiquetas son solo
maneras de caracterizar un cambio que ha estado cobrando fuerza a lo
largo de décadas.

Muchos periodistas parecen inconscientes de la magnitud de los ingresos
que ya se generan a través de la recolección de datos, su análisis y
visualización. Este es el negocio de la refinación de la información.
Con herramientas y tecnologías para procesar datos, es cada vez más
posible echar luz sobre asuntos muy complejos, se trate de finanzas
internacionales, deuda, demografía, educación, y así en más. El término
“inteligencia de negocios” describe una variedad de conceptos de TI que
apuntan a aportar una visión clara de lo que sucede en corporaciones
comerciales. Las compañías grandes y rentables de nuestro tiempo,
incluyendo McDonalds, Zara y H&M, dependen del seguimiento constante de
datos para obtener ganancias. Y para ellos funciona bastante bien.

Lo que está cambiando es que las herramientas desarrolladas para este
espacio ahora están disponibles para otros dominios, incluyendo los
medios. Y hay periodistas que lo entienden. Está por caso Tableau, una
compañía que provee un conjunto de herramientas de visualización. O el
movimiento “Big Data” (Grandes Datos), en el que compañías de tecnología
usan paquetes de software (a menudo de código abierto) para analizar
pilas de datos, extrayendo conclusiones en milisegundos.

Estas tecnologías ahora se pueden aplicar al periodismo. Equipos de The
Guardian y The New York Times están constantemente ampliando los límites
de este campo naciente. Y lo que vemos actualmente es solo la punta del
iceberg.

¿Pero cómo genera esto dinero para periodismo? El gran mercado mundial
que actualmente se está abriendo tiene que ver con la transformación de
datos de disponibilidad pública en algo que podamos procesar: haciendo
que los datos resulten visibles y humanos. Queremos poder relacionarnos
con las grandes cifras que escuchamos todos los días en las noticias, lo
que significan los millones y miles de millones para cada uno de
nosotros.

Hay una cantidad de compañías de medios basadas en datos, muy rentables,
que simplemente han aplicado este principio antes que otras. Disfrutan
de tasas de crecimiento saludables y a veces ganancias que impresionan.
Un ejemplo es Bloomberg. La compañía opera alrededor de 300.000
terminales y entrega datos financieros a sus usuarios. Si usted está en
el negocio del dinero, esta es una herramienta poderosa. Cada terminal
viene con un teclado con códigos de colores y hasta 30.000 opciones para
mirar, comparar, analizar y ayudarlo a decidir que hacer a continuación.
Este negocio central genera según se estima US\$ 6300 millones al año,
al menos según [un artículo publicado en 2008](http://nyti.ms/IQcRgY) en
The New York Times. Como resultado de ello Bloomberg ha estado
contratando periodistas por todas partes, compraron la venerable pero
perdidosa “Business Week”, y así siguiendo.

Otro ejemplo es el conglomerado de medios canadiense conocido hoy como
Thomson Reuters. Comenzaron con un diario, compraron una cantidad de
títulos conocidos en el Reino Unido y luego decidieron hace dos décadas
dejar el negocio de los diarios. En vez de ello, han crecido en base a
servicios de información, apuntando a proveer una perspectiva más
profunda para clientes en una cantidad de sectores. Si le preocupa cómo
ganar dinero con información especializada, mi consejo sería que
simplemente lea [la historia de la compañía en
Wikipedia](http://en.wikipedia.org/wiki/The_Thomson_Corporation).

Y vea The Economist. La revista ha creado una marca excelente e
influyente por el lado de los medios. Al mismo tiempo la “Economist
Intelligence Unit” ahora es más como una consultora, informando sobre
tendencias y pronósticos relevantes para casi todos los países del
mundo. Emplean cientos de periodistas y sostienen que sirven a 1.500.000
de clientes en todo el mundo.

Y hay muchos servicios de nicho basados en datos que podrían servir como
inspiración: eMarketer en Estados Unidos, que ofrece comparaciones,
cuadros y consejos para cualquiera interesado en marketing en Internet;
Stiftung Warentest en Alemania, institución que analiza la calidad de
productos y servicios; Statista, también de Alemania, una nueva empresa
que ayuda a visualizar información públicamente disponible.

En todo el mundo actualmente hay una oleada de nuevas empresas en este
sector, que cubren naturalmente una amplia gama de áreas; por ejemplo,
Timetric, que apunta a “reinventar los estudios de negocios”,
OpenCorporates, Kasabi, Infochimps y Data Market. Muchas de estas son
experimentos, pero de conjunto pueden considerarse una señal importante
de cambio.

Y están los medios públicos, que en términos de periodismo de datos, son
un gigante dormido. En Alemania, € 7200 millones van a este sector
anualmente. El periodismo es un producto especial: si se hace bien, no
solo se trata de ganar dinero, sino que sirve un rol importante en la
sociedad. Una vez que queda en claro que el periodismo de datos puede
ofrecer visiones más confiables y de modo más fácil, parte de este
dinero podría usarse para nuevos empleos en las redacciones.

En el caso del periodismo de datos no se trata solo de ser el primero si
no de ser una fuente de información confiable. En este mundo multicanal,
se puede generar atención en abundancia, pero la *confianza* es un
recurso cada vez más escaso. Los periodistas de datos pueden ayudar a
filtrar, sintetizar y presentar fuentes de información diversas y a
menudo difíciles de un modo que le da al público una visión real de
asuntos complejos. En vez de solo reciclar comunicados de prensa y
repetir las historias que han escuchado en otras partes, los periodistas
de datos pueden dar a los lectores una perspectiva clara, comprensible y
preferentemente adecuada a esos lectores, con gráficos interactivos y
acceso directo a fuentes primarias. No trivial y sin duda valioso.

¿Entonces cuál es el mejor enfoque para que quienes aspiran a
periodistas de datos exploren este campo y convenzan a la gerencia de
que apoyen proyectos innovadores?

El primer paso debiera ser buscar oportunidades inmediatas cerca de
donde están: fruta que cuelga del árbol. Por ejemplo usted puede tener
ya colecciones de textos y datos estructurados que puede usar. Un gran
ejemplo de esto es la “base de datos de homicidios” de Los Ángeles
Times. Aquí los datos y las visualizaciones son el centro, no algo
secundario. Los editores recogen información sobre todos los crímenes
que encuentran y recién entonces escriben artículos basados en ello. Con
el tiempo tales colecciones se están volviendo mejores, más profundas y
más valiosas.

Esto podría no funcionar la primera vez. Pero con el tiempo si lo hará.
Un indicador que da muchas esperanzas es que el Texas Tribune y
ProPublica, que podría decirse que son ambas compañías de medios de la
era posterior a los diarios impresos, informaron que la financiación de
sus organizaciones de periodismo sin fines de lucro superó sus metas
mucho antes de lo planificado.

Volverse eficiente en todo lo relacionado con datos –como generalista o
como especialista concentrado en un aspecto de la cadena alimenticia de
datos- genera una perspectiva valiosa para la gente que cree en el
periodismo. Como dijo un muy conocido editor en Alemania recientemente
en una entrevista: “Existe este nuevo grupo que se llaman periodista de
datos. Y ya no están dispuestos a trabajar por moneditas”.

— *Mirko Lorenz, Deutsche Welle*


# Estudio de casos

![](figs/incoming/03-00-cover.png)

En esta sección analizamos con más profundidad el detrás de escena de
numerosos proyectos de periodismo de datos, desde aplicaciones
desarrolladas en un día, hasta investigaciones de 9 meses de duración.
Nos informamos sobre cómo han sido usadas fuentes de datos para aumentar
y mejorar la cobertura de diferentes temas, desde elecciones hasta
gasto, de disturbios hasta corrupción, desde el nivel educativo de las
escuelas hasta el precio del agua. Junto a organizaciones de grandes
medios, tales como la BBC, el Chicago Tribune, The Guardian, el
Financial Times, Helsingin Sanomar, La Nación, el Wall Street Journal, y
el Zeit Online, también presentamos iniciativas más pequeñas tales como
las de California Watch, Hack/HackersBeunos Aires, ProPublica y un grupo
de ciudadanos-periodistas brasileños llamados amigos de Januária.

### Qué contiene este capítulo?

-   [La brecha de oportunidades](estudio_de_casos_0.html)
-   [Una investigación de 9 meses sobre Fondos Estructurales
    Europeos](estudio_de_casos_1.html)
-   [El colapso de la Eurozona](estudio_de_casos_2.html)
-   [Cubrir el gasto público con
    OpenSpending.org](estudio_de_casos_3.html)
-   [Elecciones parlamentarias finlandesas y financiación de
    campañas](estudio_de_casos_4.html)
-   [Hack electoral en tiempo real (Hacks/Hackers Buenos
    Aires)](estudio_de_casos_5.html)
-   [Datos en las noticias: WikiLeaks](estudio_de_casos_6.html)
-   [Hackatón Mapa76](estudio_de_casos_7.html)
-   [Cobertura de los disturbios en el Reino Unido por el Datablog de
    The Guardian](estudio_de_casos_8.html)
-   [Evaluaciones de escuelas de Illinois](estudio_de_casos_9.html)
-   [Facturación de hospitales](estudio_de_casos_10.html)
-   [Crisis de los geriátricos](estudio_de_casos_11.html)
-   [El teléfono que lo dice todo](estudio_de_casos_12.html)
-   [Tasas de reprobación de distintos modelos de auto en la prueba
    MOT](estudio_de_casos_13.html)
-   [Subsidios a colectivos en Argentina](estudio_de_casos_14.html)
-   [Ciudadanos periodistas de datos](estudio_de_casos_15.html)
-   [El gran cuadro de resultados electorales](estudio_de_casos_16.html)
-   [Consulta sobre el precio del agua](estudio_de_casos_17.html)


## La brecha de oportunidades

[The Opportunity Gap](http://projects.propublica.org/schools) (La Brecha
de Oportunidades, usó datos de derechos civiles nunca antes difundidos
del departamento de Educación de Estados Unidos y mostró que algunos
estados, como Florida, han creado una situación equitativa ofreciendo a
estudiantes ricos y pobres un acceso equitativo en términos generales a
cursos de alto nivel, mientras que otros estados, como Kansas, Maryland
y Oklahoma, ofrecen menos oportunidades en distritos con familias más
pobres.

![The Opportunity Gap project (ProPublica)](figs/incoming/03-YY.png)

Los datos incluyen a las escuelas públicas de todo distrito con 3000
estudiantes o más. Estan representados más de 3 cuartos de todos los
alumnos de escuelas públicas. Un reportero de nuestra redacción obtuvo
los datos y nuestro Director de Informes Asistidos por Computadora los
depuró en profundidad.

Fue un proyecto que llevó aproximadamente 3 meses. En total 6 personas
trabajaron en la historia y la aplicación de noticias: 2 editores, un
redactor, una persona de Informes asistidos por computadora y 2
programadores. La mayoría no trabajó exclusivamente en este proyecto
durante ese período.

El proyecto requirió realmente nuestras capacidades combinadas: profundo
conocimiento del tema, una comprensión de las mejores prácticas con
datos, capacidades de diseño y programación. Lo que es más importante,
requirió la capacidad de encontrar la historia en los datos. También
exigió edición, no solo para la historia que la acompaña, sino también
para la aplicación de noticias.

Para la depuración y análisis de los datos usamos principalmente Excel y
rutinas de depuración, así como MS Access. La aplicación de noticias fue
desarrollada con el programa Ruby on Rails y usa abundantemente
JavaScript.

Además de un artículo que da el marco general, nuestra cobertura incluyó
una aplicación de noticias interactiva que permite a los lectores
comprender y encontrar ejemplos que se relacionen con su propia
situación dentro de esta gran base de datos nacional. Utilizando nuestra
aplicación de noticias, el lector podía encontrar su escuela local
–digamos, por ejemplo, 
[Central High School en Newark, N.J.](http://goo.gl/HJVCf)\_ 
y ver inmediatamente el desempeño relativo
de la escuela en una gran variedad de áreas. 
Entonces podía cliquear un botón que dice
[“comparar con Escuelas de Alta y Baja Pobreza”](http://goo.gl/WrAIi), 
e inmediatamente ver otras escuelas medias y su pobreza relativa, y la 
medida en la que ofrecen matemática avanzada, Advanced Placement 
(conocido con la sigla AP, un programa de la dirección de Colleges, que 
ofrece currícula y exámenes de nivel de College para estudiantes de 
secundaria en Estados Unidos, n. del t.) y otros cursos importantes. 
En nuestro ejemplo, Central High tiene como
referencia a Millburn Sr. High. La Brecha de Oportunidades muestra que
sólo el 1% de los estudiantes de Milburn recibe almuerzo gratis o a
precio reducido y el 72% de ellos hace al menos un curso de AP. En el
otro extremo, en el International High el 85% de sus estudiantes recibe
almuerzo gratis o a precios reducidos y solo 1% toma cursos AP.

A través de este ejemplo el lector puede usar información que conoce –de
una escuela media local- para averiguar algo que no sabe: la
distribución de la accesibilidad educativa y en qué medida la pobreza
predice esa accesibilidad.

También integramos la aplicación con Facebook, de modo que los lectores
pudieran loguearse esta a esta red social y nuestra aplicación
automáticamente les haría saber de escuelas que podrían interesarles.

El tráfico hacia todas nuestras aplicaciones de noticias es excelente y
estamos particularmente orgullosos del modo en que ella cuenta una
historia compleja; y, lo que va más al grano, ayuda a los lectores a
definir su propia historia.

Tal como sucede con muchos proyectos que parten de información oficial,
los datos requirieron mucha depuración. Por ejemplo, si bien sólo hay
alrededor de 30 posibles cursos de Advanced Placement, algunas escuelas
informaban que tenían cientos de ellos. Esto exigió muchos chequeos
manuales y llamadas telefónicas a escuelas para confirmaciones y
correcciones.

También trabajamos fuerte para asegurarnos que la aplicación ofreciera
una versión “lejana” y una versión “cercana” de la historia. Es decir,
la aplicación tenía que presentar al lector un cuadro nacional amplio y
abstracto; una manera de comparar a los estados en materia de acceso
educativo. Pero dado que la abstracción a veces genera confusión en los
lectores respecto de lo que los datos significan para ellos, también
queríamos que los lectores pudieran encontrar sus escuelas locales y
compararlas con escuelas de baja pobreza en su área.

Si quisiera aconsejar a quienes quieren ser periodistas de datos y
abordar proyectos de este tipo, diría que tienen que conocer el material
y ser inquisitivos. Todas las reglas que valen para otros tipos de
periodismo, valen también aquí. Hay que tener datos ciertos, asegurarse
de contar bien la historia y -cuestión crucial- asegurarse de que su
aplicación de noticias no contradiga la historia que está escribiendo.
Si lo hace, una de las 2 podría estar equivocada.

Además, si usted quiere aprender a programar, lo más importante es
empezar. Usted puede preferir aprender a través de clases, libros o
videos, pero asegúrese de tener una idea realmente buena para un
proyecto y un plazo para completarlo. Si tiene una historia en la cabeza
que solo puede expresarse a través de una aplicación de noticias,
entonces no saber programar no lo va a detener.

— *Scott Klein, ProPublica*


## Una investigación de 9 meses sobre Fondos Estructurales Europeos

En 2010, el [Financial Times](http://www.ft.com/intl/eu-funds) y el
[Bureau of Investigative Journalism
(BIJ)](http://bit.ly/bureau-billions) se unieron para investigar los
Fondos Estructurales Europeos. La intención era revisar quiénes son los
beneficiarios de esos fondos y verificar si el dinero se usó para bien.
Con € 347.000 millones a lo largo de 7 años, los Fondos Estructurales
son el segundo programa de subsidios de la Unión Europea. El programa
existe desde hace décadas, pero fuera de informes generales, había poca
transparencia respecto de quiénes eran los beneficiarios. Como parte de
un cambio de reglas en la actual ronda de otorgamiento de fondos, las
autoridades están obligadas a hacer pública una lista de beneficiarios,
incluyendo la descripción de los proyectos y el monto de fondos de la UE
y nacionales recibidos.

![Investigación de Fondos Estructurales de la UE (Financial Times y el Bureau of Investigative Journalism)](figs/incoming/03-OO-01.png)

El equipo del proyecto estaba compuesto por 12 periodistas y un
programador tiempo completo colaborando por 9 meses. La recolección de
los datos por sí sola llevó varios meses.

El proyecto se publicó en 5 días de cobertura en el Financial Times y el
BIJ, un documental radial de la BBC y varios documentales de TV.

Antes de abordar un proyecto con este nivel de esfuerzo hay que estar
seguro de que lo descubierto es original y que se terminará teniendo
buenas historias que nadie más tiene.

El proceso se dividió en una serie de pasos diferentes.

#### 1. Identificar quién registra los datos y cómo

El Directorio General de las Regiones de la Comisión Europea tiene un
[portal](http://bit.ly/ec-portal) de los sitios de autoridades
regionales que publican los datos. Creíamos que la Comisión tendría una
base de datos general de proyectos a la que podríamos acceder
directamente o que podríamos obtener a través de un pedido de acceso a
la información. No existe tal base de datos con el nivel de definición
requerido. Rápidamente advertimos que muchos de los vínculos provistos
por la comisión eran erróneas y que la mayoría de las autoridades
publicaban los datos en formato PDF, en vez de formatos que faciliten el
análisis tales como CSV o XML.

Un equipo de 12 personas trabajó para identificar los datos más
actualizadas y ordenar los vínculos reuniéndolos en una planilla de
cálculo que usamos para colaboración. Dado que los campos de datos no
eran uniformes (por ejemplo, los encabezados estaban en distintos
idiomas, algunos conjuntos de datos usaban diferentes divisas, y algunos
incluían descomposición en fondos de UE y nacionales) tuvimos que ser lo
más precisos posible en la traducción y
\[line-through\]\*la\*descripción de los campos de datos disponibles en
cada conjunto.

#### 2. Descargar y preparar los datos

El siguiente paso consistió en descargar todas las planillas de cálculo,
PDF y, en algunos casos, recopilar datos originales en la red.

Cada conjunto de datos tuvo que ser estandarizado. Nuestra mayor tarea
fue extraer datos de cientos de páginas en formato .PDF. Gran parte de
esto se hizo utilizando UnPDF y ABBYY FineReader, que permiten extraer
datos a formatos tales como CSV o Excel.

También significó verificar y volver a verificar que las herramientas de
extracción de PDF hubiesen captado los datos correctamente. Esto se hizo
filtrando, ordenando y sumando totales (para asegurarnos que se
correspondieran con lo publicado en los PDF).

#### 3. Crear una base de datos

El programador del equipo creó una base de datos SQL. Cada uno de los
archivos preparados fue utilizado entonces como unidad para la
construcción de la base de datos SQL general. Con un proceso diario se
cargaba todos los archivos individuales de datos en una gran base de
datos SQL, en la que se podían realizar búsquedas en cualquier momento a
través de su interfaz con palabras claves.

#### 4. Doble verificación y análisis

El equipo analizó los datos de 2 maneras principales:

 Vía la interfaz de la base de datos 

:   Esto significó tipear palabras claves de interés (por ejemplo,
    “tabaco”, “hotel”, “compañía A” en el motor de búsquedas. Con la
    ayuda de Google Translate, que fue incorporado a la funcionalidad de
    búsquedas de nuestra base de datos, esas palabras claves se
    traducían a 21 idiomas, obteniendo los resultados apropiados. Estos
    se podían descargar y los periodistas podían continuar su
    investigación en proyectos individuales de su interés.

 Por macro-análisis usando toda la base de datos 

:   Ocasionalmente descargábamos un conjunto de datos completo, que
    entonces podía ser analizado (por ejemplo, usando palabras clave o
    agregando datos por país, región, tipo de gasto, número de proyectos
    por beneficiarios, etc.)

Nuestras historias se conformaron con ambos métodos, pero también a
través de investigación de campo y de escritorio.

Hacer la doble verificación de la integridad de los datos (agregando y
verificando en comparación con lo que las autoridades dijeron que fue
asignado) llevó una gran cantidad de tiempo. Uno de los principales
problemas fue que las autoridades mayormente solo divulgaban la cantidad
de “fondos de la UE y nacionales”. Bajo las reglas de la UE, cada
programa puede cubrir un porcentaje del costo total usando fondos de la
UE. El nivel de financiación por la UE es determinado, al nivel del
programa, por la llamada tasa de co-financiación. Cada programa (por
ejemplo, competitividad regional) está compuesto de numerosos proyectos.
Al nivel de los proyectos, técnicamente, uno podría recibir ciento por
ciento de financiación de la UE y otro nada, mientras el monto total de
la financiación por la UE al nivel de los programas no superara la tasa
de co-financiación aprobada.

Esto significó que tuvimos que verificar con cada compañía beneficiaria
el monto de financiación de la UE que citamos en nuestras historias.

— *Cynthia O’Murchu, Financial Times*


## El colapso de la Eurozona

Estamos [cubriendo el colapso de la Eurozona](http://on.wsj.com/tYM82O).
Todos los aspectos. El dramatismo de los enfrentamientos entre gobiernos
y la pérdida de los ahorros de toda la vida; la reacción de los líderes
mundiales, las medidas de austeridad, y las protestas en contra de estas
medidas. Todos los días en el Wall Street Journal hay cuadros sobre
pérdidas de empleos, caída de PBI y hundimiento de los mercados
mundiales. Es incremental. Y aturde.

Los editores de tapa convocan una reunión para debatir ideas sobre la
cobertura de fin de año y en momentos en que me voy de la reunión, me
pregunto: ¿Cómo será vivir esto?

¿Es esto como 2008 cuando me echaron y las malas noticias eran
incesantes? Hablábamos de empleo y dinero todas las noche en la cena,
casi sin pensar en cómo podía intranquilizar a mi hija. Y los fines de
semana eran lo peor. Yo trataba de negar el temor que parecía dominarme
permanentemente y la ansiedad que no me dejaba respirar. ¿Así vive una
familia ahora mismo en Grecia? ¿En España?

Me volví y seguí a Mike Allen, el editor de tapa, a su oficina le
propuse la idea de contar la crisis a través de familias en la Eurozona
mirando primero los datos, encontrando perfiles demográficos para
entender la composición familiar y luego sacando eso a luz junto con las
imágenes y entrevistas, audio de las distintas generaciones. Usaríamos
hermosos elementos de retrato, las voces … y los datos.

Cuando volví a mi escritorio escribí un resumen y dibujé un logo.

![El colapso de la Eurozona: resumen (Wall Street Journal)](figs/incoming/03-ZZ-01.png)

Durante las siguientes 3 semanas perseguí cifras: métricas sobre
matrimonio, mortalidad, el tamaño de las familias y gasto en salud. Leí
sobre condiciones de vida y tasas de divorcio, miré encuestas sobre
bienestar y tasas de ahorro. Estudié estadísticas nacionales, llamé al
bureau de población de la ONU, el FMI, Eurostat, y la OCDE hasta que
encontré un economista que había pasado su carrera siguiendo familias.
Me conectó con una estudiosa sobre composición familiar. Me indicó
trabajos sobre mi tema.

Con mi editor, Sam Enriquez, redujimos el número de países. Reunimos un
equipo para debatir el enfoque visual y qué periodistas producirían
palabras, audio y la historia. Matt Craig, el editor fotográfico de
tapa, se puso a trabajar para encontrar fotógrafos. Matt Murray, el
subeditor ejecutivo para cobertura mundial, envió un memo a los jefes de
sección pidiendo ayuda de los periodistas. (Esto fue crucial: la orden
de la máxima jerarquía).

Pero primero los datos. Por la mañana yo exportaba datos a planillas de
cálculo y hacía cuadros para ver tendencias: caída del ahorro,
desaparición de pensiones, la vuelta de madres al trabajo, gasto en
salud, junto con deuda pública y desempleo. Por la tarde analizaba esos
datos agrupados, comparando los países para encontrar historias.

Lo hice durante una semana antes de enredarme en los yuyos y comenzar a
dudar de mi misma. Quizás fuera un enfoque equivocado. Quizás no debía
tratarse de países, sino de padres y madres, y niños y abuelos. Los
datos aumentaron.

Y se redujeron. A veces pasaba horas reuniendo información que en
definitiva no me decía nada. Había buscado un conjunto de cifras
equivocado. En algunos casos los datos eran simplemente demasiado
viejos.

![Juzgar la utilidad de un conjunto de datos puede ser una tarea que lleve mucho tiempo Sarah Slobin)](figs/incoming/03-ZZ-04.png)

Luego los datos volvieron a aumentar al advertir que aún tenía
interrogantes y no entendía las familias.

Necesitaba verlo, moldearlo. Por lo que hice una serie rápida de
gráficos en Illustrator y comencé a ordenarlos y editarlos.

Al emerger los cuadros, también apareció una imagen cohesionada de las
familias.

![Visualizaciones gráficas: encontrar sentido a tendencias y patrones escondidos en los conjuntos de datos (Sarah Slobin)](figs/incoming/03-ZZ-06.png)

![Las cifras son gente: el valor de los datos está en las historias individuales que representan (Wall Street Journal)](figs/incoming/03-ZZ-07.png)

Lanzamos el proyecto. Llamé a cada periodista. Les mandé los cuadros, la
idea general y una invitación abierta a encontrar historias que ellos
consideraran significativas, que acercaran la crisis a nuestros
lectores. Necesitábamos una familia pequeña en Ámsterdam y familias más
grandes en España e Italia. Queríamos saber de múltiples generaciones
para ver cómo la historia personal moldea las respuestas.

A partir de aquí, me levantaba temprano para ver mi correo electrónico
teniendo en cuenta la brecha de horarios. Los periodistas respondieron
con temas hermosos, síntesis y sorpresas que no había previsto.

En cuanto a fotografías, sabíamos que queríamos retratos de
generaciones. La visión de Matt era lograr que sus fotógrafos siguieran
a cada miembro de la familia a lo largo de un día en sus vidas. Escogió
periodistas visuales que hubiesen cubierto el mundo, cubierto noticias e
incluso guerras. Matt quería que cada sesión terminara en la cena. Sam
sugirió que incluyéramos los menúes de las comidas.

A partir de allí era cuestión de esperar a ver qué historia contaban las
fotos. Esperar a ver qué decían las familias. Diseñamos el aspecto del
material interactivo. Robé una paleta de colores de una novela de Tintin
y trabajamos la interacción. Y cuando reunimos todo en paneles,
agregamos nuevamente algunos (no todos, algunos) de los cuadros
originales. Lo suficiente para puntuar cada historia, lo suficiente para
endurecer los temas. Los datos se convirtieron en una pausa en la
historia, una manera de bajar un cambio.

![La vida en la Eurozona (Wall Street Journal)](figs/incoming/03-ZZ-09.png)

Al final, los datos eran la gente; eran las fotografías y las historias.
Era lo que enmarcaba cada narración y provocaba la tensión entre países.

Para cuando publicamos el proyecto, justo antes de fin de año, mientras
todos contemplábamos lo que había en el horizonte, ya conocía a todos
los miembros de las familias por su nombre. Me sigo preguntando cómo
estarán ahora. Y si esto no parece un proyecto de datos, no hay
problema. Porque los momentos que quedaron documentados en la *Vida en
la zona del Euro*, esas historias de sentarse a comer y hablar sobre el
trabajo y la vida con su familia es algo que pudimos compartir con
nuestros lectores. Entender los datos es lo que lo hizo posible.

— *Sarah Slobin, Wall Street Journal*



## Cubrir el gasto público con OpenSpending.org

En 2007, Jonathan vino a la Open Knowledge Foundation con una propuesta
de una carilla para un proyecto llamado 
[Where Does My Money Go](http://www.wheredoesmymoneygo.org/) 
(A dónde va mi dinero, que apuntaba a facilitarle a los ciudadanos británicos 
la comprensión de cómo se gastan los fondos públicos. La intención era que fuera
una demostración de un concepto para un proyecto mayor que representara
visualmente la información pública, basándonos en trabajos pioneros del
Istoype Institute de Otto y Marie Neurath de la década del ‘40.

![¿A dónde va mi dinero? (Open Knowledge Foundation)](figs/incoming/03-PP-02.png)

El proyecto Where Does My Money Go? permitió a los usuarios explorar
datos públicos de una amplia variedad de fuentes usando herramientas de
código abierto intuitivas. Obtuvimos apoyo para desarrollar un prototipo
del proyecto, y luego recibimos fondos del 4IP de Channel 4, para
convertir esto en una aplicación de la red plenamente funcional. El gurú
del diseño informático, David McCandless (de 
[Information is Beautiful](http://www.informationisbeautiful.net/); creó varias
vistas distintas de los datos que ayudan a la gente a ubicarse respecto de las
grandes cifras, incluyendo el “Analisis del País y Regional”, que
muestra cómo se gastan los fondos en distintas partes del país, y
[“Daily Bread”](http://wheredoesmymoneygo.org/dailybread.html) (Pan
diario, que muestra a los ciudadanos un desglose de sus contribuciones
fiscales por día en libras y centavos.

![Calculador impositivo Daily Bread de ¿A dónde va mi dinero? (Open Knowledge Foundation)](figs/incoming/03-PP-01.png)

En aquel tiempo, el santo grial para el proyecto eran los datos de lo
que se llamaba 
[Combined Online Information System](http://data.gov.uk/dataset/coins) 
(COINS, Sistema de Información Combinada Online, que era la base de datos 
más abarcativa y detallada de finanzas públicas británicas. 
Trabajando con Lisa Evans (antes de que se sumara al equipo del Datablog en 
The Guardian), Julian Todd y Francis Irving (conocidos por Scraperwiki), 
Martin Rosenbaum (BBC) y otros, presentamos numerosos pedidos de datos, 
muchos de ellos con éxito (la saga está parcialmente documentada por Lisa en 
el cuadro de texto “Using FOI to Understand Spending”) (Usar LDI para entender el 
gasto, en la página 120 de este manual.)

Cuando los datos fueron finalmente difundidos a mediados de 2010, fue
considerado un golpe en favor de la transparencia. Se nos dio acceso por
adelantado a los datos para poder cargarlos en nuestra aplicación en la
red y recibimos significativa atención de la prensa cuando se hizo
público este hecho. El día en que se puso a disposición del público,
tuvimos docenas de periodistas que aparecieron en nuestro canal de chat
para debatir y preguntar sobre el hecho, así como averiguar cómo abrir
la aplicación y explorarla (los archivos tenían decenas de gigabytes).
Si bien algunos críticos sostuvieron que la publicación masiva de datos
era tan complicada que en los hechos era [oscurecer las cosas de tanta
transparencia](http://bit.ly/archive-silicon), muchos periodistas
valientes se metieron a investigar en los datos para dar a sus lectores
un cuadro sin precedentes del gasto público. The Guardian [transmitió el
evento en vivo](http://bit.ly/guardian-coins) en su blog y otros medios
lo cubrieron y ofrecieron conclusiones basadas en los datos.

No tardaron mucho en llegar pedidos y preguntas respecto de proyectos
similares en otros países del mundo. Poco después de lanzar
[OffenerHaushalt](http://offenerhaushalt.de/) -una versión del proyecto
para el presupuesto estatal alemán creado por Friedrich Lendenberg-
lanzamos [OpenSpending](http://openspending.org/), una versión
internacional del proyecto, que apunta a ayudar a los usuarios a seguir
el gasto público de todo el mundo, un poco como el OpenStreetMap ayudó a
hacer el mapa de accidentes geográficos. Implementamos nuevos diseños
con ayuda del talentoso Gregor Aisch, basados parcialmente en los
diseños originales de David McCandless.

![OffenerHaushalt, la versión alemana de ¿A dónde va mi dinero? (Open Knowledge Foundation)](figs/incoming/03-PP-03.png)

Con OpenSpending, hemos trabajado extensamente con periodistas para
adquirir, representar, interpretar y presentar datos de gasto público.
El proyecto es en primer lugar una base de datos enorme del gasto
público –tanto información presupuestaria de alto nivel como gasto
efectivo al nivel de las transacciones- en la que se puede hacer
búsquedas. Sobre esto se ha construido una serie de visualizaciones
tales como "treemaps"(gráficos de rectángulos anidados) y "bubbletrees"
(gráficos de burbujas anidadas). Cualquiera puede cargar los datos de su
municipalidad y producir visualizaciones.

Inicialmente creímos que habría mayor demanda de nuestras
visualizaciones más sofisticadas, pero luego de hablar con
organizaciones de noticias advertimos que había necesidades más básicas
que debían ser satisfechas primero, tales como la capacidad de insertar
tablas dinámicas de datos en sus blogs. Deseosos de alentaras a dar
acceso público a los datos junto con sus historias, también creamos una
aplicación para esto.

Nuestro primer gran lanzamiento fue en la época del primer Festival
Internacional de Periodismo en Perugia. Un grupo de programadores,
periodistas y empleados públicos colaboraron para cargar datos italianos
en la plataforma de OpenSpending, que daba una rica visión de cómo se
dividía el gasto entre las administraciones regionales y locales y
central. Apareció en 
[Il Fatto Quotidiano](http://bit.ly/ilfatto-spending), 
[Il Post](http://bit.ly/ilpost-spending), 
[La Stampa](http://bit.ly/lastampa-spending),
[Repubblica](http://bit.ly/repubblica-spending), y 
[Wired Italia](http://bit.ly/wired-italy-spending), así como en 
[The Guardian](http://bit.ly/guardian-italy-spending).

![Versión italiana de ¿A dónde va mi dinero? (La Stampa)](figs/incoming/03-PP-04.png)

En 2011 trabajamos con 
[Publish What You Fund](http://www.publishwhatyoufund.org/) (Publique lo que financia), y
el [Overseas Development Institute](http://www.odi.org.uk/) (Instituto
de Desarrollo en el Extranjero, para rastrear la ayuda financiera a
Uganda de 2003-2006. Esto era nuevo porque por primera vez se podía ver
los flujos de ayuda junto con el presupuesto nacional, lo que permite
ver en qué medida las prioridades de los donantes están alineadas con
las prioridades de los gobiernos. Hubo algunas conclusiones
interesantes, por ejemplo tanto los programas contra el HIV como la
planificación familiar resultaron estar financiadas casi completamente
por donantes externos. Esto fue cubierto en 
[The Guardian](http://bit.ly/guardian-uganda-viz).

También hemos estado trabajando con ONGs y grupos interesados para
cruzar los datos del gasto con otras fuentes de información. Por
ejemplo, Privacy International se conectó con nosotros trayendo una
larga lista de compañías de tecnología de vigilancia y una lista de
entes que participaron de una feria internacional de la vigilancia muy
famosa, que se conoce como la “fiesta de los que colocan micrófonos
ocultos”. Cruzando nombres de empresas con conjuntos de datos de gasto,
fue posible identificar qué compañías tenían contratos oficiales, los
que a partir de allí podían seguirse a través de pedidos de acceso a la
información al Estado. Esto fue cubierto por 
[The Guardian](http://bit.ly/guardian-surveillance).

Actualmente, estamos trabajando para aumentar el entendimiento de los
datos fiscales por periodistas y el público en general como parte de un
proyecto llamado [Spending Stories](http://bit.ly/ss-faq) (Historias de
Gastos, que permite a los usuarios vincular datos de gasto público con
historias relacionadas, para ver las cifras detrás de las noticias y las
noticias a partir de los números.

A través de nuestro trabajo en esta área aprendimos que:

-   Los periodistas a menudo no están acostumbrados a trabajar con datos
    en crudo y muchos no consideran tenerlos como base para sus
    informes. Basar historias en información cruda sigue siendo una idea
    relativamente nueva.
-   Analizar y comprender datos es un proceso que exige mucho tiempo,
    incluso si se tiene las capacidades requeridas. Es difícil encajar
    esto en un ciclo de noticias de corto plazo, por lo que el
    periodismo de datos a menudo es utilizado en proyectos de
    investigación de más largo plazo.
-   Los datos difundidos por los gobiernos a menudo están incompletos o
    son viejos. Muy a menudo, las bases de datos públicas no pueden ser
    usadas para propósitos de investigación sin el agregado de piezas de
    información más específicas requeridas a través de las normas de
    acceso a la información pública.
-   Grupos de interesados, estudiosos e investigadores a menudo tienen
    más tiempo y recursos para realizar investigaciones basadas en datos
    más extensas que los periodistas. Puede ser muy fructífero hacer
    equipo con ellos.

— *Lucy Chambers and Jonathan Gray, Open Knowledge Foundation*


## Elecciones parlamentarias finlandesas y financiación de campañas


En los últimos meses ha habido juicios relacionados con financiación de
campañas en las elecciones generales finlandesas de 2007.

Después de esos comicios la prensa descubrió que las leyes sobre
publicidad de la financiación de las campañas no tenía efecto sobre los
políticos. Básicamente, se ha utilizado la financiación de campañas para
comprar los favores de políticos que no declararon su financiación tal
como lo ordena la ley finlandesa.

A partir de estos incidentes, las leyes se volvieron más estrictas.
Luego de la elección general de marzo de 2011, Helsingin Sanomat decidió
explorar cuidadosamente todos los datos disponibles sobre financiación
de campañas. La nueva ley estipula que se debe declarar la financiación
electoral, y solo las donaciones de menos de 1500 euros pueden ser
anónimas.

#### 1. Encontrar datos y programadores

Helsingin Sanomat ha organizado hackatones HS Open desde marzo 2011.
Invitamos programadores, periodistas y diseñadores gráficos finlandeses
al sótano de nuestro edificio. Los participantes son divididos en grupos
de 3 personas y se los alienta a desarrollar aplicaciones y
visualizaciones. Hemos tenido alrededor de 60 participantes en cada uno
de nuestros 3 eventos hasta la fecha. Decidimos que los datos de
finanzas de campaña debían ser el centro de HS Open \#2, en mayo de
2011.

La Oficina Nacional de Auditoría de Finlandia es la autoridad que lleva
registro de las finanzas de campaña. Esa fue la parte fácil. El jefe de
información, Jaakko Hamunen, construyó un sitio en la red que da acceso
en tiempo real a su base de datos de finanzas de campaña. La Oficina de
Auditoría lo hizo solo en 2 meses después de nuestro pedido.

El sitio [Vaalirahoitus.fi](http://www.vaalirahoitus.fi/) proveerá al
público y la prensa información de las finanzas de campaña para cada
elección a partir de ahora.

![Finanzas electorales (Helsingin Sanomat)](figs/incoming/03-DD.png)

#### 2. Tormenta de ideas

Los participantes de HS Open 2 generaron veinte prototipos distintos
respecto de qué hacer con los datos. Puede encontrar todos los
prototipos [en nuestro sitio](http://bit.ly/hs-prototype), (texto en
finlandés).

El investigador de bio-informática Janne Peltola señaló que los datos de
las finanzas de campaña se veían parecidos a los datos de genes que
ellos investigan, en términos de contener muchas interdependencias.

En la bio-informática hay una herramienta de código abierto llamada
[Cytoscape](http://www.cytoscape.org/) que se usa para mapear estas
interdependencias. Por lo que procesamos los datos con Cytoscape, y
obtuvimos un prototipo muy interesante.

#### 3. Implementar la idea en papel y en la red

La ley de financiación de campañas dice que los miembros electos del
parlamento deben declarar su financiación 2 meses después de las
elecciones. En la práctica esto significó que obtuvimos los datos reales
a mediados de junio. En HS Open solo tuvimos datos de parlamentarios que
habían presentado su información antes del vencimiento del plazo.

También hubo un problema con el formato de los datos. La Oficina
Nacional de Auditoría los proveyó en 2 archivos CSV. Uno contenía el
presupuesto total de las campañas, el otro listaba todos los donantes.
Tuvimos que combinar estos 2 creando un archivo que contenía 3 columnas:
donantes, receptor y monto. Si los políticos habían usado su propio
dinero, en nuestro formato de datos se veía como que el Político A donó
X euros al Político A. Quizás resulte contra-intuitivo, pero funcionó
para Cytoscape.

Cuando los datos fueron depurados y reformateados, lo corrimos con
Cytoscape. Entonces nuestro departamento interactivo hizo un gráfico a
toda página.

Finalmente creamos una hermosa visualización en nuestro sitio. Este no
fue un gráfico de análisis de redes. Queríamos ofrecer a la gente una
manera fácil de explorar los fondos de campaña y quién los dona. La
primera vista muestra la distribución de fondos entre parlamentarios.
Cuando se cliquea en un parlamentario se tiene el desglose de su
financiación. También se puede votar si este donante particular es bueno
o no. La visualización fue hecha por Juha Rouvinen y Jukka Kokko, de una
agencia publicitaria llamada Satumaa.

La versión de la red de la visualización de finanzas de campaña usa los
mismos datos que el análisis de redes.

#### 4. Publicar los datos

Por supuesto que la Oficina Nacional de Auditoría ya publica los datos,
por lo que no hay necesidad de volver a publicarlos. Pero, como habíamos
depurado los datos y les habíamos dado una mejor estructura, decidimos
publicarlos. Damos nuestros datos con una [licencia de Creative Commons
Attribution](http://creativecommons.org/licenses/by/3.0/). Después
varios programadores independientes hicieron visualizaciones de los
datos, algunas de las cuales hemos publicado.

Las herramientas que usamos para el proyecto fueron Excel y Google
Refine para la depuración y análisis de los datos; Cytoscape para el
análisis de redes; e Illustrator y Flash para las visualizaciones. El
Flash debió haber sido HTML5, pero se nos acabó el tiempo.

¿Qué aprendimos? Quizás la lección más importante fue que las
estructuras de datos pueden ser muy difíciles. Si los datos originales
no están en un formato adecuado, recalcular y convertirlos lleva mucho
tiempo.


## Hack electoral en tiempo real (Hacks/Hackers Buenos Aires)

![Elecciones 2011 (Hacks/Hackers Buenos Aires)](figs/incoming/03-FF.png)

[Electoral Hack](http://elecciones.hhba.info/) es un proyecto de
análisis político que visualiza datos de los resultados provisionales de
las elecciones de octubre de 2011 en la Argentina. El sistema también
incluye información de anteriores elecciones y estadísticas demográficas
de todo el país. El proyecto fue actualizado en tiempo real con
información del recuento provisional de las elecciones nacionales de
2011 en ese país y dio resúmenes de los resultados. Fue una iniciativa
de Hacks/Hackers Buenos Aires con el analista político Andy Tow, y un
esfuerzo colaborativo de periodistas, programadores, diseñadores,
analistas, cientistas políticos e otros integrantes del capítulo local
de Hacks/Hackers.

#### ¿Qué datos usamos?

Todos los datos provienen de fuentes oficiales: la Dirección Nacional
Electoral dio acceso a los datos del recuento provisional por Indra; el
Ministerio del Interior dio información sobre cargos electorales y
candidatos de los distintos partidos políticos; [un proyecto
universitario](http://yoquierosaber.org/) dio información biográfica y
las plataformas políticas de cada lista electoral; mientras que la
información socio-demográfica provino del Censo Nacional de 2001 de
Población y Vivienda (INDEC), el censo de 2010 (INDEC) y el ministerio
de Salud.

#### ¿Cómo se desarrolló?

La aplicación fue generada durante el Hackatón Electoral 2011 de
Hacks/Hackers Buenos Aires, el día antes de las elecciones del 23 de
octubre de 2011. El hackatón tuvo la participación de 30 voluntarios de
una variedad de especialidades. El Hack Electoral fue desarrollado como
una plataforma abierta que podría mejorarse con el tiempo. Para la
tecnología usamos Google Fusion Tables, Google Maps y bibliotecas de
gráficos vectoriales.

Trabajamos en la construcción de polígonos para presentar mapeado
geográfico y demografía electoral. Combinando polígonos en software GIS
y geometrías de tablas públicas en las Tablas de Fusión Google,
generamos tablas con claves correspondientes a la base de datos
electorales del ministerio del Interior, Indra y datos
socio-demográficos de INDEC. A partir de esto creamos visualizaciones en
Google Maps.

Usando el API Google Maps, publicamos varios mapas temáticos
representando la distribución espacial de la votación con distintos
tonos de color, donde la intensidad del color representaba el porcentaje
de votos para varias candidaturas presidenciales en distintos
departamentos administrativos y centros de votación, con particular
énfasis en centros urbanos importantes: de la ciudad de Buenos Aires,
los 24 distritos del Gran Buenos Aires y las ciudades de Córdoba y
Rosario.

Usamos la misma técnica para generar mapas temáticos de elecciones
anteriores, a saber las primarias presidenciales de 2011 y la elección
de 2007, así como la distribución de los datos socio-demográficos, tales
como los de pobreza, mortalidad infantil y condiciones de vida,
permitiendo análisis y comparaciones. El proyecto también mostró la
distribución espacial de las diferencias porcentuales de votos obtenidos
por cada candidatura en la elección general de octubre, comparado con la
elección primaria de agosto.

Luego, usando datos de recuentos parciales, creamos un mapa animado
presentando la anatomía del recuento, en el que se muestra el avance del
mismo desde el cierre de la votación hasta la mañana siguiente.

#### Pros

-   Nos propusimos representar datos y lo logramos. Teníamos la 
    [base de datos socio-demográfica infantil](http://infoargentina.unicef.org.ar/) 
    de UNICEF, a mano así como la base de datos creada por el yoquierosaber.org
    de la Universidad Torcuato Di Tella. Durante el hackatón reunimos un gran
    volumen de datos adicionales que terminamos no incluyendo.
-   Claramente el trabajo periodístico y de programación se vio
    enriquecido por los estudios académicos. Sin la contribución de Andy
    Tow e Hilario Moreno Campos, el proyecto no se hubiera podido
    realizar.

#### Contras

-   Los datos socio-demográficos que pudimos utilizar no estaban
    actualizados (la mayor parte era del censo de 2001) y no era muy
    granular. Por ejemplo, no incluía detalles de PBI promedio local,
    principal actividad económica, nivel educativo, número de escuelas,
    médicos per cápita y muchas otras cosas que hubiera sido bueno
    tener.
-   Originalmente el sistema debía ser una herramienta que pudiera
    usarse para combinar y mostrar datos arbitrariamente, de modo que el
    periodista pudiera mostrar fácilmente datos que le interesaran en la
    red. Pero tuvimos que dejar esto para otro momento.
-   Dado que el proyecto fue creado por voluntarios en un plazo breve,
    fue imposible hacer todo lo que queríamos. De todos modos avanzamos
    mucho en el sentido adecuado.
-   Por el mismo motivo, todo el trabajo colaborativo de 30 personas
    terminó condensado en un solo programador cuando los datos del
    gobierno comenzaron a aparecer, y tuvimos problemas para importar
    datos en tiempo real. Estos problemas se resolvieron en cuestión de
    horas.

#### Implicancias

La plataforma de Hack Electoral tuvo gran impacto en los medios, con
cobertura en televisión, radio, medios impresos y online. Mapas del
proyecto fueron utilizados por varias plataformas de medios durante las
elecciones y en días subsecuentes. Con el paso del tiempo, los mapas y
visualizaciones fueron actualizados, incrementando aún más el tráfico.
El día de la elección, el sitio creado ese mismo día recibió alrededor
de 20.000 visitantes diferentes y sus mapas fueron reproducidos en la
tapa del diario Página/12 2 días consecutivos, así como en artículos en
La Nación. Algunos mapas aparecieron en las ediciones impresas del
diario Clarín. Fue la primera vez en la historia del periodismo
argentino que se utilizó un despliegue interactivo de mapas en tiempo
real. En los mapas centrales se podía ver claramente la victoria
abrumadora de Cristina Fernández de Kirchner por el 54 por ciento de los
votos, desglosada por la saturación de color. También sirvió para ayudar
a los usuarios a entender casos específicos donde candidatos locales
tuvieron victorias por amplio margen en las provincias.

— *Mariano Blejman, Mariana Berruezo, Sergio Sorín, Andy Tow, and Martín
Sarsale from Hacks/Hackers Buenos Aires*


## Datos en las noticias: WikiLeaks

Comenzó con uno de los integrantes del equipo de periodismo
investigativo preguntando: “¿Ustedes son buenos con las planillas de
cálculo verdad?” Y esta era una enorme planilla de cálculo: 92.201 filas
de datos, cada una conteniendo un análisis de un evento militar en
Afganistán. Estos fueron los registros de [la guerra de
WikiLeaks](http://bit.ly/guardian-warlogs). En realidad, la primera
parte. Siguieron 2 episodios más: Irak y los cables. El término oficial
fue SIGACTS: la base de datos de Acciones Significativas de las Fuerzas
Armadas de Estados Unidos.

Los registros de guerra de Afganistán –compartidos con The New York
Times y Der Spiegel- fueron periodismo de datos en acción. Lo que
queríamos hacer era permitir a nuestro equipo de periodistas
especializados obtener grandes historias humanas a partir de la
información y queríamos analizarlos para tener el cuadro general,
mostrar cómo iba la guerra realmente.

Desde el comienzo fue central para lo que íbamos a hacer saber que no
publicaríamos toda la base de datos. WikiLeaks ya iba a hacer eso y
queríamos estar seguros de no revelar los nombres de los informantes, o
poner en peligro innecesariamente tropas de la OTAN. Al mismo tiempo,
teníamos que hacer más fácil el uso de los datos para nuestro equipo de
periodistas investigadores encabezados por David Leigh y Nick Davies
(que habían negociado la difusión de los datos con Julian Assange).
También queríamos simplificar el acceso a información clave en el mundo
real, haciéndola tan clara y abierta como pudiéramos.

Los datos llegaron a nosotros como un inmenso archivo Excel, más de
92.201 filas de datos, algunas conteniendo nada o mal formateadas. No le
servía a los periodistas que trataban de buscar historias y era
demasiado grande como para hacer informes significativos.

Nuestro equipo creó una base de datos interna simple usando SQL. Los
periodistas podían a partir de allí buscar por medio de palabras clave o
eventos. De pronto el conjunto de datos se volvió accesible y generar
historias se hizo más fácil.

Los datos estaban bien estructurados: cada evento tenía los siguientes
datos claves: hora, día, descripción, cifras de bajas y, crucialmente,
latitud y longitud detalladas.

También comenzamos a filtrar los datos para ayudarnos a contar una de
las historias claves de la guerra: el aumento de los ataques con DEI
(dispositivos explosivos improvisados), bombas caseras al costado del
camino que son impredecibles y difíciles de combatir. Este conjunto de
datos seguía siendo enorme pero más fácil de manejar. Hubo alrededor de
7500 explosiones o emboscadas con DEI (una emboscada es donde el ataque
se combina, por ejemplo, con fuego de armas pequeñas o de misiles con
granadas) entre 2004 y 2009. Hubo otros 8000 DEI descubiertos y
desactivados. Queríamos ver cómo cambiaban con el tiempo y hacer
comparaciones. Estos datos nos permitieron ver que el sur, donde estaban
las tropas británicas y canadienses, era la zona más golpeada, lo que
confirmaba lo que sabían nuestros corresponsales que habían cubierto la
guerra.

La difusión de los registros de la guerra de Irak en octubre de 2010
descargó otros 391.000 registros de la guerra de Irak en la escena
pública.

Esto estaba en una categoría diferente de la filtración sobre
Afganistán; se puede decir que \[line-through\]\*esto\*convirtió a esta
en la guerra más documentada de la historia. Ahora contábamos con cada
detalle menor para analizarlo y desglosarlo. Pero se destaca un factor:
el volumen de las muertes, la mayoría de las cuales eran de civiles.

Tal como en el caso de Afganistán, The Guardian decidió no volver a
publicar la base de datos completa, en gran medida porque no podíamos
estar seguros de que el conjunto no contuviera detalles confidenciales
de informantes y demás.

![Los registros de guerra de The WikiLeaks (The Guardian)](figs/incoming/03-GG.jpg)

Pero sí permitimos a nuestros usuarios descargar una planilla de cálculo
que contenía los registros de cada incidente en el que alguien murió,
casi 60.000 en total. Eliminamos el sumario por lo que solo estaban los
datos básicos: el encabezado militar, la cantidad de muertes y la
ubicación geográfica.

También tomamos todos estos incidentes en los que murió alguien y los pusimos 
en [un mapa usando Google Fusion Tables](http://bit.ly/guardian-iraq-map). 
No era perfecto, pero sí un comienzo para tratar de mapear los patrones 
de destrucción que habían devastado Irak.

Los cables se difundieron en diciembre de 2010. Esto entraba en otra
liga, un inmenso conjunto de datos de documentos oficiales: 251.287
despachos, de más de 250 embajadas y consulados estadounidenses. Es un
cuadro único de lenguaje diplomático de EE.UU., incluyendo más de 50.000
documentos que cubren la actual administración Obama. ¿Qué incluían los
datos?

Los cables mismos vinieron vía el inmenso Secret Internet Protocol
Router Network (Red de Ruteo del Protocolo Secreto de Internet),
conocido por la sigla SIPRNet. Es el sistema de Internet mundial militar
de Estados Unidos, que se mantiene separado de la Internet civil común y
es dirigida por el departamento de Defensa en Washington. Desde los
ataques de septiembre de 2001 había habido una iniciativa en Estados
Unidos de vincular archivos de información gubernamental, con la
esperanza de que datos claves de inteligencia ya no quedaran atrapados
en compartimentos estancos o presentados fuera de contexto. Un número
creciente de embajadas de EE.UU. han sido conectados a SIPRNet en la
última década, de modo que pueda compartirse la información militar y
diplomática. Para 2001, había 125 embajadas en SIPRNet; para 2005 la
cifra había crecido a 180 y a esta altura la gran mayoría de las
misiones de EE.UU. en el mundo entero están vinculadas con el sistema,
que es el motivo por el que grueso de estos cables son de 2008 y 2009.
Como escribió David Leigh:

> Un despacho de embajada marcado como SIPDIS es descargado
automáticamente al sitio clasificado de la embajada. Allí no solo puede
verlo cualquiera en el departamento de Estado, sino cualquiera de las
fuerzas armadas de EE.UU. que tenga acceso de seguridad de nivel
“Secreto”, una clave, y una computadora conectada a SIPRNet.

> 1.  lo que asombrosamente abarca a 3.000.000 de personas. Hay varias
    capas de datos aquí; llegando hasta la clasificación de *SECRET
    NOFORN*, que significa que no podrán mostrarse jamás a quienes no
    sean ciudadanos estadounidenses. En cambio se supone que son para
    que los lean funcionarios en Washington hasta el nivel de la
    secretaria de Estado, Hillary Clinton. Los cables normalmente son
    redactados por el embajador local o subordinados. No se puede
    acceder a los documentos de “Secreto Máximo” y por encima de
    documento de inteligencia extranjera desde SIPRNet.

A diferencia de las anteriores entregas, esta era predominantemente de
texto, no cuantificada ni con datos idénticos. Esto es lo que incluía:

 Una fuente 

:   La embajada o el ente que envió los datos

 Una lista de receptores 

:   Normalmente los cables eran enviados a una cantidad de embajadas y
    entes.

 Un campo de tema 

:   Una síntesis del cable.

 Etiquetas 

:   Cada cable estaba etiquetado con una cantidad de abreviaturas
    claves.

 Cuerpo del texto 

:   El cable mismo. Optamos por no publicar estos completos por razones
    obvias.

Un detalle interesante de esta historia es cómo los cables casi crearon
filtraciones a demanda. Durante semanas ocuparon el centro de las
noticias al ser publicada; ahora, cada vez que aparece una historia
acerca de algún régimen corrupto o un escándalo internacional, el acceso
a los cables nos da nuevas historias.

El análisis de los cables es una tarea enorme que quizás nunca se
termine por completo.

— *Esta es una versión editdada de un capítulo publicado en Facts are
Sacred: The Power of Data de Simon Rogers, the Guardian (published on
Kindle)*


## Hackatón Mapa76

Inauguramos el capítulo de 
[Hacks/Hackers de Buenos Aires](http://www.meetup.com/HacksHackersBA/) 
en abril de 2011. Fuimos anfitriones de 2 encuentros iniciales para difundir la
idea de mayor colaboración entre periodistas y programadores que incluyó
entre 120 y 150 personas en cada evento. Para una tercera reunión tuvimos
un hackatón de 30 horas con 8 personas en una conferencia de periodismo
digital en la ciudad de Rosario, a 300 kilómetros de Buenos Aires.

Un tema recurrente en estas reuniones fue el deseo de recoger grandes
volúmenes de datos de la red y luego representarlos visualmente. Para
ayudar con esto, nació un proyecto llamado Mapa76.info, que ayuda a los
usuarios a extraer datos y luego desplegarlos usando mapas y líneas de
tiempo. Una tarea nada fácil.

![Mapa76 (Hacks/Hackers Buenos Aires)](figs/incoming/03-MM.png)

¿Por qué Mapa76? El 24 de marzo de 1976 hubo un golpe de Estado en la
Argentina, que duró hasta 1983. En ese período hubo según se estima
30.000 desaparecidos, miles de muertes y 500 niños nacidos en cautiverio
apropiados por la dictadura militar. Pasados más de 30 años, la cantidad
de gente condenada en la Argentina por crímenes de lesa humanidad
cometidos durante la dictadura llega a 262 personas (septiembre de
2011). En este momento hay 14 juicios en curso y 7 con fecha de comienzo
establecida. Hay 802 personas en varios casos en las cortes.

Estos juicios generan grandes volúmenes de datos que son difíciles de
procesar para los investigadores, periodistas, organizaciones de
derechos humanos, jueces, fiscales y otros. Los datos se producen de
modo distribuido y los investigadores a menudo no recurren a
herramientas de software para ayudarse a interpretarlos. Esto significa
que a menudo no son tenidos en cuenta y las hipótesis son limitadas.
Mapa76 es una herramienta de investigación que da acceso abierto a esta
información con propósitos periodísticos, legales, jurídicos e
históricos.

Para preparar el hackatón creamos una plataforma que programadores y
periodistas pudieran usar para colaborar en el día del evento. Martín
Sarsale desarrolló algunos algoritmos básicos para extraer datos
estructurados de documentos de texto simples. También se usaron algunas
bibliotecas del proyecto DocumentCloud.org, pero no demasiadas. La
plataforma analiza y extrae de manera automática nombres, fechas y
lugares de textos y permite a los usuarios explorar datos claves sobre
distintos casos (por ejemplo, fecha de nacimiento, lugar de arresto,
supuesto lugar de desaparición y así siguiendo).

Nuestra meta era proveer una plataforma para la extracción automática de
datos sobre los juicios contra la dictadura militar en la Argentina.
Queríamos una manera de desplegar automáticamente (o al menos
semi-automáticamente) datos claves relacionados con casos entre 1976 y
1983 basado en evidencias escritas, argumentos y juicios. Los datos
extraídos (nombres, lugares y fechas) son recogidos, almacenados y
pueden ser analizados y refinados por el investigador, así como
explorados usando mapas, líneas de tiempo y herramientas de análisis de
redes.

El proyecto permitirá a periodistas e investigadores, fiscales y
testigos seguir la historia de vida de una persona, incluyendo por
supuesto su cautiverio y posterior desaparición o liberación. Donde
falte información, los usuarios pueden buscar en un vasto número de
documentos que podrían ser de posible relevancia para el caso.

Para el hackatón hicimos un anuncio público a través de [Hacks/Hackers
Buenos Aires](http://www.meetup.com/HacksHackersBA/), que entonces tenía
alrededor de 200 miembros (en el momento de escribir este informe hay
alrededor de 540). También contactamos muchas asociaciones de derechos
humanos. De la reunión participaron unas cuarenta personas, incluyendo
periodistas, organizaciones de defensa de los derechos humanos,
programadores y diseñadores.

Durante el hackatón identificamos tareas que distintos tipos de
participantes podían desarrollar de forma independiente para ayudar a
que las cosas funcionaran bien. Por ejemplo, pedimos a diseñadores que
trabajaran en una interfaz que combinara mapas y líneas de tiempos,
pedimos a programadores que analizaran maneras de extraer datos
estructurados y logaritmos para eliminar ambigüedades relacionadas con
nombres, y pedimos a periodistas que investigaran qué había pasado con
gente específica, para comparar distintas versiones de historias y
analizar documentos para narrar historias sobre casos particulares.

Probablemente el principal problema que tuvimos después del hackatón fue
que nuestro proyecto era muy ambicioso, nuestros objetivos de corto
plazo exigentes, y es difícil coordinar una red de voluntarios
dispersos. Casi todos los involucrados con el proyecto tenían empleos
que les ocupaban mucho tiempo y muchos participaban además de otros
eventos y proyectos. Hacks/Hackers Buenos Aires tuvo 9 reuniones en 2011.

El proyecto está actualmente en desarrollo activo. Hay un equipo central
de 4 personas trabajando con más de una docena de colaboradores. Tenemos
una [lista de correo pública](http://groups.google.com/group/mapa76-dev/) y un 
[centro de almacenado de código](https://github.com/mapa76/) a través del cual
cualquiera puede involucrarse en el proyecto.

— *Mariano Blejman, Hacks/Hackers Buenos Aires*


## Cobertura de los disturbios en el Reino Unido por el Datablog de The Guardian

Durante el verano de 2011, hubo una oleada de disturbios en el Reino
Unido. En aquel momento, algunos políticos sugirieron que estas acciones
categóricamente no estaban vinculadas con la pobreza y los que saquearon
fueron simplemente criminales. Lo que es más, el primer ministro, junto
con los principales políticos conservadores, culparon a los medios
sociales por causar los disturbios, sugiriendo que había habido
incitación desde estas plataformas y que los disturbios fueron
organizados a través de Facebook, Twitter y Blackberry Messenger (BBM).
Hubo reclamos para cerrar temporariamente los medios sociales. Debido a
que el gobierno no hizo una investigación de por qué se dieron los
disturbios, The Guardian, en colaboración con la London School of
Economics, creó un proyecto innovador para abordar estas cuestiones, llamado 
[Reading the Riots](http://www.guardian.co.uk/uk/series/reading-the-riots) 
(Leer los Disturbios),

![Los disturbuios en Reino Unido: todos los incidentes verificados (The Guardian)](figs/incoming/03-ZZ.png)

El diario usó periodismo de datos a gran escala para permitir al público
comprender mejor quién saqueaba y por qué. También trabajaron con otro
equipo de académicos, encabezados por el profesor Rob Procter de la
universidad de Manchester para entender mejor el rol de los medios
sociales, que The Guardian mismo había usado abundantemente para sus
informes durante los disturbios. El equipo de *Reading the Riots* fue
encabezado por Paul Lewis, el Editor de Proyectos Especiales de The
Guardian. Durante los disturbios Paul reportó desde el lugar de los
eventos en ciudades de toda Inglaterra (fundamentalmente a través de su
cuenta de Twitter @paullewis). Este segundo equipo trabajó a partir de
26.000.000 de tweets sobre los disturbios puestos a disposición por
Twitter. El objetivo principal de este trabajo con los medios sociales
fue ver cómo circulan los rumores en esa red social, la función que
tienen distintos usuarios/actores en la propagación y difusión de flujos
de información, para ver si se usó la plataforma para incitar, y para
examinar otras formas de organización.

En términos del uso del periodismo de datos y visualizaciones, es útil
distinguir 2 períodos claves: el período de los disturbios mismos y las
maneras en que los datos ayudaron a narrar historias mientras se
desarrollaban los disturbios; y luego un segundo período de
investigación mucho más intensa con 2 conjuntos de equipos académicos
trabajando con The Guardian, para recolectar datos, analizarlos, y
escribir informes con análisis de fondo sobre lo descubierto. Los
resultados de la primera fase del proyecto *Reading the Riots* fueron
publicados durante una semana de cobertura extensiva a comienzos de
diciembre de 2011. A continuación aparecen algunos ejemplos claves de
cómo se usó el periodismo de datos durante ambos períodos.

#### Primera fase: los disturbios mientras sucedían 

Usando mapas simples, el equipo de datos de The Guardian mostró
[localizaciones de lugares de disturbios confirmados](http://bit.ly/guardian-riots-map) 
y combinando datos de pobreza con 
[los lugares donde se dieron los disturbios](http://bit.ly/guardian-riots-poverty), 
se comenzó a dejar sin sustento el discurso político central de que no había ningún vínculo
con la pobreza. En ambos ejemplos se utilizaron herramientas de mapeo
preexistentes y, en el segundo caso, se combinaron datos de ubicación
con otro conjunto de datos para comenzar a establecer otras conexiones y
vínculos.

En relación al uso de medios sociales durante los disturbios (en este
caso, Twitter), el diario creó 
[una visualización de hashtags](http://bit.ly/guardian-riots-twitter) 
relacionadas con los disturbios usadas durante este período, lo que destacó que Twitter fue
usado principalmente para responder a disturbios en vez de para
organizar a gente para saquear, con \#riotcleanup, la campaña espontánea
para limpiar las calles después de los disturbios, mostrando el salto
más significativo durante el período de los disturbios.

#### Fase 2: análisis de los disturbios

Con relación al momento en que el diario informó sus conclusiones luego
de meses de investigaciones intensivas trabajando en estrecha
colaboración con 2 equipos académicos, se destacan 2 visualizaciones que
han sido ampliamente debatidas. La primera, 
[un video corto](http://bit.ly/guardian-riots-commute), muestra los resultados de
combinar los lugares conocidos donde la gente protagonizó disturbios con
sus lugares de vivienda y mostrando lo que se llamó “viaje a los
disturbios”. Aquí el diario trabajó con un especialista en mapeo de
transporte, ITO World, para hacer un modelo de la ruta más probable
utilizada por quienes protagonizaron los disturbios al dirigirse a los
distintos lugares donde saquearon, lo que destaca patrones diferentes
para distintas ciudades, con viajes largos en algunas de ellas.

La segunda se refiere a las maneras en que se extienden los rumores en
Twitter. En debate con el equipo académico, se escogieron 7 rumores para
su análisis. El equipo académico entonces recolectó todos los datos
relacionados con cada rumor y diseñó un código que identifica cada tweet
de acuerdo a los 4 códigos principales: gente que simplemente repite el
rumor (afirma algo), lo rechaza (afirma algo contrario), lo cuestiona
(interrogación) o simplemente lo comenta (comentario). Todos los tweets
fueron codificados por triplicado y los resultados 
[fueron visualizados](http://bit.ly/guardian-riots) por el equipo interactivo de
The Guardian. El equipo de The Guardian 
[escribió acerca de cómo construyó las visualizaciones](http://bit.ly/guardian-riots-twitter-interactive).

Lo llamativo de esta visualización es que muestra de manera potente lo
que es muy difícil de describir y que es la naturaleza viral de los
rumores y las maneras en que se desarrolla su ciclo vital a lo largo del
tiempo. El rol de los principales medios es evidente en algunos de estos
rumores (por ejemplo, rechazándolos abiertamente, o confirmándolos
rápidamente como noticias), al igual que la naturaleza correctiva de
Twitter mismo en términos de responder a tales rumores. Esta
visualización no solo ayudó mucho a narrar la historia, sino que también
dio una visión real de cómo funcionan los rumores en Twitter, lo que
aporta información útil para responder a eventos futuros.

Lo que resulta claro a partir del último ejemplo es la poderosa sinergia
entre el diario y un equipo académico capaz de un análisis profundo de
2.600.000 de tweets producidos en los disturbios. Si bien el equipo
académico creó un conjunto de herramientas para hacer su análisis, ahora
están trabajando para hacer que estas estén disponibles para cualquiera
que desee utilizarlas ofreciendo un centro de trabajo para su análisis.
Combinado con la explicación de cómo hacer las cosas aportada por el
equipo de The Guardian, constituye un estudio de caso que es útil porque
muestra cómo el análisis de medios sociales y las visualizaciones pueden
ser usadas para narrar historias importantes.

— *Farida Vis, University of Leicester*


## Evaluaciones de escuelas de Illinois

Cada año la Dirección Estadual de Educación de Illinois difunde
“evaluaciones” de escuelas, datos sobre la demografía y el desempeño de
todas las escuelas públicas de Illinois. Es un conjunto de datos masivo.
El informe de este año tenía 9500 columnas de ancho. El problema con esa
cantidad de datos es decidir qué presentar. (Como sucede con cualquier
proyecto de software, lo difícil no es crear el software, sino crear el
software correcto).

Trabajamos con los periodistas y el editor de Educación para escoger los
datos más relevantes. (hay muchos datos que parecen interesantes, pero
que un periodista le dirá que en realidad son falsos o engañosos).

También encuestamos y entrevistamos gente con hijos en edad escolar en
nuestra redacción. Hicimos esto por la existencia de una brecha de
empatía: ninguno de los miembros del equipo de aplicaciones de noticias
tiene chicos en edad escolar. Por esta vía descubrimos muchas cosas
acerca de nuestros usuarios y de la practicidad (o falta de ella) de la
versión anterior de nuestro sitio sobre escuelas.

![2011 Los boletines de las escuelas de Illinois (Chicago Tribune)](figs/incoming/03-EE.png)

Nos orientamos a diseñar para un par de usuarios y casos de uso
específicos:

-   Padres con un niño en la escuela que quieren saber cómo es el
    desempeño de su escuela
-   Padres que trataban de determinar dónde les convenía vivir, dado que
    la calidad de las escuelas a menudo tiene un gran impacto sobre esa
    decisión

La primera vez el sitio sobre escuelas fue un proyecto de 2 diseñadores
de alrededor de 6 semanas. La actualización de 2011 fue un proyecto de 2
diseñadores de 4 semanas. (en realidad hubo 3 personas trabajando
activamente en el proyecto más reciente, pero ninguna de ellas era
full-time, por lo que equivalen a 2).

Una pieza clave de este proyecto fue el diseño de la información. Aunque
presentamos mucho menos datos de los que hay disponibles, siguen siendo
*muchos* datos, y hacerlos digeribles fue un desafío. Por suerte,
pudimos tomar alguien prestado de nuestra mesa de gráficos, un diseñador
especializado en presentar información complicada. Nos enseñó mucho
acerca del diseño de cuadros y, en general, nos guió para producir una
presentación que es legible, pero no subestima la capacidad o el deseo
del lector de entender las cifras.

El sitio fue creado con Python y Django. Los datos están almacenados en
MongoDB: los datos sobre escuelas son heterogéneos y jerárquicos, lo que
hace que no funcionen bien en una base de datos relacional (de otro modo
probablemente hubiésemos usado PostgreSQL).

Por primera vez experimentamos con el marco de interfaz de usuario
Bootstrap de Twitter en este proyecto y los resultados nos dejaron
contentos. Los gráficos fueron dibujados con Flot.

La aplicación también alberga las muchas historias sobre evaluación
escolar que hemos escrito. En ese sentido es una especie de portal;
cuando hay una nueva historia de evaluación de escuelas la ubicamos a la
cabeza de la aplicación, junto con listas de escuelas que son relevantes
para la historia (y cuando aparece una nueva historia, a los lectores de
[chicagotribune.com](http://www.chicagotribune.como/) se los reorienta
hacia la aplicación, no el artículo).

Los primeros indicios muestran que a los lectores les encanta la
aplicación sobre las escuelas. La retroalimentación que hemos recibido
en gran medida ha sido positiva (o al menos constructiva) y la cantidad
de visitas es enorme. Como premio, estos datos mantendrán su interés
todo un año, por lo que aunque prevemos que se reducirán las visitas al
ir desapareciendo las historias sobre escuelas en la página de inicio,
nuestra experiencia nos indica que los lectores recurren a esta
aplicación todo el año.

Algunas ideas claves que surgieron del proyecto son:

-   Los diseñadores gráficos son nuestros amigos. Son buenos para hacer
    digerible información compleja.
-   Hay que pedir ayuda a la redacción. Este es el segundo proyecto para
    el que realizamos una encuesta y entrevistas en la redacción, y es
    una gran manera de tener opiniones de gente reflexiva que, como
    nuestro público, es diversa en cuanto a sus inclinaciones y en
    general se siente incómoda con las computadoras.
-   ¡Muestre su trabajo! Gran parte de la retroalimentación tomó la
    forma de pedidos de los datos que usó la aplicación. Pusimos muchos
    datos a disposición del público vía una API, y pronto difundiremos
    todo lo que no incluimos inicialmente.

— *Brian Boyer, Chicago Tribune*


## Facturación de hospitales

Periodistas de investigación de 
[California Watch](http://californiawatch.org/) recibieron informes de que
una gran cadena de hospitales de ese estado norteamericano podía estar
haciendo trampas sistemáticamente contra el programa federal Medicare
que paga los tratamientos médicos de estadounidenses de 65 años o más.
La trampa denunciada se llama *upcoding* (subir el código), que significa
reportar pacientes con problemas más complicados de salud –con reembolsos 
más elevados- que los reales. Pero una fuente clave era un sindicato que
estaba enfrentado con la administración de la cadena de hospitales, y el
equipo de California Watch sabía que era necesaria una verificación
independiente para que la historia tuviera credibilidad.

Por suerte, el departamento de Salud de California tiene registros
públicos que dan información muy detallada sobre cada caso tratado en
todos los hospitales del estado. Las 128 variables incluyen hasta 25
códigos de diagnóstico del manual de “Clasificación Estadística
Internacional de Enfermedades y Problemas de Salud Relacionados”
(conocido comúnmente como ICD-9) publicado por la Organización Mundial
de la Salud (OMS). Aunque no se identifica a los pacientes por su
nombre, si aparece la edad del paciente, cómo se pagó por el tratamiento
y qué hospital lo trató. Los periodistas advirtieron que con estos
registros, podían ver si los hospitales propiedad de la cadena estaban
informando ciertas enfermedades inusuales en proporciones
significativamente mayores que en otros hospitales.

![Kwashiorkor (California Watch)](figs/incoming/03-AA.png)

Los conjuntos de datos eran grandes: casi 4.000.000 de registros por
año. Los periodistas querían estudiar los registros de 6 años para ver
cómo cambiaban los patrones a lo largo del tiempo. Pidieron los datos al
ente estatal; llegaron en varios CD-ROM que se copiaron fácilmente a una
computadora de escritorio. El periodista que hizo el análisis de los
datos usó un sistema [llamado SAS](http://www.sas.com/) para trabajar
con los datos. SAS es muy poderoso (permitiendo el análisis de muchos
millones de registros) y es usado por numerosos entes estatales,
incluyendo el departamento de Salud de California, pero es costoso. Se
pudo haber hecho el mismo tipo de análisis usando una variedad de
herramientas de bases de datos, tales como el Access de Microsoft o
[MySQL](http://www.mysql.com/) de código abierto.


Con los datos y los programas para estudiarlos, encontrar patrones
sospechosos fue relativamente simple. Por ejemplo, una acusación era que
la cadena estaba informando de gente con diversos grados de desnutrición
con porcentajes mucho más altos que lo que se veía en otros hospitales.
Usando SAS, el analista de datos extrajo tablas de frecuencia que
muestran la cantidad de casos de desnutrición informados cada año por
cada uno de los más de 300 hospitales de agudos de California. Las
tablas de frecuencia luego eran importadas a Microsoft Excel para un
análisis más fino de los patrones de cada hospital; la capacidad de
Excel de ordenar, filtrar y calcular tasas a partir de las cifras en
bruto facilitó la tarea de encontrar patrones.

Eran particularmente llamativos los informes de una enfermedad llamada
Kwashiorkor, un síndrome de deficiencia de proteínas que se ve casi
exclusivamente en infantes que mueren por desnutrición en países en
desarrollo afectados por hambrunas. Pero la cadena estaba informando que
sus hospitales diagnosticaban Kwashiorkor entre personas mayores de
California en cantidades 770 veces mayores que [el promedio de los
hospitales del estado](http://bit.ly/californiawatch-malnutrition).

Para otras historias, los análisis usaron técnicas similares para
examinar las cantidades reportadas de [enfermedades como septicemia,
encefalopatía, hipertensión maligna y desórdenes nerviosos
autonómicos](http://bit.ly/californiawatch-rare). Otro estudio analizó
las denuncias de que la cadena estaba admitiendo en internación,
provenientes de sus salas de emergencias, porcentajes 
[inusualmente elevados de pacientes de Medicare](http://bit.ly/californiawatch-chains), 
cuya fuente de pagos de cuidados hospitalarios es más segura que lo que 
sucede con muchos otros pacientes atendidos en salas de emergencias.

En síntesis, historias como estas son posibles cuando se usan datos para
producir evidencias que evalúan de forma independiente acusaciones de
fuentes que pueden tener sus propios objetivos. Estas historias también
son un buen ejemplo de la necesidad de leyes de registro público
robustas; el motivo por el que el estado requiere que los hospitales
informen estos datos es para que se pueda hacer este tipo de análisis,
ya sea por el propio estado o por académicos, investigadores o incluso
ciudadanos periodistas. El tema de estas historias es importante porque
examina si se está gastando como corresponde millones de dólares de
fondos públicos.

— *Steve Doig, Walter Cronkite School of Journalism, Arizona State University*


## Crisis de los geriátricos

 Una [investigación del Financial Times](http://on.ft.com/care-home-crisis) 
sobre geriátricos sacó a luz como algunos inversores de capitales privados 
convierten el cuidado de las personas mayores en una máquina de obtener
ganancias, y destacó los costos mortales de un modelo de negocios que
promueve las ganancias por encima de los cuidados.

El análisis se hizo en un buen momento, porque los problemas financieros
de Southern Cross, entonces el mayor operador de geriátricos del país,
estaban llegando a un punto álgido. El gobierno había impulsado durante
décadas la privatización en el sector de los geriátricos y seguía
aplaudiendo al sector privado por sus prácticas de negocios astutas.

Nuestra investigación comenzó con el análisis de datos que obtuvimos del
ente regulador británico a cargo de inspeccionar los geriátricos. La
información era pública, pero se requirió mucha persistencia para
conseguir los datos en una forma que fuera utilizable.

Los datos incluían calificaciones (ahora eliminadas) del desempeño de
geriátricos individuales y un desglose de si eran privados, estatales o
sin fines de lucro. La Comisión de Calidad de Cuidados (CQC) hasta junio
de 2010 calificaba a los geriátricos de acuerdo a su calidad (0
estrellas = mala, 3 estrellas = excelente).

El primer paso requirió mucha depuración de datos, ya que la información
provista por la Comisión de Calidad de Cuidados contenían
categorizaciones que no eran uniformes. Esto se hizo primordialmente
usando Excel. También determinamos –a través de investigaciones de
escritorio y telefónicas- si había geriátricos particulares que fueran
propiedad de grupos de capitales privados. Antes de la crisis
financiera, el sector de los geriátricos era un imán para el capital
privado e inversores inmobiliarios, pero varios de ellos -tales como
Southern Cross- habían comenzado a tener serias dificultades
financieras. Queríamos establecer qué efecto, si es que había alguno,
tenía el hecho de la presencia de capitales privados en la calidad de
los cuidados.

Un conjunto de cálculos relativamente simples con Excel nos permitieron
establecer que los geriátricos sin fines de lucro y estatales en
promedio tenían un desempeño significativamente mejor que los del sector
privado. Algunos grupos de geriátricos de capitales privados funcionaban
por encima del promedio y otros por debajo.

Junto con informes in situ, estudios de casos de abandono, un análisis
profundo de las fallas de las políticas regulatorias, así como otros
datos sobre niveles de paga, tasas de rotación, etc., nuestro análisis
nos permitió armar un cuadro del estado real de los geriátricos.

Algunos consejos:

-   Asegúrese de tomar notas de cómo manipula los datos originales.
-   Tenga una copia de los datos originales y nunca los modifique.
-   Verifique y vuelva a verificar los datos. Haga el análisis varias
    veces (si es necesario, a partir de cero).
-   Si menciona compañías o individuos particulares, deles derecho a
    réplica.

— *Cynthia O’Murchu, Financial Times*


## El teléfono que lo dice todo

La comprensión de la mayoría de las personas de lo que puede hacerse con
los datos que nos proveen nuestros celulares es teórica; había pocos
ejemplos de la vida real. Es por eso que Malte Spitz del partido Verde
Alemán decidió publicar sus propios datos. Para acceder a la información
tuvo que presentar una demanda contra el gigante de las
telecomunicaciones Deutsche Telekom. Los datos, contenidos en un inmenso
documento de Excel, fueron la base para el mapa interactivo del Zeit
Online. Cada una de las 35.831 filas de la planilla de cálculo
representa una instancia en la que el teléfono de Spitz transfirió
información en un período de medio año.

Vistas por separado, cada pieza de datos es casi inofensiva. Pero
tomadas de conjunto aportan lo que los investigadores llaman un perfil
de llamadas: un claro cuadro de los hábitos y preferencias de una
persona y por cierto de su vida. Este perfil revela cuándo Spitz
caminaba por la calle, cuánto tomó un tren, cuándo estaba en un avión.
Muestra que trabaja principalmente en Berlín y qué ciudades visitó.
Muestra cuándo estaba despierto y cuándo dormía.

![El teléfono que lo dice todo (Zeit Online)](figs/incoming/03-BB.png)

El conjunto de datos de Deutsche Telekom mantenía en privado una parte
del registro de los datos de Spitz, a saber, a quién llamó y quién lo
llamó a él. Ese tipo de información no solo podría infringir la
privacidad de mucha otra gente relacionada con él, también –aunque los
números estuviesen encriptados- revelaría demasiado acerca de Spitz
(pero los agentes del gobierno en el mundo real tendrían acceso a esta
información).

Pedimos a Lorenz Matzat y Michael Kreil de OpenDataCity que exploraran
los datos y encontraran una solución para la presentación visual. “Al
principio usamos herramientas como Excel y Fusion Tables para comprender
los datos. Luego comenzamos a desarrollar una interfaz del mapa que
permitiera al público interactuar con los datos de un modo no lineal”,
dijo Matzat. Para ilustrar hasta qué punto pueden obtenerse detalles de
la vida de alguien a partir de estos datos almacenados, se le sumó
información del dominio público acerca de su actividad (Twitter,
entradas en blogs, información partidaria como entradas en el calendario
público de su sitio en la red). Es el tipo de proceso que cualquier buen
investigador usaría probablemente para hacer el perfil de una persona en
observación. Junto con los gráficos del propio Zeit Online y los del
equipo de investigación y desarrollo, se creó una gran interfaz para
navegar: apretando el botón de play se inicia un viaje a través de la
vida de Malte Spitz.

Luego de un lanzamiento muy exitoso del proyecto en Alemania, advertimos
que recibíamos muchísimo tráfico de fuera de Alemania y decidimos crear
una versión en inglés de la aplicación. Luego de recibir el premio
Grimme Online Alemán, el proyecto recibió un premio ONA en septiembre de
2011, lo que fue la primera vez que lo recibía un sitio de noticias
alemán. Todos los datos están disponibles en una 
[planilla de cálculo de Google Docs](http://bit.ly/zeitonline-data). 
Lea la historia [en Zeit Online](http://www.zeit.de/datenschutz/malte-spitz-data-retention).

— *Sascha Venohr, Zeit Online*


## Tasas de reprobación de distintos modelos de auto en la prueba MOT

En enero de 2010 la BBC obtuvo datos sobre aprobaciones y rechazos en la
prueba del Ministerio de Transporte (MOT, Ministry of Transport Test)
para distintas marcas y modelos de autos. Esta es la prueba que evalúa
si un auto es seguro y está en condiciones para andar por la calle; todo
auto de más de 3 años tiene que pasar una prueba MOT anual.

Obtuvimos los datos bajo la ley de acceso a la Información luego de una
larga batalla con VOSA, el ente del departamento de Transporte que
supervisa el sistema MOT. VOSA rechazó nuestro pedido de estas cifras
con el argumento de que violaría la confidencialidad comercial. Sostuvo
que podría *causar daño comercial* a fabricantes de vehículos con altas
tasas de rechazo. Entonces apelamos al Comisionado de información, que
dictaminó que dar a conocer la información iría en favor del interés del
público. Entonces VOSA entregó los datos, 18 meses después de que los
pidiéramos.

Analizamos las cifras, concentrándonos en los modelos más populares y
comparando autos de la misma antigüedad. Esto mostró grandes
discrepancias. Por ejemplo, entre los autos de 3 años de antigüedad, 28%
de los Renault Mégane no aprobaron su MOT, en contraste con solo el 11%
de los Toyota Corolla. Las cifras se difundieron por televisión, radio y
online.

![Difusión de las tasas de rechazo en la prueba MOT (BBC)](figs/incoming/03-CC.png)

Nos entregaron los datos en la forma de un documento PDF de 1200
páginas, que tuvimos que convertir en planilla de cálculo para hacer el
análisis. Además de informar nuestras conclusiones, publicamos la
planilla de cálculo Excel (con más de 14.000 líneas de datos) en el
sitio de BBC News 
[junto con nuestra historia](http://bbc.in/mot-failure-rates). 
Esto permitió el acceso a los datos en formato usable a todos.

El resultado fue que entonces otros usaron estos datos para sus propios
análisis, que nosotros no tuvimos tiempo de hacer por el apuro de
difundir la historia rápidamente (y que en algunos casos hubiera
superado nuestra capacidad técnica de aquel momento). Esto incluyó el
examen de las tasas de rechazo para autos de otras antigüedades,
comparar los registros de fabricantes en vez de modelos individuales y
crear bases de datos para buscar los resultados de modelos individuales.
Agregamos vínculos a estos sitios en nuestra historia online, de modo
que los lectores pudieran conocer estos trabajos.

Esto ilustra algunas de las ventajas de publicar los datos en crudo
junto con una historia basada en datos. Puede haber excepciones (por
ejemplo si piensa usar los datos para otras historias posteriores y
quiere quedárselos mientras tanto), pero en general publicar los datos
tiene varios beneficios importantes:

-   Su trabajo es descubrir cosas y contarle a los ciudadanos. Si se
    tomó el trabajo de obtener los datos es parte de su trabajo
    difundirlos.
-   Otras personas pueden descubrir cuestiones de interés significativo
    que usted no vio o simplemente detalles que les importan a ellos,
    aunque no le importaran lo suficiente a usted como para incluirlos
    en su historia.
-   Otros pueden basarse en su trabajo para desarrollar un análisis más
    detallado, o usar distintas técnicas para presentar o visualizar las
    cifras, usando sus propias ideas o capacidades técnicas que pueden
    sondear los datos de modo productivo y de maneras alternativas.
-   Es parte de incorporar la rendición de cuentas y la transparencia al
    proceso periodístico. Otros pueden entender sus métodos y verificar
    su trabajo si quieren.

— *Martin Rosenbaum, BBC*


## Subsidios a colectivos en Argentina

Desde 2002 los subsidios para el sistema de transporte público de
pasajeros en la Argentina han estado creciendo de modo exponencial,
rompiendo un record cada año. Pero en 2011, luego de ganar las
elecciones, el nuevo gobierno argentino anunció reducciones de los
subsidios para los servicios públicos a partir del mes de diciembre de
ese año. Al mismo tiempo, decidió transferir la administración de líneas
locales de ómnibus y del subte al Gobierno de la Ciudad de Buenos Aires.
Dado que no se ha clarificado la transferencia de subsidios a este
gobierno municipal y hay falta de fondos locales para garantizar la
seguridad el sistema de transporte, el Gobierno porteño rechazó esta
decisión.

Mientras esto sucedía, junto con mis colegas en La Nación nos reunimos
por primera vez para discutir cómo iniciar nuestra propia operación de
periodismo de datos. Nuestro editor de la sección financiera sugirió que
los datos sobre subsidios publicados [por la secretaría de
Transporte](http://www.transporte.gov.ar/) sería un buen desafío para
comenzar, considerando que era muy difícil encontrarles sentido debido
al formato y la terminología.

Las malas condiciones del sistema de transporte público afectan la vida
de más de 5800000 pasajeros diarios. Demoras, huelgas, desperfectos de
vehículos, o incluso accidentes suceden a menudo. Por tanto, decidimos
analizar a dónde van los subsidios para el sistema de transporte público
en la Argentina y poner estos datos a disposición de todos los
ciudadanos argentinos por medio de un “Explorador de Subsidios del
Transporte”, que actualmente está en construcción.

![El explorador de subsidios al transporte (La Nación)](figs/incoming/03-LL-01.jpg)

Comenzamos por calcular cuánto reciben cada mes las compañías de ómnibus
de parte del Estado. Para hacerlo, tomamos los datos publicados en el
[sitio del departamento de Transporte](http://www.transporte.gov.ar/content/subsidios-sistau/),
donde se publican desde 2006 más de 400 PDF conteniendo pagos mensuales
en efectivo a más de 1300 compañías.

![Ranking de empresas de transporte subsidiadas (La Nación)](figs/incoming/03-LL-02.jpg)

Formamos equipo con un programador experimentado para desarrollar un
recopilador de información de modo de automatizar la descarga regular y
la conversión de estos PDF en archivos de Excel y Base de datos. Estamos
usando el conjunto de datos resultante con más de 285.000 registros para
nuestras investigaciones y visualizaciones, tanto en versión impresa
como online. Además, estamos difundiendo estos datos en formato legible
por computadora para que todo argentino pueda utilizarlos y
compartirlos.

El siguiente paso fue identificar cuánto le cuesta en promedio al
gobierno el mantenimiento mensual de un vehículo de transporte público.
Para descubrirlo consultamos otro sitio oficial, el 
[de la Comisión Nacional de Regulación del Transporte](http://www.cnrt.gov.ar/index2.htm), 
responsable de la regulación del transporte en la Argentina. En este sitio encontramos una
lista de compañías de ómnibus que poseen en total 9000 vehículos.
Desarrollamos un normalizador para permitirnos conciliar los nombres de
las compañías de transporte y hacer referencias cruzadas entre los 2
conjuntos de datos.

Para continuar, necesitábamos el número de registro de cada vehículo. En
el sitio de la CNRT encontramos una lista de vehículos discriminados por
línea de colectivo y compañía, con sus números de licencia. En
Argentina, estos registros están compuestos de letras y cifras que se
corresponden con la edad del vehículo. Por ejemplo, mi auto tiene el
número de registro IDF234, y la “I” corresponde a marzo-abril 2011.
Hicimos el cálculo inverso a partir de las licencias de los ómnibus
propiedad de las compañías registradas, para descubrir la edad promedio
de los ómnibus y mostrar cuánto dinero recibe cada compañía y finalmente
comparar los montos en base a la edad promedio de sus vehículos.

En medio de este proceso, cambió misteriosamente el contenido de los PDF
oficiales con los datos, aunque las URL y los nombres de los archivos no
se modificaron. En algunos PDF ahora faltaban los “totales” verticales,
lo que hace imposible cruzar los mismos en todo el período investigado,
2002-2011.

Llevamos este caso a un hackatón organizado por Hacks/Hackers en Boston,
donde el programador Matt Perry generosamente creó lo que llamamos el
“Espía de PDF”. Esta aplicación ganó la categoría “más intrigante” en
ese evento. El [Espía de PDFs](http://gristlabs.com/2011/09/24/pdfspy/)
apunta a una página web llena de PDF y verifica si el contenido dentro
de los PDF ha cambiado. “Nunca serán engañados nuevamente por la
supuesta “transparencia del gobierno’”, escribe Matt Perry.

![Comparación de antigüedad de flotas con el monto de dinero que reciben del Estado (La Nación)](figs/incoming/03-LL-03.jpg)

#### ¿Quién trabajó en el proyecto?

Un equipo de 7 periodistas, programadores y un diseñador interactivo
durante 13 meses.

Las capacidades que necesitamos para este proyecto fueron:

-   Periodistas con conocimiento sobre cómo funcionan los subsidios para
    el sistema de transporte público y cuáles eran los riesgos;
    conocimiento del mercado de compañías de ómnibus.
-   Un programador capacitado en recopilar datos de la red, su análisis,
    normalización y extracción de datos de PDF a planillas de cálculo
    Excel.
-   Un especialista en estadística para el análisis de los datos y los
    distintos cálculos.
-   Un diseñador para producir las visualizaciones interactivas de
    datos.

#### ¿Qué herramientas utilizamos?

Usamos VBasic para aplicaciones, Excel Macros, Tableau Public y la
Plataforma Abierta de datos Junar, así como Ruby on Rails, la API de
cuadros Google, y Mysql para el Explorador de Subsidios.

El proyecto tuvo gran impacto. Hemos tenido decenas de miles de visitas
y la investigación apareció en la primera plana de la edición impresa de
La Nación.

El éxito de este primer proyecto de periodismo de datos nos ayudó
internamente para argumentar en favor de la creación de una operación de
datos que cubra periodismo de investigación y provea servicio al
público. Esto resultó en Data.lanacion.com.ar, una plataforma donde
publicamos datos abiertos sobre distintos tópicos de interés público en
formatos procesables por computadora.

— *Angélica Peralta Ramos, La Nación (Argentina)*


## Ciudadanos periodistas de datos

No solo las grandes redacciones pueden trabajar en historias basadas en
datos. Las mismas capacidades que son útiles para los periodistas de
datos también pueden ayudar a ciudadanos periodistas a acceder a datos
sobre sus localidades y convertirlos en historias.

Ese fue la principal motivación para el proyecto de medios ciudadanos de
[Amigos de Januária](http://amigosdejanuaria.wordpress.com/), en Brasil,
que recibió un subsidio 
([de Rising Voices](http://rising.globalvoicesonline.org/), la rama de extensión de
[Global Voices Online](http://globalvoicesonline.org/) y apoyo adicional
de [la organización Article 19](http://www.article19.org/). Entre
septiembre y octubre de 2011, un grupo de jóvenes residentes de un
pequeño pueblo localizado al norte del estado de Minas Gerais, una de
las regiones más pobres de Brasil, fue capacitado en técnicas básicas de
periodismo y control de presupuesto. También aprendió cómo hacer pedidos
de acceso a la información y cómo obtener información pública de bases
de datos oficiales en internet.

![El proyecto de medios ciudadanos Amigos de Januária da capacidades claves a los ciudadanos para convertirlos en periodistas de datos](figs/incoming/03-XX.jpg)

Januária, un pueblo de aproximadamente 65.000 residentes, también es
conocido por las fallas de sus políticos locales. En 3 períodos de 4
años tuvo 7 alcaldes diferentes. Casi todos fueron removidos de sus
funciones por mal desempeño en sus administraciones, incluyendo
acusaciones de corrupción.

Los pequeños pueblos como Januária a menudo no atraen la atención de los
medios brasileños, que tienden a concentrarse en ciudades mayores y
capitales de estado. Sin embargo hay una oportunidad para que los
residentes de pequeños pueblos se conviertan en aliados potenciales en
el monitoreo de la administración pública, porque conocen mejor que
nadie los desafíos cotidianos que enfrentan las comunidades locales.
Teniendo a Internet como otro aliado importante, los residentes ahora
pueden acceder mejor a datos del presupuesto y otra información local.

Luego de participar de 12 talleres, algunos de los nuevos ciudadanos
periodistas de Januária comenzaron a demostrar cómo este concepto de
acceder a datos públicos en pequeños pueblos puede ponerse en práctica.
Por ejemplo, Soraia Amorim, una periodista ciudadana de 22 años,
escribió una historia sobre una cantidad de doctores que está en la
nómina municipal según datos del gobierno federal. Sin embargo,
descubrió que la cifra oficial no se correspondía con la situación en el
pueblo. Para escribir esta pieza, Soraia tuvo acceso a datos de salud,
que están disponibles online en [el sitio del SUS](http://bit.ly/tabnet-datasus)
(Sistema Único de Saúde,un programa federal que provee ayuda médica gratuita 
a la población brasileña. Según los datos de US, Januária debiera tener 71 doctores
en varias especialidades de salud.

El número de doctores indicado por los datos de SUS no se correspondía
con lo que Soraia sabía acerca de los doctores de la zona: los
residentes siempre se quejaban de la falta de doctores y algunos
pacientes tenían que viajar a pueblos vecinos para ver un profesional.
Más tarde entrevistó a una mujer que había estado recientemente en un
accidente de motocicleta, y no pudo conseguir ayuda médica en el
hospital de Januária porque no había ningún doctor disponible. También
habló con el secretario de Salud del pueblo, que reconoció que había
menos doctores en el pueblo de lo que indicaba la cifra publicada por el
SUS.

Estas conclusiones iniciales plantean muchos interrogantes respecto de
los motivos de estas diferencias entre la información oficial publicada
online, y la realidad del pueblo. Uno de ellos es que los datos
federales pueden estar equivocados, lo que significaría que hay una
importante falta de información de salud en Brasil. Otra posibilidad
puede ser que Januária está reportando incorrectamente la información al
SUS. Ambas posibilidades debieran llevar a una investigación más
profunda para encontrar la respuesta definitiva. Sin embargo, la
historia de Soria es una parte importante de esta cadena porque destaca
una inconsistencia y puede también alentar a otros a analizar esta
cuestión con más detenimiento.

“Yo antes vivía en el campo y terminé la secundaria con mucha
dificultad”, dice Soraia. “Cuando la gente me preguntaba qué quería
hacer de mi vida, siempre dije que quería ser periodista. Pero imaginaba
que era casi imposible debido al mundo en el que vivía”. Luego de
participar en la capacitación de Amigos de Januária, Soraia cree que el
acceso a datos es una herramienta importante para cambiar la realidad de
su pueblo. “Me siento capaz de ayudar a cambiar mi pueblo, mi país, el
mundo”, agrega.

Otro periodista ciudadano del proyecto es Alyson Montiériton, de 20
años, que también usó datos para un artículo. Fue durante la primera
clase del proyecto, cuando los periodistas ciudadanos caminaron por la
ciudad en busca de temas que pudieran convertirse en historias, que
Alysson decidió escribir sobre un semáforo roto ubicado en una
intersección muy importante, que había permanecido en ese estado desde
el comienzo del año. Luego de aprender a conseguir datos en Internet,
buscó la cantidad de vehículos que existe en el pueblo y la cantidad de
impuestos que pagan los dueños de autos. Escribió:

La situación en Januária empeora debido al alto número de vehículos en
el pueblo. Según el IBGE (el instituto de investigaciones estadísticas
más importante de Brasil), Januária tenía 13771 vehículos (entre ellos
7979 motos) en 2010… Los residentes del pueblo creen que la demora en
arreglar el semáforo no es resultado de la falta de recursos. Según el
Secretario del Tesoro del estado de Minas Gerais, el pueblo recibió
470.000 reales en impuestos sobre vehículos en 2010.

Teniendo acceso a los datos, Alysson pudo mostrar que Januária tiene
muchos vehículos (casi 1 por cada 5 residentes) y que un semáforo roto
podía poner en peligro a mucha gente. Lo que es más, pudo decirle a su
público la cantidad de fondos recibidos por el pueblo de impuestos
pagados por dueños de vehículos y basado en ello cuestionar si este
dinero no sería suficiente para reparar el semáforo garantizando
condiciones de seguridad a conductores y peatones.

Si bien las 2 historias escritas por Soraia y Alysson son muy simples,
muestran que los datos pueden ser usados por cronistas ciudadanos. No se
necesita estar en una gran redacción con muchos especialistas para usar
datos en sus artículos. Luego de 12 talleres, Soraia y Alysson, ninguno
de los cuales ha estudiado periodismo, pudieron trabajar en historias
basadas en datos y escribir piezas interesantes sobre su situación
local. Además sus artículos muestran que los datos mismos pueden ser
útiles incluso a escala pequeña. Dicho de otro modo también hay
información valiosa en conjuntos de datos y tablas pequeñas, no solo en
bases de datos inmensas.

— *Amanda Rossi, Friends of Januária*


## El gran cuadro de resultados electorales

Los resultados electorales ofrecen grandes oportunidades para contar
historias de forma visual para cualquier organización de noticias, pero
durante años esta fue para nosotros una oportunidad perdida. En 2008 con
los diseñadores gráficos nos propusimos cambiar eso.

Queríamos encontrar una manera de desplegar resultados que contara una
historia y que no se viera como simplemente una mezcla de cifras en una
tabla o mapa. En anteriores elecciones eso es exactamente
[lo](http://nyti.ms/senate-1) [que](http://nyti.ms/senate-2)
[hicimos](http://nyti.ms/senate-3).

No es que una gran bolsa de números –lo que llamo el “modelo CNN” de
tablas, tablas y más tablas- tenga algo de malo necesariamente. Funciona
porque da al lector lo que quiere saber: quién ganó.

Y es peligroso meterse con algo que no está roto. Al hacer algo
radicalmente diferente y alejarnos de lo que la gente espera podríamos
haber hecho más confusas las cosas.

Por fin, fue Shan Carter de la mesa de diseño el que dio la respuesta
adecuada, lo que terminamos llamando el “gran cuadro”. Cuando vi los
bosquejos por primera vez, fue literalmente una cachetada a la cara.

Era exactamente lo que había que hacer.

![El gran cuadro de resultados electorales (New York Times)](figs/incoming/03-ZZ-ZZ.png)

¿Qué es lo que hace de esto una gran pieza de periodismo visual? Por
empezar, la mirada del lector es atraída inmediatamente a la gran barra
que muestra los votos del colegio electoral arriba, lo que en el
contexto periodístico podríamos llamar el \_copete.\_Le dice al lector
exactamente lo que quiere saber y lo hace de modo rápido, simple y sin
ruido visual.

A continuación el lector es atraído al agrupamiento de estados en 5
columnas más abajo, organizado de acuerdo a la probabilidad que el Times
asignaba a que un estado dado se inclinara por uno u otro candidato. En
la columna del medio está lo que en el contexto periodístico podríamos
llamar nuestro *gráfico central*, donde explicamos por qué Obama ganó.
El interactivo lo deja totalmente claro: Obama se quedó con los estados
que se preveía y 4 de los 5 más disputados.

Para mi esta construcción en 5 columnas es un ejemplo de cómo el
periodismo visual difiere de otras formas de diseño. Idealmente una gran
pieza de periodismo visual será tanto hermosa como informativa. Pero
cuando tiene que decidir entre la historia y la estética, el periodista
debe volcarse para el lado de la historia. Aunque este diseño puede no
ser la manera en que un diseñador puro podría preferir presentar los
datos, presenta la historia muy, pero muy bien.

Y finalmente, como cualquier buen recurso interactivo de la red, este
invita al lector a profundizar más. Hay detalles como porcentajes de
votos, estado por estado, informes de la cantidad de votos electorales y
porcentajes deliberadamente colocados en un segundo plano para no
competir con lo principal de la historia.

Todo esto hace que el “gran cuadro” sea una gran pieza de periodismo
visual que hace un mapa casi perfecto siguiendo el esquema probado de la
pirámide invertida.

— *Aron Pilhofer, New York Times*


## Consulta sobre el precio del agua

Desde marzo de 2011, la información sobre el agua de la canilla en toda
Francia se obtiene a través de un experimento de consulta a la
población. En solo 4 meses, mas de 5000 personas hartas del control
corporativo del mercado de agua se tomaron el tiempo de buscar su
factura, escanearla y cargarla en [el proyecto Prix de
l’Eau](http://www.prixdeleau.fr/) (“precio del agua”); El resultado es
una investigación sin precedentes que reunió técnicos, ONG y medios
tradicionales para mejorar la transparencia en torno de proyectos de
agua.

![El precio del agua (Fundación France Liberté)](figs/incoming/03-WW.jpg)

El mercado de servicios de agua consiste en más de 10.000 clientes
(ciudades que compran agua para distribuir a sus contribuyentes) y sólo
un puñado de compañías. La relación de fuerzas en este oligopolio está
distorsionado en favor de las corporaciones, que en algunos casos cobran
precios distintos a pueblos vecinos.

La ONG francesa France Libertés ha estado tratando con cuestiones de
agua en todo el mundo en los últimos 25 años. Ahora se concentra en
mejorar la transparencia del mercado francés y en dar poder a ciudadanos
y alcaldes que negocian acuerdos de servicios de agua. El gobierno
francés decidió enfrentar el problema hace 2 años con un censo nacional
del precio y la calidad el agua. Hasta ahora sólo se ha recogido el 3%
de los datos. Para ir más rápido, [France Libertés](http://www.france-libertes.org/) 
quería involucrar ciudadanos directamente.

Junto con el equipo OWNI diseñé una interfaz para la consulta en la que
los usuarios estudiaban su factura de agua e ingresaban el precio que
pagaban por el agua de la canilla en
[prixdeleau.fr/](http://www.prixdeleau.fr/). En los últimos 4 meses,
8500 se inscribieron y sean cargado y validado más de 5000 facturas.

Si bien esto no permite una evaluación perfecta de la situación del
mercado, le mostró a los interesados, tales como los entes de
supervisión del agua, que había una preocupación genuina, a nivel
popular, por el precio del agua corriente. Al principio eran escépticos
respecto de la transparencia, pero cambiaron de idea en el curso de la
operación, sumándose progresivamente a France Libertés en su lucha
contra la opacidad y la mala praxis corporativa. ¿Qué pueden aprender de
esto las organizaciones de medios?

 Asociarse con ONG 

:   Las ONG necesitan gran cantidad de datos para diseñar trabajos de
    política. Estarán más dispuestas a pagar por una operación e
    recolección de datos que un ejecutivo de diario.

 Los usuarios pueden aportar datos en crudo 

:   Las consultas funcionan del mejor modo cuando los usuarios cumplen
    una tarea de recolección de datos o refinado de datos.

 Pedir la fuente de la información 

:   Evaluamos si pedir a los usuarios una copia de la factura original,
    pensando que disuadiría a algunos de ellos (especialmente dado que
    nuestro público era mayor en promedio). Si bien pudo haber sido una
    traba para algunos, aumentó la credibilidad de los datos.

 Crear un mecanismo de validación 

:   Diseñamos un sistema de puntaje y un mecanismo [de revisión por los
    pares](http://www.prixdeleau.fr/valider) para controlar los aportes
    de los usuarios. Esto demostró ser demasiado engorroso para los
    usuarios, que tenían pocos incentivos para hacer visitas repetidas
    al sitio. Pero fue utilizado por el equipo de France Libertés, cuyos
    empleados, alrededor de 10, se sintieron motivados por el sistema de
    puntaje.

 Mantenerlo simple 

:   Creamos un mecanismo de correo automatizado de modo que los usuarios
    pudieran presentar un pedido de acceso a la información respecto de
    precios del agua con solo unos pocos clics. Aunque innovador y bien
    diseñado, este recurso no generó un número sustancial de pedidos
    (solo 100 fueron enviados).

 Defina su público 

:   France Libertés se asoció con la revista dedicada a los derechos de
    los consumidores *60 Millions de Consommateurs*, que lograron una
    gran participación de su comunidad. Fue la unión prefecta para esta
    operación.

 Elija cuidadosamente sus indicadores claves de desempeño 

:   El proyecto tuvo solo 45.000 visitantes en 4 meses, equivalente a 15
    minutos de tráfico en [nytimes.com](http://www.nytimes.com/). Lo
    importante es que 1 de cada 5 se inscribió y 1 de cada 10 se tomó el
    tiempo de escanear y subir su factura.

— *Nicolas Kayser-Bril, Journalism++*


# Obtener datos

![](figs/incoming/04-00-cover.png)

Así que está listo para comenzar con su primer proyecto de periodismo de
datos. ¿Y ahora qué? Primero necesita algunos datos. Esta sección
analiza de dónde puede obtenerlos. Aquí aprenderemos cómo encontrar
datos en la red, cómo pedirlos usando las leyes de acceso a la
información, cómo usar el "screen scraping" (peinado de pantalla) para
recoger datos de fuentes no estructuradas, y cómo usar la “colaboración
del público” (crowdsourcing) para obtener sus propios conjuntos de datos
de sus lectores. Finalmente analizamos lo que dicen las leyes respecto
de la re-edición de conjuntos de datos, y cómo usar herramientas legales
simples para permitir a otros reutilizar sus datos.

### Qué contiene este capítulo?

-   [Una guía para trabajos de campo de 5 minutos](obtener_datos_0.html)
-   [Su Derecho a la Información](obtener_datos_1.html)
-   [El Wobbing\* funciona. ¡Úselo!](obtener_datos_2.html)
-   [Obtener datos de la red](obtener_datos_3.html)
-   [La red como fuente de datos](obtener_datos_4.html)
-   [Herramientas web](obtener_datos_5.html)
-   [Crowdsourcing en el Datablog de The Guardian](obtener_datos_6.html)
-   [Cómo el Datablog usó "crowdsourcing" para cubrir la venta de
    entradas para las Olimpíadas](obtener_datos_7.html)
-   [Usar y compartir datos: las reglas técnicas legales, la letra chica
    y la realidad](obtener_datos_8.html)


## Una guía para trabajos de campo de 5 minutos

¿Busca datos sobre un tópico o cuestión particular? ¿No está seguro de
qué es lo que hay o dónde encontrarlo? ¿No sabe por dónde empezar? En
esta sección analizamos cómo comenzar la búsqueda de fuentes de datos
públicos en la red.

#### Ajustar la búsqueda

Aunque pueden no ser siempre fáciles de encontrar, muchas bases de datos
en la red están indexadas por motores de búsqueda, fuera ello o no la
intención del editor. Unos cuantos consejos:

-   Cuando busque datos asegúrese de incluir tanto términos de búsqueda
    relacionados con el contenido de los datos que trata de encontrar,
    como algo de información sobre el formato o la fuente en la que
    prevé encontrarlos. Google y otros motores de búsqueda le permiten
    buscar por tipo de archivo. Por ejemplo, puede buscar solo planillas
    de cálculo (agregando a su búsqueda “filetype:XLS filetype:CSV”),
    datos geográficos (“filetype:shp”), o extractos de bases de datos
    (“filetype:MDB, filetype:SQL, filetype:DB). Si así lo desea incluso
    puede buscar PDF (“filetype:pdf”).

-   También puede buscar con una parte de una URL. Hacer una búsqueda en
    Google de “inurl:donwloads filetype:xls” o “inurl:descargas
    filetype:xls” significa buscar todos los archivos Excel que tienen
    “downloads” o “descargas” en su dirección de la red (si encuentra
    una sola descarga, a menudo vale la pena simplemente verificar qué
    otros resultados existen para la misma carpeta en el servidor de la
    red). También puede limitar su búsqueda solo a aquellos resultados
    dentro de un solo nombre de dominio, buscando “site:agency.gov”,
    por ejemplo.

-   Otro truco popular es no buscar determinado contenido directamente,
    sino lugares donde puede haber datos disponibles en gran cantidad.
    Por ejemplo “sitio:ente.gov Directory Listing” puede darle algunos
    listados generados por el servidor de la red con fácil acceso a
    archivos en bruto, mientas que “sitio:ente.gov Database Download”
    buscará listados creados intencionalmente.

> Ir Directo a la fuente

> El primer truco que uso para obtener datos que están en manos de un ente
público es tratar de ir directo a quien tiene los datos, no la persona
de relaciones públicas, ni a través de un pedido de acceso a la
información (PAI). Podría por supuesto hacer un PAI o un pedido de
registros públicos, pero eso hace que los engranajes comiencen a girar
con lentitud. Es probable que reciba la respuesta de que los datos no
están en el formato que solicité o (tal como ha sucedido en algunos
casos) que el ente oficial usa un software propio y no puede extraer los
datos en el formato que requerí. Pero si empiezo por llegar a la persona
que maneja los datos para esa organización, puedo hacer preguntas
respecto de qué datos tienen sobre el tema y cómo los guardan. Puedo
conocer el formato, hablar en el lenguaje de los datos y descubrir lo
que necesito saber para pedir los datos y tener éxito. ¿Las barreras que
se enfrentan en este caso? A menudo es difícil llegar a estas personas.
El encargado/a de Información Pública (EIP) va a querer que trate
directamente con él/ella. En esos casos he descubierto que lo mejor es
tratar de organizar una llamada colectiva o, aún mejor, una reunión en
persona con el/la EIP, el gurú de datos, y yo. Y lo puedo organizar de
un modo que les resulte difícil decir que no. “No quiero darles
trabajo”, digo. “No quiero crear una carga innecesaria ni hacer un
pedido demasiado amplio, de modo que una reunión me ayudará a entender
exactamente lo que tienen y cómo pedir exactamente lo que necesito”.

> Si este método no funciona, la alternativa es hacer un pedido de conocer
cómo está organizado su archivo y su diccionario de datos. Entonces pido
los datos efectivamente. A veces pregunto también cómo guardan y qué
sistema usan. De ese modo puedo investigar de qué modo exportar los
datos antes de escribir mi pedido.

> Por último, mi mejor historia de éxito es de cuando estaba trabajando en
un pequeño diario en Montana. Necesitaba algunos datos de países, me
dijeron que no podían exportarse de la computadora central. Investigué
un poco y ofrecí ir a ayudarlos. Trabajé con la persona de datos,
hicimos un pequeño guión y copiamos los datos a un disquete (esto fue
hace mucho tiempo). Tenía mis datos y el condado ahora estaba en
condiciones de proveer los datos a cualquiera que los pidiera. No
querían que eso sucediera, pero a veces ellos también necesitaban
extraer datos y no entendían su sistema por completo, de modo que nos
ayudamos entre todos.

> — *Cheryl Philips, The Seattle Times*

#### Explore sitios y servicios de datos

En los últimos años han aparecido una cantidad de portales y centros de
datos dedicados y otros sitios de datos en la red. Son buenos lugares
para llegar a conocer los tipos de datos que hay. Para empezar podría
ver:

![datacatalogs.org (Open Knowledge Foundation)](figs/incoming/04-01.png)

 Portales oficiales de datos 

:   La disposición del gobierno a entregar ciertos conjuntos de datos
    varía de país en país. Un número creciente de países está lanzando
    portales de datos (inspirados por el data.gov de EE.UU. y el
    data.gov.uk del R.U.) para promover la reutilización civil y
    comercial de información oficial. Se puede encontrar un índice
    global actualizado de tales sitios en
    [datacatalogs.org/](http://datacatalogs.org/). Otro sitio práctico
    es el [Guardian World Government
    Data](http://www.guardian.co.uk/world-government-data), un
    meta-motor de búsquedas que incluye muchos catálogos de datos
    gubernamentales internacionales.

 [El Data Hub](http://thedatahub.org/) 

:   Un recurso comunitario manejado por la Open Knowledge Foundation que
    facilita buscar, compartir y re-utilizar fuentes de datos
    abiertamente disponibles, especialmente de maneras automatizadas.

 [Scraperwiki](https://scraperwiki.com/) 

:   Una herramienta online para hacer que el proceso de extraer “datos
    útiles sea más fácil de modo que puedan ser utilizados en otras
    aplicaciones o que periodistas e investigadores puedan *scrapear*
    en ellos”. La mayoría de los "scrapers" y sus bases de datos son
    públicos y pueden ser reutilizados.

Portales de datos del [Banco Mundial](http://data.worldbank.org/) y las
[Naciones Unidas](http://data.un.org/)::

Estos servicios ofrecen indicadores de alto nivel para todos los países
y en muchos casos cubren muchos años.

[Buzzdata](http://buzzdata.com/),
[Infochimps](http://www.infochimps.com/) y
[DataMarket](http://datamarket.com/)::

Sitios nuevos que apuntan a crear comunidades dedicadas a compartir
datos y su reventa.

 [DataCouch](http://datacouch.com/) 

:   Un lugar donde subir, refinar, compartir y visualizar sus datos.

 [Freebase](http://www.freebase.com/) 

:   Una interesante subsidiaria de Google que ofrece “un gráfico de
    entidades de gente, lugares y cosas, creado por una comunidad amante
    de la información abierta”.

 Datos de investigación 

:   Hay compiladores nacionales y disciplinarios de datos de
    investigación como el [UK Data
    Archive](http://www.data-archive.ac.uk/). Si bien hay mucha
    información gratuita en el punto de acceso, también hay muchos datos
    que requieren una suscripción, o que no pueden ser reutilizados o
    redistribuidos sin obtener autorización.

Obtener datos de archivos de papel

Justo después de la difusión por WikiLeaks de documentos militares de
EE.UU. sobre Afganistán e Irak, decidimos adaptar el concepto para
conmemorar el 50 aniversario de la Guerra de Argelia publicando los
Diarios de la Guerra de Argelia. Nos propusimos obtener y digitalizar
los archivos del Ejército Francés en Argelia. Estos están disponibles en
el archivo del ministerio de Guerra en París, aunque en formato impreso.
Enviamos a nuestros periodistas y estudiantes a tomar fotografías de los
documentos. Tratamos de escanearlos usando un scanner Canon P-150
portátil, pero no funcionó principalmente porque gran parte de los
archivos están abrochados.

Por fin se recogieron alrededor de 10000 páginas en pocas semanas. Las
pasamos por un software de reconocimiento de texto (ABBYY FineReader)
que produjo resultados pobres. Lo que es más, el ministerio
arbitrariamente negó acceso a las cajas más interesantes de archivos.
Por encima de todo, el ministerio prohíbe reeditar documentos que pueden
ser fotografiados libremente en el lugar, por lo que decidimos que no se
justificaba el riesgo y el proyecto quedó en suspenso.

— *Nicolas Kayser-Bril, Journalism++*

#### Pregunte en un foro

Busque respuestas existentes o haga una pregunta en 
[Get The Data](http://getthedata.org/) o [Quora](http://www.quora.com/).
GetTheData es un sitio de preguntas y respuestas donde puede hacer sus
preguntas relacionadas con datos, incluyendo donde encontrar datos
relacionados con un asunto particular, cómo interrogar o encontrar una
determinada fuente de datos, qué herramientas usar para explorar de modo
visual, como expurgar datos, o ponerlos en un formato con el que pueda
trabajar.

#### Pregunte en una lista de correo

Las listas de correo aprovechan la sabiduría de una comunidad entera
sobre un tópico particular. Para los periodistas de datos, la
[Data-Driven Journalism List](http:/bit.ly/ddj-list) y la
[NICAR-L](http://bit.ly/nicar-subscribe/) son excelentes puntos de
partida. Ambas listas están pobladas de periodistas de datos y expertos
en Periodismo Asistido por Computadora (Computer-Assisted Reporting –
CAR) que trabajan en todo tipo de proyectos. Es posible que alguien haya
hecho una historia como la suya y puede tener una idea de por dónde
empezar, si es que no un vínculo directo con los datos que busca.
También podría probar con [Project Wombat](http://project-wombat.org/);
(“una lista de discusión para preguntas de referencia difíciles”), las
muchas listas de correo de [la Open Knowledge
Foundation](http://lists.okfn.org/mailman/listinfo), listas de correo en
[the Info](http://theinfo.org/), o buscar listas de correo sobre el
tópico o en la región que está interesado.

#### Súmese a Hacks/Hackers

[Hacks/Hackers](http://hackshackers.com/) es una organización
periodística internacional de base en rápida expansión con docenas de
secciones y miles de miembros en 4 continentes. Su misión es crear una
red de periodistas (“Hacks”) y tecnólogos (Hackers”) que reflexionan
sobre el futuro de las noticias y la información. Con una red tan
amplia, tiene grandes probabilidades de encontrar a alguien que sepa
dónde encontrar lo que busca.

#### Pregunte a un experto

Profesores, empleados públicos y gente de los distintos sectores a
menudo saben dónde buscar. Llámelos. Mándeles un correo electrónico.
Abórdelos en eventos. Aparézcase en su oficina. Pregunte amablemente.
“Estoy escribiendo una historia sobre X. ¿Dónde encuentro esto? ¿Sabe
quién tiene esto?”

#### Conozca la TI (Tecnología Informática) de los entes oficiales

A menudo ayuda entender el contexto técnico y administrativo en el que
los entes oficiales tienen su información cuando se quiere acceder a
datos. Se trate de CORDIS, COINS o THOMAS, las grandes bases de datos a
menudo resultan más útiles cuando uno conoce algo del objetivo con el
que se crearon.

Encuentre los cuadros organizativos de los entes oficiales y busque
departamentos/unidades con una función que los atraviese (por ejemplo,
informaciones, servicios TI), luego explore sus sitios en la red. Muchos
datos se archivan en distintos departamentos y mientras que para uno de
ellos la base de datos que le interesa puede ser su tesoro, otro puede
dársela sin problemas.

Busque infografías dinámicas de sitios oficiales. Estas a menudo se
basan en fuentes de datos estructurados/API que pueden ser usadas de
modo independiente (por ejemplo, aplicaciones que rastrean vuelos,
aplicaciones Java que pronostican el clima).

> Investigar registros de llamadas telefónicas

> Hace pocos meses quise analizar los registros de llamadas telefónicas
del gobernador de Texas, Rick Perry (por entonces candidato
presidencial). Fue el resultado de un pedido, largamente esperado, de
registros públicos estaduales. Los datos vinieron esencialmente en el
formato de más de 120 páginas de documentos en calidad de fax. Era un
esfuerzo que requería ingresar datos y expurgarlos, seguido del uso de
una aplicación que permitiera buscar en la guía los titulares de los
teléfonos con los que se había comunicado el gobernador.

> Combinando nombres con datos electorales estaduales y federales,
descubrimos que Perry tomó contacto con donantes a su campaña y con
súper comités de acción política (los llamados super PAC, que
supuestamente no deben organizar la recolección de fondos) 
[desde teléfonos de oficinas públicas estaduales](http://bo.st/perry-phone),
práctica mal vista y que planteó interrogantes sobre los vínculos entre
él y un “super PAC” que trabaja para él.

> — *Jack Gillum, Associated Press*

#### Busque nuevamente

Cuando sepa más sobre lo que está buscando, vuelva a buscar usando
frases y conjuntos de palabras improbables que descubrió desde la última
vez. ¡Quizá tenga más suerte con los motores de búsqueda!

#### Escriba un pedido de acceso a la información

Si usted cree que un ente oficial tiene los datos que necesita, un
Pedido de Acceso a Información puede ser su mejor herramienta. Vea la
siguiente sección para más información respecto de cómo presentarlo.

— *Brian Boyer (Chicago Tribune), John Keefe (WNYC), Friedrich
Lindenberg (Open Knowledge Foundation), Jane Park (Creative Commons),
Chrys Wu (Hacks/Hackers)*

> Cuando falla la ley
> Luego de leer un [artículo académico](http://bit.ly/hygiene-inspections)
que explica que publicar el resultado de inspecciones de higiene en
restaurantes redujo la cantidad de enfermedades relacionadas con
alimentos en Los Ángeles, pedí a los servicios de higiene parisinos la
lista de inspecciones. Siguiendo el procedimiento establecido por la ley
de Acceso a la Información francesa, esperé 30 días su negativa a
contestar, entonces fui a la Comisión de Acceso a los Datos públicos
(CADA en francés), que determina la legitimidad de los pedidos de acceso
a información. CADA apoyó mi pedido y ordenó a la administración
entregar los datos. La administración a continuación pidió dos meses más
y CADA lo aceptó. Dos meses más tarde la administración aún no había
hecho nada.

> Traté de conseguir el apoyo de defensores del libre acceso a la
información famosos (y con muchos recursos) para presentar una demanda
legal (lo que hubiera costado € 5000 y se hubiera ganado sin duda con el
apoyo de CADA), pero temían complicar sus relaciones con los programas
de datos abiertos oficiales. Este ejemplo es uno entre muchos en los que
la administración francesa simplemente ignora la ley y las iniciativas
oficiales no hacen nada para apoyar pedidos de datos de periodistas
comunes.
> — *Nicolas Kayser-Bril, Journalism++*


## Su Derecho a la Información

Antes de hacer un pedido de acceso a información, debiera verificar si
los datos que está buscando ya están disponibles o si otros ya los han
pedido. El capítulo anterior tiene algunas sugerencias respecto de dónde
puede averiguar. Si ha estado mirando y aún no pudo conseguir los datos
que necesita, entonces puede querer presentar un pedido formal. Algunos
consejos que pueden ayudar a hacer más efectivo su pedido.

 Planifique anticipadamente para ahorrar tiempo 

:   Piense en presentar un pedido formal de acceso cuando se proponga
    buscar información. Es mejor no esperar hasta haber agotado todas
    las demás posibilidades. Ahorrará tiempo presentado un pedido al
    comienzo de su investigación y desarrollando otras
    investigaciones paralelamente. Esté preparado para las demoras: a
    veces los entes públicos tardan en procesar pedidos, por lo que es
    mejor prever esto.

 Verifique las normas respecto de aranceles 

:   Antes de comenzar a presentar un pedido, verifique las normas
    respecto de aranceles para presentar pedidos o recibir información.
    De ese modo, si un funcionario público de pronto le pide dinero,
    sabrá cuáles son sus derechos. Puede pedir documentos electrónicos
    para evitar costos de copiado y correo, mencione en su pedido que
    prefiere tener la información en formato electrónico. De ese modo
    evitará pagar un arancel, a menos por supuesto que la información no
    esté disponible electrónicamente, aunque en estos tiempos por lo
    general es posible escanear documentos que no están digitalizados
    aún y luego enviarlos como agregado por correo electrónico.

 Conozca sus derechos 

:   Sepa cuáles son sus derechos antes de comenzar, de modo de saber
    donde está parado y qué cosas están obligadas a hacer las
    autoridades y qué cosas no. Por ejemplo, la mayoría de las leyes de
    libre acceso a información establecen un plazo para que las
    autoridades respondan. Globalmente, en la mayoría de las leyes los
    plazos varían de unos pocos días a un mes. Asegúrese de conocer el
    plazo antes de comenzar y anote la fecha en la que presenta
    su pedido.

Los entes oficiales no están obligados a procesar los datos para usted,
pero debieran darle todos los datos que tienen, y si son datos que
debieran tener para cumplir con sus obligaciones legales, por cierto que
debieran entregárselos.

 Diga que conoce sus derechos 

:   Habitualmente no se requiere que usted mencione las leyes de acceso
    a información o de libertad de información, pero esto se recomienda
    porque muestra que conoce sus derechos y esto probablemente promueva
    una respuesta acorde con el derecho vigente. Señalamos que en el
    caso de pedidos a la UE, es importante mencionar que es un pedido de
    acceso a documentos y es mejor mencionar específicamente la
    Norma 1049/2001.

 Hágalo simple 

:   En todos los países es mejor comenzar con un simple pedido de
    información y luego agregar más preguntas cuando obtiene la
    información inicial. De ese modo no corre el riesgo de que el ente
    público pida extensión del plazo por tratarse de un
    “pedido complejo”.

 Concentre su pedido 

:   Un pedido de información que solo está en manos de una parte de un
    ente público probablemente tenga respuesta más rápida que un pedido
    que requiere una búsqueda en todo un ente. Un pedido que involucra
    que el ente consulte a terceros (p.ej., una empresa privada que
    aportó la información, otro gobierno que se ve afectado por
    la misma) puede llevar un tiempo particularmente prolongado.
    Sea persistente.

 Piense que hay dentro del archivo 

:   Intente averiguar qué datos se recogen. Por ejemplo, si recibe una
    copia en blanco del formulario que llena la policía después de
    accidentes de tráfico, puede ver qué información toman en cuenta y
    cual no respecto de choques de autos.

 Sea específico 

:   Antes de presentar su pedido piense: ¿es ambiguo en algún sentido?
    Esto es especialmente importante si piensa comparar datos de
    distintos entes públicos. Por ejemplo, si pide cifras de los
    *últimos 3 años*, algunos entes le enviarán información de los
    últimos 3 años calendario y otros de los 3 últimos años financieros,
    los que no podrá comparar directamente. Si decide ocultar su
    verdadero pedido en otro más general, entonces debe hacer su pedido
    lo suficientemente amplio como para que abarque la información que
    quiere pero no tanto como para resultar poco claro o como para
    desalentar a las autoridades a responder. Los pedidos específicos y
    claros tienden a tener respuestas más celeras y mejores.

 Presente múltiples pedidos 

:   Si no está seguro donde presentar su pedido, nada le impide
    presentar su pedido a 2, 3 o más entes al mismo tiempo. En algunos
    casos, los varios entes le darán distintas respuestas, pero esto en
    realidad le puede ser de ayuda en cuanto a darle un cuadro más
    completo de la información disponible en la materia que investiga.

 Presente pedidos internacionales 

:   Cada vez hay más posibilidades de presentar pedidos por vía
    electrónica, por lo que no importa donde vive. Alternativamente, si
    no vive en el país en el que quiere presentar su pedido, puede en
    algunos casos enviar el pedido a la embajada y desde allí deben
    transferir el pedido al ente público competente. Tendrá que
    verificar en la embajada correspondiente si están en condiciones de
    hacer esto: a veces el personal de la embajada no está capacitado en
    la cuestión del derecho a la información y si este parece ser el
    caso, es más seguro presentar le pedido directamente al ente
    público correspondiente.

 Haga una prueba 

:   Si piensa mandar el mismo pedido a muchos entes públicos, empiece
    por enviar un primer texto del pedido a unos pocos entes como
    ejercicio piloto. Esto le mostrará si está usando la terminología
    adecuada para obtener el material que quiere y si es factible que
    contesten sus preguntas, de modo de poder revisar el pedido si fuera
    necesario antes de enviarlo a todos los destinatarios.

 Anticipe las excepciones 

:   Si cree que pueden aplicarse excepciones a su pedido entonces,
    cuando prepare sus preguntas, separe las preguntas relativas a
    información potencialmente delicada del resto de la información que
    el sentido común diría que no tiene porque ser motivo de
    una excepción. Luego divida sus preguntas en 2 y presente los 2
    pedidos por separado.

 Pida acceso a los archivos 

:   Si vive cerca del lugar donde se guarda la información (por ej., en
    la capital en la que se guardan los documentos), también puede pedir
    inspeccionar los documentos originales. Esto puede ser de ayuda en
    la investigación de información que puede estar contenida en una
    gran cantidad de documentos que le gustaría ver. Tal inspección
    debiera ser gratuita y debe poder realizarse en un momento que sea
    razonable y conveniente para usted.

 ¡Guarde registro! 

:   Haga su pedido por escrito y guarde una copia o un archivo de modo
    que en el futuro pueda demostrar que envío su pedido, en caso de
    tener que apelar por falta de respuesta. Esto también le da
    evidencias de haber presentado el pedido si piensa hacer un artículo
    sobre el tema.

 Hágalo público 

:   Acelere las respuestas haciendo público que presentó un pedido: si
    escribe o transmite la información de que se ha presentado el pedido
    puede crear presión sobre la institución pública para que procese y
    responda al pedido. Puede actualizar la información cuando reciba
    respuesta a su pedido si pasa el plazo y no hay respuesta, puede
    transformar esto en una noticia también. Hacer esto tiene el
    beneficio adicional de educar al público respecto del derecho de
    acceso a la información y cómo funciona en la práctica.

<div class="admonitionblock">

+--------------------------------------+--------------------------------------+
| <div class="title">                  |               |
|                                      |                                      |
| Note                                 | También hay varios servicios         |
|                                      | excelentes que puede usar para hacer |
| </div>                               | público su pedido y toda respuesta   |
|                                      | subsecuente, poniéndolas a           |
|                                      | disposición del público en la red,   |
|                                      | tales como [¿Qué                     |
|                                      | saben?](http://www.whatdotheyknow.co |
|                                      | m/)                                  |
|                                      | para entes públicos en el RU, [Frag  |
|                                      | den Staat](https://fragdenstaat.de/) |
|                                      | para entes públicos alemanes, y [Ask |
|                                      | the EU](http://www.asktheeu.org/))   |
|                                      | para instituciones de la UE. El      |
|                                      | proyecto                             |
|                                      | [Alaveteli](http://www.alaveteli.org |
|                                      | /)                                   |
|                                      | está ayudando a crear servicios      |
|                                      | similares en docenas de países en    |
|                                      | todo el mundo.                       |
|                                      |                                      |
|                                      | </div>                               |
+--------------------------------------+--------------------------------------+

</div>

![ ¿Qué saben? (My Society)](figs/incoming/04-AA.png)

 Involucre a colegas 

:   Si sus colegas son escépticos respecto del valor de los pedidos de
    acceso a la información, una de las mejores maneras de convencerlos
    es escribir un artículo basado en información que obtuvo usando una
    ley de acceso a la información. También se recomienda mencionar en
    el artículo final o en su alocución por radio o televisión que usó
    la ley, como un modo de subrayar su valor y aumentando la conciencia
    del público de la existencia de ese derecho.

 Pida datos en crudo 

:   Si quiere analizar, explorar, o manejar datos usando una
    computadora, entonces debe pedir explícitamente datos en formato
    electrónico que la máquina pueda leer. Puede clarificar esto
    especificando, por ejemplo, que requiere una información
    presupuestaria en un formato “adecuado para su análisis con
    software contable”. También puede querer pedir explícitamente la
    información en forma desagregada o granular. Puede leer más acerca
    de esto en este informe (<http://bit.ly/access-report>)

Preguntar sobre organizaciones eximidas de las leyes de acceso a la
información::

Usted puede querer investigar acerca de ONG, compañías privadas,
organizaciones religiosas y/u otras organizaciones que no están
obligadas a entregar documentación bajo las leyes de acceso a la
información. Sin embargo es posible encontrar información acerca de
ellas a través de entes públicos que sí están cubiertos por las leyes de
acceso a la información. Por ejemplo, puede preguntar a un departamento
o ministerio si han dado fondos o tratado con una compañía privada u ONG
específica y pedir documentos que respalden la información. Si necesita
más ayuda para hacer su pedido de acceso a la información puede
consultar también el [Legal Leaks](http://www.legalleaks.info/toolkit.html)

— *Helen Darbishire (Access Info Europe), Djordje Padejski (Knight
Journalism Fellow, Stanford University), Martin Rosenbaum (BBC), y
Fabrizio Scrollini (London School of Economics and Political Science)*


> Usar pedidos de acceso a la información para entender el gasto

> He usado pedidos de acceso a información de un par de maneras diferentes
para ayudar a cubrir COINS, la mayor base de datos de gasto, presupuesto
e información financiera del estado británico. Al comienzo de 2010
George Osborne sostuvo que si era nombrado al frente del Tesoro, daría
acceso a COINS para facilitar una mayor transparencia. En ese momento
pareció una buena idea investigar los datos y la estructura de COINS por
lo que envíe unos cuantos pedidos de acceso a la información, uno para
[el esquema de la base de datos](http://bit.ly/wdtk-coins-1), otro para
la orientación que reciben los trabajadores del Tesoro cuando trabajan
con [COINS](http://bit.ly/wdtk-coins-2) y un tercero para el [contrato
del Tesoro con el proveedor de la base de
datos](http://bit.ly/wdtk-coins-3). Todo lo cual resultó en la
publicación de datos útiles. También pedí todos los códigos de gasto en
la base de datos, información [que también fue
publicada](http://bit.ly/wdtk-coins-4). Todo esto ayudó a entender COINS
cuando George Osborne llegó al Tesoro en mayo de 2010 y publicó COINS en
junio de 2010. Los datos de COINS fueron usados en una cantidad de
sitios de la red alentando al público a investigar los mismos,
incluyendo OpenSpending.org y el [Coins Data
Explorer](http://coins.guardian.co.uk/coins-explorer/search) de The
Guardian.

> Luego de investigar un poco más pareció que faltaba una gran parte de la
base de datos: la Whole of Government Accounts (WGA) que son 1500
conjuntos de cuentas para entes con financiación estatal. Usé un [pedido
de acceso a la información para solicitar los datos WGA de
2008/09](http://bit.ly/wdtk-coins-5) pero no obtuve resultados. También
pedí el informe de la oficina de auditoría para WGA, que esperaba que
explicara los motivos por los que la WGA no estaba en condiciones de
publicarse. Eso también [se me negó](http://bit.ly/wdtk-coins-6).

> En diciembre de 2011 la WGA fue publicada en los datos COINS. Sin
embargo quería asegurarme de que hubiera suficiente orientación para
crear un conjunto completo de cuentas para cada uno de los 1500 entes
incluidos en el ejercicio de la WGA. Esto me lleva a la segunda manera
en que usé un pedido de acceso a información: para asegurarme de que los
datos difundidos bajo el plan de transparencia británico estuvieran bien
explicados y contuvieran lo que debían. Presenté un pedido de acceso a
la información [del conjunto de cuentas para cada ente público incluido
en la WGA](http://bit.ly/wdtk-coins-7).

> — *Lisa Evans, the Guardian*


## El Wobbing* funciona. ¡Úselo!

-   N. del t. Wobbing es un neologismo surgido de la jerga
    periodística holandesa. La legislación de libre acceso a la
    información en Holanda se conoce por la sigla WOB. De allí se deriva
    el término.

Usar la legislación de acceso a la información –o wobbing, como se lo
llama a veces- es una herramienta excelente pero requiere método y, a
menudo, persistencia. A continuación, 3 ejemplos de mi propio trabajo
como periodista de investigación que ilustran los puntos fuertes y los
desafíos que plantea el wobbing.

#### Estudio de caso 1: subsidios agropecuarios

Todos los años la UE paga casi € 60.000 millones a productores y el
sector agropecuario. Todos los años. Esto sucede desde fines de la
década de 1950 y el discurso político era que los subsidios ayudan a los
productores más pobres. Sin embargo, un primer logro en base a un pedido
de acceso a la información en Dinamarca en 2004 mostró que esto eran
solo palabras. Los pequeños productores estaban en graves dificultades,
de lo que a menudo se quejaban en privado y en público, y en realidad la
mayor parte de los fondos iban a unos pocos grandes terratenientes y a
la gran industria agropecuaria. De modo que obviamente quise saber:
¿Esto es un patrón que abarca a toda Europa?

En el verano de 2004 le pedí los datos a la Comisión Europea. Todos los
años en febrero la Comisión recibe datos de los estados miembros. Los
datos muestran quien solicita fondos de la UE, cuánto reciben los
beneficiarios y si lo reciben por explotar su tierra, desarrollar su
región o para exportar leche en polvo. En aquel momento la Comisión
recibía las cifras como archivos CSV en un CD. Muchos datos, pero con
los que en principio era fácil trabajar. Es decir, si uno podía
obtenerlos.

En 2004 la Comisión se negó a entregar los datos; el argumento clave fue
que los datos estaban cargados en una base de datos y recuperarlos
exigía mucho trabajo. Argumento que el Ombudsman Europeo llamó *mala
administración*. Puede encontrar todos los documentos de este caso en el
[sitio sobre wobbing.eu](http://bit.ly/eu-wobbing). Allá por 2004 no
teníamos tiempo de enredarnos en cuestiones legales. Queríamos los
datos.

![El sitio de los subsidios agrícolas (Farmsubsidy.org)](figs/incoming/04-BB.png)

Por lo que nos asociamos con gente de toda Europa para obtener los datos
país por país. Colegas ingleses, suecos y holandeses obtuvieron los
datos en 2005. Finlandia, Polonia, Portugal y regiones de España,
Eslovenia y otros países también ofrecieron su información. Incluso en
Alemania, enemiga del wobbing, logré obtener algunos datos de la
provincia del Norte del Rin – Westfalia en 2007. Tuve que recurrir a las
cortes para obtener los datos, pero resultó en algunos buenos artículos
en [la revista Stern y en Stern online](http://bit.ly/stern-wobbing).

¿Fue casualidad que Dinamarca y el RU fueran los primeros en dar acceso
a sus datos? No necesariamente. Si se mira el cuadro político general,
los subsidios agropecuarios en aquel tiempo debían verse en el contexto
de las negociaciones de la OMC en las que había presión contra los
subsidios agropecuarios. Dinamarca y el RU se cuentan entre los países
más liberales de Europa, de modo que bien pudo ser que los vientos
políticos soplaran en dirección a una mayor transparencia en esos
países.

La historia no se acaba allí; para consultar más episodios y los datos,
ver [Farm Subsidy](http://farmsubsidy.org/).

> Conozca sus derechos

> Cuando publica datos, ¿debe preocuparse por el copyright y otros
derechos en los datos? Aunque debe consultar siempre con su equipo
legal, como regla: si está publicado por el estado no tiene porque pedir
perdón ni permiso; si es publicado por una organización que no gana
dinero vendiendo datos, no tiene mucho de qué preocuparse; si lo publica
una organización que obtiene ganancias con la venta de datos, entonces
decididamente tiene que pedir permiso.
> — *Simon Rogers, the Guardian*

#### Estudio de caso 2: efectos colaterales

Todos somos conejillos de Indias en lo que se refiere a tomar
medicamentos. Las drogas pueden tener efectos secundarios. Todos sabemos
esto: sopesamos los beneficios y riesgos potenciales, y tomamos una
decisión. Desgraciadamente, esta a menudo no es una decisión basada en
información.

Cuando los adolescentes toman una píldora en contra de los granitos,
esperan tener piel suave, no un mal estado de ánimo. Pero esto es
precisamente lo que sucedió con una droga, con la que los jóvenes se
deprimieron y hasta tuvieron tendencias suicidas por tomarla. El peligro
de este efecto secundario en particular –-evidentemente una historia
periodística-- no era algo demasiado conocido.

Hay datos sobre efectos secundarios. Los productores tienen que entregar
información regularmente a las autoridades de salud acerca de los
efectos secundarios observados. Esa información está en manos de las
autoridades nacionales y europeas una vez que se permite la venta de la
droga.

Nuevamente en este caso se tuvo un primer logro a nivel nacional en
Dinamarca. Durante una investigación internacional de un equipo danés,
holandés y belga, Holanda también dio la información. Otro ejemplo de
salir de ronda con el *wobbing*: nos ayudó mucho poder señalar a las
autoridades holandesas que los datos estaban accesibles en Dinamarca.

Pero la historia era cierta: en Europa había gente joven con tendencias
suicidas y lamentablemente también hubo suicidios en varios países como
resultado del uso de la droga. Periodistas, investigadores y las
familias de una joven víctima presionaban duro para obtener acceso a
esta información. El Ombudsman Europeo ayudó a presionar por más
transparencia en el Ente Europeo de Medicina y [parece que tuvo
éxito](http://bit.ly/eu-ombudsman). Por lo que ahora a los periodistas
les corresponde obtener los datos y analizar el material a fondo. ¿Somos
todos conejillos de Indias, como dijo un investigador, o son buenos los
mecanismos de control?

Lecciones: no acepte una negativa cuando de lo que se trata es de
transparencia. Sea persistente y siga una historia a lo largo de los
años. Las cosas pueden cambiar, permitiendo mejor información con mejor
acceso en un momento posterior.

#### Estudio de caso 3: contrabando de muerte

La historia reciente puede ser muy dolorosa para poblaciones enteras, en
particular después de guerras y en tiempos de transición. ¿Entonces cómo
pueden obtener datos duros los periodistas para investigar, cuando –por
ejemplo- los que se beneficiaron de la última guerra ahora están en el
poder? Esta es la tarea que se propuso un equipo de periodistas
eslovenos, croatas y bosnios.

El equipo se dispuso a investigar los negocios con armas en la ex
Yugoslavia durante el embargo de la ONU a comienzos de la década de
1990. La base del trabajo fueron documentos de investigaciones
parlamentarias sobre el tema. Para documentar las rutas de embarque y
comprender la estructura del comercio, se debía rastrear el transporte
con números de embarcaciones en los puertos y las licencias de los
camiones.

Comisiones parlamentarias eslovenas han hecho investigaciones sobre las
ganancias obtenidas en las guerras de los Balcanes, pero nunca han
llegado a ninguna conclusión. Pero había un rastro extremadamente
valioso de documentos y datos desclasificados, incluyendo 6000 páginas
que el equipo esloveno obtuvo a través de un pedido de acceso a
información.

En este caso los datos debieron extraerse de documentos y bases de
datos. Al aumentar los datos con más información, análisis e
investigaciones, pudieron determinar numerosas [rutas del comercio
ilegal de armas](http://bit.ly/kaasogmulvad-smuggling).

El equipo tuvo éxito y los resultados son
[únicos](http://bit.ly/journalismfund-smuggling1) y ya le han
significado al equipo su primer premio. Lo que es más importante, la
historia es valiosa para toda la región y bien puede ser retomada por
periodistas en otros países por los que pasó la carga mortífera.

Lecciones: publique buen material en crudo aunque lo encuentre en
lugares inesperados y combínelo con datos existentes de acceso público.

— *Brigitte Alfter, Journalismfund.eu*

> Pedidos de acceso a la información con amigos

> Muchos países balcánicos tienen problemas de corrupción gubernamental.
La corrupción a menudo es incluso peor cuando se trata de que los
gobiernos municipales rindan cuentas en esos países. Durante varios
meses un grupo de periodistas serbios vinculados con el [Centre for
Investigative Reporting de Belgrado](http://www.cins.org.rs/) han estado
cuestionando documentos del año 2009 de más de 30 municipalidades. Antes
de eso, casi nada estaba accesible al público. La idea era obtener los
registros originales y poner los datos en hojas de cálculo, para hacer
controles y comparaciones básicas entre las municipalidades y obtener
las cifras máximas y mínimas. Los indicadores básicos eran las cifras
presupuestarias, gastos regulares y especiales, salarios de
funcionarios, gastos de viaje, número de empleados, gastos de uso de
celular, gastos diarios, cifras de compras oficiales, y así siguiendo.
Era la primera vez que reporteros pedían esa información.

> El resultado fue una base de datos que desnuda numerosas
representaciones falsas, prácticas ilegales y casos de corrupción. Una
lista de los alcaldes mejor pagos indicaba que unos cuantos de ellos
recibían más dinero que el presidente serbio. Muchos otros funcionarios
tenían sueldos excesivos, recibiendo muchos de ellos reintegros enormes
de expensas de viaje y por gastos. Los datos de gasto público obtenidos
con mucho esfuerzo ayudaron a sacar a luz un enredo oficial. De la base
de datos derivaron más de 150 artículos y muchos de ellos fueron
reeditados por los medios locales y nacionales en Serbia.

> Aprendimos que comparar los registros con datos comparables de entes
gubernamentales similares puede sacar a luz desviaciones y echar luz
sobre probables hechos de corrupción. Los gastos exagerados e inusuales
solo pueden ser detectados por comparación.

> — *Djordje Padejski, Knight Journalism Fellow, Stanford University*

## Obtener datos de la red

Ha probado todo y no ha logrado obtener los datos que quiere. Encontró
los datos en la red pero lamentablemente no hay opciones de descarga y
fracasó en el intento de copiar y pegar. No tema, aún puede haber una
manera de obtener los datos. Por ejemplo, puede:

-   Obtener datos de APIs (interfaces de programación de aplicaciones)
    online, tales como interfaces provistas por bases de datos y muchas
    aplicaciones modernas (incluyendo Twitter, Facebook y otras). Esta
    es una manera fantástica de acceder a datos oficiales o comerciales,
    así como datos de redes sociales.
-   Extraer datos de PDF. Esto es muy difícil, dado que PDF es un
    lenguaje para impresoras y no retiene mucha información sobre la
    estructura de los datos presentados en el documento. Extraer
    información de PDF va más allá del alcance de este libro, pero hay
    algunas herramientas y tutoriales que pueden ayudarlo a hacerlo.
-   Usar "screen scraping" para obtener datos de sitios de la red. Se
    trata de extraer contenido estructurado de una página normal de la
    red con la ayuda de un programa de de recuperación de información o
    escribiendo una pequeña pieza de software. Si bien este método es
    muy poderoso y puede ser usado en muchos lugares, requiere
    comprender un poco cómo funciona la red.

Con todas esas opciones técnicas, no olvide las opciones simples: a
menudo vale la pena invertir un poco de tiempo en buscar un archivo con
datos que pueden ser interpretados por una computadora o llamar a la
institución que tiene los datos que usted quiere.

En este capítulo presentamos un ejemplo muy básico de *scrapear* datos
de una página HTML.

#### ¿Qué son los datos procesables por computadora?

Para la mayoría de estos métodos, el objetivo es obtener acceso a datos
que puedan ser nterpretados por una computadora. Tales datos son creados
para ser procesados por una computadora en vez de ser presentados a un
usuario humano. La estructura de estos datos se relaciona con la
información contenida en ellos, y no la manera en que será presentada
eventualmente. Entre los ejemplos de formatos que son fáciles de
interpretar por una computadora se incluyen CSV, XML, JSON, y los
archivos Excel, mientras que formatos como los de documentos Word,
páginas HTML, y archivos PDF están más relacionados con la presentación
visual de la información. Por ejemplo, PDF es un lenguaje que le habla
directamente a su impresora; le interesa la posición de líneas y puntos
en una página, en vez de caracteres distinguibles.

===="Scrapear" sitios de la red: ¿Para qué?

Todos lo han hecho: se va a un sitio de la red, uno ve una tabla
interesante y trata de copiarla a Excel de modo de poder agregar algunas
cifras o guardarla para después. Pero a menudo esto no funciona
realmente, o la información que quiere está desparramada en una gran
cantidad de sitios. Copiar a mano se puede volver rápidamente muy
tedioso, por lo que tiene sentido usar un poco de código para hacerlo.

La ventaja del "scraping" es que se puede hacer prácticamente con
cualquier sitio, desde el pronóstico del tiempo hasta el gasto
gubernamental, incluso si el sitio no tiene una API para acceso a los
datos en crudo.

#### Lo que se puede y lo que no se puede "scrapear" 

Por supuesto, hay límites a lo que se puede\_scrapear\_. Entre los
factores que dificultan *scrapear* en un sitio se incluyen:

-   Código HTML mal formateado con poco o nada de información
    estructural (por ejemplo, sitios oficiales más antiguos).
-   Los sistemas de autenticación que se supone impiden el acceso
    automático (códigos CAPTCHA y exigencia de suscripción paga).
-   Sistemas basados en sesiones que usan cookies de navegador para
    rastrear lo que hace el usuario.
-   Falta de listados completos de ítems y ausencia de posibilidades de
    búsquedas con comodines.
-   Bloqueado de acceso por administradores de servidores.

Otro conjunto de limitaciones son las barreras legales: algunos países
reconocen los derechos de bases de datos, lo que puede limitar su
derecho a reutilizar información que ha sido publicada online. A veces
se puede ignorar la licencia y usarla de todos modos, dependiendo de su
jurisdicción, puede tener derechos especiales como periodista. No
debería haber problema en "scrapear" datos del estado de libre
disponibilidad, pero quizás sea mejor cerciorarse antes de publicarlos.
Organizaciones comerciales -–y ciertas ONGs-- reaccionan con menos
tolerancia y pueden tratar de sostener que usted está “saboteando” sus
sistemas. Otras informaciones pueden violar la privacidad de individuos,
y por tanto, violar las leyes de privacidad de datos o la ética
profesional.

> Emparchar, "Scrapear", compilar, limpiar

> El desafío con muchos datos británicos no es lograr obtenerlos, si no
ponerlos en un formato que se pueda usar. Se publican muchos datos sobre
hospitalidad, los intereses de los parlamentarios fuera de su función
pública, lobbys, y más como cosa habitual, pero en formatos difíciles de
analizar.

> Para algunos datos, la única alternativa es el trabajo duro: unir
docenas de archivos Excel, cada uno conteniendo solo una docena de
registros, fue la única manera de hacer listas completas de reuniones
ministeriales. Para otros datos, "scrapear" la red se demostró
increíblemente útil.

> Usar un servicio como ScraperWiki para pedir a programadores que
produzcan un *scraper* que permita reunir información como el Registro
de intereses de parlamentarios, nos ahorró la mitad del trabajo: tuvimos
toda la información de los parlamentarios en una hoja, lista para la
“larga” tarea de analizarla y expurgarla.

> Servicios como éste (o herramientas tales como Outwit Hub) son de
inmensa ayuda para periodistas que tratan de compilar datos complicados
y que son capaces de programar.

> — *James Ball, the Guardian*

#### Herramientas que lo ayudan a "scrapear"

Hay muchos programas que pueden ser usados para extraer información en
masa de un sitio, incluyendo extensiones de navegadores y algunos
servicios de la red. Según el navegador que use, herramientas como
[Readability](http://www.readability.com/), que ayuda a extraer texto de
una página o [DownThemAll](http://www.downthemall.net/), que le permite
descargar muchos archivos al mismo tiempo), le ayudarán a automatizar
algunas tareas tediosas, mientras que la [extensión Scraper de
Chrome](http://bit.ly/chrome-scraper) fue creada explícitamente para
extraer tablas de sitios de la red. Extensiones para programadores como
[FireBug](http://getfirebug.com/) para Firefox, lo mismo ya viene
incluido en Chrome, Safari e IE) le permite ver exactamente como está
estructurado un sitio y qué comunicaciones se dan entre su navegador y
el servidor.

ScraperWiki es un sitio que le permite crear *scrapers* en una cantidad
de lenguajes de programación diferentes., incluyendo Python, Ruby y PHP.
Si quiere comenzar a *scrapear* sin la complicación de instalar una
plataforma de programación en su computadora esta es la manera de
hacerlo. Otros servicios de la red, tales como las Hojas de Cálculo de
Google y Yahoo! Pipes, también permiten realizar extracciones de otros
sitios.

#### ¿Cómo funciona un "Scraper" de la red?

Los "scrapers" de la red por lo general son piezas pequeñas de código
escritas en un lenguaje de programación tal como Python, Ruby o PHP.
Escoger el lenguaje adecuado depende en gran medida de a qué comunidad
tiene acceso: si en su redacción o ciudad hay alguien que ya trabaja con
uno de estos lenguajes, entonces tiene sentido adoptar el mismo
lenguaje.

Si bien algunas de las herramientas de "scraping" con las que basta
cliquear y apuntar mencionadas más arriba pueden ser de ayuda para
comenzar, lo verdaderamente complejo a la hora de *scrapear* en un sitio
es encontrar las páginas indicadas y los elementos indicados dentro de
estas páginas para extraer la información deseada. Estas tareas no
tienen que ver con programación, sino con comprender la estructura del
sitio y la base de datos.

Al presentar un sitio, su navegador casi siempre usará dos tecnologías,
HTTP, para comunicarse con el servidor y pedir recursos específicos,
tales como documentos, imágenes o videos; y HTML, el lenguaje en el que
se componen los sitios.

#### La anatomía de una página de la red

Toda página HTML está estructurada como una jerarquía de módulos (que
están definidos por etiquetas de HTML). Un módulo grande contiene muchos
módulos más pequeños –por ejemplo una tabla que tiene muchas divisiones
más pequeñas: filas y celdas. Hay muchos tipos de etiquetas que realizan
distintas funciones: algunas producen módulos, otras tablas, imágenes o
vínculos. Las etiquetas también pueden tener propiedades adicionales
(por ejemplo, pueden ser identificadores únicos y pueden pertenecer a
grupos llamados “clases” que hacen posible apuntar a y capturar
elementos individuales dentro de un documento). Escoger elementos
apropiados de esta manera y extraer su contenido es la clave para
escribir un "scraper".

Viendo los elementos en una página de la red, todo puede dividirse en
módulos dentro de módulos.

Para "scrapear" en páginas de la red tendrá que aprender un poco acerca
de los distintos tipos de elementos que pueden encontrarse en un
documento HTML. Por ejemplo, el elemento &lt;table&gt; abarca toda una
tabla, que tiene &lt;tr&gt; (table row) elementos para sus filas, que a
su vez contienen &lt;td&gt; (table data) para cada celda. El tipo de
elemento más común que encontrará es &lt;div&gt;, que puede significar
básicamente cualquier bloque de contenido. La manera más fácil de
conocer estos elementos es usar la barra de desarrolladores, 
[developer toolbar](http://bit.ly/developer-toolbar), de su navegador:
le permitirá posicionarse sobre cualquier parte de una página de la red
y ver el código correspondiente.

Las etiquetas funcionan como el comienzo y el fin de un libro, marcando
el comienzo y el fin de una unidad. Por ejemplo `<em>` *significa el
comienzo de un tramo de texto en itálica o destacado y* `</em>`
significa el fin de ese tramo. Fácil.

#### Un ejemplo: "Scraping" de incidentes nucleares con Python 

[NEWS](http://www-news.iaea.org/EventList.aspx) es el portal de la
Agencia Internacional de Energía Atómica (AIEA) que sigue los incidentes
de radiación en todo el mundo (y disputa el título máximo del club de
los títulos raros). La página tiene listas de incidentes en un sitio
simple, tipo blog, que puede ser fácilmente "scrapeado".

![El portal de la Agencia Internacinal de Energía Atómica (IAEA) (news.iaea.org)](figs/incoming/04-CC.png)

Para empezar, cree un nuevo scraper Python en ScraperWiki y se le
presentará un área para texto mayormente vacía, salvo por algo de código
de soporte. En otra pestaña del navegador abra el
<http://www-news.iaea.org/EventList.aspx%5Bsitio> de AIEA y abra la
barra para desarrolladores de su navegador. En la vista de “elementos”
trate de encontrar el elemento HTML de uno de los títulos de noticias.
La barra para desarrolladores de su navegador le ayudará a relacionar
los elementos en la página con el código HTML correspondiente.

Al investigar esta página se revelará que los títulos son elementos
`<h4>` dentro de una &lt;table&gt;. Cada evento es una fila `<tr>`, que
también contiene una descripción y una fecha. Si queremos extraer los
títulos de todos los eventos, debiéramos buscar la manera de seleccionar
cada fila en la tabla secuencialmente, recopilando todo el texto dentro
de los elementos de título.

Para convertir este proceso en código, tenemos que tomar conciencia de
todos los pasos. Para tener idea del tipo de pasos requeridos, juguemos
un juego simple: en su ventana de ScraperWiki trate de escribir
instrucciones individuales para cada cosa que va a hacer mientras
escribe este "scraper", como los pasos de una receta (ponga al comienzo
de cada línea un signo de numeral para indicarle a Python que no es un
verdadero código de computación). Por ejemplo:

    # Buscar todas las filas en la tabla
    # Unicornio no debe desbordar el lado izquierdo.

Trate de ser lo más preciso posible y no suponga que el programa sabe
algo acerca de la página que intenta *scrapear*.

Una vez que haya escrito algo de este seudo-código, comparemos esto con
el código esencial para nuestro primer *scraper*:

    import scraperwiki
    from lxml import html

En esta primera sección estaba importando funcionalidad existente de
bibliotecas, recortes de código ya escrito. `Scraperwiki` nos dará la
capacidad de descargar sitios de la red, mientras que `lxml` es una
herramienta para el análisis estructurado de documentos HTML. Buena
noticia: si está escribiendo un scraper con ScraperWiki, estas dos
líneas siempre serán las mismas.

    url = "http://www-news.iaea.org/EventList.aspx"
    doc_text = scraperwiki.scrape(url)
    doc = html.fromstring(doc_text)

A continuación el código hace un nombre (variable): url, y asigna el URL
de la página de la AIEA como su valor. Esto le dice al "scraper" que
esta cosa existe y que queremos prestarle atención. Nótese que el URL
mismo está entre comillas ya que no es parte del código del programa
sino un *string*, una secuencia de caracteres.

Entonces usamos la variable del url como entrada de una función,
`scraperwiki.scrape`. Una función que producirá una tarea definida, en
este caso, descargará una página de la red. Cuando termine, asignará su
producto a otra variable, `doc_text`. `doc_text` ahora contendrá el
texto del sitio; no la forma visual que ve en su navegador, sino el
código fuente, incluyendo todas las etiquetas. Dado que esta forma no es
muy fácil de analizar, usaremos otra función, `html.fromstring`, para
generar una representación especial, en la que podamos fácilmente
referirnos a elementos, el así llamado modelo de documento de objeto o
document object model (DOM).

    for row in doc.cssselect("#tblEvents tr"):
    link_in_header = row.cssselect("h4 a").pop()
    event_title = link_in_header.text
    print event_title

En este paso final, usamos el DOM para encontrar cada fila de nuestra
tabla y extraer el título del evento de su encabezado. Se usan dos
conceptos nuevos: el riso "for loop" y selección de elemento o "element
selection" (`.cssselect`). El "for loop" hace esencialmente lo que
implica su nombre; atraviesa una lista de ítems, asignando a cada uno un
alias temporal (`row` en este caso) y luego aplicará las instrucciones
con sangría para cada ítem.

El otro concepto nuevo, selección de elemento o "element selection", es
hacer uso de un lenguaje especial para encontrar elementos en el
documento. Los selectores CSS son usados normalmente para agregar
información de diseño a elementos HTML y puede ser usado para extraer
con precisión un elemento de una página. En este caso (línea 6) estamos
seleccionando \#tb1Events tr, que hará corresponder cada `<tr>` en el
elemento tabla con el ID tb1Events (el signo numeral simplemente
significa ID). Nótese que esto producirá una lista de elementos `<tr>`.

Eso puede verse en la siguiente línea (línea 7i), donde estamos
aplicando otro selector para encontrar cualquier `<a>` (que es un
hipervínculo) dentro de un `<h4>` (un título). Aquí sólo queremos ver un
elemento (solo hay un título por fila), de modo que tenemos que sacarlo
del encabezado de la lista creada por nuestro selector con la función
`.pop()`.

Nótese que algunos elementos en el DOM contienen texto (es decir, aneder
usando la sintaxis `[element].text` que se ve en la línea 8. Finalmente
en la línea 9 estamos imprimiendo ese texto a la consola ScraperWiki. Si
hace clic en "run" en su "scraper", la ventana más pequeña ahora debiera
comenzar a listar los nombres del evento del sitio de la AIEA.

![Un scraper en acción (ScraperWiki)](figs/incoming/04-DD.png)

Ahora puede ver un "scraper" básico operando: descarga la página, la
transforma a la forma DOM, y luego le permite seleccionar y extraer
cierto contenido. Dado este esqueleto, puede tratar de resolver algunos
de los problemas que quedan usando la documentación del ScraperWiki y
Python:

-   ¿Puede encontrar la dirección del vínculo en el título de cada
    evento?
-   ¿Puede seleccionar el pequeño módulo que contiene la fecha y el
    lugar usando su nombre de clase CSS y extraer el texto del elemento?
-   ScraperWiki ofrece una pequeña base de datos para cada scraper, de
    modo que pueda almacenar los resultados; copie el ejemplo
    correspondiente de sus docs y adáptelo de modo que guarde los
    títulos, vínculos y fechas del evento.
-   La lista de eventos tiene muchas páginas; ¿puede *scrapear*
    múltiples páginas para obtener eventos históricos también?

Mientras intenta resolver estos desafíos, investigue un poco el
ScraperWiki: hay muchos ejemplos útiles en los "scrapers" existentes; a
menudo los datos son bastante interesantes también. De este modo no
necesita comenzar su "scraper" de cero: simplemente escoja uno similar,
tómelo y adáptelo a su problema.

— *Friedrich Lindenberg, Open Knowledge Foundation*

> "Scrapear" en una base de datos pública

> Algunos médicos franceses pueden establecer libremente sus honorarios,
por lo que uno puede pagar entre € 70 y € 500 por una consulta de 30
minutos con un oncólogo, por ejemplo. Los datos sobre honorarios por ley
son públicos, pero la administración solo ofrece una base de datos
online difícil de navegar. Para tener una buena visión de los honorarios
de los médicos para Le Monde, decidí "scrapear" toda la base de datos.

> Ahí comenzó la diversión. De entrada, el formulario de búsqueda era una
aplicación Flash que redirigía a una página de resultados HTML vía un
pedido POST. Con ayuda de Nicolas Kayser-Bril, nos llevó algo de tiempo
descubrir que la aplicación usaba una tercera página como paso “oculto”
entre el formulario de búsqueda y la página de resultado. Esta página se
usaba en realidad para almacenar un cookie con valores del formulario de
búsqueda al que entonces accedía la página de resultados. Hubiese sido
difícil imaginarse un proceso más enredado, pero las opciones de la
biblioteca cURL en PHP permiten superar fácilmente las vallas, una vez
que se sabe cuáles son. Finalmente apoderarnos de la base de datos llevó
10 horas, pero valió la pena.

> — *Alexandre Léchenet, Le Monde*


## La red como fuente de datos

¿Cómo puede saber más de algo que solo existe en Internet? Esté buscando
una dirección de correo electrónico, sitio, imagen o artículo de
Wikipedia, en este capítulo haré con usted una recorrida por las
herramientas que le dirán más sobre ellos.

## Herramientas web

Primero, unos cuantos servicios diferentes que puede usar para descubrir
algo más sobre todo un sitio, en vez de una página particular:

 Whois 

:   Si va a [whois.domaintools.com/](http://whois.domaintools.com/) o
    simplemente tipea whois seguido de un URL *www.ejemplo.com* en
    Terminal.app en una Mac puede obtener la información básica de
    registro de cualquier sitio. En los últimos años algunos dueños han
    preferido el registro privado, lo que oculta sus detalles, pero en
    muchos casos verá un nombre, dirección, correo electrónico y número
    de teléfono de la persona que registró el sitio. También puede
    ingresar direcciones IP numéricas aquí y obtener datos sobre la
    organización o el individuo que es dueño del servidor. Esto es
    especialmente útil cuando trata de encontrar más información sobre
    un usuario abusivo o malicioso de un servicio, ya que la mayoría de
    los sitios registran una dirección IP de todo el que accede a ellos.

 Blekko 

:   El motor de búsquedas ([Blekko](http://blekko.com/) ofrece una
    cantidad inusual de información sobre las estadísticas internas que
    reúne sobre sitios mientras recorre la red. Si tipea un nombre de
    dominio seguido de “/seo”, verá una página de información sobre ese
    URL. La primera pestaña en [Figure 7](#FIG048) le muestra qué otros
    sitios se vinculan con el dominio por orden de popularidad. Esto
    puede ser extremadamente útil cuando está tratando de comprender qué
    tipo de cobertura recibe un sitio y por qué tiene un alto ranking en
    los resultados de búsquedas de Google, ya que estos se basan en esos
    vínculos entrantes. [Figure 8](#FIG049) le dice qué otros sitios
    funcionan en la misma máquina. Es común que estafadores y la gente
    que envía spam se trate de legitimar construyendo múltiples sitios
    que se ensalzan y vinculan mutuamente. Parecen dominios
    independientes e incluso pueden tener detalles de registro
    diferentes, pero a menudo están en el mismo servidor porque eso es
    mucho más barato. Estas estadísticas le dan una visión de la
    estructura oculta del sitio que investiga.

![El buscador Blekko Blekko.com)](figs/incoming/06-PP-01.png)

![Comprender la popularidad en la red, ¿quién se vincula con quién? La otra pestaña útil es “Estadísticas de Navegación"), especialmente la sección “Co-huesped con”.(Blekko.com)](figs/incoming/06-PP-02.png)

![Descubrir spammers y estafadores de la red (Blekko.com)](figs/incoming/06-PP-03.png)

 Compete.com 

:   Al estudiar una muestra representativa de consumidores
    estadounidenses, [Compete.com](http://ww.compete.com/) acumula
    estadísticas de uso detalladas para la mayoría de los sitios y pone
    a disposición gratuitamente algunos detalles básicos. Elija la
    pestaña de Site Profile (Perfil de Sitio) e ingrese un dominio
    ([Figure 9](#FIG0410)). Entonces verá un gráfico del tráfico del
    sitio en el último año, junto con cifras de cuánta gente lo visitó y
    con qué frecuencia (como en [Figure 10](#FIG0411)). Dado que se
    basan en muestras los números son solo aproximados, pero yo los
    encontré razonablemente precisos cuando pude compararlos con la
    analítica interna. En particular, parecen ser una buena fuente para
    comparar dos sitios, dado que aunque las cifras absolutas pueden ser
    equivocadas para ambos, de todos modos es una buena representación
    de su diferencia relativa en cuanto a popularidad. Pero solo
    estudian a los consumidores estadounidenses, por lo que los datos
    serán pobres para los sitios predominantemente internacionales.

![El servicio de perfil de Compete (Compete.com)](figs/incoming/06-PP-04.png)

![¿Qué está de moda? ¿De qué hay demanda?: Lugares calientes de la red (Compete.com)](figs/incoming/06-PP-05.png)

 El buscador de sitios (Site Search) de Google 

:   Un recurso que puede ser extremadamente útil cuando trata de
    explorar todo el contenido de un dominio particular es ingresar en
    el buscador los términos “sitio”: palabra clave. Si agrega
    “site:ejemplo.com” a su frase de búsqueda, Google solo presentará
    resultados del sitio que ha especificado. Incluso puede afinar aún
    más la búsqueda incluyendo el prefijo de las páginas que le
    interesan, por ejemplo, “site: ejemplo.com/páginas/”, y solo verá
    los resultados que responden a ese patrón. Esto puede ser
    extremadamente útil cuando trata de encontrar información que los
    dueños de dominios ofrecen públicamente pero que no desean difundir,
    de modo que elegir las palabras claves correctas puede permitir
    descubrir material muy revelador.

#### Páginas, imágenes y videos en la red

A veces lo que interesa es la actividad que rodea una historia
específica, en vez de un sitio entero. Las herramientas que se presentan
a continuación le dan distintos ángulos de cómo lee, responde, copia y
comparte contenido la gente en la red.

 Bit.ly 

:   Siempre recurro a [bitly.com](http://bitly.com/) cuando quiero saber
    cómo comparte la gente un vínculo particular. Para usarlo, ingrese
    el URL que le interesa. Luego haga clic en el vínculo Info Page+.
    Eso lo lleva a la página de estadísticas completas (aunque puede
    tener que escoger el vínculo “aggregate bit.ly” primero si ha
    ingresado en el servicio). Esto le dará una idea de la popularidad
    de la página, incluyendo actividad en Facebook y Twitter y debajo de
    eso verá conversaciones públicas respecto del vínculo provistas por
    backtype.com. Esta combinación de datos de tráfico y conversaciones
    me resulta muy útil cuando trato de comprender por qué un sitio o
    página es popular y quiénes son sus fans. Por ejemplo me aportó
    fuertes evidencias de que la opinión dominante respecto de la
    relación de Sarah Palin con los delegados de base era equivocada.

 Twitter 

:   Al ser el servicio de micro-blogging más usado, es útil parar ver en
    qué medida la gente comparte y habla acerca de piezas de
    contenido individuales. Es engañosamente simple descubrir
    conversaciones públicas sobre un vínculo. Uno simplemente pega el
    URL en el que está interesado en la ventana de búsqueda y luego
    posiblemente hace clic en “más tweets” para ver todos
    los resultados.

 Cache de Google 

:   Cuando una página se vuelve polémica los editores la pueden bajar o
    alterarla sin reconocerlo. Si cree que se está encontrando con este
    problema, el primer lugar a ir es el cache de Google de la página
    tal como era cuando hizo su último recorrido. La frecuencia de los
    recorridos está aumentando constantemente, por lo que tendrá más
    suerte si intenta esto dentro de las pocas horas posteriores a que
    se produjeron los supuestos cambios. Ingrese el URL correspondiente
    en la ventana de búsqueda de Google y luego haga clic en la flecha
    triple, a la derecha del resultado para esa página. Debiera aparecer
    una vista gráfica y si tiene suerte habrá un pequeño vínculo de
    “Cache” arriba. Haga clic allí para ver la toma de Google de
    la página. Si hay problemas para que cargue, puede cambiar a la
    página más primitiva, solo de texto, haciendo clic en otro link
    arriba de la página en cache completa. Usted tendrá que guardar la
    imagen de la pantalla o copiar y pegar el contenido significativo
    que encuentre, dado que puede quedar invalidado en cualquier momento
    por nuevos cambios.

 La Wayback Machine (Máquina de Hace Tiempo) del Archivo de Internet 

:   Si necesita saber cómo ha cambiado una página particular en un
    período de tiempo más largo, como meses o años, el Archivo de
    Internet tiene un servicio llamado [The Wayback
    Machine](http://archive.org/web/web.php) que periódicamente hace
    tomas de las páginas más populares de la red. Vaya al sitio, ingresa
    el vínculo que quiere buscar y si hay copias, le mostrará un
    calendario para el momento que quiere examinar. Entonces presentará
    una versión de la página aproximadamente como era en aquel momento.
    A menudo le faltará diseño o imágenes, pero por lo general basta
    para entender cuál era el foco del contenido de la página en
    ese momento.

 Ver el Código Fuente 

:   Es algo un poco improbable, pero los diseñadores a menudo dejan
    comentarios u otros indicios en el código HTML de cualquier página.
    Estará en distintos menúes según el navegador que use, pero siempre
    hay una opción de “view source” (ver código fuente), que le
    permitirá recorrer el HTML en crudo. No necesita entender lo que
    significan las partes solo legibles para la máquina, solo esté
    atento a los tramos de texto que a menudo están desparramados en
    medio del código. Aunque solo sean referencias de copyright o
    menciones de los nombres del autor, estos a menudo pueden dar pistas
    importantes acerca de la creación y el objetivo de la página.

 TinEye 

:   A veces uno realmente quiere conocer el origen de una imagen, pero
    sin un texto claro que lo indique no hay ninguna manera evidente de
    hacerlo con motores de búsqueda tradicionales como Google.
    [TinEye](http://www.tineye.com/) ofrece un proceso especializado de
    “búsqueda inversa de imagen”, donde uno le da la imagen que tiene y
    encuentra otras imágenes en la red que se ven muy similares. Debido
    a que usa reconocimiento de imagen para hacer la búsqueda, funciona
    incluso cuando una copia ha sido recortada, distorsionada
    o comprimida. Esto puede ser extremadamente efectivo cuando usted
    sospecha que una imagen que se presenta como original o nueva no lo
    es, dado que puede reconducirlo a la verdadera fuente original.

 YouTube 

:   Si hace clic en el ícono de estadísticas en el ángulo inferior
    derecho de cualquier video, puede conseguir información valiosa
    sobre su público a lo largo del tiempo. Si bien no es completa, es
    útil para entender aproximadamente quienes son los espectadores, de
    donde vienen y cuándo.

#### Correo electrónico

Si está investigando correos electrónicos, a menudo querrá conocer más
detalles sobre la identidad y ubicación del que los envió. No hay una
buena herramienta disponible para ayudar con esto, pero puede ser muy
útil conocer lo básico acerca de los encabezados ocultos incluidos en
todo mensaje de correo electrónico. Estos funcionan como indicadores
para el correo y pueden revelar mucho acerca del remitente. En
particular, a menudo incluyen la dirección IP de la máquina desde la que
fue enviado el correo, parecido a la identidad del que hace una llamada
telefónica. Puede entonces usar "whois" con ese número IP para saber qué
organización posee esa máquina. Si resulta ser alguien como Comcast o
AT&T que proveen conexiones a consumidores, entonces puede visitar
MaxMind para obtener su ubicación aproximada.

Para ver estos encabezados en Gmail abra el mensaje y
\[line-through\]\*abra\*el menú junto a la respuesta arriba a la derecha
y elija “Mostrar original”.

Entonces verá una nueva página que revela el contenido oculto. Al
comienzo habrá un par de docenas de líneas que son palabras seguidas por
una coma. La dirección IP que busca puede estar allí, pero el nombre
dependerá de cómo fue enviado el correo. Si se envió desde Hotmail, se
llamará `X-Originating-IP:`, pero si fue enviado desde Outlook o Yahoo
estará en la primera línea que comienza con `Received:`.

Si investigo la dirección con Whois me dice que está asignado a Virgin
Media, un ISP del RU, por lo que uso el servicio de ubicación geográfica
de MaxMind para descubrir que viene de mi ciudad, Cambridge. Esto
significa que puedo estar razonablemente confiado de que se trata
efectivamente de un correo de mis padres y no de impostores.

#### Tendencias

Si está investigando un tema amplio en vez de un sitio o ítem
particular, estas son algunas herramientas que pueden ayudar:

 Wikipedia Article Traffic (Tráfico de Artículos de Wikipedia) 

:   Si le interesa conocer cómo ha variado el interés del público sobre
    un tema o persona a lo largo del tiempo, puede encontrar cifras de
    vistas día por día para cualquiera página de Wikipedia en
    [stats.grok.se](http://stats.grok.se/). Es un sitio un poco tosco,
    pero le permitirá descubrir la información que necesita revolviendo
    un poco. Ingrese el nombre que le interesa para tener una visión
    mensual del tráfico en esa página. Eso le presentará un gráfico que
    muestra cuántas veces fue vista la página cada día del mes que
    usted especifique. Desgraciadamente solo se puede ver un mes por
    vez, por lo que tendrá que seleccionar otro mes y volver a buscar,
    para ver cambios en períodos más prolongados.

 Google Insights 

:   Puede tener una clara visión de los hábitos de búsquedas del público
    usando [Insights de Google](http://www.google.com/insights/search/)
    ([Figure 11](#FIG0412)). Ingrese un par de frases de búsquedas
    comunes, como “Justin Bieber vs Lady Gaga”, y verá un gráfico de sus
    números relativos de búsquedas con el paso del tiempo. Hay muchas
    opciones para refinar su vista de los datos, desde zonas geográficas
    más reducidas hasta más detalle a medida que pasa el tiempo. Lo
    único que falta son valores absolutos: solo verá porcentajes
    relativos, lo que puede ser difícil de interpretar.

![Google Insights (Google)](figs/incoming/06-PP-06.png)

— *Pete Warden, analista de datos y diseñador independiente*


## Crowdsourcing en el Datablog de The Guardian


"Crowdsourcing", [según Wikipedia](http://es.wikipedia.org/wiki/Crowdsourcing), 
“consiste en externalizar tareas que, tradicionalmente, realizaba un empleado o
contratista, a un grupo numeroso de personas o una comunidad, a través
de una convocatoria abierta”. Lo que sigue está tomado de una entrevista
con Simon Rogers acerca de cómo el Datablog usó "crowdsourcing" para
cubrir el escándalo de los gastos de parlamentarios, el uso de drogas y
los papeles de Sarah Palin:

A veces uno recibe una tonelada de archivos, estadísticas o informes que
es imposible que una persona pueda analizar. También puede conseguir
material que es inaccesible o está en un mal formato y no puede hacer
demasiado. Es en esto que puede ayudar el "crowdsourcing".

Una cosa que tiene The Guardian es muchos lectores, muchos pares de
ojos. Si hay un proyecto interesante en el que necesitamos su ayuda,
entonces se lo pedimos. Es lo que hicimos con los 
[Gastos de los parlamentarios](http://mps-expenses.guardian.co.uk/). 
Teníamos 450.000 documentos y poco tiempo para hacer algo. 
¿Entonces qué cosa mejor que repartir la tarea entre los lectores?

![Una copia redactada de los gastos incidentales de Stephen Pound (The Guardian)](figs/incoming/04-EE.png){FIG0413}

El proyecto de los gastos de los parlamentarios generó muchas pistas.
Tuvimos más historias que datos. El proyecto fue llamativamente exitoso
en términos de tráfico. A la gente realmente le gustó.

Actualmente estamos 
[haciendo algo con MixMag sobre el uso de drogas](http://bit.ly/guardian-drugs), 
que también ha sido fenomenal.
Parece que va a ser más grande que la encuesta sobre crímenes en Gran
Bretaña en términos de la cantidad de gente que vuelve, lo que es
brillante.

Lo que ambos proyectos tienen en común es que se refieren a temas que
realmente le importan a la gente, por lo que está dispuesta a dedicarles
su tiempo. Mucho del *crowdsourcing* que hemos hecho depende de la ayuda
de obsesivos. Con los gastos de los parlamentarios tuvimos una cantidad
masiva de tráfico al comienzo y luego bajó. Pero seguimos teniendo gente
que lee obsesivamente cada página buscando anomalías e historias. Una
persona ha leído 30.000 páginas. Saben muchas cosas.

También usamos "crowdsourcing" con 
[los papeles de Sarah Palin](http://bit.ly/guardian-palin-papers). 
También en este caso fue de gran ayuda para estudiar la información en 
crudo en busca de historias.

En términos de generar historias el "crowdsourcing" ha funcionado muy
bien. A la gente realmente le gusta e hizo quedar bien a The Guardian.
Pero en términos de generar datos no hemos usado el "crowdsourcing"
tanto.

Algunos de los proyectos de "crowdsourcing" que hemos hecho y que
funcionaron realmente bien, han sido encuestas a la antigua. Cuando uno
le pregunta a la gente acerca de su experiencia, su vida, lo que han
hecho, eso funciona muy bien porque la gente no tiende a inventar en
esos casos. Dice lo que siente. Cuando le pedimos a la gente que haga
nuestro trabajo por nosotros hay que encontrar una especie de marco para
que la gente produzca datos de un modo que resulten confiables.

Respecto de la confiabilidad de los datos, creo que la postura de 
[Old Weather](http://www.oldweather.org/) es realmente buena. Consiguen 
que 10 personas hagan cada entrada, que es una buena manera de asegurarse
precisión. Con los gastos de los parlamentarios tratamos de minimizar el
riesgo de que los mismos parlamentarios se metieran online a editar sus
datos para quedar mejor. Pero no se puede estar permanentemente
cuidándose de esto. Sólo se puede estar atento a ciertos URL o si
provienen de la zona SW1 de Londres. Así que eso es un poco más difícil.
Los datos que sacábamos no eran siempre confiables. Aunque las historias
eran muy buenas, no producía números en crudo que pudiéramos usar con
certeza.

Si tuviera que dar consejos a quienes aspiran a ser periodistas de datos
y que quieren usar el "crowdsourcing" para obtener datos, los alentaría
a hacerlo con algo que a la gente realmente le importa y que le seguirá
importando cuando deje de producir titulares de primera página. Además,
si uno puede crear algo que se parezca a un juego, eso puede ayudar
realmente a atraer a la gente. Cuando hicimos la historia de los gastos
por segunda vez, fue mucho más como un juego con tareas individuales
para que las hiciera la gente. Realmente fue de ayuda dar a la gente
tareas específicas. Eso fue importante porque creo que si uno solo le
presenta a la gente una montaña de información que tiene que ver y le
dice “mire esto”, puede resultar un trabajo duro y poco grato. Por lo
que creo que es realmente importante hacer que sea divertido.

— *Marianne Bouchart, Data Journalism Blog, interviewing Simon Rogers,
the Guardian*


## Cómo el Datablog usó "crowdsourcing" para cubrir la venta de entradas para las Olimpíadas

Creo que el proyecto de *croudsourcing* que tuvo la mayor respuesta fue
un [trabajo sobre la subasta de entradas para las
Olimpíadas](http://bit.ly/guardian-olympics). Miles de personas en el RU
trataron de obtener entradas para la Olimpíada de 2012 y hubo mucha
indignación porque la gente no las recibió. La gente había hecho pedidos
por cientos de libras y se les dijo que no recibirían nada. Pero nadie
sabía si eran solo unas pocas personas las que se quejaban ruidosamente
mientras la mayoría estaba contenta. Por lo que intentamos encontrar una
manera de saberlo.

Decidimos que lo mejor que podíamos hacer realmente, dado que no había
buenos datos sobre el tema, era preguntar a la gente. Y pensamos que
tendríamos que tratarlo como un tema no demasiado serio, porque no
teníamos una muestra representativa.

Creamos un formulario en Google e 
[hicimos preguntas muy específicas](http://bit.ly/guardian-olympics2). 
En realidad era un cuestionario largo: preguntaba cuánto era el valor de las 
entradas que habían pedido, cuánto habían debitado de sus tarjetas de crédito, 
qué eventos querían ver, este tipo de cosas.

![Figure 13. ¿Cuántas entradas Olímpicas consiguió?: los resultados de los lectores (The Guardian)](figs/incoming/04-FF.png){FIG0414}

Lo pusimos como una pequeña imagen a la cabeza del sitio y se difundió
rápidamente. Creo que esta es una de las cosas claves; no se puede solo
pensar “¿Qué es lo que quiero saber para mi historia?”. Hay que pensar:
“¿Qué me quiere contar la gente ahora?” Y el "crowdsourcing" es exitoso
cuando uno descubre de qué quiere hablar la gente. El volumen de
respuestas para este proyecto, que es uno de nuestros primeros intentos
de "crowdsourcing", fue inmenso. Tuvimos 1.000 respuestas en menos de
una hora y 7.000 para el final del día.

Por lo que obviamente, tomamos un poco más seriamente la presentación de
los resultados en este momento. Inicialmente no sabíamos cómo nos iba a
ir. Por lo que agregamos algunas consideraciones: los lectores del
Guardian pueden tener mayores ingresos que otra gente, la gente que
recibió menos de lo esperado podía estar más dispuesta a hablar con
nosotros, y así siguiendo.

No sabíamos cuánto valor tendrían los resultados. Terminamos con unos
7.000 registros en los cuales basar nuestro trabajo, y descubrimos que
alrededor de la mitad de la gente que pidió entradas no recibió nada.
Presentamos todo esto y debido a que tanta gente había participado el
día anterior, hubo mucho interés en los resultados.

Pocas semanas más tarde salió el informe oficial y nuestras cifras
resultaron llamativamente precisas. Eran casi exactas. Creo que en parte
fue por una cuestión de suerte, pero también porque logramos que
respondiera tanta gente.

Si uno le pregunta a sus lectores sobre algo así y contestan en los
comentarios de la nota, estará limitado en lo que puede hacer con los
resultados. De modo que tiene que empezar por pensar: “¿Cuál es la mejor
herramienta para lo que quiero saber?” ¿Es un hilo de comentarios? ¿O
tengo que crear una aplicación? Y si es crear una aplicación, hay que
pensar: “¿Vale la pena la espera? ¿Y se justifican los recursos
requeridos para hacer esto?”

En este caso pensamos en los Formularios Google. Si alguien llena el
formulario el resultado aparece como una fila en una hoja de cálculo.
Esto significa que aunque aún si se estuviera actualizando, aún si
siguieran entrando resultados, se podría abrir la hoja de cálculo y ver
todos los resultados.

Pude haber tratado de hacer el trabajo en Google, pero lo descargué a
Microsoft Excel y luego ordené la información de menor a mayor; también
encontré las entradas en las que la gente para decir lo que gastó, había
escrito los números como palabras (en vez de colocar los dígitos), y
arreglé eso. Decidí excluir lo menos posible. De modo que en vez de solo
aceptar las respuestas válidas, traté de arreglar lo que tenía. Algunos
habían usado divisas extranjeras, así que las convertí a libras, todo lo
cual fue un poco trabajoso.

Pero hice todo el análisis en pocas horas y eliminé las entradas
obviamente tontas. Mucha gente decidió decir que no había gastado nada
en entradas. Eso es un poco gracioso, pero está bien. Eran menos de cien
en más de 7.000 entradas.

También hubo unas pocas docenas de personas que ingresaron cifras
demasiado elevadas para tratar de distorsionar los resultados. Cosas
como 10.000.000 de libras. Por lo que eso me dejó con un conjunto de
datos que podía usar con los principios normales que usamos todos los
días. Hice lo que se llama una “tabla dinámica” (pivot table). Hice
algunos porcentajes. Ese tipo de cosas.

No teníamos idea del impacto que tendría el proyecto, de modo que
trabajé yo solo con el editor del blog de deportes. Juntamos cabezas y
pensamos que este podía ser un proyecto divertido. Lo hicimos, de
comienzo a fin, en 24 horas. Tuvimos la idea, a la hora del almuerzo
armamos algo, lo pusimos a la cabeza del sitio, vimos que resultaba
bastante popular, lo dejamos a la cabeza del sitio el resto del día y
presentamos los resultados online a la mañana siguiente.

Decidimos usar Google Docs porque da completo control sobre los
resultados. No necesitaba usar las herramientas analíticas de otra
gente. Lo puedo trasladar fácilmente a un software de base de datos o a
hojas de cálculo. Cuando uno usa el software de consultas de
especialistas, a menudo se ve restringido a usar las herramientas de
ellos. Si hubiésemos estado pidiendo información muy delicada, quizás
hubiésemos dudado de usar Google y pensado en hacer algo “interno”. Pero
por lo general es muy fácil incorporar Google Forms a una página de The
Guardian y para el usuario es prácticamente invisible el hecho de que
estamos usando ese formulario. Por lo que es muy conveniente.

En términos de consejos para periodistas de datos que quieren usar el
"crowdsourcing", hay que definir cosas muy específicas para consultar a
la gente. En lo posible, haga preguntas tipo “multiple choice” (elegir
entre opciones fijas). Trate de conseguir datos demográficos básicos de
a quién se dirige, de modo de ver si su muestra puede ser distorsionada.
Si está pidiendo cantidades y cosas por el estilo, trate de especificar
que requiere la información en dígitos, que tienen que usar una moneda
específica, y así. Muchos no lo harán, pero cuanto más los guíe en todo,
tanto mejor. Y siempre, siempre, agregue una ventana para comentarios
porque mucha gente llenará los otros campos pero lo que realmente quiere
es darle su opinión sobre el tema. Especialmente si se trata de algo que
tiene que ver con los consumidores o un escándalo.

— *Marianne Bouchart, Data Journalism Blog, interviewing James Ball, the
Guardian*


## Usar y compartir datos: las reglas técnicas legales, la letra chica y la realidad


En esta sección echaremos un rápido vistazo al estado de las leyes
relacionadas con datos y bases de datos, y lo que puede hacer para
ofrecer sus datos al público usando licencias comunes y herramientas
legales. No deje que nada de lo que sigue ahogue su entusiasmo por el
periodismo de datos. Las restricciones al manejo de datos por lo general
no serán una traba y fácilmente puede asegurarse de que no sean una
traba para otros que usen los datos que usted publica.

Para decir lo obvio, obtener datos nunca fue más fácil. Antes de la
publicación generalizada de datos en la red, aunque uno hubiera
identificado un conjunto de datos que necesitaba, tenía que pedir a
quien tuviera una copia que se la pusiera a disposición, lo que
posiblemente involucrara el uso del correo o una visita personal. Ahora
uno hace que su computadora le pida a la computadora del otro que le
envíe una copia. Conceptualmente es algo similar, pero usted tiene una
copia de inmediato y el otro (el creador o editor) no ha hecho nada, y
probablemente no tenga idea de que usted descargó una copia.

¿Y qué pasa cuando se trata de descargar datos con un programa (lo que a
veces se llama “scrapear”) y condiciones de uso del servicio (en inglés
Terms of Service o ToS)? Considere la frase anterior: su navegador es
justamente ese tipo de programa. Puede ser que el ToS solo permita
acceso con cierto tipo de programa. Si tiene tiempo y dinero ilimitados
para gastar en la lectura de tales documentos y quizás para pedir
asesoramiento a un abogado, hágalo sin dudar. Pero por lo general trate
de no ser un idiota: si su programa causa daño a un sitio, su red puede
ver bloqueado el acceso al sitio en cuestión y quizás usted se lo
merezca. Ahora hay mucha experiencia respecto de acceder y "scrapear"
datos en la red. Si piensa hacer esto, le será provechoso leer los
ejemplos que se dan en sitios como ScraperWiki.

Una vez que tiene datos de interés, puede interrogar, desmenuzar,
ordenar, visualizar, correlacionar y realizar cualquier tipo de análisis
que guste con su copia de los datos. Puede publicar su análisis, citando
cualquier dato. La frase hecha “los datos son libres” (en el mismo
sentido que la palabra es libre) dice mucho, o quizás sea solo una frase
hecha de los que piensan demasiado en las cuestiones legales
relacionadas con las bases de datos o en sentido aún más amplio (y
retorcido) el aspecto legal del manejo de datos.

¿Qué sucede si, siendo un periodista de datos bueno o que aspira a ser
bueno, tiene la intención de publicar no solo su análisis, incluyendo
algunos hechos o datos puntuales, sino también los conjuntos de
datos/bases de datos que usó –y a los que quizás incorporó más
información- al realizar su análisis? O quizás solo está curando datos y
no ha hecho ningún análisis (eso es bueno: el mundo necesita curadores
de datos). Si usted está usando datos recopilados por algún otro ente,
podría haber alguna complicación. (Si su base de datos ha sido armada
totalmente por usted, de todos modos lea el siguiente párrafo como
motivación para las prácticas de compartir información que aparecen en
el párrafo posterior).

Si usted está familiarizado con el modo en que el copyright limita el
trabajo creativo –si el titular del copyright no ha dado permiso para
usar un trabajo (o el trabajo está en el dominio público o su uso puede
estar cubierto por excepciones y limitaciones tal como el uso leal) y
usted usa –distribuye, realiza, etc.- el trabajo de todos modos, el
titular del copyright podría obligarlo a interrumpirlo. Aunque los datos
son libres, los conjuntos de datos pueden ser restringidos de modo muy
similar, aunque hay más variaciones en las leyes relevantes que en el
caso del copyright aplicado a obras creativas. En síntesis, una base de
datos puede estar sujeta a copyright, como obra creativa. En muchas
jurisdicciones, por “el sudor de la frente”, simplemente armar una base
de datos, incluso de modo no creativo, hace que la base de datos esté
sujeta a copyright. En Estados Unidos en particular, tiende a exigirse
un mínimo mayor de creatividad para que haya derecho de autor (Feist v.
Rural, un caso sobre una guía telefónica, es el caso clásico
estadounidense si quiere buscarlo). Pero en algunas jurisdicciones
también hay “derechos de base de datos” que restringen el uso de bases
de datos, como cosa distinta al copyright (aunque hay mucha
superposición en términos de lo que está cubierto, en particular donde
los umbrales de creatividad para la existencia de copyright son
prácticamente inexistentes). Los más conocidos de estos son los derechos
de base de datos *sui generis* de la Unión Europea. De nuevo,
especialmente si se encuentra en Europa, quizás quiera asegurarse de que
tiene autorización antes de publicar una base de datos de otra entidad.

Obviamente tales restricciones no son la mejor manera de promover un
ecosistema de periodismo basado en datos (tampoco es algo bueno para la
sociedad en general; científicos sociales y otros le dijeron a la UE que
no lo serían antes de la aparición de los derechos *sui generis*, y
estudios realizados desde su aparición han demostrado que tenían razón).
Afortunadamente como editor de una base de datos usted puede eliminar
tales restricciones para el uso de la base de datos (suponiendo que no
contiene elementos sobre los que usted no tiene autorización para
otorgar permiso), esencialmente otorgando permiso por adelantado. Puede
hacer esto publicando su base de datos bajo una licencia pública o una
dedicatoria al dominio público, del mismo modo que muchos programadores
difunden sus códigos bajo una licencia libre y de libre acceso, de modo
que otros puedan utilizar su código (dado que el periodismo basado en
datos a menudo involucra código, no solo datos, por supuesto que usted
debe autorizar el uso de su código también, de modo que su colección de
datos y su análisis sean reproducibles). Hay muchos motivos para dar
libre acceso a sus datos. Por ejemplo, su público podría crear nuevas
visualizaciones o aplicaciones con los mismos y con las que usted puede
crear un vínculo, como hace The Guardian con su grupo en Flickr de
visualización de datos. Sus conjuntos de datos pueden combinarse con
otros conjuntos de datos para que usted y sus lectores tengan una mejor
visión de un tema. Las cosas que hacen otros con sus datos pueden darle
pistas para nuevas historias, o ideas para historias, o ideas para otros
proyectos basados en datos. Y sin duda le dará prestigio.

![Distintivos de datos abiertos (Open Knowledge Foundation)](figs/incoming/04-GG.jpg){FIG0415}

Cuando uno advierte que difundir trabajos bajo licencias públicas es una
necesidad, la cuestión pasa a ser: ¿cuál licencia? Esa pregunta
complicada frecuentemente será respondida por el proyecto o la comunidad
en cuyo trabajo usted basa el suyo, o al que espera poder contribuir con
su trabajo: use la licencia que ellos usan. Si necesita investigar más a
fondo, empiece por el conjunto de licencias que son libres y abiertas,
es decir, que autorizan a cualquiera a darle cualquier uso (puede
requerirse tanto libertad de atribución como de compartir). La
[Definición de Conocimiento Abierto](http://opendefinition.org/) , en
español <http://es.wikipedia.org/wiki/Conocimiento_abierto>, significa
para todo otro conocimiento, incluyendo las bases de datos, lo mismo que
la Definición de Software Libre y la Definición de Código Libre
significan para el software: define lo que hace que una obra sea de
libre acceso y lo que las licencias de libre acceso permiten hacer a los
usuarios.

Puede visitar el sitio de Open Knowledge Definition para ver el 
[actual conjunto de licencias](http://opendefinition.org/licenses/), algunas
definiciones en español en 
[Creative Commons](http://es.wikipedia.org/wiki/Licencias_Creative_Commons)). 
En síntesis, básicamente hay 3 clases de licencias abiertas:

 Dominio Público 

:   Estas también sirven como licencias de máxima permisividad; no hay
    condiciones impuestas al uso de la obra.

 Licencias permisivas o sólo de atribución 

:   Reconocer la autoría es la única condición sustancial de
    estas licencias.

 Licencias copyleft, recíprocas o de compartir por igual 

:   Estas también requieren que si se publican obras modificadas, sean
    compartidas bajo la misma licencia.

Si usted está usando un conjunto de datos publicados por otro bajo una
licencia abierta, considere el párrafo anterior como una breve guía
respecto de cómo debe cumplir las condiciones de esa licencia abierta.
Las licencias más comunes de Creative Commons, Open data Commons y
varios gobiernos por lo general van acompañadas de una síntesis que le
permitirá ver fácilmente cuáles son las condiciones sustanciales
requeridas. Comúnmente la licencia se presentará en una página de la red
de la que puede descargarse un conjunto de datos (o de donde pueden ser
"scrapeados", ya que, por supuestos, las páginas de la red pueden
contener conjuntos de datos) o en un lugar conspicuo dentro del conjunto
de datos mismos, según el formato. Esto es lo que usted debiera hacer
también cuando autoriza el acceso a sus conjuntos de datos.

Volviendo al comienzo, ¿qué pasa si el conjunto de datos que necesita no
está disponibles online aún o hay algún tipo de control sobre los
mismos? Considere la posibilidad de pedir acceso no solo para usted,
sino que los datos se abran al uso de todo el mundo. Usted puede dar
algunas indicaciones de algunas de las grandes cosas que podrían suceder
con esos datos si así se hiciera.

El tema de compartir datos con todo el mundo podría llevar a la cuestión
de que algunos conjuntos de datos pueden afectar derechos de privacidad
y otras consideraciones y regulaciones. Por cierto, el hecho de que el
carácter abierto de la información elimina muchas barreras técnicas y de
copyright,, o del tipo del copyright no significa que no haya que
cumplir otras leyes. Pero, en el caso de que su sentido común le indique
que existe la necesidad de investigar esa cuestión, tenga en cuenta que
esto siempre fue así y que hay tremendos recursos y en algunos casos
medidas de protección para periodistas.

¡Buena suerte! Pero probablemente necesite la suerte mucho más para
otros aspectos de su proyecto que para enfrentar los (escasos) riesgos
legales.

— *Mike Linksvayer, Creative Commons*


# Entender los datos

![](figs/incoming/05-00-cover.png)

Una vez que tiene sus datos, ¿qué hace con ellos? ¿Qué debe buscar? ¿Qué
herramientas debe usar? Esta sección comienza con algunas ideas acerca
de cómo mejorar su conocimiento del manejo de datos, consejos para
trabajar con cifras y estadísticas, y cosas a tener en cuenta cuando
trabaja con conjuntos de datos desordenados, imperfectos y a menudo poco
documentados. Podemos luego aprender a obtener historias de los datos,
cuáles son las herramientas preferidas de los periodistas de datos, y
cómo usar la visualización de datos para que ayude a entender el tópico
en cuestión.

### Qué contiene este capítulo?

-   [Aprenda a manejar datos con 3 pasos
    simples](entender_los_datos_0.html)
-   [Consejos para trabajar con cifras en las
    noticias](entender_los_datos_1.html)
-   [Pasos básicos para trabajar con datos](entender_los_datos_2.html)
-   [La pieza de pan de £ 32](entender_los_datos_3.html)
-   [Empiece por los datos, termine con una
    historia](entender_los_datos_4.html)
-   [Historias basadas en datos](entender_los_datos_5.html)
-   [Los periodistas de datos debaten sobre sus herramientas
    preferidas](entender_los_datos_6.html)
-   [Usar visualizaciones para descubrir cosas en los
    datos](entender_los_datos_7.html)


## Aprenda a manejar datos con 3 pasos simples

Así como la alfabetización refiere a “la capacidad de leer para conocer,
escribir de modo coherente y pensar críticamente acerca de material
impreso”, la alfabetización en materia de datos es la capacidad de
manejar datos para conocer, producir coherentemente y pensar
críticamente acerca de datos. La alfabetización en materia de datos
incluye la alfabetización estadística, pero también comprende cómo
trabajar con grandes conjuntos de datos, cómo fueron producidos, como
relacionar varios conjuntos de datos y como interpretarlos.

![[Cavar en los datos](http://www.flickr.com/photos/jdhancock/3386035827/) (photo by JDHancock)](figs/incoming/05-MM.jpg)

Poynter News University ofrece clases de [matemática para
periodistas](http://www.newsu.org/courses/math-journalists) que ayudan a
dominar conceptos tales como cambios porcentuales y promedios. Es
interesante que estos conceptos se enseñen simultáneamente cerca de las
oficinas de Poynter, en escuelas de Florida a estudiantes de quinto
grado (10-11 años), como lo atestigua [la currícula](http://bit.ly/k12-courses).

Que los periodistas necesiten ayuda con temas matemáticos normalmente
vistos antes de la escuela secundaria muestra lo lejos que están las
redacciones de saber manejar datos. Esto es un problema. ¿Cómo puede una
periodista hacer uso de una cantidad de cifras sobre cambio climático si
no sabe lo que significa un intervalo de confianza? ¿Cómo puede un
periodista de datos escribir una historia sobre distribución del ingreso
si no sabe la [diferencia entre media y mediana](http://bit.ly/karenberger-mean-median)?

Una periodista por cierto no necesita tener un título en estadística
para ser más eficiente en el manejo de los datos. Enfrentada a las
cifras, unos pocos trucos simples pueden ayudarla a armar una historia
mucho mejor. Como dice el profesor del Instituto Max Planck, Gerd
Gigerenzer, tener mejores herramientas no permitirá hacer mejor
periodismo si éstas no son utilizadas con visión. Aunque no tenga ningún
conocimiento de matemática o estadísticas, puede convertirse fácilmente
en una periodista de datos experimentada haciendo 3 preguntas muy
simples.

#### 1. ¿Cómo se obtuvieron los datos?

#### Sorprendente crecimiento del PBI

La manera más fácil de darse aires con datos espectaculares es
fabricarlos. Suena obvio, pero datos tan comúnmente comentados como las
cifras del PBI bien pueden ser falsos. El ex embajador británico Craig
Murray informa en su libro, Asesinato en Samarcanda, que las tasas de
crecimiento en Uzbekistán están sujetas a intensas negociaciones entre
el gobierno local y entes internacionales. Dicho de otro modo, no tienen
nada que ver con la economía local.

El PBI es usado como el principal indicador porque los gobiernos tienen
que controlar su principal fuente de ingresos: el IVA. Cuando un
gobierno no se financia con el IVA, o cuando no informa públicamente de
su presupuesto, no tiene motivos para recoger datos sobre el PBI y le
vendrá mejor inventarlos.

#### El crimen siempre está en aumento

“El crimen en España creció un 3%”, 
[escribe El País](http://bit.ly/elpais-numeracy). 
Bruselas es presa de un aumento del crimen de extranjeros ilegales y drogadictos, 
[escribe RTL](http://bit.ly/rtl-numeracy). Este tipo de de informes basados en
estadísticas recogidas por la policía es común, pero no nos dice gran
cosa sobre la violencia.

Podemos confiar en que dentro de la Unión Europea los datos no son
falsificados. Pero el personal policial responde a incentivos. Cuando el
desempeño está ligado a la tasa de esclarecimiento, por ejemplo, los
policías tienen un incentivo para informar lo más posible de incidentes
que no requieren investigación. Uno de tales crímenes es el de fumar
marihuana. Esto explica por qué los crímenes relacionados con las drogas
en Francia se multiplicaron por 4 en los últimos 15 años, mientras que
el consumo se mantuvo constante.

#### Qué se puede hacer

Cuando dude de la credibilidad de una cifra, verifíquela, tal como lo
haría si se tratara de una declaración de un político. En el caso
uzbeco, una llamada a alguien que haya vivido allí un tiempo basta (“¿Es
cierto que el país es 3 veces más rico que en 1995, como muestran las
cifras oficiales?”).

Para los datos policiales, los sociólogos a menudo realizan estudios de
victmización, en los que preguntan a la gente si es víctima de crímenes.
Estos estudios son mucho menos volátiles que los datos policiales.
Quizás ese sea el motivo por el que no se los destaca en los medios.

Otros tests permiten evaluar la credibilidad de los datos, tales como la
ley de Benford, pero ninguno de ellos suplanta su pensamiento crítico.

#### 2. ¿Qué se puede aprender de ello?

#### El riesgo de esclerosis múltiple aumenta al doble cuando se trabaja de noche

Sin duda cualquier alemana que no esté loca dejaría de trabajar de noche
luego de [leer este titular](http://bit.ly/dmsg-numeracy). Pero el
artículo no nos dice cuál es el riesgo realmente.

Tome 1000 alemanes. Solo uno tendrá EM. Si todos estos 1000 alemanes
trabajaran de noche, el número de pacientes de EM se iría a 2. El riesgo
adicional de tener EM trabajando de noche es 1 en 1000, no 100%. Sin
duda esta información es más útil al ponderar si aceptar un empleo.

#### En promedio, 1 de cada 15 europeos es totalmente analfabeto 

Este titular asusta. Además es cierto. Entre los 500 millones de
europeos, 36 millones probablemente no saben leer. Agreguemos que 36
millones también tienen menos de 7 años; 
[datos de Eurostat](http://bit.ly/eurostat-numeracy).

Cuando escriba sobre un promedio, siempre piense: ¿Un promedio de qué?
¿La población de referencia es homogénea? Los patrones de distribución
desigual explican por qué la mayoría de la gente maneja mejor que el
promedio, por ejemplo. Mucha gente tiene cero o solo un accidente en
toda su vida. Unos pocos conductores irresponsables tienen muchos, lo
que hace que el número promedio de accidentes sea mucho más elevado de
lo que es la experiencia de la mayoría de la gente. Lo mismo vale para
la distribución del ingreso: la mayoría de la gente gana menos que el
promedio.

#### Qué puede hacer

Siempre tome en cuenta la distribución y la tasa base. Verificar el
media y la mediana así como la moda (el valor más frecuente en la
distribución) le ayuda a interpretar los datos. Conocer el orden de
magnitud hace más fácil contextualizar, como en el ejemplo de EM.
Finalmente, informar en base a frecuencias naturales (1 de cada 100) es
mucho más fácil de entender para los lectores que usar porcentuales (1%).

#### 3. ¿En qué medida es confiable la información? 

##### El problema del tamaño de la muestra

“80% insatisfecho con el sistema judicial”, dice una encuesta de la que
se informa en [el Diario de Navarra](http://bit.ly/diariodenavarra) con
sede en Zaragoza. ¿Cómo se puede extrapolar de 800 encuestados a
46.000.000 de españoles? Sin duda esto es poco serio.

Cuando se investiga una gran población (más de unos pocos miles) rara
vez se necesita más que un millar de encuestados para lograr un margen
de error de menos del 3%. Significa que si fuera a rehacer la encuesta
con una muestra totalmente distinta, 19 veces de 20 las respuestas que
recibiría estarían dentro del intervalo de 3 puntos porcentuales del
valor encontrado, comparado con lo que hubiera sucedido si entrevistaba
a todas las personas.

##### Tomar té reduce el riesgo de infarto

Los artículos acerca de los beneficios de tomar té son comunes. 
[Este artículo](http://bit.ly/welt-tea) breve en Die Welt que dice que el té
reduce el riesgo de infarto del miocardio no es la excepción. Si bien
los efectos del té son estudiados seriamente por algunos, muchas piezas
de investigación no toman en cuenta factores de estilo de vida, tales
como dieta, ocupación, o deportes.

En la mayoría de los países, el té es la bebida de las clases altas
preocupadas por la salud. Si los investigadores no toman en cuenta los
factores de estilo de vida en sus estudios sobre el té, no nos dicen más
que “los ricos son más sanos y probablemente toman té”.

##### Lo que puede hacer

La matemática que es la base de las correlaciones y los márgenes de
error en los estudios sobre el té es por cierto correcta, al menos la
mayoría de las veces. Pero si los investigadores no buscan correlaciones
(por ejemplo, tomar té se correlaciona con hacer deporte), sus
resultados son de escaso valor. Como periodista, tiene poco sentido
cuestionar los resultados numéricos de un estudio, tales como el tamaño
de la muestra, a menos que haya serias dudas al respecto. Sin embargo,
es fácil de ver si los investigadores no tomaron en cuenta elementos
relevantes de información.

— *Nicolas Kayser-Bril, Journalism++*


## Consejos para trabajar con cifras en las noticias

-   El mejor consejo para manejar datos es que lo disfrute. Los datos
    pueden parecer algo intimidantes. Pero si se deja intimidar no
    llegará a nada. Trátelos como algo para jugar y explorar y a menudo
    entregarán secretos e historias con sorprendente facilidad. De modo
    que manéjelos de manera simple, como lo hace con otras evidencias,
    sin temor ni parcialidad. En particular, piense en esto como un
    ejercicio de su imaginación. Sea creativo pensando en las historias
    alternativas que podrían ser coherentes con los datos y los explican
    mejor, luego póngalas a prueba con más evidencias. “¿Qué otra
    historia podría explicar esto?”, puede ser una buena pregunta para
    pensar cómo esta cifra evidentemente grande o equivocada, esta clara
    prueba de esto o aquello, podría no ser nada por el estilo.

-   No confunda el escepticismo respecto de los datos con cinismo. El
    escepticismo es bueno; el cinismo simplemente es darse por vencido.
    Si cree en el periodismo de datos (y probablemente es así o no
    estaría leyendo este libro), entonces debe creer que los datos
    tienen algo mucho mejor que ofrecer que las mentiras de caricatura o
    los datos de titulares impactantes. Los datos a menudo nos dan
    conocimiento profundo, si se los usa cuidadosamente. No necesitamos
    ser cínicos ni ingenuos, sino estar alertas.

-   Si le digo que se bebe más durante la recesión, podría decirme que
    se debe a que todos están deprimidos. Si le digo que se bebe menos,
    podría decirme que es porque nadie tiene plata. Dicho de otro modo,
    lo que digan los datos no incide en la interpretación que usted esté
    decidido a hacer, a saber, que las cosas están muy mal no importa lo
    que suceda con la bebida. Si aumenta, es malo; si se reduce, es
    malo. La cuestión aquí es que si usted cree en los datos, trate de
    dejar que hablen antes de imponerles su propio estado de ánimo,
    creencias o expectativas. Hay tantos datos que a menudo podría
    encontrar confirmación de sus creencias previas si busca un poco.
    Dicho de otro modo, el periodismo de datos, al menos para mí, agrega
    poco valor si usted no tiene la mente abierta. Es solo objetivo en
    la medida que usted lo hace objetivo y no en virtud de que se basa
    en números.

-   La incertidumbre no es problema. Asociamos las cifras con la
    autoridad y la certidumbre. Muy a menudo la respuesta es que no hay
    respuesta, o la respuesta es la mejor que tenemos pero no es para
    nada precisa. Creo que debemos decir estas cosas. Si eso suena como
    una buena manera de matar una historia, sostendría que es una gran
    manera de generar nuevos interrogantes. Del mismo modo, a menudo
    puede haber más de un modo legítimo de ordenar los datos. Los
    números no tienen que ser ciertos o falsos.

-   La investigación es una historia. La historia de cómo intentó
    descubrir algo, al avanzar de un elemento de evidencia a otro, puede
    ser excelente periodismo y esto se aplica especialmente a la
    evidencia de los datos, donde rara vez basta con una cifra.
    Distintas fuentes dan nuevos ángulos de interpretación, nuevas ideas
    y una comprensión enriquecida. Me pregunto si estamos demasiado
    preocupados por ganar autoridad y darle la respuesta a la gente,
    hasta el punto de que desaprovechamos un recurso, que es mostrar
    nuestra investigación.
-   Las mejores preguntas son las de siempre: ¿eso realmente es un
    número grande? ¿De dónde salió? ¿Está seguro de que cuenta lo que
    usted cree que cuenta? Estos por lo general son solo incentivos para
    mirar lo que rodea a los datos, las cosas que quedaron de lado por
    mirar un solo número, las complicaciones de la vida real, la amplia
    gama de otras comparaciones posibles con relación al tiempo, el
    grupo o la geografía; en síntesis, el contexto.

— *Michael Blastland, freelance journalist*


## Pasos básicos para trabajar con datos

Hay al menos 3 conceptos clave que tiene que entender cuando comience un
proyecto de datos:

-   Los pedidos de datos deben comenzar con una lista de preguntas que
    quiere contestar
-   Los datos a menudo vienen sucios y hay que limpiarlos
-   Los datos pueden tener aspectos sin documentar

![Figure 2. Datos desordenados](figs/incoming/05-MM.png)

#### Sepa para qué preguntas quiere respuestas

En muchos sentidos, trabajar con datos es como entrevistar una fuente en
vivo. Usted le hace preguntas a los datos y logra que revelen las
respuestas. Pero así como una fuente solo puede dar respuestas respecto
de las cuales tiene información, un conjunto de datos solo puede
responder preguntas para las que tiene los registros adecuados y las
variables correspondientes. Esto significa que usted debe considerar
cuidadosamente qué preguntas quiere responder antes de obtener datos.
Básicamente se trabaja hacia atrás. Primero, la lista de afirmaciones
basadas en datos que quieres presentar en su historia. Luego decida qué
variables y evidencias tendrá que obtener y analizar para hacer esas
afirmaciones.

Considere un ejemplo que tiene que ver con los informes de crímenes
locales. Digamos que quiere escribir una historia que analice los
patrones del crimen en su ciudad, y las cosas que quiere decir tienen
que ver con la hora del día y los días de la semana en los que es más
común que se den ciertos tipos de crímenes, así como en qué zonas de la
ciudad se concentran varias categorías de crímenes.

Tendría que advertir que su pedido de datos tiene que incluir la fecha y
el momento en que cada crimen fue informado, el tipo de crimen
(asesinato, robo, asalto, etc.), así como la dirección de donde se dio
el crimen. De modo que fecha, hora, categoría de crimen y dirección son
las variables mínimas que necesita para responder a esas preguntas.

Pero sea consciente de que hay una cantidad de preguntas potencialmente
interesantes que este conjunto de datos de 4 variables no puede
responder, como la raza y el género de las víctimas, o el valor total de
la propiedad robada, o qué agentes son más productivos en cuanto a
lograr arrestos. Además quizás solo pueda conseguir los registros de
cierto período, como los últimos 3 años, lo que quiere decir que no
podría saber si los patrones del crimen han cambiado respecto de un
período más prolongado. Esas preguntas pueden quedar por fuera del plan
de su historia, y eso no es problema. Pero usted no querrá meterse en su
análisis de los datos y de pronto advertir que necesita saber qué
porcentaje de los crímenes en distintas zonas de la ciudad son resueltos
con arrestos.

Una lección aquí es que a menudo es buena idea pedir todas las variables
y registros en la base de datos, en vez del subconjunto que respondería
a las preguntas para la historia inmediata. (de hecho, obtener todos los
datos puede ser más barato que obtener un subconjunto, si tiene que
pagar a la agencia por la programación necesaria para producir el
subconjunto.) Siempre puede armar el subconjunto de datos por su cuenta
y tener acceso al conjunto de datos completo le permitirá responder
nuevas preguntas que pueden surgir durante su trabajo e incluso producir
nuevas ideas para la continuación de la historia. Puede ser que las
leyes de confidencialidad u otras políticas signifiquen que algunas
variables, tales como las identidades de las víctimas o los nombres de
informantes confidenciales, no puedan difundirse. Pero incluso una base
de datos parcial es mejor que nada, siempre que usted entienda qué
preguntas puede o no contestar la base de datos.

#### Limpiar datos no normalizados

Uno de los mayores problemas en el trabajo con bases de datos es que a
menudo usará datos para análisis que han sido recogidos por motivos
burocráticos. El problema es que el nivel exigido de precisión es
bastante diferente.

Por ejemplo, una función clave de un sistema de bases de datos para la
justicia penal es asegurarse que el acusado Jones sea traído de la
cárcel al juzgado para estar frente la juez Smith en el momento de su
audiencia. Para ese propósito no importa mucho si la fecha de nacimiento
de Jones es incorrecta, o que esté mal escrito el nombre de la calle en
la que vive o siquiera si la inicial de su segundo nombre sea
equivocada. En general el sistema aún puede usar este registro
imperfecto para llevar a Jones al juzgado de Smith a la hora indicada.

Pero tales errores pueden complicar los esfuerzos del periodista por
descubrir patrones en la base de datos. Por ese motivo, la primera gran
tarea que debe encarar cuando obtiene un nuevo conjunto de datos es
examinar hasta donde tiene problemas y solucionarlos. Una manera rápida
de buscar datos no normalizados es crear tablas de frecuencias de las
variables por categoría, las que uno esperaría que tengan un número
relativamente pequeño de valores diferentes. (Cuando use Excel, por
ejemplo, usted puede usar Filtros o Tablas Dinámicas para cada variable
categórica.)

Tomemos por caso “género”, un ejemplo simple. Usted puede descubrir que
el campo de Género incluye cualquier mezcla de valores como estos:
Masculino, Femenino, M, F, 1, 0, MASCULINO, FEMENINO, etc., incluyendo
errores de escritura como “Femeno”. Para hacer un análisis de género
adecuado debe estandarizar – quizás se decida por M y F- y luego cambiar
todas las variaciones para que coincidan con los estándares. Otra base
de datos común con este tipo de problemas es la de los registros
financieros de campañas electorales de Estados Unidos, donde en el campo
de Ocupación puede dar las distintas variantes de abogado en inglés
(Lawyer, Attorney, Atty, Counsel, Trial lawyer y muchas otras) además de
los errores de escritura; nuevamente el truco es estandarizar los
títulos de ocupación en una lista de posibilidades más corta.

La limpieza de los datos se vuelve aún más problemática cuando se
trabaja con nombres. ¿“Joseph T. Smith”, “Joseph Smith”, “J.T. Smith”,
“Jos. Smith” y “Joe Smith” son todos la misma persona? Quizás haya que
mirar otras variables como dirección o fecha de nacimiento, o hacer una
investigación aún más profunda en otros registros, para decidir. Pero
herramientas como Google Refine pueden hacer que la limpieza y
estandarización sean más rápidas y menos tediosas.

Datos sucios

Gracias a las leyes de registro público por lo general fuertes en
Estados Unidos, obtener datos aquí no es un problema tan grande como en
muchos otros países. Pero una vez que los tenemos, aún quedan los
problemas de trabajar con datos que han sido recogidos por motivos
burocráticos y no con propósitos analíticos. Los datos a menudo vienen
“sucios”, con valores que no están estandarizados. Varias veces he
recibido datos que no se corresponden con el supuesto diagrama del
archivo y el diccionario de datos que los acompañan. Algunas entidades
insistirán en darle los datos en formatos poco útiles como .PDF, que
tienen que ser convertidos. Problemas como estos hacen que uno lo
aprecie cuando ocasionalmente recibe un conjunto de datos sin
complicaciones.

— *Steve Doig, Walter Cronkite School of Journalism, Arizona State
University*

#### Los datos pueden tener aspectos no documentados

La Piedra de Roseta de cualquier base de datos es el llamado diccionario
de datos. Comúnmente, este archivo (puede ser texto PDF o incluso una
hoja de cálculo) le dirá cómo está formateado el archivo de los datos
(texto delimitado, texto de ancho fijo, Excel, dBase, etc.), el orden de
las variables, los nombres de cada variable y el tipo de datos de cada
variable (hilo de texto, entero, decimal, etc.). Usted usará esta
información para que lo ayude a importar adecuadamente el archivo de
datos al software de análisis que piensa usar (Excel, Access, SPSS,
Fusion Tables, distintas variantes de SQL, etc.)

El otro elemento clave de un diccionario de datos es una explicación de
los códigos que puedan usar variables particulares. Por ejemplo, género
puede estar codificado de tal modo que “1=Masculino” y “0=Femenino”. Los
crímenes pueden estar codificados de acuerdo a los números estatutarios
de su jurisdicción para cada tipo de crimen. Los registros de
tratamientos hospitalarios pueden usar cualquiera de los cientos de
códigos de 5 dígitos existentes para el diagnóstico de las enfermedades
por las que está tratando a un paciente. Sin el diccionario de datos,
estos conjuntos de datos serían difíciles o incluso imposibles de
analizar adecuadamente.

Pero incluso contando con un diccionario de datos puede haber problemas.
Un ejemplo de tales problemas es lo que le sucedió a periodistas del
Miami Herald en Florida hace algunos años, cuando estaban haciendo el
análisis de los variados castigos que distintos jueces estaban
imponiendo a gente arrestada por manejar ebria e intoxicada. Los
periodistas obtuvieron los registros de condenas del sistema judicial y
analizaron las cifras con las 3 variables distintas de castigos en el
diccionario de datos: cantidad de tiempo en prisión, cantidad de tiempo
detenido y cantidad de multa. Las cifras variaban bastante entre los
jueces, dando a los periodistas evidencias para una historia acerca de
que algunos jueces eran duros y otros más permisivos.

Pero para todos los jueces, en alrededor del 1-2 por ciento de los casos
no había tiempo de prisión, ni de detención, ni multa. Por lo que el
cuadro que mostraba los patrones de condenas de cada juez incluía una
cantidad pequeña de casos como “Sin castigo”, casi como una nota al
margen. Cuando la historia y el cuadro se publicaron, los jueces
aullaron de indignación, diciendo que el Herald los acusaba de violar
una ley estatal que exige que cualquiera condenado por manejar borracho
sufra castigo.

Por lo que los periodistas volvieron a la oficina del empleado de la
corte que les había dado el archivo de datos y le preguntaron qué era lo
que había causado el error. Se les dijo que los casos en cuestión
involucraban a acusados indigentes que eran arrestados por primera vez.
Normalmente se les hubiera impuesto una multa pero no tenían dinero. Por
lo que los jueces los condenaban a servicios comunitarios, tales como
limpiar la basura en los caminos. Resultó que la ley que requería el
castigo había sido aprobada después de que fuera creada la estructura de
la base de datos. Por lo que los empleados de la corte sabían que en los
datos los ceros en las 3 variables de prisión-detención-multa
significaban servicio comunitario. Sin embargo, esto no aparecía en el
diccionario de datos y por tanto el Herald tuvo que publicar la
correspondiente rectificación.

La lección en este caso es que siempre hay que preguntar al ente que le
da los datos si hay elementos no documentados de los mismos, lo que
podría significar códigos nuevos que no están incluidos en el
diccionario de datos, cambios en el ordenamiento del archivo, o
cualquier otra cosa. Además examine siempre los resultados de su
análisis y pregúntese: “¿Esto tiene sentido?” Los periodistas del Herald
estaban armando el cuadro apurados por el plazo de entrega y estaban tan
concentrados en los niveles de castigo promedio de cada juez, que no
prestaron atención a los pocos casos que parecían no tener castigo.
Debieron haberse preguntado si tenía sentido que todos los jueces
aparentemente estuvieran violando la ley estatal, aunque más no fuera en
mínima medida.

— *Steve Doig, Walter Cronkite School of Journalism, Arizona State
University*

> Datos mezclados, ocultos y faltantes

> Recuerdo una situación graciosa en la que tratamos de acceder a los
datos de Hungría sobre subsidios agropecuarios de la UE: estaban todos
allí, pero en un documento PDF excesivamente pesado y mezclado con datos
sobre subsidios agropecuarios nacionales. Nuestros programadores
tuvieron que trabajar horas antes de que los datos pudieran ser
utilizados.

> También tuvimos una experiencia bastante interesante con datos sobre
subsidios de pesca de la UE, que los entes nacionales encargados de los
pagos de los 27 estados miembros están obligados a dar a conocer. Esto
está tomado de un informe que escribimos [sobre el
tema](http://bit.ly/alfter-eu27): “En el Reino Unido, por ejemplo, el
formato de los datos varía de páginas de búsqueda HTML muy fáciles de
usar hasta resúmenes en PDF o incluso listas de receptores en formatos
variados disimulados al final de declaraciones de prensa. Todo esto de
un solo estado miembro. Mientras tanto, en Alemania y Bulgaria se
publican listas vacías. Tienen los encabezados apropiados, pero sin
datos”.

> — *Brigitte Alfter, Journalismfund.eu*


## La pieza de pan de £ 32

Una historia para el Wales On Sunday acerca de cuánto gasta el gobierno
galés en órdenes para productos libre de gluten contenía un titular que
indicaba que pagaba £32 por una pieza de pan. Pero en realidad eran 11
piezas que costaban £2,82 cada una.

Los datos, tomados de una respuesta por escrito de la Legislatura Galesa
y un informe estadístico del Servicio de Salud de Gales, estaban
presentados con el formato del costo por cada ítem de las órdenes. Sin
embargo en el diccionario de datos no daban ninguna definición adicional
de lo que podría ser un ítem de orden o cómo podría definirlo una
columna de cantidades por separado.

La suposición era que se refería a un ítem individual –es decir, una
pieza de pan- en vez de lo que era en realidad, varias piezas.

Nadie, ni la gente que dio la respuesta por escrito ni la oficina de
prensa, plantearon la cuestión de la cantidad hasta el lunes posterior a
la publicación de la historia.

Por lo que no debe dar por supuesto que las notas de soporte de los
datos oficiales ayudarán a explicar qué información se presenta, o que
la gente responsable de los datos advertirá que la información no es
clara, incluso cuando usted les presente una suposición equivocada.

Por lo general los diarios quieren cosas que produzcan buenos titulares,
de modo que, a menos que algo contradiga evidentemente una
interpretación, por lo general es más fácil aceptar lo que permite hacer
un buen titular y no investigar demasiado, con el riesgo de que se hunda
la historia, especialmente a la hora del cierre.

![Las órdenes de pan libre de gluten le cuestan a los contribuyentes (WalesOnline)](figs/incoming/05-AA.png)

Pero los periodistas tienen la responsabilidad de verificar las
afirmaciones ridículas, aunque signifique que esto hace caer la noticia.

— *Claire Miller, WalesOnline*


## Empiece por los datos, termine con una historia

Para atraer a sus lectores tiene que poder darles una cifra en los
titulares que los haga prestar atención. Casi se debiera poder leer la
historia sin tener que saber que se basa en un conjunto de datos. Hágala
interesante y recuerde quién es su público.

Un ejemplo de esto puede encontrarse en un proyecto del Bureau of
Investigative Journalism que utiliza el [Sistema de Transparencia
Financiera](http://bit.ly/ec-fts) de la Comisión de la UE. La historia
se construyó con el conjunto de datos teniendo en mente interrogantes
específicos.

Investigamos en los datos con términos clave tales como “coctel”, “golf”
y “días de descanso”. Esto nos permitió establecer lo que la Comisión
había gastado en estos ítems y esto planteó numerosas preguntas e
historias para seguir.

Pero los términos clave no siempre le dan lo que quiere; a veces tiene
que tomarse un respiro y pensar qué es realmente lo que busca. Durante
este proyecto también queríamos descubrir cuánto gastan los comisionados
en viajes en jet privado pero como el conjunto de datos no contenía la
frase “jet privado” tuvimos que obtener el nombre de sus proveedores de
viajes por otros medios. Una vez que tuvimos el nombre del proveedor de
servicios de la Comisión, “Abelag”, pudimos buscar en los datos cuánto
se estaba gastando en servicios provistos por Abelag.

Con este enfoque teníamos un objetivo claramente definido para
investigar con los datos: encontrar una cifra que pudiera proveer un
titular; el colorido de la noticia siguió a ello.

Otro enfoque es comenzar con una lista negra y buscar exclusiones. ¿Una
manera fácil de encontrar historias en los datos es saber qué cosas no
debiera encontrar allí! Un buen ejemplo de cómo esto puede funcionar es
ilustrado por el proyecto en colaboración de Fondos Estructurales de la
UE, entre el Financial Times y el Bureau of Investigative Journalism.

Investigamos los datos basándonos en las reglas de la Comisión respecto
de qué compañías y asociaciones no deben recibir fondos estructurales.
Un ejemplo era el gasto en tabaco y productores de tabaco.

Investigando los datos con los nombres de las compañías, productores y
cultivadores de tabaco, encontramos datos que revelaron que British
American Tabaco estaba recibiendo € 1.500.000 para una planta en
Alemania.

Dado que esa financiación violaba las normas de gastos de la Comisión,
fue una manera rápida de encontrar una historia en los datos.

Nunca se sabe lo que uno puede encontrar en un conjunto de datos, así
que eche una mirada. Hay que ser bastante audaz y este enfoque funciona
mejor por lo general cuando se trata de identificar características
evidentes que se verán con el filtrado (los mayores, los extremos, los
más comunes, etc.).

— *Caelainn Barr, Citywire*


## Historias basadas en datos

El periodismo de datos a veces puede dar la impresión que principalmente
se trata de la presentación de los datos, tales como visualizaciones que
son instrumentos poderosos que permiten comprender rápidamente algún
aspecto de las cifras, o bases de datos interactivas que permiten a los
individuos buscar lugares como su propia calle o un hospital. Todo esto
puede ser muy valioso, pero al igual que otras formas de periodismo, el
periodismo de datos también debe ser sobre historias. ¿Qué tipos de
historias pueden encontrarse en los datos? Basándome en mi experiencia
en la BBC he armado una lista o “tipología” de distintos tipos de
historias basadas en datos.

Creo que es útil tener en cuenta esta lista, no solo cuando analiza
datos, sino también en la fase previa, cuando los está buscando (sean
datos a disposición del público o los que exigen presentar pedidos de
acceso a la información).

 Medición 

:   La historia simple; contar o hacer el total: “Los consejos
    municipales de todo el país gastaron un total de \$x miles de
    millones en broches de papel el año pasado”. Pero a menudo es
    difícil saber si eso es mucho o poco. Para eso se necesita contexto,
    lo que puede ser aportado por:

 Proporción 

:   “El año pasado los consejos municipales gastaron 2/3 de su
    presupuesto de librería en broches de papel”

 Comparación interna 

:   “Los consejos municipales gastan más en broches para papel que en
    proveer comidas para personas mayores”.

 Comparación externa 

:   “El gasto de los consejos en broches de papel el año pasado fue el
    doble del presupuesto de la nación de ayuda a otros países”.

También hay otras maneras de explorar los datos de un modo contextual o
comparativo:

 Cambio a lo largo del tiempo 

:   “El gasto de los consejos en broches para papel se ha triplicado en
    los últimos 4 años”.

 “Tablas comparativas” 

:   Estas a menudo son geográficas o por institución, y debe asegurarse
    de que la base de comparación sea justa (por ejemplo, que tome en
    cuenta el tamaño de la población local). “El Consejo de Borsetshire
    gasta más en broches para papel por cada miembro del personal que
    cualquier otra municipalidad, con una tasa de 4 veces el promedio
    nacional”.

O puede dividir los temas de los datos en grupos:

 Análisis por categorías 

:   “Los consejos dirigidos por el Partido Violeta gastan 50% más en
    broches de papel que los controlados por el Partido Amarillo”.

O puede relacionar los factores numéricamente:

 Asociación 

:   “Los consejos dirigidos por políticos que han recibido aportes de
    campaña de compañías de productos de librería gastan más en broches
    de papel, con el gasto aumentando en promedio £ 100 por cada libra
    aportada en la campaña”.

Pero, por supuesto, recuerde que correlación y causa no son la misma
cosa.

De modo que si está investigando el gasto en broches de papel, ¿está
obteniendo también las siguientes cifras?

-   Gasto total para dar contexto
-   Referencias geográficas/ históricas/de otro tipo para poder dar
    datos comparativos
-   Los datos adicionales que necesita para asegurarse de que las
    comparaciones son justas, tales como el tamaño de la población.
-   Otros datos que podrían facilitar un análisis interesante o con los
    cuales comparar o relacionar el gasto.

— *Martin Rosenbaum, BBC*



## Los periodistas de datos debaten sobre sus herramientas preferidas

Sssssss. Es el sonido de sus datos descomprimiéndose al abrirse su
envoltorio al vacío. ¿Y ahora qué? ¿Qué busca? ¿Y qué herramientas usa?
Pedimos a periodistas de datos que nos contaran un poco de cómo trabajan
con datos. Esto es lo que nos dijeron:

En el Datablog de The Guardian nos gusta interactuar con nuestros
lectores y permitirles replicar nuestro periodismo de datos rápidamente
significa que pueden desarrollar el trabajo que hacemos y a veces ver
cosas que se nos pasaron. Por lo que cuanto más intuitivas son las
herramientas de datos mejor. Tratamos de elegir herramientas que
cualquiera pueda manejar sin tener que aprender un lenguaje de
programación o que requieran fuerte capacitación a un costo elevado.

Por este motivo actualmente usamos mucho productos de Google. Todos los
conjuntos de datos que ordenamos y difundimos aparecen como Google
Fusion Tables, lo que significa que gente que tenga una cuenta de Google
puede descargar los datos, importarlos a su propia cuenta y hacer sus
propios cuadros, ordenar los datos y crear tablas comparativas, o pueden
importar los datos a la herramienta que prefieran.

Para mapear los datos usamosa Google Fusion Tables. Cuando creamos mapas
de calor en Fusion, compartimos nuestros archivos KML de modo que los
lectores puedan descargar y crear sus propios mapas de calor –quizás
agregando más capas de datos al mapa original del Datablog. El otro
aspecto positivo de estas herramientas de Google es que funcionan con
las muchas plataformas que usan nuestros lectores para acceder al blog,
incluyendo PC, celulares y tabletas.

Además de las de Google Spreadsheets y Google Fusion Tables, usamos
otras dos herramientas en nuestro trabajo cotidiano. La primera es
Tableau, para visualizar conjuntos de datos multidimensionales; y la
segunda es ManyEyes, para un análisis rápido de datos. Ninguna de estas
herramientas es perfecta, por lo que seguimos buscando mejores
herramientas de visualización que nuestros lectores puedan disfrutar.

*The Guardian*\
— Lisa Evans

¿Llegaré a ser programador alguna vez? ¡Es muy improbable! Por cierto
que no creo que todos los periodistas tengan que saber programar. Pero
sí creo que es muy valioso que todos tengan una conciencia general de
qué cosas son posibles y cómo hablar con programadores.

Si está recién comenzando, camine, no corra. Tiene que persuadir a sus
colegas y editores que trabajar con datos le puede permitir conseguir
historias que de otro modo no tendría y que valen la pena. Cuando
adviertan el valor de este enfoque, puede comenzar a hacer historias y
proyectos más complejos.

Mi consejo es aprender Excel y hacer algunas historias simples primero.
Comience por cosas pequeñas y vaya recorriendo el camino hasta el
análisis y mapeo de bases de datos. Se puede hacer tanto en Excel; es
una herramienta extremadamente poderosa y la mayoría de la gente no usa
siquiera una mínima parte de su funcionalidad. Si puede haga un curso de
Excel para periodistas, tales como los que ofrece el Centre for
Investigative Journalism.

Con respecto a interpretar datos: no lo tome a la ligera. Tiene que ser
detallista. Preste atención a los detalles y cuestione sus resultados.
Tome notas de cómo procesa los datos y guarde una copia de los datos
originales. Es fácil cometer un error. Siempre hago mi análisis 2 o 3
veces prácticamente desde cero. Incluso mejor sería conseguir que su
editor u otra persona analice los datos por su cuenta y compare los
resultados.

*Financial Times*\
— Cynthia O'Murchu

La capacidad de escribir, instalar y ejecutar software complejo tan
rápido como un periodista puede escribir una historia es algo bastante
nuevo. Antes llevaba mucho más tiempo. Las cosas cambiaron gracias al
desarrollo de bases de desarrollo rápido de código abierto: Django y
Ruby on Rails; ambos se conocieron a mediados de la década del 2000.

Django, que está construido sobre el lenguaje de programación Python,
fue desarrollado por Adrian Holovaty y un equipo que trabajaba en una
redacción, el Lawrence Journal-World en Lawrence, Kansas. Ruby on Rails
fue desarrollado en Chicago por David Heinemeier Hansson y 37Signals,
una compañía de aplicaciones para la red.

Si bien estas plataformas tienen enfoques diferentes del “patrón MVC”,
ambas son excelentes y hacen posible crear aplicaciones para la red
rápidamente, incluso muy complejas. Eliminan parte del trabajo
rudimentario en la creación de una aplicación. Cosas como crear y buscar
ítems de la base de datos, y hacer corresponder URL con códigos
específicos en una aplicación, están incorporados a esas plataformas,
por lo que los diseñadores no necesitan escribir programas o hacer cosas
básicas como esas.

El desarrollo de servicios de provisión de espacio en servidores rápidos
de la red como los Amazon Web Services eliminaron parte de lo que hacía
del lanzamiento de una aplicación un proceso lento.

Aparte de eso, usamos herramientas bastante estándar para el trabajo con
datos: Google Refine y Microsoft Excel para limpiar los datos; SPSS y R
para hacer estadísticas; ArcGIS y QGIS para hacer GIS; Git para el
manejo de códigos fuente; TextMate, Vim y Sublime Text para escribir
código; y una mezcla de MySql, PostgreSQL y SQL Server para bases de
datos. Creamos nuestra propia plataforma de JavaScript llamada “Glass”
que nos ayuda a crear aplicaciones para usuarios pesadas en JavaScript
muy rápidamente.

*ProPublica*\
— Scott Klein

A veces la mejor herramienta es la más simple, es fácil subestimar el
poder de una planilla de cálculo. Pero usar una planilla de cálculo en
los tiempos en que todo funcionaba con DOS me permitió entender una
fórmula compleja del acuerdo de asociación de los dueños de los Texas
Rangers, cuando George W. Bush era uno de los propietarios claves. Una
planilla de cálculo me permite descubrir datos importantes o errores en
cálculos. Puedo escribir líneas de código en algún lenguaje de
programación (script) para limpieza, normalización y más. Es un elemento
básico del set de herramientas del periodista de datos.

Dicho eso, mis herramientas favoritas son aún más poderosas: SPSS para
análisis estadístico y mapear programas que me permiten ver patrones
geográficos.

*The Seattle Times*\
— Cheryl Phillips

Soy fanático de Python. Es un lenguaje de programación de código abierto
maravilloso que es fácil de leer y escribir (por ejemplo, no hay que
escribir un punto y coma después de cada línea). Lo que es más
importante, Python tiene una base tremenda de usuarios y por tanto tiene
plugins (llamados paquetes) para todo lo que uno necesite.

Considero que Django es algo que los periodistas de datos rara vez
necesitan. Es una plataforma basada en Python para aplicaciones en la
red, es decir una herramienta para crear aplicaciones grandes en la red
con bases de datos. Decididamente es demasiado pesado para infografías
interactivas pequeñas.

También uso QGis, que es una herramienta de código abierto con una gran
variedad de funciones GIS, que son necesarias para periodistas de datos
que de vez en cuanto tienen que manejar datos geográficos. Si necesita
convertir datos geo-espaciales de un formato a otro, entonces QGis es lo
que necesita. Puede manejar casi cualquier formato de geo-datos que
exista (Shapefiles, KML, GeoJSON, etc.). Si necesita recortar unas
cuantas regiones, QGis también puede hacerlo. Además hay una inmensa
comunidad en torno de QGis, por lo que hay toneladas de recursos [como
tutoriales](http://bit.ly/goettingen-tutorial) en la red.

R fue creada principalmente como herramienta de visualización
científica. Es difícil encontrar un método de visualización o técnica de
manejo de datos que no esté incorporado a R. R es un universo en sí
mismo, la meca del análisis visual de datos. Una contra es que hay que
aprender otro lenguaje de programación, ya que R tiene su propio
lenguaje. Pero una vez que superó los primeros pasos en la curva de
aprendizaje, no hay herramienta más poderosa que R. Los periodistas de
datos capacitados pueden usar R para analizar conjuntos de datos
inmensos que extienden los limites de Excel (por ejemplo, si tiene una
tabla con un millón de filas).

Lo realmente lindo de R es que se puede tener un “protocolo” exacto de
lo que está haciendo con los datos durante todo el proceso, desde la
lectura de un archivo CSV a generar cuadros. Si los datos cambian puede
regenerar el cuadro usando un clic. Si alguien tiene curiosidad respecto
de la integridad de su cuadro, puede mostrarle la fuente exacta, lo que
permite a cualquiera recrear el mismo cuadro por su cuenta (o quizás
encontrar los errores que usted cometió).

NumPy + MatPlotLIb es una manera de hacer lo mismo en Python. Es una
opción si ya está capacitado en Python. De hecho, NumPy y MatPlotLIb son
dos ejemplos de paquetes de Python. Pueden ser usados para análisis y
visualización de datos y los dos se limitan a visualizaciones estáticas.
No pueden usarse para crear cuadros interactivos con consejos sobre el
manejo de herramientas y cosas más avanzadas.

Yo no uso MapBox, pero supe que es una gran herramienta si se quiere
presentar mapas más sofisticados basados en OpenStreetMap. Permite por
ejemplo adecuar los estilos del mapa (colores, etiquetas, etc.). También
hay un acompañante de MapBox, llamado Leaflet. Es básicamente una
biblioteca de JavaScript de más alto nivel para mapear que le permite
pasar de un proveedor de mapas a otro fácilmente (OSM, MapBox, Google
Maps, Bing, etc.).

RaphaelJS es una biblioteca de visualización más bien de bajo nivel que
le permite trabajar con elementos primitivos (como círculos, líneas,
texto) y animarlos, agregar interacciones, etc. No contiene nada
parecido a un cuadro de barras listo para usar, por lo que usted mismo
tiene que dibujar un conjunto de rectángulos.

Sin embargo, lo bueno de Raphael es que todo lo que crea funciona
también en Internet Explorer. Eso no sucede con muchas otras bibliotecas
de visualización (asombrosas) como D3. Lamentablemente, tantos usuarios
siguen usando IE y ninguna redacción puede darse le lujo de ignorar al
30% de sus usuarios.

Además de RaphaelJS, también está la opción de crear una alternativa en
Flash para IE. Es básicamente lo que está haciendo el New York Times.
Eso significa que tiene que desarrollar cada aplicación dos veces.

Aún no estoy convencido de cuál es el “mejor” proceso para crear
visualizaciones para IE y navegadores modernos. A menudo resulta que las
aplicaciones creadas con RapahelJS funcionan muy lentas en IE, alrededor
de 10 veces más lentas que con Flash usando navegadores modernos. Por lo
que las alternativas en Flash pueden ser mejor opción si quiere ofrecer
visualizaciones animadas de alta calidad para todos los usuarios.

*Open Knowledge Foundation*\
— Gregor Aisch

Mi herramienta preferida es Excel, que puede manejar la mayoría de los
problemas CAR (periodismo asistido por computadoras) y tiene las
ventajas de ser fácil de aprender y estar disponible para la mayoría de
los periodistas. Cuando necesito fusionar tablas, comúnmente uso Access,
pero luego exporto la tabla fusionada de nuevo a Excel para más trabajo.
Uso el ArcMap de ESRI para análisis geográficos; es poderoso y es
utilizado por las agencias que recopilan datos geo-codificados.
TextWrangler es muy bueno para examinar datos de texto con diseños y
delimitadores complicados, y puede hacer búsqueda y reemplazo
sofisticada con expresiones regulares. Cuando se necesita técnicas
estadística, como regresión lineal, uso SPSS; tiene un menú para señalar
y cliquear fácil de usar. Para trabajos realmente pesados, como las
tareas con conjuntos de datos que tienen millones de registros que
necesitan un importante filtrado y transformaciones de variables
programadas, uso software SAS.

*Walter Cronkite School of Journalism*\
— Steve Doig

Entre nuestras herramientas preferidas se incluyen Python y Django para
hackear, scrapear y jugar con datos; y PostGIS, QGIS y las herramientas
de MapBow para crear mapas locos en la red. R y MumPy + MatPlotLib
actualmente disputan la supremacía como nuestro equipo de trabajo para
análisis de datos exploratorio, aunque últimamente nuestra herramienta
de datos preferida es de nuestra propia cosecha: CSVKit. Hacemos casi
todo en la nube.

*Chicago Tribune*\
— Brian Boyer

En La Nación usamos:

-   Excel para limpiar, organizar y analizar datos,
-   Google Spreadsheets para edición y conexión con servicios tales como
    Google Fusion Tables y la Junar Open Data Platform,
-   Junar para compartir nuestros datos e incrustarlos en nuestros
    artículos y actualizaciones del blog,
-   Tableau Public para nuestras visualizaciones de datos interactivas,
-   Qlikview, una herramienta de inteligencia para empresas muy rápida
    para analizar y filtrar conjuntos de datos grandes,
-   NitroPDF para convertir PDF a archivos de texto y Excel,
-   Google Fusion Tables para visualizaciones de mapas.

*La Nacion (Argentina)*\
— Angélica Peralta Ramos

Como comunidad de base sin preferencias técnicas, en Transparency
Hackers usamos muchas herramientas y lenguajes de programación
diferentes. Cada miembro tiene su propio conjunto de preferencias y esta
gran variedad es al mismo tiempo nuestro punto fuerte y nuestra
debilidad. Algunos estamos construyendo una “Versión de Linux para
Hackers de Transparencia”, que podamos iniciar en cualquier parte para
hackear datos. Este recurso tiene algunas herramientas y bibliotecas
interesantes para manejar datos como Refine, RStudio y OpenOffice Calc
(por lo general una herramienta poco usada por la gente que conoce del
tema, pero realmente útil para cosas rápidas/pequeñas). También hemos
estado usando ScraperWiki mucho para hacer prototipos rápidamente y
guardar resultados de datos online.

Hay muchas herramientas que nos gustan para visualizaciones de datos y
gráficos. Python y NumPy son bastante poderosas. Alguna gente de la
comunidad ha estado jugando con R, pero en definitiva las bibliotecas
para ploteado de gráficos, como D3, Flot, y RaphaelJS es lo que se
termina usando en la mayoría de nuestros proyectos. Finalmente, hemos
estado experimentando mucho con mapeado, y Tilemill ha sido una
herramienta muy interesante para este trabajo.

*Transparência Hacker*\
— Pedro Markun


## Usar visualizaciones para descubrir cosas en los datos

La visualización es crítica para el análisis de datos. Aporta una
primera línea de ataque, revelando estructuras intrincadas en datos que
no pueden ser absorbidas de otro modo. Descubrimos efectos inimaginados
y cuestionamos aquellos que han sido imaginados.

*Hobart Press*\\ — William S. Cleveland (de Visualizing Data

Los datos por sí mismos, que consisten de bits y bytes almacenados en un
archivo en el disco rígido de una computadora, son invisibles. Para
poder verlos y encontrarles sentido, necesitamos visualizarlos. En esta
sección voy a usar el término visualizar en un sentido más amplio, que
incluye incluso representaciones textuales puras de datos. Por ejemplo,
simplemente cargar un conjunto de datos en un software de planilla de
cálculo puede considerarse una visualización de datos. Los datos
invisibles de pronto se convierten en una “imagen” visible en nuestra
pantalla. Por tanto, la pregunta no debe ser si los periodistas
necesitan visualizar los datos o no, sino qué tipo de visualización
puede ser la más útil en cada situación.

Dicho de otro modo: ¿cuándo tiene sentido ir más allá de la
visualización en tablas? La respuesta más simple es: casi siempre. Las
tablas por sí solas decididamente no bastan para darnos una visión
general de un conjunto de datos. Y las tablas por sí solas no nos
permiten identificar inmediatamente patrones dentro de los datos. El
ejemplo más común aquí son los patrones geográficos que solo pueden
observarse al visualizar datos en un mapa. Pero también hay otros tipos
de patrones, que veremos luego en esta sección.

#### Usar visualización de datos para descubrir información clarificadora

No es realista esperar que herramientas y técnicas de visualización de
datos disparen una andanada de historias listas para usar a partir de
los conjuntos de datos. No hay reglas ni “protocolos” que nos garanticen
que tendremos una historia. En cambio, creo que tiene más sentido buscar
“percepciones”, que un buen periodista puede incorporar a historias.

Cada nueva visualización puede darnos percepciones sobre nuestros datos.
Parte de esa información reveladora puede ser conocida ya (pero quizás
aún no demostrada), mientras que otros aspectos pueden resultarnos
completamente nuevos o incluso sorprendentes. Algunas cosas nuevas que
percibimos podrían significar el comienzo de una historia, mientras que
otras podrían ser simplemente el resultado de errores en los datos, que
es más probable que encontremos visualizando los datos.

Para hacer más efectiva la búsqueda de nuevas percepciones en los datos,
me resulta de gran ayuda el proceso representado en [Figure 4](#FIG054) 
(y descripto en el resto de esta sección).

![Figure 4. Información reveladora en datos; una visualización (Gregor Aisch)](figs/incoming/05-BB.png)

##### Aprenda a visualizar datos

La visualización ofrece una perspectiva particular sobre el conjunto de
datos. Usted puede visualizar datos de muchas maneras diferentes.

Las tablas son muy poderosas cuando se trata de un número relativamente
pequeño de puntos. Muestran etiquetas y montos del modo más estructurado
y organizado y revelan su potencial plenamente cuando se las combina con
la capacidad de ordenar y filtrar los datos. Adicionalmente, Edward
Tufte sugirió incluir pequeños gráficos dentro de columnas de tablas,
por ejemplo, una barra por fila o una pequeña línea de cuadro (desde
entonces conocida también como sparkline). Pero aún así, y tal como ya
dijimos, las tablas claramente tienen limitaciones. Son muy buenas para
mostrar cuestiones unidimensionales, como los primeros 10, pero son muy
pobres cuando se trata de comparar múltiples dimensiones simultáneamente
(por ejemplo, población por país a lo largo del tiempo).

![Consejos de Tufte: sparklines (Gregor Aisch) ](figs/incoming/05-BC-graphical-table.png)

Los cuadros, en general, le permiten vincular dimensiones de sus datos
con propiedades visuales de formas geométricas. Mucho se ha escrito
sobre la efectividad de las propiedades visuales individuales, y la
versión más breve de todo ello es: el color es difícil, la posición es
todo. En un diagrama de dispersión, por ejemplo, se relaciona dos
dimensiones con las posiciones x- e y-. Incluso se puede presentar una
tercera dimensión relacionada con el color o el tamaño de los símbolos
presentados. Los cuadros lineales son especialmente adecuados para
mostrar evoluciones temporales, mientras que los cuadros de barras son
perfectos para comparar datos de categorías. Se puede apilar elementos
de cuadros. Si desea comparar un pequeño número de grupos de sus datos,
presentar múltiples instancias del mismo gráfico es una forma muy
poderosa de hacerlo (también conocido como múltiplos pequeños). En todos
los cuadros se puede usar distintos tipos de escalas para explorar
aspectos diferentes de los datos (por ejemplo, lineal o escala
logarítmica).

De hecho la mayor parte de los datos que manejamos están relacionados de
algún modo con gente real. El poder de los mapas es que reconectan los
datos con nuestro mundo físico. Imagine un conjunto de datos de
incidentes criminales ubicados geográficamente. Lo crucial es ver dónde
suceden los crímenes. Además los mapas pueden revelar relaciones
geográficas dentro de los datos (por ejemplo, una tendencia de norte a
sur, o de zonas urbanas a rurales).

![Mapa coroplético (Gregor Aisch)](figs/incoming/05-BD-choropleth.png)

Hablando de relaciones, el cuarto tipo más importante de visualización
es el gráfico. Los gráficos sirven para mostrar las interconexiones
(bordes) de sus puntos de datos (nodos). La posición de los nodos se
calcula entonces por algoritmos de diagrama de gráficos más o menos
complejos que nos permiten ver inmediatamente la estructura dentro de la
red. El truco de la visualización por gráficos en general es encontrar
el modo adecuado para modelar la red misma. No todos los conjuntos de
datos incluyen ya relaciones y aunque las incluyan puede no ser el
aspecto más interesante. A veces el periodista tiene que definir los
bordes entre nodos. Un ejemplo perfecto de esto es el 
[Gráfico Socialdel Senado](http://slate.me/senate-social) de EE.UU., cuyos bordes
conectan senadores que votaron lo mismo en más del 65% de los casos.

##### Analice e intérprete lo que ve

Una vez que haya visualizado sus datos, el siguiente paso es aprender
algo del cuadro que creó. Podría preguntarse:

- ¿Qué puedo ver en esta imagen? ¿Es lo que esperaba? - ¿Hay patrones
interesantes? - ¿Qué significa esto en el contexto de los datos?

A veces puede terminar con una visualización que, pese a su belleza,
puede no decirle nada de interés de sus datos. Pero casi siempre hay
algo que puede aprender de cualquier visualización, por trivial que sea.

##### Documente sus percepciones y sus pasos

Si piensa en este proceso como un viaje a través del conjunto de datos,
la documentación es su diario de viaje. Dirá a dónde viajó, que ha visto
allí y cómo tomó sus decisiones para sus siguientes pasos. Incluso puede
comenzar con su documentación antes de echar su primera mirada a los
datos.

En la mayoría de los casos cuando comenzamos a trabajar con un conjunto
de datos que no hemos visto previamente, ya estamos llenos de
expectativas y supuestos sobre los datos. Por lo general hay un motivo
por el que estamos interesados en el conjunto de datos que estamos
mirando. Es buena idea comenzar la documentación escribiendo estos
pensamientos iniciales. Esto nos ayuda a identificar nuestros prejuicios
y reduce el riesgo de malas interpretaciones de los datos encontrando
simplemente lo que queríamos encontrar originalmente.

Realmente creo que la documentación es el paso más importante del
proceso, y es también el que somos más proclives a dejar de lado. Como
verá en el ejemplo que viene a continuación, el proceso descripto
involucra mucha planificación y manejo de datos. Mirar un conjunto de 15
cuadros que ha creado puede ser muy confuso, especialmente al
transcurrir algún tiempo. De hecho esos cuadros solo son valiosos (para
usted o cualquier persona a la que quiera comunicar lo que descubrió) si
se los presenta en el contexto en el que fueron creados. Por tanto debe
tomarse algún tiempo para hacer notas sobre cosas como:

- ¿Por qué creé este cuadro? 
- ¿Qué he hecho con los datos para crearlo?
- ¿Qué me dice este cuadro?

##### Transforme los datos

Naturalmente con las nuevas cosas que percibió con la última
visualización, puede tener una idea de lo que quiere ver a continuación.
Puede haber encontrado algún patrón interesante en el conjunto de datos
que ahora quiere inspeccionar con más detalle.

Las posibles transformaciones:

Acercamiento (zoom) : Para ver cierto detalle en la visualización
Agregación : Combinar muchos puntos de datos en un solo grupo. Filtrado
: Eliminar (temporariamente) puntos de datos que no son de nuestro mayor
interés Eliminación de datos atípicos : Eliminar puntos individuales que
no son representativos del 99% del conjunto de datos.

Situémonos en el caso de que usted ha visualizado un gráfico y lo que
surgió no fue más que un enredo de nodos conectados por cientos de
bordes (un resultado muy común cuando se visualiza lo que se llama redes
densamente conectadas). Un paso de transformación común sería filtrar
algunos bordes. Si, por ejemplo, los bordes representan flujos de dinero
de países donantes a países receptores, podríamos eliminar todos los
flujos menores a cierto monto.

#### Qué herramientas usar

La cuestión de las herramientas no es fácil. Toda herramienta de
visualización de datos disponible es buena para algo. La visualización y
el manejo de los datos debe ser fácil y barato. Si cambiar los
parámetros de las visualizaciones le lleva horas, no va a experimentar
demasiado. Eso no quiere decir necesariamente que no deba aprender cómo
usar la herramienta. Pero una vez que aprendió, debiera ser realmente
eficiente.

A menudo hay que tener mucho criterio para elegir una herramienta que
cubra tanto las cuestiones del manejo de los datos como la visualización
de datos. Separar las tareas en distintas herramientas significa que
tiene que importar y exportar datos muy a menudo. Esta es una breve
lista de algunas herramientas de visualización y manejo de datos:

- Planillas de cálculo como LibreOffice, Excel o Google Docs -
Plataformas de programación estadística como R (r-project.org) o Pandas
(pandas-pydata.org) - Sistemas de Información Geográfica (GIS) como
Quantum GIS, ARcGIS, o GRASS - Biblitoecas de Visualización como d3.js
(mbostock.github.com/d3), Prefuse (prefuse.org) o Flare
(flare.prefuse.org) - Herramientas de manejo de datos como Google Refine
o Datawrangler - Software para crear visualizaciones como ManyEyes o
Tableau Public (tableausoftware.com/products/public)

Las visualizaciones de muestra en la siguiente sección fueron creadas
usando R, que es el cortaplumas suizo de la visualización de datos
(científica).

#### Un ejemplo: encontrarle sentido a los datos sobre contribuciones electorales

Veamos la base de datos de las Finanzas de la Campaña Presidencial de
Estados Unidos, que contiene alrededor de 450.000 aportes a candidatos
presidenciales estadounidenses. El archivo CSV es de 60 megabytes y
demasiado grande para manejar fácilmente en un programa como Excel.

En el primer paso escribiré explícitamente mis supuestos iniciales
respecto del conjunto de datos sobre contribuciones para las campañas
electorales:

- Obama recibe la mayor suma en contribuciones (dado que es el
presidente y tiene la mayor popularidad) - La cantidad de contribuciones
aumenta al acercarse la fecha de las elecciones. - Obama recibe más
contribuciones pequeñas que los candidatos republicanos

Para responder a la primera pregunta, tenemos que transformar los datos.
En vez de cada contribución individual, necesitamos sumar el total de lo
aportado a cada candidato. Luego de visualizar los resultados en una
tabla ordenada, confirmamos nuestro supuesto de que Obama obtendría la
mayor cantidad de dinero:

+-----------------------------------+-----------------------------------+
| Candidato | Monto ($) |
+===================================+===================================+
| Obama, Barack | 72.453.620,39 |
+-----------------------------------+-----------------------------------+
| Romney, Mitt | 50.372.334,87 |
+-----------------------------------+-----------------------------------+
| Perry, Rick | 18.529.490,47 |
+-----------------------------------+-----------------------------------+
| Paul, Ron | 11.844.361,96 |
+-----------------------------------+-----------------------------------+
| Cain, Herman | 7.010.445,99 |
+-----------------------------------+-----------------------------------+
| Gingrich, Newt | 6.311.193,03 |
+-----------------------------------+-----------------------------------+
| Pawlenty, Timothy | 4.202.769,03 |
+-----------------------------------+-----------------------------------+
| Huntsman, Jon | 2.955.726,98 |
+-----------------------------------+-----------------------------------+
| Bachmann, Michelle | 2.607.916,06 |
+-----------------------------------+-----------------------------------+
| Santorum, Rick | 1.413.552,45 |
+-----------------------------------+-----------------------------------+
| Johnson, Gary Earl | 413.276,89 |
+-----------------------------------+-----------------------------------+
| Roemer, Charles E. \*Buddy\* III | 291.218,80 |
+-----------------------------------+-----------------------------------+
| McCotter, Thaddeus G | 37.030,00 |
+-----------------------------------+-----------------------------------+

Si bien esta tabla muestra los montos mínimo y máximo y el orden, no
dice demasiado acerca de los patrones subyacentes al ranking de los
candidatos. [Figure 7](#FIG059) es otra vista de los datos, un tipo
de cuadro conocido como “cuadro de puntos”, en el que podemos ver todo
lo que aparece en la tabla más los patrones dentro del campo. Por
ejemplo, el cuadro de puntos nos permite comparar inmediatamente la
distancia entre Obama y Romney y Romney y Perry, sin tener que restar
valores. (Nota: este cuadro de puntos fue creado usando R. Puede
encontrar vínculos con el código fuente al final de este capítulo).

![Visualizaciones para descubrir patrones subyacentes (Gregor Aisch)](figs/incoming/05-CC.png)

Ahora procedamos con un cuadro más grande del conjunto de datos. Como
primer paso, visualicé todos los montos aportados a lo largo del tiempo
en una sola vista. Podemos ver que casi todas las contribuciones son
muy, muy pequeñas comparado con 3 casos salientes. Una investigación más
a fondo revela que estas contribuciones inmensas provienen del “Fondo
para la Victoria de Obama 2012” (también conocido como SuperPAC) y se
hicieron el 9 de junio (US$ 450.000), septiembre 29 (US$1.500.000) y diciembre 30 (US$ 1,900.000).

![3 casos salientes (Gregor Aisch)](figs/incoming/05-DD.png)

Si bien las contribuciones de Súper PACs por si solas son sin duda la
historia más importante en los datos, podría ser interesante mirar más
allá. La cuestión ahora es que estas grandes contribuciones perturban
nuestra visión de las contribuciones más pequeñas que provienen de
individuos, por lo que vamos a quitarlas de los datos. Esta
transformación se conoce comúnmente como eliminación de datos atípicos.
Luego de visualizar nuevamente, podemos ver que la mayoría de las
donaciones están dentro del rango de entre US\\\$ 5.000 y US\\\$ 10.000.

![Eliminar datos atípicos (Gregor Aisch)](figs/incoming/05-EE.png)

De acuerdo al límite a las contribuciones establecidos por FECA
(autoridad electoral), no se permite a los individuos donar más de
US$ 2500 a cada candidato. Como podemos ver en el gráfico, hay
numerosas donaciones por encima de ese límite. En particular, nos llaman
la atención dos grandes contribuciones en mayo. Parece que son
compensadas por montos negativos (reembolsos) en junio y julio. Una
investigación más a fondo de los datos revela las siguientes
transacciones:

- El 10 de mayo, *Stephen James Davis*, de San Francisco, empleado en
Banneker Partners (abogados), ha donado **US$ 25.800** a Obama. -
El 25 de mayo, *Cynthia Murphy*, de Little Rock, empleada en el Murphy
Group (relaciones públicas), ha donado **US$ 33.300** a Obama -
El 15 de junio el monto de **US$ 30.800** fue devuelto a
*Cynthia Murphy*, lo que redujo el monto donado a US$ 2500. 
- El 8 de julio, se devolvió el monto de **US$ 25.800** a 
*Stephen James Davis*, lo que redujo el monto donado a US$ 0.

¿Qué tienen de interesantes estas cifras? Los US$ 30.800 devueltos a
Cynthia Murphy equivalen al monto máximo que pueden dar individuos a
comités nacionales de partidos al año. Quizás quería combinar ambas
donaciones en una transacción, que fue rechazada. Los US$ 25.800
devueltos a Stephen James Davis posiblemente equivalen a los US$30.800 
menos US$ 5000 (el límite de aportes a cualquier otro comité político).

Otra cosa interesante descubierta en el último gráfico es un patrón
lineal horizontal de contribuciones para candidatos republicanos por
US$ 5000 y -US$ 2500. Para verlos con más detalle, visualicé solo
las donaciones a republicanos. El gráfico resultante es un gran ejemplo
de patrones en datos que serían invisibles sin visualización de datos.

![Eliminación de datos atípicos 2 (Gregor Aisch)](figs/incoming/05-FF.png)

Lo que podemos ver es que hay muchas donaciones de US$ 5000 a
candidatos republicanos. De hecho, un análisis de los datos da que hay
1243 de estas donaciones, que es solo el 0,3% del número total de
donaciones, pero debido a que esas donaciones se reparten de modo parejo
en el tiempo, la línea aparece. Lo interesante de la línea es que las
donaciones de individuos estaban limitadas a US$ 2500. En
consecuencia cada dólar que superó ese límite fue devuelto a los
donantes, lo que resulta en la segunda línea de –US$ 2500. En
contraste, las contribuciones a Barack Obama no muestran un patrón
similar.

![Eliminación de datos atípicos 3 (Gregor Aisch)](figs/incoming/05-GG.png)

Por lo que podría ser interesante averiguar por qué miles de donantes
republicanos no advirtieron los límites para donaciones de individuos.
Para analizar más en profundidad el tema, podemos ver el número total de
donaciones de US$ 5000 por candidato.

![Donaciones por candidato (Gregor Aisch)](figs/incoming/05-HH.png)

Por supuesto que esta es una visión distorsionada dado que no considera
los montos totales de donaciones recibidas por cada candidato. El
siguiente gráfico muestra el porcentaje de donaciones de US\\\$ 5000 por
candidato.

![ ¿De dónde viene la plata del senador?: donaciones por candidato (Gregor Aisch)](figs/incoming/05-II.png)

#### Qué aprender de esto

A menudo tal análisis visual de un nuevo conjunto de datos se vive como
un viaje excitante a un país desconocido. Uno comienza como un
extranjero contando solo con los datos y sus supuestos, pero con cada
paso que da, con cada cuadro que produce, percibe cosas nuevas sobre el
tópico. Basado en esas percepciones, toma decisiones respecto de sus
siguientes pasos y que cuestiones ameritan una mayor investigación. Como
habrá visto en este capítulo, este proceso de visualizar, analizar y
transformar datos podría repetirse casi al infinito.

#### Consiga el código fuente

Todos los cuadros que se muestran en este capítulo fueron creados usando
el maravilloso y poderoso software R. Creado principalmente como
herramienta de visualización científica, es difícil encontrar alguna
técnica de visualización o manejo de datos que no esté incorporada a R.
Para aquellos interesados en saber cómo visualizar y manejar datos
usando R, a continuación aparecen los códigos fuente para los cuadros
generados en este capítulo:

- [Cuadro de puntos: contribuciones por candidato](https://gist.github.com/1769733) 
- [Gráfico: todas las contribuciones a lo largo del tiempo](https://gist.github.com/1816161)
- [Gráfico: contribuciones por comités autorizados](https://gist.github.com/1816169)

Hay también una gran variedad de libros y tutoriales disponibles.

— *Gregor Aisch, Open Knowledge Foundation*


# Difundir datos

![](figs/incoming/06-00-cover.png)

Una vez que analizó bien sus datos y decidió que hay algo interesante
sobre lo cual escribir, ¿cómo puede difundirlos al público? Esta sección
se inicia con breves anécdotas acerca de cómo conocidos periodistas
presentaron los datos a sus lectores: desde infografías, pasando por
plataformas de datos, hasta *links* para descarga. Luego analizamos con
más detenimiento cómo crear nuevas aplicaciones y los detalles de la
visualización de datos. Finalmente analizamos lo que puede hacer para
que su proyecto le resulte atractivo al público.

### Qué contiene este capítulo?

-   [Presentar datos al público](difundir_datos_0.html)
-   [Cómo crear una aplicación de noticias](difundir_datos_1.html)
-   [Aplicaciones de noticias en ProPublica](difundir_datos_2.html)
-   [La visualización como el caballo de tiro del periodismo de
    datos](difundir_datos_3.html)
-   [El uso de visualizaciones para narrar
    historias](difundir_datos_4.html)
-   [Cuadros diferentes dicen cosas diferentes](difundir_datos_5.html)
-   [Selección de herramientas "Hágalo Ud. mismo" para hacer sus propias
    visualizaciones de datos.](difundir_datos_6.html)
-   [Cómo presentamos los datos en el Verdens
    Gang](difundir_datos_7.html)
-   [Los datos públicos se vuelven sociales](difundir_datos_8.html)
-   [Interactuar con la audiencia en torno a sus
    datos](difundir_datos_9.html)



## Presentar datos al público

Hay muchas maneras diferentes de presentar los datos al público, desde
publicar conjuntos de datos en crudo con historias, hasta crear hermosas
visualizaciones y aplicaciones interactivas en la web. Pedimos consejos
a periodistas de datos con experiencia sobre cómo presentar datos al
público.

#### Visualizar o no visualizar

Hay momentos en que los datos pueden contar la historia mejor que
palabras o fotos y es por eso que términos como “aplicación de noticias”
y “visualización de datos” han adquirido el status de palabras clave en
tantas redacciones en los últimos tiempos. También promueve el interés
la gran cosecha de nuevas herramientas y tecnologías (a menudo
gratuitas) destinadas a ayudar incluso al periodista menos dotado
técnicamente a convertir datos en una presentación visual de una
historia.

Herramientas como Google Fusion Tables, Many Eyes, Tableau, Dipity, y
otras hacen más fácil que nunca crear mapas, cuadros, gráficos o incluso
aplicaciones con datos que hasta aquí eran el dominio de especialistas.
Siendo las barreras al ingreso ahora apenas un lomo de burro, la
cuestión para los periodistas ahora no es tanto si pueden convertir sus
conjuntos de datos en una visualización sino si les conviene hacerlo.
Una [mala visualización de datos](http://bit.ly/niemanlab-wordcloud) es
peor en muchos sentidos que ninguna visualización.

— *Aron Pilhofer, New York Times*

#### El uso de gráficos con movimiento

Con un guión ajustado, animaciones bien cronometradas y explicaciones
claras, los gráficos con movimiento pueden dar vida a números o ideas
complejas, orientando a su público. Las videoconferencias de Hans
Rosling son un buen ejemplo de cómo los datos pueden narrar una historia
en la pantalla. Concuerde o no usted con su metodología, yo también creo
que el [índice Shoe-throwers](http://econ.st/shoethrowers) de The
Economist es un buen ejemplo del uso del video para contar una historia
basada en números. Usted no presentaría este gráfico como una imagen
estática o al menos no debería hacerlo. Suceden demasiadas cosas en la
presentación. Pero habiendo llegado paso a paso, a uno le queda la
comprensión de cómo y por qué llegaron a este índice. Con gráficos con
movimiento y cortos animados, puede reforzar lo que el público está
escuchando. Los recursos visuales explicativos con la voz *en off*
ofrecen una manera poderosa y memorable de contar una historia.

— *Lulu Pinney, freelance infographic designer*


#### Contarle al mundo

Nuestro flujo de trabajo por lo general comienza con Excel. Es una
manera fácil de descubrir si hay algo interesante en los datos. Si
tenemos la sensación de que hay algo, entonces vamos a la mesa de
noticias. Tenemos suerte de estar ubicados junto a la principal mesa de
noticias de The Guardian. Entonces analizamos cómo visualizarlo o
mostrarlo en la página. Luego escribimos el texto que lo acompaña.
Cuando escribo por lo general tengo una versión reducida de la planilla
de cálculo junto al editor de texto. A menudo hago análisis parciales
mientras escribo, para encontrar cosas interesantes. Publico en el blog
y me dedico un rato a hacer tweets al respecto, escribiendo a distintas
personas y asegurándome de que tiene links a todos los lugares
indicados.

La mitad del tráfico de algunas de las cosas que subimos al blog vienen
de Twitter y Facebook. Estamos bastante orgullosos de que el tiempo
promedio dedicado a un artículo en nuestro Datablog es de 6 minutos,
comparado con un promedio de 1 minuto para el resto del sitio de The
Guardian. Seis minutos es bastante bueno y el tiempo en la página es una
de las métricas claves al analizar nuestro tráfico.

Esto también ayuda a convencer a nuestros colegas acerca del valor de lo
que estamos haciendo. Eso y las grandes historias basadas en datos en
las que hemos trabajado que todos los demás en la redacción conocen:
COINS, WikiLeaks y los disturbios en el Reino Unido. Para los datos de
gasto de COINS, tuvimos 5-6 periodistas especializados trabajando en The
Guardian para dar sus puntos de vista sobre los datos cuando fueron
difundidos por el gobierno del Reino Unido. También tuvimos otro equipo
de 5-6 periodistas cuando el gobierno difundió los datos de gastos por
encima de las £25000 libras, incluyendo periodistas muy conocidas como
Polly Curtis. WikiLeaks también obviamente fue muy importante, con
muchas historias sobre Irak y Afganistán. Los disturbios también fueron
bastante importantes, con más de 550.000 vistas en 2 días.

Pero no se trata solo de las visitas de corto plazo: también tiene que
ver con ser una fuente confiable de información útil. Tratamos de ser el
lugar donde usted puede obtener información buena y significativa sobre
los temas que cubrimos.

— *Simon Rogers, the Guardian*

#### Publicar los datos

A menudo publicamos los datos en nuestro sitio en una visualización y de
una forma que permite la fácil descarga del conjunto de datos. Nuestros
lectores pueden explorar los datos detrás de las historias interactuando
en las visualizaciones o usando los datos mismos de otros modos. ¿Por
qué es importante esto? Aumenta la transparencia de The Seattle Times.
Mostramos a los lectores los mismos datos que usamos para sacar
poderosas conclusiones. ¿Y quién las usa? Nuestros críticos sin duda,
así como todos los que simplemente están interesados en la historia y
todas sus ramificaciones. Al dar acceso a los datos también podemos
recibir comentarios de estos mismos críticos y los lectores en general
respecto de lo que no vimos y qué más podemos explorar, todas cosas
valiosas para un periodismo que importa.

— *Cheryl Phillips, The Seattle Times*

#### Dar acceso a sus datos

Dar a los consumidores de noticias acceso fácil a los datos que usamos
para nuestro trabajo es lo correcto por varios motivos. Los lectores
pueden asegurarse de que no estamos torturando a los datos para llegar a
conclusiones forzadas. Dar acceso a nuestros datos continúa la tradición
de las ciencias sociales de permitir que investigadores reproduzcan
nuestro trabajo. Alentar a los lectores a estudiar los datos puede
generar ideas que lleven a la continuación de las historias. Finalmente,
los lectores interesados en sus datos van a ser proclives a volver una y
otra vez.

— *Steve Doig, Walter Cronkite School of Journalism, Arizona State
University*

#### Crear una plataforma de datos abierta

En La Nación publicar datos con libre acceso es una parte integral de
nuestras actividades periodísticas de datos. En la argentina no existe
una Ley de Acceso a la Información ni un portal nacional de datos, por
lo que nos parece importante proveer a nuestros lectores el acceso a los
datos que usamos en nuestras historias.

Por tanto publicamos datos estructurados en crudo a través de [nuestra
plataforma](http://data.lanacion.com.ar/) integrada Junar así como en
Google Spreadsheets. Explícitamente autorizamos y alentamos a terceros a
reutilizar nuestros datos y explicamos un poco acerca de cómo hacer esto
[con documentación y tutoriales en video](http://bit.ly/lanacion-tutorials).

Lo que es más, presentamos algunos de estos conjuntos de datos y
visualizaciones en nuestro [blog NACION DATA](http://blogs.lanacion.com.ar/data/). 
Hacemos esto para evangelizar sobre nuestros datos y herramientas de edición de datos 
en la Argentina y mostrar a otros cómo reunimos nuestros datos, como los usamos y cómo
pueden reutilizarlos.

Desde que lanzamos la plataforma en febrero de 2012, hemos recibido
sugerencias e ideas para conjuntos de datos, principalmente de
académicos e investigadores, así como estudiantes de universidades que
se muestran muy agradecidos cada vez que contestamos con una solución o
un conjunto de datos específico. Hay gente que conoce y comenta nuestros
datos en Tableau y varias veces hemos sido el ítem más comentado y visto
en el sitio. En 2011 tuvimos 7 de las 100 [visualizaciones más
vistas](http://bit.ly/tableau-7-100).

— *Angélica Peralta Ramos, La Nación (Argentina)*

#### Humanizar los datos

Al ampliarse el conocimiento del debate en torno a los grandes conjuntos
de datos, una parte importante ha estado notoriamente ausente: el
elemento humano. Mientras muchos pensamos en los datos como números
disociados, flotando en el vacío, en realidad son mediciones de cosas
tangibles (y a menudo humanas). Los datos están unidos a la vida de
gente real y cuando abordamos los números, debemos considerar los
sistemas del mundo real de los que provienen.

Tomemos, por ejemplo, los datos de ubicación que se están recogiendo en
este momento de cientos de millones de celulares y dispositivos móviles.
Es fácil pensar en estos datos (cifras que representan latitud, longitud
y tiempo) como “descarga digital”, pero en realidad son datos destilados
de momentos de nuestras narrativas personales. Si bien pueden ser secos
y clínicos cuando se leen en una planilla de cálculo, cuando permitimos
a la gente incorporar sus propios datos a un mapa y reproducirlos,
experimentan una especie de replay de la memoria que es poderoso y
humano.

En este momento, los datos de localización son utilizados por muchos
diseñadores de aplicaciones, grandes marcas y anunciantes. Mientras las
segundas (empresas de telecomunicaciones y administradores de
dispositivos) son dueños y almacenan los datos, el primero en esta
ecuación –usted- no tiene acceso ni control de esta información. En el
grupo de Investigación y Desarrollo del NYTimes, hemos lanzado un
proyecto prototipo llamado [OpenPaths](https://openpaths.cc/) para
permitir al público explorar sus propios datos de locación y
experimentar el concepto de propiedad de los datos. Al fin de cuentas,
la gente debiera tener control de estas cifras tan estrechamente ligadas
a sus propias vidas y experiencias.

Los periodistas tienen un rol muy importante en sacar a luz esta
humanidad inherente a los datos. Al hacerlo, tienen el poder de cambiar
la comprensión del público tanto de los datos como de los sistemas de
los que emergieron los números.

— *Jer Thorp, Data Artist in Residence: New York Times R&D Group*


#### Datos abiertos, fuentes abiertas, noticias abiertas

El 2012 bien pudo ser el año de las noticias abiertas. Está en el centro
de nuestra ideología editorial y es un mensaje clave de nuestra marca
actualmente. En medio de todo esto, está claro de que necesitamos un
proceso abierto para el periodismo basado en datos. Este proceso no solo
debe ser alimentado de datos abiertos, sino también facilitado por
herramientas abiertas. Para fin de año esperamos poder acompañar cada
visualización que publicamos con acceso tanto a los datos como al código
con el que se construyó.

Muchas de las herramientas usadas en la visualización hoy son de fuente
cerrada. Otras vienen con licencias restrictivas que prohíben el uso de
datos derivados. Las bibliotecas de fuente abierta existentes a menudo
resuelven un problema bien pero no ofrecen una metodología más amplia.
De conjunto esto dificulta a la gente apoyarse en el trabajo de los
demás. Esto cierra conversaciones en vez de abrirlas. Con este fin,
estamos desarrollando una cantidad de herramientas abiertas para narrar
historias interactivas. El Miso Project (@themisoproject) es un ejemplo.

Estamos analizando este trabajo con una cantidad de organizaciones de
medios. Se requiere de la participación de la comunidad para realizar
plenamente el potencial del software de código abierto. Si tenemos éxito
introducirá una dinámica fundamentalmente diferente con nuestros
lectores. Las contribuciones pueden ir más allá del comentario a
bifurcar nuestro trabajo, solucionar problemas o re-utilizar datos de
maneras inesperadas.

— *Alastair Dant, the Guardian*

#### Agregue un link de descarga

En los últimos años trabajé con unos cuantos gigabytes de datos para
proyectos o artículos, desde el escaneado de tablas escritas a máquina
de la década del ‘60 hasta los 1,5 gigabytes de cables publicados por
WikiLeaks. Siempre ha sido difícil convencer a los editores de publicar
sistemáticamente los datos en formato abierto y accesible. Para superar
el problema, agregué links para “Descargar los datos” dentro de los
artículos, apuntando a los archivos que los contenían o los Google Docs
relevantes. El interés de potenciales reutilizadores coincidía con lo
que vemos en los programas promovidos por el Estado (es decir, muy, pero
muy escaso). Sin embargo, las pocas instancias de reutilización
aportaron nuevas visiones o promovieron conversaciones que bien valen
los pocos minutos extra por proyecto.


— *Nicolas Kayser-Bril, Journalism++*

#### Conozca su alcance

Hay una gran diferencia entre hackear por diversión y hacer ingeniería
de sistemas buscando escala y buen desempeño. Asegúrese de asociarse con
gente que tenga las capacidades apropiadas para su proyecto. No olvide
el diseño. La facilidad de uso, la experiencia del usuario y el diseño
de la presentación pueden afectar mucho el éxito de su proyecto.

— *Chrys Wu, Hacks/Hackers*



## Cómo crear una aplicación de noticias

Son ventanas que muestran los datos en los que se apoya la historia.
Pueden ser bases de datos abiertas a búsquedas, visualizaciones
elegantes, o algo totalmente distinto. Pero no importa la forma que
asuman, las aplicaciones alientan a los lectores a interactuar con los
datos en un contexto que es significativo para ellos: investigar
tendencias criminalísticas en su zona, verificar los antecedentes de su
médico local o analizar las contribuciones políticas de su candidato.

Más que infografías de alta tecnología, las mejores aplicaciones de
noticias son productos durables. Tienen vida por fuera del ciclo de las
noticias, ayudando a menudo a los lectores a resolver problemas del
mundo real, o respondiendo preguntas de un modo tan útil como novedoso
que se convierten en recursos perdurables. Cuando periodistas de
ProPublica quisieron explorar en qué medida eran seguras las clínicas de
diálisis de riñón estadounidenses, crearon una
[aplicación](http://projects.propublica.org/dialysis/) que ayudaba a los
usuarios a verificar si las instalaciones en su ciudad eran seguras.
Proveer un servicio tan importante y relevante crea una relación con los
usuarios que va mucho más allá de lo que una historia narrativa puede
hacer por sí sola.

Allí está el desafío y la promesa de crear aplicaciones de noticias que
son lo último en materia tecnológica: crear algo de valor duradero. Sea
usted un diseñador o un gerente, cualquier discusión acerca de crear una
gran aplicación debe comenzar con una mentalidad de desarrollo de un
producto: mantenerse enfocado en el usuario y trabajar para lograr el
mayor impacto con su inversión. Por lo que, antes de comenzar a crear
una aplicación, es bueno hacerse tres preguntas, que se abordan en las
siguientes secciones.

![Monitor de instalaciones para diálisis (ProPublica)](figs/incoming/06-AA.png)

#### ¿Cuál es mi público y cuáles son sus necesidades? 

Las aplicaciones de noticias no sirven a la historia por la historia
misma, sirven al usuario. Según el proyecto, el usuario puede ser un
paciente de diálisis que quiere conocer los antecedentes de su clínica o
incluso una dueña de casa que no conoce el riesgo de terremoto cerca de
su hogar. No importa quién sea, toda discusión sobre la creación de una
aplicación de noticias, como cualquier buen producto, debe empezar por
la gente que la va a usar.

Una sola aplicación puede servir a muchos usuarios. Por ejemplo, un
proyecto llamado [Curbwise](http://curbwise.com/), creado por el Omaha
(Nebraska) World-Herald le sirve a propietarios de casas que creen que
les están cobrando impuestos excesivos, a residentes curiosos
interesados en los valores de propiedades cercanas y trabajadores
inmobiliarios que buscan seguir las tendencias de las ventas recientes.
En cada uno de esos casos, la aplicación responde a necesidades
específicas que hacen que los usuarios vuelvan.

Los propietarios de casas, por ejemplo, podrían necesitar ayuda para
reunir información sobre propiedades próximas de modo de poder demostrar
que sus impuestos son injustamente elevados. Reunir esa información
exige tiempo y es complicado, un problema que Curbwise resuelve para sus
usuarios compilando [un informe fácil de
usar](http://curbwise.com/how-to-protest) de toda la información que
necesitan para cuestionar los impuestos a sus propiedades ante las
autoridades municipales. Curbwise vende ese informe por US\$ 20 y la
gente lo paga porque le resuelve un problema real de sus vidas.

Sea que su aplicación resuelva un problema del mundo real como Curbwise
o acompañe la narrativa de una historia con visualizaciones
interesantes, siempre sea consciente de la gente que la usará.
Concéntrese en diseñar y crear los componentes basados en sus
necesidades.

#### ¿Cuánto tiempo debo dedicar a esto?

Los programadores en la redacción son como agua en el desierto: muy
buscados y escasos. Crear aplicaciones de noticias significa equilibrar
las necesidades diarias de una redacción con los compromisos de largo
plazo que se necesita para crear productos realmente buenos.

Digamos que su editor le viene con una idea: el Consejo Municipal va a
votar la semana entrante si demoler o no varias propiedades históricas
en su ciudad. Sugiere crear una aplicación simple que le permita a los
usuarios ver los edificios en un mapa.

Como programador, usted tiene unas pocas opciones. Puede flexionar su
músculo de ingeniero de sistemas creando un mapa fabuloso usando
software especialmente desarrollado para el caso. O puede usar
herramientas existentes como las Google Fusion Tables o bibliotecas de
mapeado de código abierto y terminar el trabajo en un par de horas. La
primera opción le dará una mejor aplicación; pero la segunda puede darle
más tiempo para crear otra cosa con mayores probabilidades de tener un
impacto duradero.

El hecho de que una historia sea apta para crear una aplicación compleja
y hermosa no significa que tenga que crearla. Es crítico saber medir las
prioridades. La cuestión es recordar que toda aplicación que usted cree
tiene un costo: a saber, otra aplicación potencialmente más impactante
en la que pudo haber estado trabajando.

#### ¿Cómo puedo llevar la cosa al siguiente nivel?

Crear aplicaciones de noticias sofisticadas puede exigir mucho tiempo y
ser costoso. Por eso siempre se justifica preguntar cuál será el rédito.
¿Cómo se convierte una aplicación maravillosa pero que produce solo un
impacto momentáneo en algo especial y duradero?

Crear un proyecto duradero que trascienda el ciclo de las noticias es
una manera de hacerlo. Otra manera es crear una herramienta que le
ahorre tiempo en el futuro (y haciéndolo con código abierto) o aplicar
un sistema de medición avanzada a su aplicación para saber más de su
público.

Muchas organizaciones crean mapas en base al censo para mostrar los
cambios demográficos en sus ciudades. Pero cuando el equipo de
aplicaciones interactivas del Chicago Tribune [hizo el
suyo](http://bit.ly/chicago-census), llevó las cosas al siguiente nivel
desarrollando herramientas y técnicas para crear esos mapas rápidamente,
y que luego [pusieron a disposición de otras
organizaciones](http://bit.ly/chicagotribune-maps).

En mi lugar de empleo, el Center for Investigative Reporting, unimos una
base de datos simple en la que se podía hacer búsquedas, con una
plataforma de búsqueda fina que nos permitió saber, entre otras cosas,
cuántos usuarios valoran los hallazgos fortuitos y la exploración en
nuestras aplicaciones.

A riesgo de parecer que lo único que le importa es la plata, siempre
piense en términos de [ganancias sobre la
inversión](http://bit.ly/cironline-return). Resuelva un problema
genérico; cree una nueva manera de atraer a los usuarios; ofrezca partes
de su trabajo con código abierto; use sistemas de medición para saber
más acerca de sus usuarios; o incluso descubra cómo puede generar
ingresos con partes de su aplicación, como lo hace Curbwise.

#### En síntesis

La creación de aplicaciones de noticias ha recorrido un largo camino en
muy poco tiempo. Las aplicaciones 1.0 eran muy parecidas a infografías
2.0, visualizaciones de datos interactivas, mezcladas con bases de datos
en las que se podía hacer búsquedas, dirigidas primordialmente a
sostener la narrativa de la historia. Ahora muchas de esas aplicaciones
pueden ser diseñadas por periodistas incluso cuando están apurados por
plazos de entrega usando herramientas de código abierto, lo que deja a
los programadores libres para pensar en cosas más importantes.

Las aplicaciones 2.0, que es hacia donde se dirige el sector, tienen que
ver con combinar la narración y los puntos fuertes del periodismo como
servicio público con el desarrollo de productos y los conocimientos
tecnológicos. El resultado, sin duda, será una explosión de innovación
en torno a maneras de hacer que los datos sean relevantes, interesantes
y especialmente útiles para nuestro público y, al mismo tiempo,
esperemos que ayude al periodismo a hacer esto mismo.

— *Chase Davis, Center for Investigative Reporting*



## Aplicaciones de noticias en ProPublica

Una aplicación es una gran base de datos interactiva que narra una
historia noticiosa. Piense en ella como lo haría con cualquier otra
pieza de periodismo. Simplemente usa software en vez de palabras e
imágenes.

Al mostrar a cada lector datos que son específicos a él, una aplicación
puede ayudar a cada lector a comprender una historia de un modo que sea
personalmente significativo. Puede ayudar a un lector a comprender su
relación personal con un fenómeno nacional amplio y ayudarlo a
relacionar lo que sabe con lo que no sabe y por tanto alentar una
comprensión profunda de conceptos abstractos.

Tendemos a crear aplicaciones de noticias cuando tenemos un conjunto de
datos (o creemos que podemos adquirir un conjunto de datos) que sea de
alcance nacional y a la vez lo suficientemente granular como para
exponer detalles significativos.

Una aplicación debiera narrar una historia, y al igual que cualquier
buena historia, necesita un titular, una firma, un encabezado y una
síntesis que presente el contenido. Algunos de estos conceptos pueden
ser difíciles de distinguir en una pieza de software interactivo, pero
están allí si uno lo estudia atentamente.

Además, una aplicación debiera ser generadora de más historias y más
informes. Las mejores aplicaciones de ProPublica han sido usadas como
base para historias locales.

Por ejemplo, tomemos el caso de nuestra aplicación [Dollars for Docs](http://projects.propublica.org/docdollars). 
Rastreaba pagos de compañías farmacéuticas por millones de dólares a médicos para que
hicieran consultoría, dieran conferencias y otras cosas por el estilo.
La aplicación que creamos permite a los lectores hacer una búsqueda
sobre su propio médico y ver los pagos que recibió. Periodistas de otras
organizaciones también usaron los datos. Más de 125 organizaciones de
noticias locales, incluyendo el Boston Globe, Chicago Tribune y St.
Louis Post-Dispatch hicieron investigaciones sobre médicos locales
basados en datos de Dollars for Docs.

Unas cuantas de estas historias locales fueron resultado de asociaciones
formales, pero la mayoría se hicieron de modo independiente, en algunos
casos no tuvimos demasiado conocimiento –si es que supimos algo - de que
se estaba trabajando en la historia hasta que apareció. Como
organización pequeña pero de alcance nacional, este tipo de repercusión
es crucial para nosotros. No podemos tener conocimiento de lo que sucede
en 125 ciudades, pero si nuestros datos pueden ayudar a periodistas que
tienen conocimiento local a narrar historias con impacto, estamos
cumpliendo nuestra misión.

Una de mis aplicaciones favoritas es [Mapping L.A.](http://projects.latimes.com/mapping-la/neighborhoods/) 
de Los Ángeles Times, que comenzó como un mapa de varios barrios de esa ciudad
con datos del público y que hasta su aparición no tenían límites
aceptados por todos. Luego del primer proyecto con aportes del público
(crowdsourcing) el Times pudo usar los barrios como un gran dispositivo
de base para hacer informes de datos: cosas como la tasa de criminalidad
por barrio, calidad de las escuelas por barrio, etc., que antes no podía
hacer. De modo que Mapping L.A. no solo es a la vez genérico y
específico, es generador de proyectos y cuenta las historias de la
propia gente.

Los recursos necesarios para crear una aplicación son muy variados. The
New York Times tiene docenas de personas trabajando en aplicaciones y
gráficos interactivos. Pero [Talking Points
Memo](http://polltracker.talkingpointsmemo.com/) hizo un seguidor de
encuestas políticas de última generación con 2 empleados, ninguno de los
cuales tenía título en ciencias de la computación.

Al igual que la mayoría de los programadores que trabajan en
redacciones, seguimos una metodología Agile modificada para crear
nuestras aplicaciones. Iteramos rápidamente y mostramos borradores a la
otra gente de la redacción con la que trabajamos. Es de la mayor
importancia el hecho de que trabajamos en estrecho contacto con
periodistas y leemos sus borradores, incluso los muy iniciales.
Trabajamos mucho más como periodistas que como programadores
tradicionales. Además de escribir código, llamamos a las fuentes,
reunimos información y acumulamos experiencia. Sería difícil hacer una
buena aplicación usando material que no entendemos.

¿Por qué debieran interesarse las redacciones en producir aplicaciones
basadas en datos? Tres razones: es excelente periodismo, es inmensamente
popular –los contenidos más populares de ProPublica son aplicaciones de
noticias- y si no lo hacemos, otro lo hará. Piense en todas las
exclusivas que nos perderíamos. Lo que es más importante, las
redacciones debieran saber que pueden hacerlo también. Es más fácil de
lo que parece.

— *Scott Klein, ProPublica*



## La visualización como el caballo de tiro del periodismo de datos

Antes de lanzarse a tratar de armar cuadros o mapas con sus datos,
tómese un minuto para pensar acerca de los muchos roles que los
elementos gráficos estáticos e interactivos tienen en su trabajo
periodístico.

En la fase de buscar la información, las visualizaciones pueden:

-   Ayudarlo a identificar temas y cuestiones para el resto de su tarea.
-   Identificar cosas fuera de lugar: buenas historias o quizás errores
    en sus datos.
-   Ayudarlo a encontrar ejemplos típicos.
-   Mostrar baches en sus informes.

Las visualizaciones también tienen múltiples roles en la edición.
Pueden:

-   Ilustrar un argumento de una historia de un modo más convincente.
-   Quitar información técnica innecesaria de la prosa.
-   En particular cuando son interactivos y permiten la exploración,
    ofrecen transparencia respecto de su proceso de información a sus
    lectores.

Estos roles sugieren que debiera comenzar temprano y a menudo con
visualizaciones en sus informes, sea o no que comience con datos o
registros electrónicos. No lo considere un paso por separado, algo a
considerar una vez que la historia en gran medida ya esté escrita.
Permita que este trabajo ayude a guiar su tarea periodística.

Comenzar a veces significa simplemente poner las notas que ya tomó en
formato visual. Considere el gráfico en la Figura 6-2, que se publicó en
el Washington Post en 2006.

![Subsidios agropecuarios a lo largo del tiempo (Washington Post)](figs/incoming/06-MM.png)

Muestra la porción del ingreso agropecuario asociado con subsidios y
eventos claves en los últimos 45 años, y fue creado a lo largo de una
serie de meses. Encontrar datos que pudieran utilizarse para largos
períodos de tiempo con definiciones y significados similares fue un
desafío. Investigar todas las alzas y bajas nos ayudó a tener presente
el contexto mientras hacíamos el resto de nuestro trabajo. También
significó que la tarea estuvo prácticamente acabada antes de que se
escribieran las historias.

A continuación, algunos consejos sobre el uso de visualizaciones para
comenzar a explorar sus conjuntos de datos.

#### Consejo 1: Use pequeños múltiplos para orientarse rápidamente en un conjunto de datos grande 

Usé esta técnica en el Washington Post cuando seguimos una pista de que
la administración de George W. Bush estaba otorgando subsidios por
motivos políticos y no de fondo. La mayoría de estos programas de ayuda
se guían por fórmulas y otros han sido financiados desde hace años, por
lo que estábamos curiosos por ver si pudiéramos encontrar un patrón
analizando casi 1500 casos diferentes discrecionales.

Creé un gráfico para cada programa, con puntos rojos indicando un año
con elecciones presidenciales y puntos verdes indicando elecciones
parlamentarias. El problema: sí, había un salto en los seis meses antes
de la elección presidencial en varios de estos programas –los puntos
rojos con los números pico junto a ellos- pero es el año electoral
equivocado. El patrón apareció de modo sistemático durante la elección
presidencial del 2000 entre Al Gore y George W. Bush, no la elección de
2004.

![Subsidios HHS: los sparklines ayudan a encontrar historias (Washington Post)](figs/incoming/06-NN.png)

Esto fue realmente fácil de ver en una serie de gráficos en vez de una
tabla numérica, y un formulario interactivo nos permitió verificar
varios tipos de subsidios, regiones y entes. Los mapas con pequeños
múltiplos pueden ser una manera un modo de mostrar tiempo y lugar en una
imagen estática que es fácil de comparar, a veces incluso más fácil que
la versión interactiva.

Este ejemplo fue creado con un programa breve escrito en PHP, pero ahora
es mucho más fácil de hacer con Excel 2007 y los \_sparklines\_de 2010.
Edward Tufte, el experto en visualización, inventó estos “gráficos
intensos, simples, como palabras” para transmitir información con una
sola mirada basados en un conjunto de datos grandes. Ahora se los ve en
todas partes, desde los pequeños gráficos bajo las cotizaciones de la
bolsa hasta los records de triunfos y derrotas en deportes.

#### Consejo 2: Mire sus datos del derecho y del revés

Cuando trata de entender una historia o un conjunto de datos, no hay una
manera equivocada de mirar; inténtelo de todas las maneras que se le
ocurren y tendrán muchas perspectivas distintas. Si está informando
sobre criminalidad, podría ver un conjunto de cuadros con cambios en los
crímenes violentos en un año; otro podría indicar el cambio porcentual;
otro podría ser una comparación con otras ciudades, y otro podría ser de
cambios en el tiempo. Use cifras crudas, porcentajes e índices.

Mírelos en distintas escalas. Trate de seguir la regla de que el eje de
las x debe estar en cero. Luego viole esa regla y vea si encuentra más
cosas. Pruebe con logaritmos y raíces cuadradas para datos con
distribuciones extrañas.

Tenga en mente las investigaciones hechas con percepciones visuales. Los
experimentos de William Cleveland mostraron que los ojos ven cambios en
una imagen cuando la inclinación promedio es de alrededor de 45 grados.
Esto sugiere que hay que ignorar las admoniciones de que siempre se debe
comenzar desde cero y en cambio trabajar pensando en los gráficos que
permitan ver más cosas. Otras investigaciones sobre epidemiología han
sugerido que se puede encontrar un nivel determinado como delimitador
para su cuadro. Cada uno de estos modos permite ver los datos de modo
diferente. Cuando ya no le dicen nada nuevo sabe que acabó su tarea.

#### Consejo 3: No dé nada por supuesto

Ahora que ha mirado sus datos de distintos modos, probablemente habrá
encontrado registros que no parecen correctos: puede no haber entendido
lo que significaban o hay algunos casos fuera de lo común que parecen
errores de tipeo o hay tendencias que parecen invertir las cosas.

Si quiere publicar algo basado en sus primeras exploraciones o en una
visualización, tiene que resolver estas cuestiones y no dar nada por
supuesto. Son historias interesantes o errores; desafíos interesantes a
las verdades sabidas o confusiones.

No es inusual que gobiernos municipales den planillas de cálculo llenas
de errores, y es también fácil confundirse con la jerga oficial en un
conjunto de datos.

Primero, vuelva a mirar su trabajo. ¿Ha leído la documentación, sus
advertencias, y existe el problema en la versión original de los datos?
Si todo lo hecho por usted parece estar bien, entonces es hora de tomar
el teléfono. Tendrá que conseguir resolverlo si quiere usarlo, por lo
que mejor ponerse ya mismo en marcha.

Dicho esto, no todo error es importante. En los registros de finanzas de
campañas electorales, es común que haya varios cientos de códigos
postales que no existen en una base de datos de 100.000 registros.
Siempre que no sean todos en la misma ciudad o estén relacionados con un
mismo candidato, el registro ocasional equivocado simplemente no
importa.

La pregunta que debe hacerse: ¿si fueran a usar esto, los lectores
tendrían una visión acertada en lo esencial de lo que dicen los datos?

#### Consejo 4: Evite obsesionarse con la precisión 

La contracara de no hacer suficientes preguntas es obsesionarse con la
precisión antes de que importe. Sus gráficos exploratorios debieran ser
correctos en general, pero no se preocupe si tiene varios niveles de
redondeo, si no suman exactamente 100 por ciento o si le faltan datos de
1 o 2 años en 20 años. Esto es parte del proceso exploratorio. Aún así
verá las grandes tendencias y sabrá lo que tiene que buscar antes de que
llegue el momento de publicar.

De hecho, podría considerar eliminar las marcas y los indicadores de
escala, como en los cuadros de más arriba, para tener una mejor visión
del sentido general de los datos.

#### Consejo 5: Cree cronologías de casos y eventos 

Al comienzo de cualquier historia compleja, comience a crear cronologías
de eventos y casos claves. Puede usar Excel, un documento en Word, o una
herramienta especial como TimeFlow para la tarea, pero en algún punto
encontrará un conjunto de datos que puede usar como base de referencia.
Releerlo periódicamente le mostrará qué baches tiene en su informe que
deben cubrirse.

#### Consejo 6: Reúnase desde el comienzo y a menudo con el departamento gráfico 

Intercambie ideas respecto de gráficos posibles con los ilustradores y
diagramadores de su redacción. Ellos tendrán buenas alternativas para
ver sus datos, sugerencias de cómo podría funcionar interactivamente, y
saben cómo conectar datos e historias. Le hará mucho más fácil su tarea
si sabe desde el comienzo qué es lo que tiene que buscar o si puede
alertar a su equipo de que no es posible realizar determinado gráfico
cuando no logra obtener los datos necesarios.

#### Consejos para la publicación de datos

Puede haber pasado solo unos pocos días o unas pocas horas en su
exploración, o puede haber tardado meses en reunir la información para
su historia. Pero cuando se acerca el momento de publicarla, hay dos
aspectos que se vuelven importantes.

¿Se acuerda de ese año que le faltó en sus exploraciones iniciales? De
pronto ya no puede avanzar más sin esos datos. ¿Todos los datos con
problemas que ignoró en sus informes? Ahora vuelven como fantasmas. La
razón es que no se puede simplemente esquivar los problemas. Se tiene
todo lo que se necesita para un gráfico o no se lo tiene, y no hay
solución intermedia.

El esfuerzo de recolección de los datos tiene que coincidir con lo que
requiere el gráfico interactivo:: No hay modo de ocultarse en un gráfico
interactivo. Si realmente va a hacer que sus lectores puedan explorar
los datos de cualquier manera que quieran, entonces cada elemento de los
datos tiene que ser lo que dice ser. Los usuarios pueden encontrar
cualquier error en cualquier momento, y eso podría afectarlo por meses o
años. Si está creando su propia base de datos, tiene que prever la
corrección de errores, el control de datos y la edición del texto de
toda la base de datos. Si está usando archivos oficiales, debe decidir
cuánto los va a controlar y qué piensa hacer cuando encuentre el
inevitable error.

 Diseñe pensando en dos tipos de lectores 

:   El gráfico –sea un elemento interactivo que se presenta solo o una
    visualización estática que acompaña su artículo- debe satisfacer a
    dos tipos diferentes de lectores. Debe ser fácil de entender de un
    vistazo, pero lo suficientemente complejo como para ofrecer algo
    interesante a la gente que quiere ir más allá. Si lo hace
    interactivo, asegúrese de que sus lectores obtengan algo más que una
    sola cifra o número.

 Transmita una idea y luego simplifique 

:   Asegúrese de que haya una cosa que quiere que la gente vea. Decida
    cuál es la impresión general que quiere que tenga el lector y haga
    que todo lo demás desaparezca. En muchos casos, esto significa
    eliminar información aún cuando Internet le permita proveer todo. A
    menos que su objetivo principal sea la transparencia en su actividad
    periodística, la mayor parte de los detalles que ha recogido en su
    línea de tiempo y cronología simplemente no son demasiado
    importantes. En un gráfico estático serán intimidantes. En un
    gráfico interactivo serán aburridos.

— *Sarah Cohen, Duke University*


## El uso de visualizaciones para narrar historias

La visualización de datos amerita su consideración por varios motivos.
No solo puede ser llamativamente hermosa y atraer la atención –recurso
social valioso para compartir y atraer a los lectores- también aprovecha
una ventaja cognitiva poderosa: la mitad del cerebro humano está
dedicado a procesar información visual. Cuando se presenta a un usuario
un gráfico informativo, se está llegando a él a través de la vía de
banda más ancha de acceso a la mente. Una visualización de datos bien
diseñada puede ofrecer a los que la ven una impresión inmediata y
profunda, e ir al grando de la cuestión sin enredarse con todo lo que
hay en una historia compleja.

Pero a diferencia de otros medios visuales –tales como la fotografía y
el video- la visualización de datos también está enraizada en hechos
mensurables. Aunque atractiva estéticamente, tiene menos carga
emocional, está más interesada en echar luz que calor. En una era de
medios con foco estrecho que a menudo están hechos a medida de públicos
con puntos de vista particulares, la visualización de datos (y el
periodismo de datos en general) ofrece la oportunidad tentadora de
narrar historias orientadas principalmente por los hechos y no el
fanatismo.

Lo que es más, al igual que otras formas de periodismo narrativo, la
visualización de datos puede ser efectiva tanto para presentar noticias
nuevas –transmitiendo rápidamente nueva información al estilo de la
ubicación de un accidente y el número de víctimas- como artículos de
fondo, donde puede profundizar en un tema y ofrecer una nueva
perspectiva, ayudándolo a ver algo familiar de un modo completamente
nuevo.

#### Ver lo familiar de un modo nuevo

De hecho, la capacidad de las visualizaciones de datos de cuestionar las
verdades aceptadas es ejemplificada por un [gráfico
interactivo](http://nyti.ms/employment-lines) publicado por The New York
Times a fines de 2009, un año después de que comenzara la crisis
económica global. Con la tasa de desempleo nacional de Estados Unidos en
torno 9 %, los usuarios podían analizar la población del país con varios
filtros demográficos y educativos, para ver lo dramáticos que eran los
cambios en las tasas. Resultó que la tasa iba, de menos del 4% para
mujeres de edad media con títulos avanzados, hasta casi la mitad de
todos los jóvenes negros que no habían terminado la escuela secundaria,
y además esta disparidad no era nada nuevo: dato subrayado por líneas de
fiebre que mostraban los valores históricos para cada uno de esto
grupos.

![La tasa de desempleo para personas como usted (New York Times)](figs/incoming/06-GG-01.png)

Incluso cuando ya ha dejado de mirarla, una buena visualización de datos
se mete en su cabeza y deja un modelo mental duradero de un hecho, una
tendencia o un proceso. ¿Cuánta gente vio [la animación de
tsunamis](http://1.usa.gov/tsunami-animation) presentada por los
investigadores en diciembre de 2004, que mostraba olas en cascada
irradiando desde un terremoto indonesio a través del océano Índico,
amenazando a millones de residentes costeros en el sur de Asia y África
oriental?

Las visualizaciones de datos –y las asociaciones estéticas que
engendran- pueden incluso convertirse en hitos culturales, tales como la
representación de las profundas divisiones políticas en Estados Unidos
luego de las elecciones del 2000 y 2004, cuando los estados republicanos
“rojos” llenaban el centro del país y los estados demócratas “azules”
formaban núcleos en el noreste y el lejano oeste. No importa que en los
medios de EE.UU. antes del 2000 las principales cadenas de medios habían
intercambiado el azul y el rojo muchas veces para representar a cada
partido, optando algunas incluso por alternar cada cuatro años. De allí
el recuerdo de algunos estadounidenses de la victoria épica en 49
estados “azules” para los republicanos en 1984 liderada por Ronald
Reagan.

Pero por cada gráfico que engendra un cliché visual, aparece otro que
aporta un poderoso testimonio fáctico, tal como [el mapa de
2006](http://nyti.ms/diaspora-graphic) de The New York Times que usó
círculos de distintos tamaños para mostrar donde vivían cientos de miles
de evacuados de New Orleans, desparramados por todo el continente por
una mezcla de vínculos personales y programas de relocalización. ¿Estos
evacuados “varados” podrían volver alguna vez a sus hogares?

Ahora que hemos hablado del poder de la visualización de datos, es justo
preguntar cuándo debemos usarla y cuando *no*. Primero analizaremos
algunos ejemplos en los que la visualización de datos podría ser útil
para ayudar a narrar una historia a sus lectores.

#### Mostrar el cambio a lo largo del tiempo

Quizás el uso más común de la visualización de datos –personificado en
el humilde gráfico de fiebre- es mostrar cómo han cambiado valores a lo
largo del tiempo. El crecimiento de la 
[población china desde 1960](http://bit.ly/google-china-population) o el 
salto en el desempleo desde la caída económica de 2008, son buenos ejemplos. 
Pero las visualizaciones de datos también pueden mostrar de modo muy poderoso 
el cambio a lo largo del tiempo a través de otras formas gráficas. El
investigador portugués Pedro M. Cruz utilizó cuadros con forma de
círculos animados para mostrar dramáticamente la declinación de los
[imperios europeos occidentales](http://pmcruz.com/visual-experiments/visualizing-empires)
desde comienzos del siglo XIX. Medidos por su población total, Gran
Bretaña, Francia, España y Portugal estallan como burbujas al lograr la
independencia sus territorios extranjeros. Allí va México, Brasil,
Australia, la India, y esperen… allí van muchas colonias africanas a
comienzos de la década de 1960, con lo que casi desaparece Francia.

Un [gráfico del Wall Street Journal](http://on.wsj.com/tech-empire)
muestra el número de meses que les llevó a varios empresarios llegar al
número de US\$ 50 millones en ganancias. Creado utilzando Tableau
Public, una herramienta de gráficos y análisis de datos gratuita, la
comparación semeja las estelas superpuestas que dejan múltiples
aeronaves al despegar, algunas rápidas, otras lentas, algunas pesadas,.

Hablando de aviones, otro gráfico interesante que muestra el cambio en
el tiempo presenta la participación en el [mercado de las principales
aerolíneas](http://nyti.ms/airline-merger) estadounidenses durante
varias décadas de concentración en el sector.

Luego de que la administración Carter desregulara la aviación de
pasajeros, una seguidilla de adquisiciones financiadas con deuda creó
compañías de aeronavegación nacionales a partir de pequeñas aerolíneas
regionales, como ilustra este gráfico de The New York Times.

![Rutas de vuelo convergentes (New York Times)](figs/incoming/06-GG-02-b.png)

Dado que casi todos los lectores casuales ven el eje horizontal, de las
“x” de un cuadro, como representa el tiempo, a veces es fácil creer que
*todas* las visualizaciones deben mostrar el cambio en el tiempo.

#### Comparar valores

![Contar el costo humano de la guerra (BBC)](figs/incoming/06-GG-03.png)

La visualización de datos también es útil cuando se trata de ayudar a
los lectores a comparar dos o más valores discretos, sea para poner en
contexto la pérdida trágica de hombres y mujeres de las fuerzas armadas
en los conflictos de Irak y Afganistán (comparándolos con los tantos
miles de muertos en Vietnam y los millones que murieron en la segunda
Guerra Mundial, como hizo la BBC en un slideshow de 
[transparencias animadas](http://bbc.in/animated-slideshow) que acompaña
su base de datos de bajas); o cuando el National Geographic, utilizando un 
[cuadro muy minimalista](http://bit.ly/ngm-hearts), mostró cuanto mayores
son las probabilidades de morir de enfermedad coronaria (probabilidad de 1
en 5) o infarto (1 en 24) que en accidentes de aviación (1 en 5051) o
por una picadura de abeja (1 en 56789), mostrando las probabilidades
relativas de las distintas causas de muerte (todo dominado por un arco
inmenso que representa las probabilidades generales de morirse: 1 en 1).

La BBC, en colaboración con la agencia Berg Design, también desarrolló
el sitio [“Dimensions”](http://howbigreally.com/), que le permite
superponer los contornos de los principales eventos mundiales –el
derrame de petróleo de la plataforma marina Deepwater Horizon o las
inundaciones paquistaníes, por ejemplo- a un Google Map de su propia
comunidad.

#### Mostrar conexiones y flujos

La introducción del ferrocarril de alta velocidad en Francia en 1981 no
achicó realmente el país, pero una representación visual ingeniosa
muestra cuanto menos tiempo lleva alcanzar distintos destinos comparado
con el ferrocarril convencional. Una grilla superpuesta al país aparece
de forma cuadrada en la imagen de “antes”, pero se ve aplastada hacia el
centro, París, en la de “después”, mostrando no solo que los destinos
están más “cerca”, sino que la mayor ganancia de tiempo se da en la
primera parte del viaje, antes de que los trenes tengan que bajar la
velocidad al llegar a vías no mejoradas.

Para comparar entre dos variables distintas, vea 
[el cuadro de Ben Fry](http://benfry.com/salaryper/) 
evaluando el desempeño de equipo de Baseball de las Grandes Ligas relativo 
a lo que ganan sus jugadores. 
Una línea dibujada en rojo (mal desempeño) o azul (buen desempeño) conecta
los dos valores, dando de forma práctica una sensación de qué dueños de
equipos lamentan lo mal que le ha ido con jugadores caros. Más aún, el
recorrido de una línea de tiempo ofrece una imagen vívida de la
competencia por el campeonato.

![Salario vs. desempeño (Ben Fry)](figs/incoming/06-GG-04.png)

#### Diseñar con datos

Similares a las conexiones gráficas en un sentido, los diagramas de
flujo también codifican información en las líneas de conexión,
generalmente de acuerdo al grosor y/o el color de las mismas. Por
ejemplo, con la Eurozona en crisis y varios miembros incapacitados para
pagar sus deudas, The New York Times buscó desentrañar 
[la madeja de deudas](http://nyti.ms/eurozone-crisis) que vincula a los
miembros de la UE con sus socios comerciales al otro lado del Atlántico y en Asia.
En un “estado” de la visualización, el ancho de las líneas refleja el monto
del crédito que pasa de un país a otro, y tonos que van del amarillo al
naranja indican lo “preocupante” de la deuda, es decir, la
improbabilidad de su repago.

Sobre un tópico más feliz, la revista National Geographic produjo un
[gráfico que parece simple](http://bit.ly/sankey-wine), mostrando las
conexiones de tres ciudades de EE.UU. –New York, Chicago y Los Ángeles-
con regiones productoras de vino importantes, y cómo los métodos de
transporte con los que se trae el producto de cada una de las fuentes
podrían resultar en una huella de carbono drásticamente diferente,
haciendo que para los neoyorquinos, por ejemplo, comprar en Burdeos sea
más “verde” que comprar vino de California.

“SourceMap”, un proyecto iniciado en la escuela de estudios empresarios
del MIT, usa diagramas de flujo para analizar rigurosamente el
abastecimiento global de productos manufacturados, sus componentes y
materias primas. Gracias a mucha investigación un usuario ahora puede
buscar productos que van desde [zapatos de marca
Ecco](http://sourcemap.com/view/1760) hasta [jugo de
naranja](http://sourcemap.com/view/1011), y saber qué rincón del globo
es su origen y su correspondiente huella de carbono.

#### Mostrar jerarquías

En 1991 el investigador Ben Shneiderman inventó una nueva forma de
visualización llamada
["treemap"](http://www.cs.umd.edu/hcil/treemap-history/) que consiste de
múltiples cajas concéntricas. El área de cada caja indica la cantidad
que representa, en sí misma y como adición de sus contenidos. Se trate
de [visualizar un presupuesto nacional](http://openspending.org/)
dividido por entes oficiales y sub-entes, la bolsa de valores por sector
y compañía, o un lenguaje de programación por clases y sub-clases, el
"treemap" es una interfaz compacta e intuitiva para representar un ente
y sus partes constituyentes. Otro formato efectivo es el dendrograma,
que se ve como un cuadro de organización más típico, donde las
subcategorías salen de un solo tronco central.

![OpenSpending.org (Open Knowledge Foundation)](figs/incoming/06-GG-06.png)

#### Explorar grandes bases de datos

A veces la visualización de datos es muy efectiva para tomar información
familiar y mostrarla desde un ángulo totalmente nuevo, ¿pero qué sucede
cuándo se tiene información nueva que la gente quiere navegar? La era de
los datos trae consigno descubrimientos nuevos sorprendentes casi todos
los días, desde el brillante análisis de [fotos de Flickr de Eric
Fischer](http://bit.ly/flickr-analysis) hasta la difusión por la
municipalidad de la ciudad de New York de miles de [evaluaciones de
docentes](http://projects.wsj.com/nyc-teachers/) hasta ese momento
confidenciales.

Estas bases de datos son más poderosas cuando los usuarios pueden meter
mano y llegar hasta la información que les resulta más relevante.

A comienzos de 2010, se le dio acceso a The New York Times a los
registros privados de Netflix de qué películas se alquilan más en cada
área. Si bien Netflix se negó a difundir las cifras en crudo, el Times
creó una [base de datos interactiva atractiva](http://nyti.ms/interactive-database) 
que permite a los usuarios explorar las 100 películas más alquiladas en 12 zonas
metropolitanas de EE.UU., subdivididas hasta el nivel de código postal.
Un “mapa de calor” graduado por colores superpuesto a cada comunidad
permitía a los usuarios ver rápidamente dónde un título en particular
era más popular.

Hacia el fin del mismo año, el Times publicó los resultados del 
[censo decenal](http://nyti.ms/census-explorer) de los Estados Unidos,
apenas horas después de que fuera difundido. La interfaz, creada con Adobe
Flash, ofrecía una cantidad de opciones de visualización y permitía a
los usuarios llegar al nivel de cada bloque del censo en el país (de 8,2
millones) para ver la distribución de residentes por raza, ingreso y
educación. Tal era la resolución de la base de datos que cuando se
buceaba en el conjunto de datos en las primeras horas después de su
publicación uno podía llegar a preguntarse si era la primera persona del
mundo en explorar determinado rincón de la base de datos.

Entre los usos igualmente aplaudibles de la visualización como
presentación de una base de datos se incluyen la investigación por la
BBC de [muertes en las rutas](http://bbc.in/road-deaths) y muchos de los
intentos de indexar rápidamente grandes cúmulos de datos como la
difusión por WikiLeaks de los registros de guerra de Irak y Afganistán.

![Cada muerte en las rutas de Gran Bretaña 1999-2010 (BBC)](figs/incoming/06-GG-07.png)

#### La regla de 65k

Al recibir la primera pila de datos de los registros de la guerra de
Afganistán de WikiLeaks, el equipo que los procesaba comenzó a
manifestar su entusiasmo por tener acceso a 65.000 registros militares.

Esto inmediatamente hizo sonar la alarma entre quienes tenían
experiencia con Excel de Microsoft. Gracias a una limitación histórica
del modo en que se accede a las filas, la herramienta de importación de
Excel no procesa más de 65.536 registros. En este caso se descubrió que
faltaban 25.000 filas.

La moraleja de esta historia (además de evitar usar Excel para tales
tareas) es siempre desconfiar de cualquiera que alardee de tener 65.000
filas de datos.

— *Alastair Dant, the Guardian*

#### Imaginar resultados alternativos

En The New York Times, el “cuadro puercoespín” de Amanda Cox con
[proyecciones de déficit de EE.UU.](http://nyti.ms/porcupine-graph)
trágicamente optimistas a lo largo de los años, muestra cómo a veces lo
que sucedió es menos interesante que lo que no sucedió. La curva de Cox
que muestra el alza del déficit fiscal luego de una década de guerra y
exenciones impositivas muestra lo poco realistas que pueden resultar las
expectativas del futuro.

![Pronósticos presupuestarios, comparados con la realidad (New York Times)](figs/incoming/06-GG-08.png)

Bret Victor, un diseñador de interfaces de Apple de larga trayectoria (y
originador de la teoría “\_kill math\_” o “matar la matemática” de
visualización para comunicar información cuantitativa), ha hecho un
[prototipo](http://worrydream.com/#!/TenBrighterIdeas) de una especie de
documento que se actualiza de conjunto cada vez que se modifica un dato.
En su ejemplo, las ideas de conservación de la energía incluyen premisas
modificables, por la que un paso simple como apagar las luces de los
cuartos en los que no hay gente podría ahorrar a los estadounidenses la
generación de 2 a 40 plantas de carbón. Cambiar el porcentaje que
aparece en el medio de un párrafo de texto hace que el resto de la
página se actualice en consonancia.

Para más ejemplos y sugerencias, aquí va el link con una [lista de
links](http://bit.ly/ericson-links) de distintos usos de
visualizaciones, mapas y gráficos interactivos compilada por Matthew
Ericson de The New York Times.

#### Cuándo no usar visualización de datos

En definitiva, la visualización de datos efectiva depende de contar con
información buena, limpia, precisa y significativa. Así como muchas
citas, datos, y descripciones alimentan el buen periodismo narrativo, la
visualización de datos es tan buena como los datos que la alimentan.

En qué casos su historia puede ser mejor narrada a través de texto o
multimedia:: A veces los datos por sí solos no narran la historia del
modo más convincente. Si bien un cuadro simple que ilustre una tendencia
o una estadística puede ser útil, una narrativa que relate las
consecuencias de una cuestión en el mundo real puede ser más inmediata y
de mayor impacto para un lector.

 Cuando tiene muy pocos datos 

:   Se ha dicho que “una cifra aislada no quiere decir nada”. Una frase
    común de los editores de noticias en respuesta a una estadística
    citada es: “¿comparado con qué?” ¿La tendencia sube o baja? ¿Qué es
    lo normal?

Cuando tiene escasa variación en su datos, sin una tendencia o
conclusión clara:: A veces organiza sus datos en Excel o una aplicación
similar y descubre que la información es ruidosa, tiene mucha
fluctuación y muestra una tendencia relativamente chata. ¿Conviene
elevar la base de cero a justo debajo del valor más bajo para dar un
poco más de forma a la línea? ¡No! Parece que lo que tiene son datos
ambiguos y necesita buscar y analizar un poco más.

 Cuando un mapa no es un mapa 

:   A veces el elemento espacial no es significativo ni convincente, o
    distrae la atención de las tendencias numéricas pertinentes, como el
    cambio en el tiempo o mostrar las similitudes entre zonas no
    adyacentes.

 Cuando bastaría con una tabla 

:   Si cuenta con relativamente pocos puntos de datos pero tiene
    información que podría ser útil para algunos de sus lectores,
    considere simplemente presentar los datos en forma tabular. Es
    limpio, de fácil lectura y no crea expectativas no realistas de una
    “historia”. De hecho, las tablas pueden ser una forma muy eficiente
    y elegante de presentar información básica.

— *Geoff McGhee, Stanford University*


## Cuadros diferentes dicen cosas diferentes

En este mundo digital, con la promesa de experiencias 3D de inmersión,
tendemos a olvidar que por tanto tiempo solo tuvimos tinta en papel.
Ahora pensamos en este medio estático, plano, como un ciudadano de
segunda, pero de hecho a lo largo de los siglos que hemos estado
escribiendo e imprimiendo, hemos logrado una increíble riqueza de
conocimiento y prácticas para representar los datos en una página.
Aunque los cuadros, las visualizaciones de datos y las infografías
interactivas son la gran moda, nos llevan a dejar de lado muchas de las
mejores prácticas que hemos aprendido. Solo estudiando la historia de
cuadros y gráficos bien logrados es que podemos entender esos
conocimientos acumulados y aprovecharlos con los nuevos medios.

Algunos de los cuadros y gráficos más famosos derivan de la necesidad de
explicar mejor tablas de datos densas. William Playfair era un políglota
escocés que vivió desde fines del siglo XVIII hasta comienzos del XIX.
Por sí solo presentó al mundo muchos de los cuadros y gráficos que
seguimos utilizando hoy. En su libro de 1786, *Commercial and Political
Atlas* (Atlas Comercial y Político), Playfair introdujo el gráfico de
barras para mostrar claramente las cantidades de importaciones y
exportaciones de Escocia de un modo nuevo y visual.

Luego popularizó el cuadro de torta en su libro de 1801, *Statistical
Breviary* (Breviario Estadístico). La necesidad de estas nuevas formas
de cuadros y gráficos provino del comercio, pero con el paso del tiempo
aparecieron otros que fueron utilizados para salvar vidas. En 1854 John
Snow creó su ahora famoso “Cholera Map of London” (Mapa del Cólera de
Londres), agregando una pequeña barra negra sobre cada dirección en la
que se reportó un incidente. Con el tiempo, se pudo ver cualquier
densidad evidente de la epidemia y actuar en consecuencia para contener
el problema.

Con la práctica los practicantes de estos nuevos cuadros y gráficos se
volvieron más audaces y experimentaron más allá, llevando el recurso a
los niveles que conocemos hoy. André-Michel Guerry fue el primero en
publicar la idea de un mapa en el que regiones individuales se
identificaban con distintos colores basados en alguna variable. En 1829
creó el primer coroplético dando distinto tono a las regiones de Francia
representando niveles de criminalidad. Hoy vemos tales mapas utilizados
para mostrar los resultados de encuestas políticas, quién votó por
quién, distribución de la riqueza y muchas otras variables con
distribución geográfica. Parece una idea tan simple pero aún hoy es
difícil de dominar y comprender si no se la usa juiciosamente.

![Uno de los primeros gráficos de barras (William Playfair)](figs/incoming/06-TT-01.gif)

![Mapa del cólera de Londres (John Snow)](figs/incoming/06-TT-02.jpg)

![Mapa coroplético de Francia mostrando niveles de criminalidad (André-Michel Guerry)](figs/incoming/06-TT-03.jpg)

Hay muchas herramientas que un buen periodista tiene que entender y
tener en su herramental para construir visualizaciones. En vez de
zambullirse directo en la parte más honda de la piscina, es importante
tener una base en materia de cuadros y gráficos. Todo lo que cree tiene
que originarse en una serie de cuadros y gráficos atómicos. Si puede
dominar lo básico, entonces puede construir visualizaciones más
complejas que se arman a partir de estas unidades básicas.

Dos de los tipos más básicos de gráficos son los de barras y de curvas.
Si bien son muy similares en cuanto a los casos en los que se usan,
también pueden diferir mucho en su significado. Tomemos por caso las
ventas de una compañía para cada mes del año. Tendríamos las 12 barras
que representan el monto de dinero que entra cada mes ([Figure14](#FIG0618)).

Analicemos por qué esto debe hacerse con barras en vez de un gráfico de
curvas. Los gráficos de líneas son ideales para datos continuos. En el
caso de las cifras de ventas, se trata de la suma de cada mes, no datos
continuos. En base a las barras, sabemos que en enero, la compañía tuvo
ingresos por \$ 100 y en febrero \$ 120. Si convertimos esto en un
gráfico lineal, de todos modos representaría \$ 100 y \$ 120 el primero
de cada mes, pero al día 15 del mes parece que hubiera tenido ingresos
de \$ 110. Lo que no es cierto. Las barras se usan para unidades
discretas de medida, mientras que las líneas se usan cuando se trata de
un valor continuo, como la temperatura.

![Un cuadro de barras simple: útil para representar cantidad discreta de información](figs/incoming/06-TT-04.png)

Podemos ver que a las 8:00 la temperatura era de 20°C y a las 9:00,
22°C. Si miramos la curva para adivinar la temperatura a las 8:30
diríamos 21°C, lo que es un estimado correcto dado que la temperatura es
continua y cada punto no es la suma de otros valores; representa el
valor exacto en el momento o un estimado entre dos mediciones exactas.

![Gráficos de curva simples: útiles para representar información continua](figs/incoming/06-TT-05.png)

Tanto el gráfico de barras como el de curvas tienen una variante de
gráfico apilado ([Figure 17](#FIG0621)). Esta es una excelente
herramienta para narrar historias que puede funcionar de distintos
modos. Pensemos, por ejemplo, en una compañía que tiene tres tiendas.

Para cada mes tenemos 3 barras, una por cada tienda, 36 en total para el
año. Cuando las colocamos una junta a la otra ([Figure 16](#FIG0620))
podemos ver rápidamente qué tienda ganó más en cada mes. Esta es una
historia interesante y válida, pero hay otra oculta en los mismos datos.
Si apilamos las barras, de modo que haya una sola por cada mes, ahora
perdemos la posibilidad de ver fácilmente cuál tienda gana más, pero
podemos ver en qué meses la compañía tiene mejores resultados de
conjunto.

![Un gráfico de barras agrupadas](figs/incoming/06-TT-06.png)

![Un gráfico de barras apiladas](figs/incoming/06-TT-07.png){#FIG0621}

Ambas son representaciones válidas de la misma información, pero
presentan dos historias diferentes usando los mismos datos. Como
periodista, el aspecto más importante de trabajar con datos es que
primero debe escoger qué historia quiere contar. ¿Se trata de cuál es el
mejor mes en cuanto a ingresos totales o cuál tienda es la nave
insignia? Este es solo un ejemplo simple, pero muestra cuál es el centro
del periodismo de datos: Hacer la pregunta indicada antes de avanzar
demasiado. La historia es la que guía la elección de la visualización.

Los gráficos de barras y curvas son en realidad lo básico del periodismo
de datos. De allí se puede expandir a los histogramas, diagramas de
área, "sparklines", gráficos de flujo y otros, que tienen propiedades
similares y son adecuados para situación con ligeras diferencias,
incluyendo la cantidad de datos o fuentes de datos y la ubicación del
gráfico en términos del texto.

En periodismo uno de los recursos gráficos más comúnmente utilizados son
los mapas. En ellos hay tiempo, cantidades y geografía. Siempre queremos
saber cuánto hay en un área comparada con otra área y cómo fluyen los
datos de un área a otra. Los diagramas de flujo y los mapas coropléticos
son herramientas muy útiles cuando se trata de visualizaciones para
periodismo. Es clave saber cómo codificar un mapa con colores sin dar
una representación equivocada o confundir a los lectores. Los mapas
políticos por lo general tienen un código de color que indica todo a
nada para determinadas regiones, aún si un candidato ganó en una parte
del país por 1%. El color no tiene por qué reducirse a una opción
binaria; se puede usar con cuidado gradientes de color basados en
grupos. Entender los mapas es una parte importante del periodismo.
Contestan fácilmente una de las cinco preguntas claves: ¿Dónde?

Una vez dominados los tipos básicos de cuadros y gráficos, se pueden
comenzar a crear visualizaciones de datos más sofisticadas. Si no
entiende lo básico, entonces está parado sobre terreno poco firme. De la
misma manera que aprende a ser buen escritor –hacer frases cortas, tener
presente el público y no complicar exageradamente las cosas para hacerse
sonar inteligente, sino más bien transmitir el significado al lector-
también debe aprender a mesurarse con los datos. Comenzar por algo
pequeño es la manera más efectiva de narrar la historia, incrementando
lentamente en la medida de lo necesario.

> La escritura vigorosa es concisa. Una frase no debe contener palabras
innecesarias, el párrafo no debe contener frases innecesarias, por el
mismo motivo que un dibujo no debe tener líneas innecesarias y una
máquina no debe tener partes innecesarias. Esto requiere no que el
escritor haga que todas sus frases sean cortas o que evite dar detalles
y que solo de un bosquejo de sus personajes, sino que toda palabra sea
dicente.

> — William Strunk Jr. *Elements of Style (1918)*\

Está bien no usar todos los datos que tiene en su historia. No debiera
tener que pedir permiso para ser conciso, esa debe ser la norma.

— *Brian Suda, (optional.is)*


## Selección de herramientas "Hágalo Ud. mismo" para hacer sus propias visualizaciones de datos.

¿Qué herramientas de visualizaciones de datos se consiguen en la red en
forma gratuita? [Aquí](http://www.guardian.co.uk/data) en el Datablog y
Datastore tratamos de hacer lo más posible usando las poderosas opciones
gratuitas de internet.

Eso puede sonar un poco falso, dado que obviamente tenemos acceso a los
increíbles equipos de gráficos e interactivos de The Guardian para las
piezas en las que contamos con un poco más de tiempo, tales como este
[mapa de gasto público](http://bit.ly/guardian-spending), creado
utilizando Adobe Illustrator) o este [interactivo de
disturbios](http://bit.ly/guardian-riots) de Twitter.

Pero para nuestro trabajo cotidiano, a menudo usamos herramientas a las
que cualquiera tiene acceso y creamos gráficos que cualquiera puede
hacer.

¿Entonces, qué usamos?

#### Google Fusion Tables

[Esta base de datos y herramienta de mapeado online](http://www.google.com/fusiontables/Home/) se ha vuelto nuestra primera elección para producir mapas rápidos y detallados,
especialmente aquellos que requieren zoom. Se tiene la alta resolución de Google
 Maps, pero puede abrir muchos datos, por ejemplo, 100 MB de CSV. 
La primera vez que uno lo intenta las Fusion Tables pueden parecer un poco
complicadas, pero no se rinda. Lo utilizamos para producir mapas como el
de Irak en la [Figure 18](#FIG0622) y también mapas de fronteras como la
[Figure 19](#FIG0623) sobre los sin techo.

![Los registros de guerra de WikiLeaks (The Guardian)](figs/incoming/06-LL-01.jpg){#FIG0622}

![Mapa interactivo de personas sin hogar (The Guardian)](figs/incoming/06-LL-02.jpg){#FIG0623}

La principal ventaja es la flexibilidad –puede subir un archivo KML de
fronteras regionales, por ejemplo- y luego fusionar eso con una tabla de
datos. Además va a tener una nueva interfaz de usuario, lo que debe
facilitar su uso.

No se necesita ser programador para hacerlo y esta 
[herramienta de fusión de capas](http://bit.ly/fusion-layers) le permite unir distintos
mapas o crear opciones de búsqueda o filtrado, que luego puede
incorporar en un blog o sitio.

Este excelente [tutorial de Kathryn Hurley](http://bit.ly/fusiontables-tutorial) de Google es un gran
recurso para comenzar.


+-----------------------------------+-----------------------------------+
| <div class="title">               |            |
|                                   |                                   |
| Note                              | Use                               |
|                                   | [shpescape](http://www.shpescape. |
|                              | com/)                             |
|                                   | para convertir archivos .shp      |
|                                   | oficiales en Google *Fusion       |
|                                   | Tables*. También esté atento a    |
|                                   | que los mapas no sean demasiado   |
|                                   | complicados porque el programa no |
|                                   | puede manejar más de un millón de |
|                                   | puntos por celda.                 |
|                                   |                                   |
|                                   |                              |
+-----------------------------------+-----------------------------------+

#### Tableau Public

Si no necesita el espacio ilimitado de la edición profesional, [Tableau
Public](http://www.tableausoftware.com/public) es gratuito. Con este
servicio visualizaciones bastante complejas de hasta 100.000 filas de
modo simple y fácil. Lo utilizamos cuando tenemos que unir distintos
tipos de cuadros, como en este [mapa de tasas
impositivas](http://bit.ly/guardian-top-tax) máximas en todo el mundo,
que también tiene un cuadro de barras).

O incluso puede usarlo como explorador de datos, que es lo que hicimos
en la [Figure 20](#FIG0624) con los [datos de gastos en las elecciones
federales de EE.UU](http://bit.ly/guardianelections-us), si bien nos
quedamos cortos de espacio en la versión gratuita… algo a tener en
cuenta). Tableau también necesita que los datos estén formateados de
modos bastante específicos para poder aprovecharlo al máximo. Pero si
logra manejar eso tiene algo intuitivo que funciona bien. Por ejemplo,
La Nación en la Argentina ha construido toda su [operación de periodismo
de datos](http://www.lanacion.com.ar/data/) en torno a Tableau.

![Finanzas de la campaña presidencial 2012 (The Guardian)](figs/incoming/06-LL-03.png){#FIG0624}

Tableau tiene algunos [tutoriales online](http://www.tableausoftware.com/learn/training) 
buenos con los cuales puede comenzar.

+-----------------------------------+-----------------------------------+
| <div class="title">               |            |
|                                   |                                   |
| Note                              | Tableau es para PC aunque se está |
|                                   | preparando una versión para Mac.  |
|                              | Use un "mirror" tal como          |
|                                   | "parallels" para hacerlo          |
|                                   | funcionar. (N. del T.: una        |
|                                   | aplicación de MAC para poder usar |
|                                   | programas de Windows).            |
|                                   |                                   |
|                                   |                              |
+-----------------------------------+-----------------------------------+


#### Gráficos con Google Spreadsheets

Puede acceder a esta herramienta en [Google Spreadsheets](http://google-d-s/spreadsheets/)

![Gasto público e impuestos Reino Unido (The Guardian)](figs/incoming/06-LL-04.jpg)

Luego de algo simple (como un gráfico de barras o curvas, o un gráfico
de torta), encontrará que las Google Spreadsheets (que se crean con los
documentos de su cuenta Google) pueden generar algunos gráficos bastante
buenos, incluyendo las burbujas animadas usadas por el
[Gapminder](http://www.gapminder.org/) de Hans Rosling. A diferencia de
los [gráficos API](http://code.google.com/apis/chart/) no necesita
preocuparse por el código; es bastante similar a hacer un gráfico en
Excel, en el sentido de que uno selecciona los datos y hace clic en el
*widget* de gráficos. También vale la pena explorar las opciones de
personalización; se puede cambiar el color, los encabezados y las
escalas. Son bastante neutrales respecto del diseño, lo que es útil en
gráficos pequeños. Los gráficos de curvas también tienen algunas
opciones lindas, incluyendo opciones para anotaciones.

+-----------------------------------+-----------------------------------+
| <div class="title">               |            |
|                                   |                                   |
| Note                              | Dedique algo de tiempo a las      |
|                                   | opciones de personalización de    |
|                              | los gráficos; puede crear su      |
|                                   | propia paleta de colores.         |
|                                   |                                   |
|                                   |                              |
+-----------------------------------+-----------------------------------+


#### Datamarket

Más conocido como proveedor de datos,
[Datamarket](http://bit.ly/datamarket-explore) es en realidad una
herramienta práctica para visualizar cifras. Puede subir sus propios
datos o usar algunos de los muchos conjuntos de datos que ofrecen, pero
las opciones son mejores si paga por una cuenta Pro.

+-----------------------------------+-----------------------------------+
| <div class="title">               |            |
|                                   |                                   |
| Note                              | Datamarket funciona de la mejor   |
|                                   | manera con datos de series        |
|                              | temporales, pero no deje de ver   |
|                                   | su extensa variedad de datos.     |
|                                   |                                   |
|                                   |                              |
+-----------------------------------+-----------------------------------+

#### Many Eyes

Si hay un sitio que está necesitado de un poco de atención y cuidado es
[Many Eyes](http://ibm.co/ibm-manyeyes) de IBM. Cuando se presentó,
creado por [Fernanda B. Viégas](http://fernandaviegas.com/) y [Martín
Wattenberg](http://www.bewitched.com/), fue un ejercicio único en cuanto
a permitir a la gente subir conjuntos de datos de modo simple y
visualizarlos. Ahora, con sus creadores trabajando para Google, el sitio
parece un poco desatendido, con sus paletas de colores apagados; hace
tiempo que no ofrece nada nuevo en materia de visualizaciones.

![[Villanos de Doctor Who](http://bit.ly/guardian-dr-who); The Guardian](figs/incoming/06-LL-06.jpg)

+-----------------------------------+-----------------------------------+
| <div class="title">               |            |
|                                   |                                   |
| Note                              | No se puede editar los datos una  |
|                                   | vez subidos, de modo que          |
|                              | asegúrese de que estén bien antes |
|                                   | de crear la visualización.        |
|                                   |                                   |
|                                   |                              |
+-----------------------------------+-----------------------------------+

#### Color Brewer

No es estrictamente una herramienta de visualización, 
[Color Brewer](http://colorbrewer2.org/) sirve en realidad para elegir colores
de mapas. Puede escoger su color de base y obtener los códigos para toda
la paleta.

#### Y algunos más

Si ninguno de estos le sirve, vale la pena ver lo que hay en
[DailyTekk](http://bit.ly/dailytekk-infographic) que tiene aún más
opciones. Las señaladas no son las únicas herramientas, solo aquellas
que usamos con mayor frecuencia. Hay muchas más por allí, incluyendo:

-   [Chartsbin](http://chartsbin.com/), una herramienta para crear
    mapamundis en los que se puede hacer clic.
-   [iCharts](http://www.icharts.net/), que se especializa en pequeños
    "widgets" de gráficos
-   [Geoccomons](http://geocommons.com/) que ofrece datos y datos de
    fronteras para crear mapas globales y locales.
-   Y también está [pikctochart.com](http://piktochart.com/) que ofrece
    plantillas para esas visualizaciones de texto/cifras que son
    populares.

— *Simon Rogers, the Guardian*


## Cómo presentamos los datos en el Verdens Gang

El periodismo busca llevar nueva información al lector lo más rápido
posible. La manera más rápida de hacerlo puede ser mediante un video,
una foto, un texto, un gráfico, una tabla o una combinación de éstos.
Respecto de las visualizaciones, el objetivo debiera ser el mismo:
información rápida. Las nuevas herramientas de datos permiten a los
periodistas encontrar historias que de otro modo no podrían descubrir, y
presentarlas de nuevas maneras. Estos son unos cuantos ejemplos que
muestran cómo presentamos los datos en el diario más leído de Noruega,
Verdens Gang (VG).

#### Cifras

[Esta historia](http://bit.ly/vg-lotto) se basa en datos de la Dirección
de Estadísticas de Noruega, datos de contribuyentes, y del monopolio
nacional de lotería. En este gráfico interactivo el lector podría
encontrar distintos tipos de información de cada condado y municipalidad
noruega. La tabla muestra el porcentaje de los ingresos que se usa para
jugar. Se creó usando Access, Excel, MySql y Flash.

#### Redes

Analizamos las redes sociales para estudiar las relaciones entre 157
hijos e hijas de las personas más ricas de Noruega. Nuestro análisis
mostró que los herederos de la gente más rica de Noruega también
heredaron las redes de sus padres. En total había más de 26.000
conexiones, y los gráficos se terminaron a mano usando Photoshop. Usamos
Access, Excel, Notepad, y la herramienta de análisis de redes sociales
Ucinet.

![Mapeado de datos de contribuyentes y de la lotería (Verdens Gang)](figs/incoming/06-RR-01.png)

![Los pájaros del mismo plumaje se unen (Verdens Gang)](figs/incoming/06-RR-02.png)

#### Mapas

En este [mapa de calor animado](http://bit.ly/vg-heatmap) combinado con
un gráfico de barras simple se puede ver la incidencia de crímenes en un
mapa del centro de Oslo, hora por hora, a lo largo de los fines de
semana por varios meses. En el mismo mapa de calor animado, se puede ver
la cantidad de agentes de policía trabajando al mismo tiempo. En los
momentos en que se dan los crímenes, la cantidad de agentes de policía
está en su punto más bajo.

![Mapa de calor animado (Verdens Gang)](figs/incoming/06-RR-03.png)

#### "Text Mining" (Minado de texto)

Para [esta visualización](http://bit.ly/vg-vis), hicimos minería de
texto de los discursos de siete líderes de partidos noruegos durante sus
congresos. Todos los discursos fueron analizados y los análisis
aportaron los argumentos de algunas historias. Cada historia se vinculó
con el gráfico y los lectores pudieron explorar y estudiar el lenguaje
utilizado por los políticos. Creamos esta visualización utilizando
Excel, Access, Flash e Illustrator. Si ésto se hubiera hecho en 2012,
hubiéramos creado el gráfico interactivo con JavaScript.

![Minado de texto de discursos de líderes partidarios (Verdens Gang)](figs/incoming/06-RR-04.png)

#### Notas finales 

¿Cuándo necesitamos visualizar una historia? La mayoría de las veces no
es necesario, pero a veces queremos hacerlo para ayudar a nuestros
lectores. Las historias que contienen una gran cantidad de datos a
menudo necesitan de una visualización. Pero tenemos que ser bastante
críticos al elegir qué tipo de datos vamos a presentar. Conocemos todo
tipo de cosas cuando informamos sobre algo, ¿pero qué necesita saber
realmente el lector sobre la historia? Quizás baste una tabla, o un
gráfico simple que muestra un proceso que va del año A al año C. Cuando
se trabaja con periodismo de datos, el objetivo no es necesariamente
presentar grandes cantidades de datos. Se trata de periodismo.

Ha habido una clara tendencia en los últimos dos o tres años a crear
gráficos y tablas interactivas que permiten al lector investigar
distintos temas. Una buena visualización es como una buena imagen. Se
entiende de qué se trata con solo mirar uno o dos instantes. Cuanto más
se mira la visualización, más se ve. La visualización es mala cuando el
lector no sabe por dónde empezar o donde termina, y cuando la
visualización está sobrecargada de detalles. En este caso, quizás una
pieza de texto sería mejor.


— *John Bones, Verdens Gang*



## Los datos públicos se vuelven sociales

Los datos son valiosos. El acceso a los datos tiene el potencial de
clarificar cuestiones de un modo que genere resultados. Pero el mal
manejo de los datos puede ubicar los hechos en una estructura opaca que
no comunica nada. Si no promueven la discusión o aportan una comprensión
en contexto, los datos pueden ser de limitado valor para el público.

Nigeria volvió a la democracia en 1999 luego de largos años de gobierno
militar. Analizar los hechos detrás de los datos se consideraba una
afrenta a la autoridad y como un intento de cuestionar la manchada
reputación de la junta. La Ley de Secreto Oficial obligaba a los
empleados públicos a no difundir información oficial. Aún pasados trece
años del regreso a la democracia, el acceso a los datos públicos puede
ser una tarea difícil. Los datos sobre el gasto público comunican poco a
la mayoría del público que no conoce demasiado la contabilidad
financiera y la aritmética compleja.

Al imponerse el uso de dispositivos móviles y con un creciente número de
nigerianos online, junto con BudgIT vimos una gran oportunidad de usar
tecnologías de visualización de datos para explicar y hacer que la gente
se interesara por el gasto público. Para hacer esto, tuvimos que
dirigirnos a usuarios de todo tipo de plataformas y llegar a los
ciudadanos vía organizaciones no gubernamentales. Este proyecto apunta a
convertir los datos públicos en objeto social y crear una red extensa
que exija cambios.

![La aplicación de BudgIT (BudgIT Nigeria)](figs/incoming/06-YY.png)

Para entablar exitosamente la relación con los usuarios, tenemos que
entender lo que quieren. ¿Qué le importa al ciudadano nigeriano? ¿Dónde
sienten que hay falta de información? ¿Cómo podemos hacer que los datos
sean relevantes para sus vidas? El blanco inmediato de BudgIT es el
nigeriano alfabetizado promedio conectado a foros online y medios
sociales. Para competir por la limitada atención de los usuarios
inmersos en una amplia variedad e intereses (juegos, lectura,
socialización) tenemos que presentar los datos de modo breve y conciso.
Luego de difundir una imagen de los datos como un tuit o una infografía,
existe la oportunidad de una relación más sostenida con una experiencia
más interactiva para dar a los usuarios una visión más amplia.

Al visualizar datos es importante comprender el nivel de manejo de datos
que tienen nuestros usuarios. Por hermosos y sofisticados que puedan
ser, los diagramas complejos y las aplicaciones interactivas pueden no
comunicar de un modo significativo a nuestros usuarios en base a sus
anteriores experiencias con la interpretación de datos. Una buena
visualización habla al usuario en un lenguaje que puede entender, y
presentará una historia con la que puede relacionarse fácilmente.

Hemos consultado a más de 10.000 nigerianos respecto del presupuesto, y
los dividimos en tres categorías de acuerdo a su perfil para asegurar el
valor óptimo. Explicamos brevemente las categorías a continuación:

 Usuarios ocasionales 

:   Son usuarios que quieren información de modo simple y rápido. Les
    interesa tener una idea de los datos, no un análisis detallado.
    Podemos dirigirnos a ellos vía tweet o gráficos interactivos.

 Usuarios activos 

:   Usuarios que estimulan el debate y usan los datos para incrementar
    su conocimiento de un área determinada o cuestionan los supuestos de
    los datos. A estos usuarios, queremos proveerles mecanismos de
    retroalimentación y la posibilidad de compartir su visión con sus
    pares vía las redes sociales.

 Acaparadores de datos 

:   Estos usuarios quieren datos en crudo para hacer visualizaciones o
    análisis. Simplemente les damos los datos para sus propósitos.

Con BudgIT nuestra relación con los usuarios se basa en lo siguiente:

 Estimular debates en torno a tendencias actuales 

:   BudgIT sigue debates online y offline y busca proveer datos sobre
    estos tópicos. Por ejemplo, con las huelgas del combustible en enero
    de 2012, hubo constante agitación entre los manifestantes respecto
    de la necesidad de que volviera a haber subsidios al combustible y
    reducir los gastos públicos extravagantes e innecesarios. BudgIT
    siguió el debate vía los medios sociales y en 36 horas con mucho
    esfuerzo creó una aplicación que permite a los ciudadanos
    reorganizar el presupuesto nigeriano.

 Buenos mecanismos de retroalimentación 

:   Nos relacionamos con los usuarios a través de canales de debate y
    medios sociales. Muchos usuarios quieren conocer las historias
    detrás de los datos y muchos nos piden nuestra opinión. Nos
    aseguramos de que nuestras respuestas solo expliquen los hechos
    detrás de los datos y no se vean afectadas por nuestros puntos de
    vista personales o políticos. Tenemos que mantener abiertos canales
    de retroalimentación, responder activamente a comentarios y
    relacionarnos con los usuarios de modo creativo para asegurar que se
    mantenga la comunidad creada en torno a los datos.

 Hacerlo local 

:   En el caso de un conjunto de datos que apunta a un grupo en
    particular, BudgIT busca localizar su contenido y promover un canal
    de debate que se relacione con las necesidades e intereses de grupos
    particulares de usuarios. En particular, nos interesa relacionarnos
    con usuarios en torno a cuestiones que les preocupan vía SMS.

Luego de poner los datos sobre el gasto público en yourbudgit.com,
buscamos tomar contacto con los ciudadanos a través de varias ONG.
También pensamos desarrollar un marco de participación en el que
ciudadanos e instituciones oficiales puedan realizar asambleas públicas
para definir ítems claves del presupuesto que deben ser priorizados.

El proyecto ha sido cubierto por medios locales y extranjeros, desde
[CP-Africa](http://bit.ly/cp-africa-budget) hasta [la
BBC](http://bbc.in/africa-budget). Hemos emprendido un estudio de los
presupuestos entre 2002 y 2011 para el sector de seguridad para un
periodista de la AP, Yinka Ibukun. La mayoría de las organizaciones de
medios son “acaparadores de datos” y nos han pedido datos para usar en
sus informes. Estamos planeando nuevas colaboraciones con periodistas y
organizaciones noticiosas en los meses venideros.


— *Oluseun Onigbinde, BudgIT Nigeria*



## Interactuar con la audiencia en torno a sus datos

### Los datos públicos se vuelven sociales

Los datos son valiosos. El acceso a los datos tiene el potencial de
clarificar cuestiones de un modo que genere resultados. Pero el mal
manejo de los datos puede ubicar los hechos en una estructura opaca que
no comunica nada. Si no promueven la discusión o aportan una comprensión
en contexto, los datos pueden ser de limitado valor para el público.

Nigeria volvió a la democracia en 1999 luego de largos años de gobierno
militar. Analizar los hechos detrás de los datos se consideraba una
afrenta a la autoridad y como un intento de cuestionar la manchada
reputación de la junta. La Ley de Secreto Oficial obligaba a los
empleados públicos a no difundir información oficial. Aún pasados trece
años del regreso a la democracia, el acceso a los datos públicos puede
ser una tarea difícil. Los datos sobre el gasto público comunican poco a
la mayoría del público que no conoce demasiado la contabilidad
financiera y la aritmética compleja.


Al imponerse el uso de dispositivos móviles y con un creciente número de
nigerianos online, junto con BudgIT vimos una gran oportunidad de usar
tecnologías de visualización de datos para explicar y hacer que la gente
se interesara por el gasto público. Para hacer esto, tuvimos que
dirigirnos a usuarios de todo tipo de plataformas y llegar a los
ciudadanos vía organizaciones no gubernamentales. Este proyecto apunta a
convertir los datos públicos en objeto social y crear una red extensa
que exija cambios.

![Figure 27. La aplicación de BudgIT (BudgIT Nigeria)](figs/incoming/06-YY.png)

Para entablar exitosamente la relación con los usuarios, tenemos que
entender lo que quieren. ¿Qué le importa al ciudadano nigeriano? ¿Dónde
sienten que hay falta de información? ¿Cómo podemos hacer que los datos
sean relevantes para sus vidas? El blanco inmediato de BudgIT es el
nigeriano alfabetizado promedio conectado a foros online y medios
sociales. Para competir por la limitada atención de los usuarios
inmersos en una amplia variedad e intereses (juegos, lectura,
socialización) tenemos que presentar los datos de modo breve y conciso.
Luego de difundir una imagen de los datos como un tuit o una infografía,
existe la oportunidad de una relación más sostenida con una experiencia
más interactiva para dar a los usuarios una visión más amplia.

Al visualizar datos es importante comprender el nivel de manejo de datos
que tienen nuestros usuarios. Por hermosos y sofisticados que puedan
ser, los diagramas complejos y las aplicaciones interactivas pueden no
comunicar de un modo significativo a nuestros usuarios en base a sus
anteriores experiencias con la interpretación de datos. Una buena
visualización habla al usuario en un lenguaje que puede entender, y
presentará una historia con la que puede relacionarse fácilmente.

Hemos consultado a más de 10.000 nigerianos respecto del presupuesto, y
los dividimos en tres categorías de acuerdo a su perfil para asegurar el
valor óptimo. Explicamos brevemente las categorías a continuación:

 Usuarios ocasionales 

:   Son usuarios que quieren información de modo simple y rápido. Les
    interesa tener una idea de los datos, no un análisis detallado.
    Podemos dirigirnos a ellos vía tweet o gráficos interactivos.

 Usuarios activos 

:   Usuarios que estimulan el debate y usan los datos para incrementar
    su conocimiento de un área determinada o cuestionan los supuestos de
    los datos. A estos usuarios, queremos proveerles mecanismos de
    retroalimentación y la posibilidad de compartir su visión con sus
    pares vía las redes sociales.

 Acaparadores de datos 

:   Estos usuarios quieren datos en crudo para hacer visualizaciones o
    análisis. Simplemente les damos los datos para sus propósitos.

Con BudgIT nuestra relación con los usuarios se basa en lo siguiente:

 Estimular debates en torno a tendencias actuales 

:   BudgIT sigue debates online y offline y busca proveer datos sobre
    estos tópicos. Por ejemplo, con las huelgas del combustible en enero
    de 2012, hubo constante agitación entre los manifestantes respecto
    de la necesidad de que volviera a haber subsidios al combustible y
    reducir los gastos públicos extravagantes e innecesarios. BudgIT
    siguió el debate vía los medios sociales y en 36 horas con mucho
    esfuerzo creó una aplicación que permite a los ciudadanos
    reorganizar el presupuesto nigeriano.

 Buenos mecanismos de retroalimentación 

:   Nos relacionamos con los usuarios a través de canales de debate y
    medios sociales. Muchos usuarios quieren conocer las historias
    detrás de los datos y muchos nos piden nuestra opinión. Nos
    aseguramos de que nuestras respuestas solo expliquen los hechos
    detrás de los datos y no se vean afectadas por nuestros puntos de
    vista personales o políticos. Tenemos que mantener abiertos canales
    de retroalimentación, responder activamente a comentarios y
    relacionarnos con los usuarios de modo creativo para asegurar que se
    mantenga la comunidad creada en torno a los datos.

 Hacerlo local 

:   En el caso de un conjunto de datos que apunta a un grupo en
    particular, BudgIT busca localizar su contenido y promover un canal
    de debate que se relacione con las necesidades e intereses de grupos
    particulares de usuarios. En particular, nos interesa relacionarnos
    con usuarios en torno a cuestiones que les preocupan vía SMS.

Luego de poner los datos sobre el gasto público en yourbudgit.com,
buscamos tomar contacto con los ciudadanos a través de varias ONG.
También pensamos desarrollar un marco de participación en el que
ciudadanos e instituciones oficiales puedan realizar asambleas públicas
para definir ítems claves del presupuesto que deben ser priorizados.

El proyecto ha sido cubierto por medios locales y extranjeros, desde
[CP-Africa](http://bit.ly/cp-africa-budget) hasta [laBBC](http://bbc.in/africa-budget). 
Hemos emprendido un estudio de los presupuestos entre 2002 y 2011 
para el sector de seguridad para un periodista de la AP, Yinka Ibukun. 
La mayoría de las organizaciones de medios son “acaparadores de datos” 
y nos han pedido datos para usar en sus informes. 
Estamos planeando nuevas colaboraciones con periodistas y
organizaciones noticiosas en los meses venideros.

— *Oluseun Onigbinde, BudgIT Nigeria*