Análisis visual de datos multidimensionales

Abstract

El crecimiento exponencial en la generación y almacenamiento de datos ha planteado importantes desafíos en su procesamiento y análisis. En este contexto, la visualización de datos desempeña un papel fundamental al permitir la transformación de grandes volúmenes de datos en representaciones comprensibles para el ser humano. No obstante, a medida que los conjuntos de datos aumentan en tamaño y dimensionalidad, el diseño de visualizaciones efectivas se vuelve cada vez mas complejo. Con el objetivo de abordar estos desafíos y optimizar el proceso de visualización, esta tesis propone soluciones innovadoras que abarcan diversos aspectos clave. En primer lugar, se desarrolla un marco metodológico basado en tres pilares fundamentales de la visualización: los datos, su representación visual y los objetivos del análisis. Se realiza un análisis detallado de las técnicas de visualización existentes, organizándolas en una nueva taxonomía que facilita su clasificación y aplicación. Asimismo, con el propósito de unificar la interpretación y el uso de las tareas analíticas en visualización, se propone una taxonomía de tareas unificada que supera las diferencias terminologías presentes en la literatura. De manera complementaria, se diseña y desarrolla un sistema de recomendación que optimiza la selección de técnicas de visualización considerando de manera integral las características de los datos, los objetivos analíticos del usuario y sus preferencias en la representación visual. Este sistema ofrece una guía estructurada para la selección de representaciones gráficas adecuadas, permitiendo a usuarios expertos y no expertos crear visualizaciones expresivas y efectivas. Finalmente, se presenta el diseño e implementación de herramientas especializadas para la visualización de datos multidimensionales, con un enfoque particular en el análisis de datos geológicos. Estas herramientas combinan técnicas tradicionales con modelos avanzados de aprendizaje automático, ofreciendo soluciones innovadoras para el análisis de grandes conjuntos de datos.

The exponential data generation and storage has posed significant challenges in data processing and analysis. In this context, data visualization plays a fundamental role in enabling the transformation of large volumes of data into human-comprehensible rep resentations. However, as data sets increase in size and dimensionality, the design of effective visualizations becomes increasingly complex. To address these challenges and optimize the visualization process, this thesis propos es innovative solutions encompassing several key aspects. First, a methodological frame work is developed based on three fundamental pillars of visualization: data, their visual representation, and the objectives of the analysis. A detailed analysis of existing visu alization techniques is conducted, organizing them into a new taxonomy that facilitates their classification and application. Additionally, to unify the interpretation and use of analytical tasks in visualization, a unified taxonomy of tasks is proposed, overcoming the terminological differences present in the literature. In addition, a recommendation system is designed and developed that optimizes the selection of visualization techniques by comprehensively considering the characteristics of the data, the user’s analytical objectives, and their preferences in visual represen tation. This system offers a structured guide for the selection of appropriate graphical representations, allowing expert and non-expert users to create expressive and effective visualizations. Finally, the design and implementation of specialized tools for multidimensional data visualization are presented, with a particular approach to geological data analysis. These tools combine traditional techniques with advanced machine learning models, offering innovative solutions for the analysis of large datasets.