Menos tinta, más mensaje

Abre cualquier periodico serio — The Economist, El Pais, Financial Times — y fíjate en sus gráficos. Transmiten más información que la mayoria de informes corporativos que tienen el doble de gráficos. Por qué? Porque usan menos tinta por dato. Cada pixel existe para comunicar un número, no para decorar. Nada de bordes gruesos, nada de fondos sombreados, nada de efectos 3D que distorsionan las proporciones. La idea se llama "data-ink ratio" — la proporción de tinta dedicada a datos frente a la tinta total — y desde que Edward Tufte la formalizo, es imposible mirar un gráfico sin preguntarte: si quito esto, pierdo información? Si la respuesta es no, sobra.

Esa idea cambio una industria entera. Antes de Tufte, los gráficos de negocios se hacían con la estética de un folleto publicitario: cuantos más colores, más sombras, más volumen, mejor. Después de Tufte, un gráfico limpio se convirtió en señal de seriedad analitica. No es casualidad que Google, Apple y The Economist adoptaran su filosofía: cuando la información es lo que importa, lo decorativo estorba.

Pero cuidado: Tufte no decía "quita todo". Decía "quita lo que no informa". Un gráfico sin título, sin unidades, sin contexto no es minimalista: esta incompleto. El minimalismo bien entendido es quitar lo que sobra y reforzar lo que importa. Y la diferencia entre ambas cosas es lo que vas a aprender hoy.

## El concepto: data-ink ratio

Tufte propuso una métrica sencilla para medir la eficiencia de un gráfico. La llamo data-ink ratio, la proporción de tinta dedicada a datos. La fórmula es conceptual, no un calculo exacto:

Data-ink ratio = tinta que representa datos / tinta total del gráfico.

Piensa en ello como el ratio señal/ruido de una radio. Si estás escuchando una emisión y el 70% es interferencia, escuchas mal el mensaje. Si el 90% es señal limpia, no tienes que esforzarte para entender. Un gráfico con un data-ink ratio alto es como una radio sin interferencias: el mensaje llega sin esfuerzo.

En la practica, no calculas el ratio con un medidor de píxeles. Lo usas como principio de diseno: cada vez que anadir algo al gráfico, te preguntas "esto representa un dato o es decoración?". Si es decoración, necesitas una razón muy buena para dejarlo. Y "queda bonito" no es una razón buena.

## Que eliminar: el catalogo de la tinta basura

Tufte acuñó el termino chartjunk (basura de gráfico) para referirse a todo lo que ocupa espacio visual sin aportar información. No es una cuestión de gustos: hay una lista concreta de elementos que, en la mayoria de los casos, restan más de lo que suman. Repasemosla uno a uno.

1. 01.Bordes del gráfico (spines). Los cuatro lados del recuadro que enmarca el área de dibujo. El eje inferior y el izquierdo aportan referencia; el superior y el derecho son un marco decorativo que no anade nada. Eliminando dos de cuatro, el gráfico respira.
2. 02.Fondos de color. Un fondo gris, azul clarito o con degradado detras de las barras. No aporta un solo dato. Peor: reduce el contraste entre la barra y su entorno, haciendo más difícil leer las alturas.
3. 03.Líneas de cuadrícula densas (gridlines). Una cuadrícula cada 5 unidades cuando el rango va de 0 a 100 son veinte líneas horizontales que compiten visualmente con las barras. Una cuadrícula sutil cada 25 unidades da suficiente referencia sin saturar.
4. 04.Leyendas redundantes. Si tu gráfico tiene una sola serie, la leyenda que dice "Ventas" al lado de un cuadrado azul no anade nada que no diga ya el título. Si tiene dos series, considera etiquetas directas sobre la línea en vez de una caja aparte que obliga al ojo a ir y volver.
5. 05.Efectos 3D. Sombras en las barras, perspectiva en el eje, profundidad falsa. Todo eso distorsiona las proporciones reales y hace imposible leer los valores con precision. El 3D es para objetos fisicos, no para datos.
6. 06.Degradados y texturas. Un degradado dentro de una barra no comunica un dato: es una decisión estética que anade ruido visual. Lo mismo las texturas (rayas, puntos) que se usaban en los 90 cuando las impresoras no imprimian en color.
7. 07.Marcos y cajas alrededor de la leyenda. Una caja con borde alrededor de la leyenda es un marco dentro de un marco. El texto ya se distingue solo; la caja es redundante.
8. 08.Etiquetas de eje rotadas 45 grados. Si necesitas rotar las etiquetas es que tienes demasiadas categorías o nombres demasiado largos. La solucion no es rotar: es cambiar a barras horizontales o abreviar los nombres.

## Que mantener: el contexto mínimo necesario

El error del principiante que lee a Tufte es pensar que minimalismo significa vaciar. Y entonces quita el título, quita las unidades del eje, quita la fuente de datos, y el resultado es un gráfico que nadie puede interpretar sin que el autor este al lado explicándolo. Eso no es eficiencia: es incomunicacion.

El principio de Tufte dice "quita lo que no informa". Pero hay elementos que informan sin ser datos directos:

• ▹El título: debe contar la conclusión, no el tipo de gráfico. No "Ventas por región", sino "Madrid concentra el 40% de las ventas". El título es la frase que quieres que el lector se lleve.
• ▹Las unidades del eje: sin ellas no se sabe si hablamos de miles, millones, porcentajes o unidades. Son contexto obligatorio.
• ▹Las etiquetas directas: un número encima de cada barra ahorra al lector tener que medir con la regla contra el eje. Solo cuando hay pocas barras (si tienes 50, saturan).
• ▹La fuente de datos y la fecha: "Datos: CRM interno, junio 2025". Sin esto, el gráfico es una afirmación sin respaldo.
• ▹El eje base (generalmente el inferior y el izquierdo): da referencia espacial. Sin el, las barras flotan.

La regla practica: si quitas un elemento y el gráfico pierde significado o se vuelve ambiguo, ese elemento no era decoración — era contexto. Vuelve a ponerlo.

## El antes y el despues: mismo dato, otro gráfico

Nada enseña mejor que la comparación directa. Imagina que la directora financiera te pide un gráfico con los gastos de marketing por canal del último trimestre. Alguien que empieza entrega la versión de la izquierda; alguien con experienciar, la de la derecha. Los dos tienen los mismos datos. El impacto en la reunion es completamente distinto.

Fíjate en lo que ha cambiado entre uno y otro: (1) las barras ahora son horizontales y están ordenadas — el orden revela la jerarquía sin esfuerzo; (2) desaparecieron los cuatro bordes y la cuadrícula — las etiquetas directas ("84k EUR") hacen innecesario medir contra el eje; (3) el título ahora es una conclusión ("SEM concentra el 36%"), no una descripcion ("Gasto por canal"); (4) la leyenda ha desaparecido porque las etiquetas están junto a cada barra; (5) hay una fuente de datos y un periodo. Menos tinta, más mensaje.

## La trampa del minimalismo extremo

Hay una versión exagerada de Tufte que elimina todo: ejes, títulos, etiquetas. A veces se ve en presentaciones de startups muy de Silicon Valley: un gráfico con una sola línea verde ascendente y nada más. Queda estético en una diapositiva, pero no es un gráfico — es un icono. No dice cuanto subio, en que periodo, ni desde que base. Si alguien lo saca de contexto (y los gráficos siempre acaban fuera de contexto), es inútil.

Tufte nunca dijo "quita todo". Dijo "maximiza el data-ink ratio". Maximizar no es llevar a infinito: es encontrar el punto donde cada pixel restante aporta valor. Ese punto no es cero contexto — es el contexto mínimo necesario para que el gráfico se sostenga solo.

## Caso práctico: limpiar un gráfico en matplotlib

Vamos a llevar la teoría a código. matplotlib genera gráficos con una configuración por defecto que incluye los cuatro bordes (spines), cuadrícula desactivada (al menos no molesta), y un estilo que no es feo pero tampoco es limpio. Vamos a aplicar el principio de Tufte paso a paso sobre un gráfico real.

1import matplotlib.pyplot as plt
2
3canales = ['SEM', 'Display', 'Social', 'Email', 'Afiliados']
4gasto = [84, 62, 48, 28, 12]
5
6fig, ax = plt.subplots(figsize=(8, 4))
7ax.bar(canales, gasto, color='steelblue')
8ax.set_title('Gasto por canal')
9ax.set_ylabel('Miles EUR')
10ax.legend(['Gasto Q3'])
11plt.tight_layout()
12plt.savefig('antes.png', dpi=150)

1import matplotlib.pyplot as plt
2
3canales = ['SEM', 'Display', 'Social', 'Email', 'Afiliados']
4gasto = [84, 62, 48, 28, 12]
5
6# Ordenar de mayor a menor
7pares = sorted(zip(gasto, canales), reverse=True)
8gasto_ord = [g for g, c in pares]
9canales_ord = [c for g, c in pares]
10
11fig, ax = plt.subplots(figsize=(8, 4))
12
13# Barras horizontales: se leen mejor, permiten nombres largos
14ax.barh(canales_ord[::-1], gasto_ord[::-1], color='#a3e635', height=0.6)
15
16# Eliminar spines superior y derecho (no aportan)
17ax.spines['top'].set_visible(False)
18ax.spines['right'].set_visible(False)
19ax.spines['left'].set_visible(False)
20
21# Eliminar ticks del eje Y (el nombre ya esta al lado)
22ax.tick_params(left=False)
23
24# Quitar eje X completo: etiquetas directas lo sustituyen
25ax.set_xticks([])
26ax.spines['bottom'].set_visible(False)
27
28# Etiquetas directas con el valor
29for i, (g, c) in enumerate(zip(gasto_ord[::-1], canales_ord[::-1])):
30    ax.text(g + 1, i, f'{g}k EUR', va='center', fontsize=10, color='#6a7a66')
31
32# Titulo como conclusion, no como descripcion
33ax.set_title('SEM concentra el 36% del gasto en marketing (Q3 2025)',
34             fontsize=12, loc='left', pad=12)
35
36plt.tight_layout()
37plt.savefig('despues.png', dpi=150)

Observa que no hemos cambiado los datos ni la librería ni la complejidad del código. Son diez líneas más (quitar spines, quitar ticks, poner etiquetas, reescribir título). Esas seis líneas son la diferencia entre un gráfico que se entiende en la reunion y uno que genera la pregunta "y esto que dice?".

## Historia: Tufte y el gráfico que pudo salvar vidas

Edward Tufte no era estadístico ni disenador: era politologo. Daba clase en Yale y se obsesiono con como se presentaban los datos en los informes políticos. En 1983 publico The Visual Display of Quantitative Information, un libro que pagaba de su bolsillo porque ninguna editorial quiso arriesgarse. Lo autoedito, lo diseño el mismo (incluyendo la tipografia) y vendió más de un millón de ejemplares. Hoy se considera una de las obras más influyentes del siglo XX sobre comunicación visual.

Pero su momento más famoso no fue el libro: fue el análisis del desastre del Challenger en 1986. Los ingenieros de Morton Thiokol tenían datos que mostraban que las juntas toricas (O-rings) del cohete fallaban con el frío. La noche antes del lanzamiento, intentaron convencer a la NASA de que no lanzara. Sus gráficos eran un desastre comunicativo: tablas densas, datos desordenados, la temperatura ni siquiera estaba en el eje X. Tufte demostró después que un simple scatter plot — temperatura en X, fallos en Y — habria hecho la correlación evidente a cualquiera. El lanzamiento se hizo a 2 grados centigrados. Siete tripulantes murieron.

Después de eso, Tufte analizo también las diapositivas del Columbia (2003): un mensaje critico sobre el daño en el ala, enterrado bajo seis niveles de viñetas de PowerPoint. El parecido era aterrador: información vital presentada de forma que nadie podía procesarla. Su conclusión: el formato mata la señal. Un gráfico malo no es solo feo — puede ser peligroso.

Para nosotros, que trabajamos con datos de negocio y no con cohetes, la lección es la misma a escala menor: un gráfico confuso no mata a nadie, pero si puede hacer que una empresa tome la decisión equivocada. Y la mayoria de las veces, la confusión no viene de los datos — viene de la presentación.

## Las etiquetas directas: la técnica que más mejora un gráfico

De todas las técnicas de Tufte, la que más impacto tiene por unidad de esfuerzo es sustituir la leyenda por etiquetas directas. En vez de poner un recuadro aparte que dice "línea azul = Plan Pro, línea verde = Plan Enterprise", escribes "Pro" y "Enterprise" al final de cada línea, justo donde termina. El ojo del lector ya no tiene que hacer el viaje ida y vuelta entre la leyenda y el dato.

Lo mismo aplica a barras: en vez de un eje Y numérico donde el lector tiene que trazar una línea imaginaria horizontal desde la punta de la barra hasta la escala, pones el número directamente encima o al lado de la barra. Ahorra un segundo por barra, y en un gráfico con 8 barras son 8 segundos menos de fricción cognitiva.

La regla: si tu gráfico tiene menos de 10-12 elementos (barras, líneas, puntos), las etiquetas directas casi siempre funcionan mejor que un eje numérico. Si tiene más de 12, las etiquetas saturan y el eje es preferible — pero con una cuadrícula muy sutil, no una cada dos unidades.

## El título como frase completa

La mayoria de los gráficos que se ven en reuniones tienen títulos como "Ventas mensuales", "Usuarios activos", "Coste por canal". Son etiquetas, no títulos. No dicen nada que el propio eje no diga. Un buen título es una frase completa que anticipa la conclusión: "Las ventas cayeron un 12% en marzo por el cierre de la campana de TV". Ese título convierte el gráfico en un argumento.

La razón es practica: en una reunion, la gente mira la diapositiva 3 segundos antes de que el presentador hable. Si el título ya dice la conclusión, el gráfico la confirma visualmente y el presentador solo tiene que explicar el por qué. Si el título solo dice "Ventas mensuales", el lector tiene que descifrar el gráfico por su cuenta en esos 3 segundos — y normalmente no lo consigue.

## La cuadrícula: cuando si y cuando no

La cuadrícula (gridlines) es el elemento más debatido del minimalismo en gráficos. Tufte la consideraba casi siempre innecesaria. Otros, como Stephen Few, la defienden como referencia visual imprescindible. La respuesta, como casi siempre, depende del caso.

Si tu gráfico tiene etiquetas directas (el número encima de cada barra), la cuadrícula sobra completamente — el lector ya tiene el valor exacto. Si tu gráfico NO tiene etiquetas directas (porque son demasiados puntos), una cuadrícula sutil ayuda a estimar valores. La clave es "sutil": líneas finas, color gris muy claro, y pocas (4-5 líneas horizontales, no 20). Una cuadrícula que compite visualmente con los datos ha dejado de ser referencia para convertirse en ruido.

En matplotlib: ax.grid(True, axis="y", alpha=0.3, linewidth=0.5) te da una cuadrícula que ayuda sin molestar. Y ax.set_axisbelow(True) la manda detras de las barras, que es donde debe estar — como una regla debajo de la hoja, no encima del dibujo.

## El checklist de limpieza: 7 preguntas antes de entregar

Antes de enviar un gráfico a un stakeholder, pásalo por estas siete preguntas. Si respondes "no" a alguna, el gráfico necesita una vuelta más:

1. 01.Si quito un elemento cualquiera, pierdo información? (Si la respuesta es "no" para algun elemento, ese elemento sobra.)
2. 02.El título cuenta la conclusión, no el tipo de dato?
3. 03.Puedo saber las unidades sin preguntar?
4. 04.El gráfico se entiende sin que yo este al lado explicándolo?
5. 05.Los datos están ordenados de forma que refuerce el mensaje?
6. 06.Hay una fuente de datos y un periodo temporal?
7. 07.El color tiene un proposito (destacar, agrupar) o es solo decoración?

## Resumen: la regla en una frase

Cada pixel de un gráfico debería comunicar un dato. Lo que no informa, distrae. El data-ink ratio es la brújula: maximizar la proporción de tinta que representa datos frente a la tinta decorativa. Pero maximizar no es vaciar — es limpiar lo que sobra y reforzar lo que importa. Un gráfico limpio no es uno vacio: es uno donde cada elemento restante tiene una razón para existir.

Y la forma más rapida de aplicarlo: cuando termines un gráfico, señala cada elemento y pregúntale "si te quito, pierdo información?". Lo que responda "no", se va. Lo que responda "si", se queda y se refuerza. Con esa única pregunta repetida cinco veces, tu gráfico mejora más que con cualquier curso de diseño.