Curso de Storytelling y Narrativa de Datos
Presentación del curso y motivación
En ciencia, empresa y gobierno, la diferencia entre “tener un resultado” y “lograr impacto” suele estar en la narrativa: qué pregunta se hizo, por qué importa, qué evidencia la respalda y qué decisión habilita. Este curso entrena al estudiante para construir historias rigurosas con datos, combinando principios de diseño, estructura narrativa, comunicación clara y práctica reproducible en Jupyter notebooks.
Más que “hacer gráficos bonitos”, el objetivo es aprender a tomar decisiones (qué mostrar, qué omitir, cómo ordenar, cómo anotar, cómo reconocer límites) y defenderlas con criterio, ética y transparencia.
Libros base (eje del curso)
- SWD: Storytelling with Data — Cole Nussbaumer Knaflic
- SWD Practice: Storytelling with Data: Let’s Practice! — Cole Nussbaumer Knaflic
- SWY: Storytelling with You — Cole Nussbaumer Knaflic
Nota: SWD aporta principios; SWD Practice entrena con ejercicios; SWY organiza el acto de presentar (planear–crear–entregar).
Objetivos del curso
- Formular mensajes claros: audiencia, propósito, contexto y “Big Idea”.
- Diseñar visualizaciones efectivas: selección de gráficos, jerarquía visual, anotación y accesibilidad.
- Convertir análisis exploratorio (EDA) en narrativa explicativa (explanatory).
- Construir entregables reproducibles con Jupyter (markdown + código + visualización).
- Desarrollar una historia de datos de extremo a extremo: pregunta → evidencia → insight → decisión.
- Incorporar criterios de ética: sesgos, manipulación visual, transparencia y límites.
Metodología del curso
Curso de 12 semanas, con un máximo de 1 notebook por semana. Cada notebook es un módulo autocontenido con:
- objetivo + pregunta guía,
- dataset (real o simulado) + EDA mínima,
- visualizaciones (con decisiones explícitas),
- narrativa (secciones en markdown),
- ejercicios propuestos.
El trabajo es acumulativo: desde la semana 3 cada equipo avanza un proyecto incremental que culmina en una historia final (notebook + presentación).
Evaluación (sugerencia)
| Componente | Peso | Descripción |
|---|---|---|
| Quizzes / controles cortos | 10% | Conceptos (audiencia, diseño, ética, selección de gráficos, narrativa) |
| Notebooks semanales (mini–labs) | 35% | Ejecución + interpretación + decisiones de narrativa (reproducibles) |
| Proyecto intermedio | 20% | Historia corta (5–7 min) + notebook consolidado (versión 1) |
| Proyecto final | 35% | Notebook final + presentación + defensa de decisiones + reflexión |
Herramientas y stack sugerido (Python)
- Base:
pandas,numpy,matplotlib,seaborn - Interactividad (elige 1):
plotly/altair/bokeh - Mapas (si aplica):
folium(ogeopandas+contextilysi el grupo lo domina) - Export/publicación:
nbconvert(HTML/PDF), o demo opcional convoila/streamlit
Cronograma y notebooks (12 semanas)
Regla: 1 notebook por semana. Cada semana incluye: lectura, exposición corta (estudiante), laboratorio y entregable.
Repositorio sugerido Tendremos un repositorio para ir subiendo materiales, el cual puedes encontrarlo en: StoryTelling-y-Narrativa-de-Datos
| Semana | Notebook | Tema central | Lecturas (SWD / Practice / SWY) | En clase (exposición + taller) | Trabajo / Entregable |
|---|---|---|---|---|---|
| 1 | Notebooks/ST_01_context_message.ipynb |
Audiencia, propósito y Big Idea | SWD: contexto y objetivo; SWY: audiencia y mensaje; Practice: ejercicios de contexto | Mini–charla: “mostrar vs contar”. Taller: convertir una tabla en un mensaje accionable. | Tarea 1: brief narrativo (audiencia, acción deseada, Big Idea) + notebook con EDA mínima. |
| 2 | Notebooks/ST_02_choose_visual.ipynb |
Elegir el gráfico correcto | SWD: selección de visual; Practice: “choose an effective visual” | Taller guiado: mismo dato → 3 gráficos → justificar el mejor. | Mini–lab: galería de 6 gráficos con “cuándo sí/cuándo no” en markdown. |
| 3 | Notebooks/ST_03_declutter_focus.ipynb |
Declutter + foco atencional | SWD: clutter + focus attention; Practice: ejercicios de limpieza/anotación | Kickoff proyecto (equipos): dataset real + pregunta. Clínica de “antes/después”. | Entregable P1: dataset + pregunta + stakeholders + 1 visual antes/después con rationale. |
| 4 | Notebooks/ST_04_design_system.ipynb |
Pensar como diseñador (consistencia y accesibilidad) | SWD: think like a designer; Practice: accesibilidad y consistencia | Taller: estilo (colores, tipografía, anotación). Revisión por pares. | Tarea 2: “style guide” del proyecto (reglas de color, texto, anotación, accesibilidad). |
| 5 | Notebooks/ST_05_story_structure.ipynb |
Estructura narrativa: arco, orden y tensión | SWD: storytelling; SWY: estructura/guion; Practice: ejercicios de secuencia | Storyboarding “low-tech” → traducir a secciones del notebook. | Entregable P2: storyboard + outline del notebook final (secciones y mensajes por sección). |
| 6 | Notebooks/ST_06_from_eda_to_explanatory.ipynb |
De EDA a narrativa explicativa | SWD Practice: ejercicios de edición/selección; SWD: énfasis y anotación | Clínica: “hallazgos candidatos” vs “hallazgos narrables”. Edición: qué se queda fuera. | Quiz 1 + notebook con 3 hallazgos priorizados y justificación (por audiencia). |
| 7 | Notebooks/ST_07_interactivity_dashboard.ipynb |
Interactividad (dashboards que cuentan historia) | SWD: claridad y foco; SWY: preparar para presentar; lectura técnica breve (elegida por el profe) | Demo: tooltips, filtros, small multiples. Discusión: cuándo la interactividad ayuda o distrae. | Tarea 3: mini-dashboard (1 pantalla) + texto guía (narrativa de uso). |
| 8 | Notebooks/ST_08_maps_geostory.ipynb |
Geostorytelling (si aplica) | SWD: contexto y diseño; Practice: ejercicios de comparación; nota sobre sesgos del mapa | Taller: mapa con anotaciones + capas de contexto. | Entregable P3: componente geográfico o alternativa: segmentación / cohortes como “mapa conceptual”. |
| 9 | Notebooks/ST_09_case_clinic_critique.ipynb |
Clínica de casos y crítica (repair session) | Practice: ejercicios de crítica; SWD: refuerzo de principios | Cada equipo trae: 2 visuales propios + 1 visual externo “malo” y lo repara. | Proyecto intermedio (20%): historia corta (5–7 min) + notebook v1 (6–10 visuales) + Q&A. |
| 10 | Notebooks/ST_10_ethics_bias_transparency.ipynb |
Ética y transparencia | SWD/SWY: claridad y honestidad; guía del curso: checklist ético | Debate: manipulación visual, cherry-picking, escalas, omisiones, privacidad. | Tarea 4: “Ethics card” del proyecto (sesgos, riesgos, mitigación, límites y supuestos). |
| 11 | Notebooks/ST_11_delivery_rehearsal.ipynb |
Entrega: guion, slides y ensayo | SWY: plan–create–deliver (entrega y práctica) | Ensayo tipo conferencia: ritmo, transiciones, slides limpios, respuesta a preguntas. | Pre-final: draft de slides + notebook “casi final” + lista priorizada de mejoras. |
| 12 | Notebooks/ST_12_final_story.ipynb |
Cierre: historia completa + exposición pública | Relectura selectiva (según debilidades detectadas) | Presentaciones finales + rúbrica + auto/co-evaluación reflexiva. | Proyecto final (35%): notebook final + presentación + defensa de decisiones + reflexión ética. |
Exposiciones de estudiantes (formato sugerido)
- Desde semana 2: 1 exposición corta por sesión (8–10 min).
- Contenido: un ejemplo real (bueno o malo) + diagnóstico con lenguaje SWD (qué funciona, qué distrae, qué mejoraría).
- Entregable: 1 slide + 1 visual “reparado” (imagen o código) + 5 bullets de lecciones.
Proyecto final (estructura mínima)
- Pregunta y audiencia (quién decide qué con esto).
- Datos: fuente, calidad, límites, supuestos.
- Historia: estructura (inicio–tensión–resolución) con mensajes por sección.
- Visuales: decisiones justificadas (por qué ese gráfico, escala, anotación, color).
- Transparencia: qué no se pudo concluir, incertidumbre, sesgos potenciales.
- Reproducibilidad: notebook limpio, dependencias, instrucciones (README).
Datasets recomendados (para prácticas)
- Our World in Data: https://ourworldindata.org/
- World Bank Data: https://data.worldbank.org/
- Datos Abiertos Colombia: https://www.datos.gov.co/
- NYC Open Data: https://opendata.cityofnewyork.us/
- Kaggle Datasets: https://www.kaggle.com/datasets