Metodología y proyectos · Moleson Venus
Cómo enseñamos visualización de datos en Moleson Venus
Se aprende a hacer gráficos haciendo gráficos, no mirando ejemplos ajenos. Vas a trabajar con datos imperfectos, discutir decisiones y salir con un proyecto listo para usar.
Curso práctico en Buenos Aires y en vivo por videollamada. Grupos reducidos, corrección conjunta y dos caminos de herramienta: planillas o Python.
Cómo trabajamos
El principio: primero la pregunta
Antes de abrir cualquier herramienta, el ejercicio es definir qué pregunta responde el gráfico. Parece obvio y casi nunca se hace. La mayoría abre la planilla, mira los datos y elige el gráfico a partir de lo que tiene a mano.
Nosotros invertimos el orden: primero la pregunta, después el formato, después la herramienta. Ese cambio de secuencia es lo más útil que se llevan los estudiantes del curso de visualización de datos, más allá de cualquier truco técnico.
En cada clase escribís la pregunta en una línea, la pegás sobre tu mesa y todo lo que sigue tiene que responder a esa frase. Si el gráfico no la responde, se descarta aunque esté bien dibujado.
Ejemplos que trabajamos en clase: ¿qué producto sostiene la venta cuando cae el ticket promedio? ¿qué barrio concentra los reclamos repetidos? ¿qué semana rompe la tendencia?
Mesa de trabajo del módulo inicial: la pregunta escrita a mano antes de elegir el gráfico.
Definís la pregunta en lenguaje cotidiano, sin jerga técnica.
Elegís el formato que la responde con menos tinta posible.
Recién ahí abrís Excel, Sheets o Python para construirlo.
Trabajo sobre casos, no sobre ejercicios de manual
Los ejercicios vienen de planillas reales: ventas minoristas, encuestas y reportes internos donados por cohortes anteriores. Están desordenados a propósito, con valores faltantes y columnas mal nombradas. Trabajar con datos limpios te enseña a usar una herramienta; estos casos te preparan para lo que te espera el lunes en la oficina.
Caso · ventas
Ticket que cae en sucursales
Planilla de 14 meses con días sin carga, promociones mezcladas y códigos duplicados. Decidís si el problema es precio, surtido u horario.
Caso · encuesta
Satisfacción con respuestas libres
Respuestas abiertas, escalas inconsistentes y 12% de abandono. Aprendés a mostrar incertidumbre sin esconderla.
Espacio libre
Tu dataset, tu pregunta
Si traés datos de tu trabajo anonimizados, este lugar lo ocupa tu caso desde el módulo dos.
Quienes vienen del mundo laboral reconocen el formato enseguida: columnas con otro nombre según quién cargó, fechas en dos formatos, totales que no cierran. Ordenar eso también forma parte de aprender gráficos efectivos.
Corrección en grupo, no individual
Aprendés de los errores ajenos y aprendés a defender decisiones frente a otros.
Cada ejercicio se revisa con el grupo entero. No hay devoluciones privadas del estilo tu gráfico está mal por tal motivo. Discutimos en conjunto qué decidió cada persona y qué consecuencias tiene cada decisión: qué se lee primero, qué se malinterpreta, qué sobra.
Esa segunda parte es tan importante como la primera para quien presenta gráficos en reuniones. Sostener una elección de escala o de color frente a preguntas incómodas se entrena acá, con tiempo y sin riesgo.
Cómo es la dinámica
Proyectamos tres versiones del mismo dataset, el grupo marca qué entiende en 10 segundos y recién después hablamos de técnica.
Dos caminos: planillas y código
No todos quieren aprender Python, y forzarlo sería contraproducente. Hay dos caminos paralelos que cubren los mismos criterios de diseño y elección de formato. Lo que cambia es la herramienta. Algunos empiezan con planillas y se pasan a código en el módulo cuatro; otros hacen el recorrido inverso. Ambos movimientos son razonables.
Planillas
Excel y Google Sheets para limpiar, pivotear y graficar rápido. Ideal si tu trabajo diario vive en planillas y necesitás respuestas esta semana. Incluye plantillas de formato y listas de control de ejes, etiquetas y colores.
Código
Python con matplotlib o Plotly para datos más grandes y gráficos repetibles. Ideal si necesitás rehacer el mismo informe cada mes sin empezar de cero. Trabajamos con cuadernos comentados paso a paso.
Retoque final
Herramientas de edición gráfica para el acabado: tipografía, márgenes y exportación para presentación o informe. El criterio editorial es el mismo en los tres recorridos.
No enseñamos Power BI ni Tableau como software, porque cada uno tiene su curva de aprendizaje. Sí damos guías de traslado: los principios que aprendés acá funcionan igual en esas plataformas.
Pieza central · 10 a 15 minutos
Qué papel juega el proyecto final
El proyecto final no es un examen, es la aplicación concreta de todo el recorrido. Elegís un dataset, formulás una pregunta, elegís el formato y presentás el gráfico al grupo con una defensa breve.
Puede ser un dataset de tu trabajo, uno público o uno de los que ofrecemos en clase.
Presentación de 10 a 15 minutos, con discusión del grupo después.
Cerca de la mitad de cada cohorte elige datos de su propio trabajo y sale con material listo para usar.
La defensa importa tanto como el gráfico: contás qué pregunta elegiste, qué formatos descartaste y por qué, y el grupo te devuelve qué entendió antes de saber tu intención.
Leer sobre el equipo docenteNuestra posición
Un gráfico que engaña es peor que un gráfico feo.
Dedicamos un módulo entero a sesgos visuales — ejes truncados, áreas que mienten, colores que jerarquizan sin decirlo — y volvemos al tema cada vez que aparece. Quien presenta datos tiene una responsabilidad frente a quien los lee, y no se delega al software. Si esa postura te incomoda, este no es tu curso.
Cómo se manejan los datos de los estudiantes
Trabajás con datos que elegís vos o con datasets abiertos. No pedimos información confidencial de empresas. Si querés traer datos internos, tienen que llegar anonimizados, y el material del curso incluye una guía breve para hacerlo bien.
Nunca difundimos fuera del aula lo que se discute en clase, ni lo usamos como ejemplo en cohortes posteriores sin permiso explícito.
Qué herramientas usamos y cuáles no
Usamos Excel, Google Sheets, Python con matplotlib y Plotly, y edición gráfica para retoques finales. Los criterios de diseño viajan: si tu trabajo exige otra plataforma, vas a poder aplicarlos igual.
Ritmo de las clases · 90 minutos
La mayor parte del tiempo la pasás haciendo
Exposición
20 min
Una idea, un ejemplo, una regla. Nada más.
Trabajo sobre datos
40 min
Manos en la planilla o en el código, con ayuda cercana.
Discusión en grupo
30 min
Donde más se aprende. Al principio incomoda; después del segundo módulo, la mayoría lo valora.
Si necesitás más teoría previa, avisanos y te damos material de lectura para complementar cada encuentro.
Preguntas sobre la metodología
¿Tengo que traer datos de mi trabajo?
No es obligatorio. Podés trabajar con datasets abiertos o con los que ofrecemos en clase. Si traés datos internos, tienen que estar anonimizados antes de compartirlos, y te guiamos en ese proceso.
¿Las clases quedan grabadas?
Sí, aunque recomendamos asistir en vivo. La corrección en grupo, que es donde más se aprende, no se reproduce igual en la grabación. Las grabaciones sirven para repasar técnica, no para recuperar el debate.
¿Necesito saber programar para anotarme?
No. Podés hacer todo el recorrido con Excel o Google Sheets. Si en algún momento querés probar Python, te acompañamos en el cambio sin empezar de cero. Tenés más respuestas en la página de preguntas frecuentes.
Traé una pregunta. Te vas con un gráfico que la responde.
Revisá el programa completo con los módulos y el proyecto final, o escribinos por la próxima cohorte. Atendemos de lunes a viernes de 9:00 a 18:00 en Av. Corrientes 1386, Piso 8, Buenos Aires.