Es un proceso que realizamos a diario casi sin darnos cuenta. Por ejemplo cuando recogemos los datos de las ventas mensuales, los filtramos por demarcaciones y por tipo de producto y las entramos en una hoja de cálculo que representamos como un gráfico de barras, estamos realizando una operación de cristalización del conocimiento. Dicha operación culmina cuando realmente extraemos el conocimiento que subyace a los datos: las ventas de cierto producto han aumentado un 15% desde que se lanzó la campaña publicitaria en prensa.

La cristalización de conocimiento es un concepto popularizado por Stuart Card y otros investigadores del Xerox PARC (Palo Alto Research Center) como el proceso a través del cual "se recoge información, se interpreta construyendo un esquema de representación y se empaqueta finalmente en forma de comunicación o acción, con un objetivo determinado". (Véase el libro Readings in Information Visualization de Card et al. Readings in Information Visualization página 10)

Las fases en que sucede este proceso se pueden resumir como

• Recolección de datos. La búsqueda de los datos que tienen que ver con el problema que intentamos resolver. Típicamente esto ocurre en las bases de datos de Internet o en las de la empresa, por ejemplo recolectando información sobre las ventas del mes pasado.
  
• Búsqueda de un esquema de representación. Hay que identificar las variables o atributos que caracterizan la información que me interesa extraer. En nuestro ejemplo, las ventas por demarcación y por producto.
  
• Instanciación del esquema con datos. Una vez construido un cierto esquema en función de las variables de interés para nuestro problema hay que poblar el esquema con los datos encontrados. En muchos casos se producen datos residuales que no encajan bien en el esquema. Si estos datos son una parte mayoritaria, es obvio que el esquema está mal construido, es insuficiente para nuestro propósito o los datos no son suficientemente clasificables. En tal caso hay que cambiar el esquema. En el ejemplo llenaríamos la hoja de cálculo con los datos y los reordenaríamos por demarcaciones etc. Las incidencias u observaciones podrían constituir los datos residuales.
  
• Resolución del problema. Utilizando la instanciación del esquema podemos extraer los patrones de información que son el objeto de nuestro trabajo, las conclusiones que se pueden extraer de nuestro estudio. El gráfico de barras del ejemplo nos permite ver rápidamente la tendencia de las ventas y si la campaña publicitaria está teniendo impacto o no.
  
• Empaquetado en forma de comunicación o acción. El resultado de todas las operaciones anteriores se concreta finalmente en el uso efectivo del conocimiento creado, mediante la comunicación del mismo o la toma de decisiones apropiadas. En el ejemplo, si la campaña de publicidad no hubiera promocionado las ventas habría que estudiar más a fondo por qué, modificar la previsión de ventas y/o comunicarlo a la dirección.

La visualización de información incide en el apartado de creación del esquema y en la resolución del problema mediante la detección de patrones. Si el esquema ya está bien establecido la cristalización de conocimiento se reduce a la recuperación de información. La estadística de ventas no se reinventa cada mes, simplemente se rellena el esquema existente con datos nuevos que nos permiten comprobar como ha cambiado el patrón conocido desde el mes anterior. Sin embargo el gráfico de barras es el que nos revela cada mes las tendencias.

La idea que hay detrás del concepto de cristalización del conocimiento es simple, pero revela el proceso habitual de digestión de la información y, por tanto, es un potente punto de partida para mejorar la forma en que extraemos conocimiento a partir de datos.

Enlaces de este artículo: