Con Esri Maps for MicroStrategy, puede aplicar estilo a los datos del mapa mediante el uso de diferentes símbolos, colores y tamaños para representar de forma apropiada las entidades. Por ejemplo, puede usar diferentes símbolos de seguridad pública para indicar ubicaciones de estaciones de policía y de bomberos, o usar diferentes colores o tamaños de un símbolo para mostrar las ubicaciones de ciudades importantes de acuerdo con la población.
Cuando se agregan datos de MicroStrategy al mapa, Esri Maps for MicroStrategy crea una capa que aparece en la pestaña Contenido y dibuja los datos en el mapa utilizando un estilo predeterminado. El estilo se puede cambiar con las opciones del panel Estilo. El panel Estilo permite dibujar una capa del modo siguiente:
Para las capas que contengan entidades de puntos, hay dos tipos diferentes de símbolos que puede utilizar para aplicar estilo a los datos: los iconos y las formas.
Para las capas que contengan entidades de polígonos, puede aplicar estilo a los datos utilizando colores diferentes.
Si agrega datos de ArcGIS que contengan entidades de líneas, puede cambiar el estilo de las entidades de línea eligiendo de entre distintos tipos y colores de líneas, y cambiando el grosor de la línea.
Si decide aplicar estilo a una capa utilizando colores diferentes o símbolos de distinto tamaño (solo para entidades de puntos), se le preguntará cómo desea agrupar los datos y qué campo (o atributo) desea usar para agruparlos. Si decide agrupar los datos por categorías, los datos se agruparán y se les aplicará estilo de acuerdo con un valor común para el campo (o atributo) que haya elegido para el agrupamiento (por ejemplo, tipos de negocio, como minorista o mayorista).
Si la capa tiene campos numéricos, puede agrupar los datos por rangos de números. Para esta opción de agrupamiento, debe elegir un método de clasificación. Cada método de clasificación divide los datos en clases (grupos). Entre las opciones de método de clasificación se encuentran Mismo intervalo, Cortes naturales y Cuantil. El valor en el que una entidad se coloca en una clase diferente suele denominarse corte de clase. A continuación se analiza la forma en que cada método de agrupación determina los cortes de clase.
Con el método de clasificación de Mismo intervalo, el rango de todos los valores de datos se divide en subrangos del mismo tamaño. Con la clasificación Mismo intervalo, se especifica el número de intervalos (o subrangos) y Esri Maps for MicroStrategy determina automáticamente la forma de dividir los datos. Por ejemplo, si especifica tres clases para un campo cuyo rango de valores va de 0 a 300, Esri Maps for MicroStrategy crea tres clases con rangos de 0-100, 101-200 y 201-300. El Mismo intervalo obtiene los mejores resultados cuando se aplica en rangos de datos conocidos, como los porcentajes y la temperatura. Este método enfatiza la cantidad de un valor de atributo relativo al resto de valores. Por ejemplo, muestra que una tienda forma parte del grupo de tiendas que realizan la tercera parte de todas las ventas.
Las clases de cortes naturales están basadas en las agrupaciones naturales inherentes a los datos. Se identifican los cortes de clase que mejor agrupan los valores parecidos y maximizan las diferencias entre clases. Las entidades se dividen en clases cuyos límites quedan establecidos dónde hay diferencias considerables entre los valores de los datos. La clasificación de Cortes naturales resulta adecuada para una representación cartográfica de los valores de datos que no estén distribuidos de manera uniforme, ya que coloca los valores agrupados en la misma clase.
En la clasificación de Cuantil, cada clase contiene el mismo número de entidades (por ejemplo, 10 por clase o 20 por clase). La clasificación de cuantiles es adecuada para los datos distribuidos linealmente. Es útil para resaltar la posición relativa de una entidad con respecto a otras entidades, por ejemplo, para mostrar que una tienda está entre el 25% del total de tiendas que lideran las ventas. La clasificación cuantil asigna el mismo número de valores de datos a cada clase. No hay clases vacías ni clases con demasiados valores ni con pocos valores. Puesto que las entidades se agrupan en igual número en cada clase mediante la clasificación de cuantiles, el mapa resultante puede ser erróneo en algunas ocasiones: entidades similares se pueden situar en clases adyacentes, o entidades con valores muy diferentes se pueden poner en la misma clase. Esta distorsión se puede reducir al mínimo aumentando el número de clases.