Entender grandes conjuntos de datos multidimensionales es uno de los problemas más desafiantes en la exploración visual de datos. Uno de los principales desafíos que aumenta el tamaño del espacio de exploración es el número de vistas que se pueden generar a partir de un solo conjunto de datos, basado en el uso de múltiples valores de parámetros y caminos de exploración. A menudo, ninguna de estas vistas únicas contiene todos los conocimientos necesarios. Surge así la pregunta de cómo podemos combinar de manera eficiente los conocimientos de múltiples vistas de un conjunto de datos. Proponemos un conjunto de técnicas que reducen considerablemente el esfuerzo de exploración para tales situaciones, basado en la representación explícita del espacio de vistas, utilizando una metáfora de múltiples pequeños. Aprovechamos este espacio de vistas ofreciendo técnicas interactivas que permiten a los usuarios crear, visualizar y seguir explícitamente su camino de exploración. De esta manera, los conocimientos parciales obtenidos de cada vista pueden combinarse de manera eficiente y efectiva. Demostramos nuestro enfoque mediante aplicaciones que utilizan conjuntos de datos del mundo real de control de tráfico aéreo, mantenimiento de software y aprendizaje automático.