En el campo de la visualización, comprender el razonamiento analítico de los usuarios es importante para evaluar la efectividad de las aplicaciones de visualización. Se han realizado varios estudios para capturar y analizar las interacciones de los usuarios con el fin de comprender este proceso de razonamiento. Sin embargo, pocos han logrado vincular con éxito estas interacciones a los procesos de razonamiento de los usuarios. Este artículo presenta un enfoque que aborda la limitación al correlacionar las interacciones semánticas de los usuarios con las decisiones de análisis utilizando un sistema interactivo de análisis de transacciones por cable y una matriz de transición de estado visual, ambos diseñados como aplicaciones de análisis visual. El sistema permite un análisis interactivo para evaluar el fraude financiero en transacciones por cable. También permite mapear las interacciones de los usuarios capturadas y las decisiones analíticas de nuevo en la visualización para revelar sus diferencias de decisión. La matriz de transición de estado visual ayuda además a comprender los flujos analíticos de los usuarios, revelando sus procesos de toma de decisiones. Se aplican algoritmos de aprendizaje automático de clasificación para evaluar la efectividad de nuestro enfoque en la comprensión del proceso de razonamiento analítico de los usuarios al conectar las interacciones semánticas de los usuarios capturadas con sus decisiones (es decir, sospechosa, no sospechosa e inconclusa) sobre las transacciones por cable. Con los algoritmos, se determina un promedio de 72% de precisión para clasificar las interacciones semánticas de los usuarios. Para clasificar decisiones individuales, la precisión promedio es del 70%. Notablemente, la precisión para clasificar decisiones "inconclusas" es del 83%. En general, el enfoque propuesto mejora la comprensión de las decisiones analíticas de los usuarios y proporciona un método robusto para evaluar las interacciones de los usuarios en herramientas de visualización.