Questo articolo fa parte di una serie di mie riflessioni sull’innovazione technology-driven, cominciata qui.
Fino a tempi abbastanza recenti, l’analisi dei dati era relegata ad un piccolo gruppo di esperti in un numero di campi abbastanza limitato.
Negli anni più recenti, a mano a mano che cresceva l’interesse per la materia e la differenziazione nei campi di applicazione, si è posto un problema relativo alla visualizzazione e alla navigazione di dati voluminosi e complessi, che rappresenta un fattore critico di successo per rendere i Big Data realmente utili alle persone che vogliano utilizzarli per prendere decisioni.
Come potrete scoprire qui e qui, ci sono centinaia di tecniche di visualizzazione, che comprendono:
- i tradizionali grafici a barre o a torte;
- mappe geografiche interattive;
- tag cloud;
- finestre multiple interattive
e sicuramente molte di queste le state utilizzando come consumer. Pensate ad esempio al sistema ormai standardizzato con cui il ministero degli interni pubblica e aggiorna i dati degli exit poll e i risultati elettorali, nel quale fondamentali risultano le tecniche di filtro, zoom, drill-down e accesso ai dati di dettaglio. Ecco qualche esempio
I sistemi più sofisticati di presentazione dei Big Data hanno sviluppato un processo in 4 passi, che consente all’utente di
- Fare data cleaning (eliminare errori, duplicati e inserire dati mancanti);
- Filtrare il sottoinsieme di dati rilevante;
- Aggregare (raggruppamenti, cluster, viste gerarchiche);
- Annotare e condividere;
andando così ad aggiungere valore ai dati originari, con un processo tipico del cosiddetto crowdsourcing, cioè di un ambiente i cui gli utenti sono anche contributori.
Prosegue qui
When some one searches for his essential thing, thus he/she desires to be available that in detail, therefore that thing
is maintained over here.
"Mi piace""Mi piace"