Data Visualization: l’importanza di rendere i dati comprensibili
La data visualization è il metodo più efficace per visualizzare determinati dati in modo chiaro, mediante la rappresentazione grafica degli stessi. Essa si adatta bene alle caratteristiche del cervello umano, che riesce a interpretare in maniera immediata proprio le informazioni acquisibili da un contesto visivo.
Utilizzare un grafico per mostrare i valori raccolti da ricerche di mercato o analisi, permette di trarre conclusioni abbastanza precise e di fare previsioni per il futuro. Tale realtà è particolarmente evidente nei progetti basati sulla raccolta di una grande quantità di dati (big data) che, senza un riscontro grafico, sarebbe impossibile da decifrare.
I vantaggi di rendere comprensibili i dati
La comunicazione visiva è da sempre apprezzata, perché risulta molto più semplice interpretare una figura, piuttosto che leggere una serie di numeri e metterli in relazione fra loro. Per beneficiare a pieno di tale strumento è però necessario conoscerne le principali capacità, che possono essere riassunte in quanto segue:
- assorbire le informazioni, avere intuizioni e prendere decisioni;
- individuare le misure da adottare per ottimizzare l’organizzazione;
- suscitare l’interesse del pubblico a cui vengono presentati i valori raccolti;
- condividere rapidamente i dati con le persone coinvolte;
- ridurre la necessità di data scientis per interpretare dati complessi;
- abbassare la possibilità di commettere errori per raggiungere gli obiettivi con rapidità.
In un contesto ampio tipo quello aziendale, la data visualization aiuta le imprese a comprendere quali fattori generano il comportamento dei propri clienti. Avere a disposizione i suddetti elementi, consente di fare cose come capire quando e dove piazzare certi prodotti, prevedere i volumi di vendita, ecc.
Nonostante quanto detto, va tuttavia ricordato che se si vogliono ottenere benefici tangibili la data visualization di big data implica l’investimento di risorse importanti. È quindi cruciale assumere uno specialista della visualizzazione, che sappia estrapolare i dati più significativi per l’azienda e scegliere lo stile di presentazione migliore.
Serve inoltre il coinvolgimento del reparto IT, poiché l’acquisizione dei valori su cui fare le analisi richiede una componente hardware adeguata, sistemi di archiviazione affidabili e (nella maggior parte dei casi) un passaggio in cloud.
L’evoluzione di data visualization e applicazioni
I primi esempi di data visualization sono quelli rappresentati dai grafici a colonna o a torta (molto utilizzati all’interno dei fogli di lavoro elettronici). Tali metodi sono tuttora in auge, perché semplici e di facile realizzazione, ma purtroppo anche piuttosto limitati.
L’aumento dei valori da inserire e il bisogno di scremare quelli di maggiore impatto, hanno reso necessaria la nascita di nuove tipologie di visualizzazione, ancora più articolate. Alcuni esempi interessanti sono: infografiche, bollicine, grafici puntati, mappe termiche e grafici di serie temporali.
I sistemi di presentazione dei dati odierni sono contraddistinti da animazioni, che ne mostrano in tempo reale l’evoluzione. Si possono usare, ad esempio, per monitorare la crescita della popolazione mondiale (partendo da un determinato anno fino ai giorni nostri), così da vedere quali nazioni hanno avuto il maggior impatto.
I settori in cui la data visualization svolge un ruolo decisivo sono moltissimi. Si parte da marketing (in cui si traccia principalmente il traffico web), politica (per scoprire i partiti più votati durante le elezioni) o sanità (con mappe coropletiche per tenere sotto controllo informazioni sanitarie rilevanti) e si arriva ad ambiti di ricerca scientifica, finanziaria, ecc.
