In un'era in cui le risorse naturali sono pericolosamente vicine all'estinzione, l'essere umano è riuscito a trovare una nuova risorsa che, almeno per il momento, sembra essere in aumento piuttosto che in calo: i dati.
I dati sono la risorsa primaria di quasi tutti i nuovi modelli di business e sono talmente importanti che sono stati paragonati a risorse preziose come oro o petrolio.
In un mondo sempre improntato alla velocità, i dati tendono sempre ad arrivare al richiedente già parzialmente preparati, ma come scriveva Tim Berners-Lee, i dati sono più utili grezzi perché lavorandoli si riducono le loro potenzialità espressive.
I dati, grezzi o lavorati, sono alla base di diversi processi di business, ma anche e soprattutto di design. Infatti, la data visualization, da un lato, rende i fenomeni complessi visibili, accessibili, comprensibili e utilizzabili; dall'altro, funge crea rappresentazioni visuali per aiutare coloro che devono prendere delle decisioni.
Con la sua esperienza di design e di business, Paolo Ciuccarelli ha creato un vademecum composto da 3 premesse e 10 pilastri che aiutano meglio a comprendere gli scopi e le infinite possibilità di sviluppo dell'analisi e visualizzazione dei dati.
- Data visualization is meaningful: la data viz nasce in ambiente scientifico, ma è da quanto si è spostata al di fuori di esso che ha davvero acquistato una maggiore attenzione. Solo negli ultimi 5 anni, le richieste per una posizione di Data Analyst sono cresciute del 372%, mentre l'utilizzo della data viz vera e propria è aumenato del 2574%.
- Sight is our broadband sense: perché la data viz è così importante? Perché tra tutti i sensi, quello della vista è il più sviluppato e utilizzato nell'essere umano. Secondo Rudolf Arnheim, il nostro pensiero è visuale, noi produciamo immagini.
- It's not just fashion: la data viz non è solamente una moda passeggera, ma l'utilizzo di grafici per esemplificare concetti e pensieri trova le sue radici nella storia dell'uomo.
Queste sono le tre premesse di base della data visualization, a cui bisogna aggiungere i dieci pilastri fondamentali. Questo elenco è, per stessa ammissione del suo creatore, un work in progress, composto da elementi che già sono fondamentali e elementi che lo diverranno presto.
1.Data on its own is meaningless: se il data mining è un processo essenziale, il dato non è nulla senza la costruzione del suo significato.
2.Weave the dimensions: è necessario contestualizzare il dato, per potergli dare un significato.
3.WYSINWYG (What You See Is Not What You Get): non si può progettare la visualizzazione giusta senza sapere chi è il proprio pubblico e di che cosa è a conoscenza. L'interfaccia deve adattarsi a chi c'è dall'altra parte. È necessario essere in grado di mediare le due anime della visualizzazione dei dati: l'analysis (data viz science – expert) e la narration (infographics – media- public). Si parte dall'analisi dei dati per arrivare alla narrazione; per fare ciò bisogna, per esempio, aggiungere context (understanding), message (communication), motivation (engagement).
4.Every visualization is an interpretation: non c'è mai davvero niente di veramente oggettivo in una data viz!
5.Allow multiple perspectives: per usare le parole di Bruno Latour: "Objectivity can be pursued only by multiplying the points of observation".
6.Extend the visual variables: per fare ciò si possono usare le cosiddette 4 V: Volume, Variety, Veracity, Velocity. Inoltre si deve giocare con le sei variabili visuali: dimensione, valore di luminosità, texture, colore, orientamento, forma. Fatto questo, ovviamente, si deve tornare al punto 4!
7.Fight the hairball: per quanto possibile bisogna cercare di mantenere una linearità di fondo nel creare una data viz. Una maggiore complicazione non assicura una maggiore attendibilità del grafico.
8.Design through time and space: in un mondo tattile come il nostro, bisogna fare in modo che gli users delle nostre data viz siano in grado di poter "toccare con mano" ciò che noi gli presentiamo.
9.Try beyond a quantitative approach: questo è, forse, uno dei punti che attendono ancora il loro pieno sviluppo perché solo recentemente si è cominciato a considerare foto e video come possibili fonti di dati.
10.Show what is behind the data: anche questo punto è ancora oggetto di revisione, soprattutto perché apre una serie di discussioni etiche relative alla privacy.
