Home / Tag Archives: pie chart

Tag Archives: pie chart

Big-data: tutto iniziò con i grafici a torta

Viviamo nell’era dell’interconnessione, l’era dell’ubicom (ubiquitous computing), in una costante produzione di dati e meta-dati che condividiamo – più o meno coscientemente – in più modi di quanto possiamo immaginare. La massiccia produzione di dati alla quale ognuno di noi quotidianamente contribuisce è sempre più spesso oggetto di discussioni; suscita dubbi e preoccupazioni per alcuni, risorse e ricchezze per altri. Termini come big-data, data-analytics, data-science sono al centro di un dibattito che ogni giorno cambia un poco il mondo in cui viviamo, ma molti di noi non ne conoscono bene i fondamenti, gli strumenti né le origini. Certo comprendere e mettere a sistema la grande mole di dati oggi disponibili a tutti non è un compito semplice, ma sarebbe bene che, visto che ne siamo tutti parte, capissimo un po’ meglio cosa intendiamo quando parliamo di data-science. Non essendo un data-scientist, sono andato a cercare alcuni articoli scientifici che introducessero all’argomento e ho scoperto un gran numero di personaggi entusiasmanti. Così oggi ho deciso di scrivere del papà di tutti i grafici: William Playfair.

Ma andiamo con ordine: cos’è la scienza dei dati e perché è importante per noi architetti? Per rendere le cose più semplici, non esiste una definizione stringata ed universalmente riconosciuta. La si potrebbe definire come una pratica interdisciplinare che utilizza tecniche, teorie, processi e strumenti di matematica, statistica, scienza dell’informazione e Information Technology per estrarre, raggruppare, analizzare e rappresentare dati con l’obiettivo di capire o prevedere determinati fenomeni sociali o naturali. Non la più elegante delle definizioni, questo è sicuro. Magari non è facile definire cosa sia ma, sapendo quale sia il suo obiettivo, possiamo sapere in maniera schematica come opera. Secondo Ben Fry possiamo articolare uno studio di data-science in sette fasi: la raccolta, l’analisi, il filtraggio, l’estrazione, la rappresentazione, la rifinitura e l’interazione. Come bere un bicchier d’acqua. D’accordo, l’operazione non sarà delle più semplici, ma i suoi campi d’applicazione non sono da meno: la data-science ci permette, ad esempio, di capire in che modo le nostre città si stanno evolvendo, come si comportano i loro abitanti e, soprattutto, come possiamo agire perché si evolvano in meglio. L’analisi dei big-data ci consente di acquisire informazioni sugli abitanti delle nostre città e di ottimizzare i processi urbani, di programmare attività e progettualità per venire incontro alle loro abitudini, alle loro aspirazioni. Diversamente dalla classica pianificazione top-down, in cui i pianificatori decidono in che direzione, con che modalità sviluppare la città, l’analisi dei dati degli utenti consente di progettare le città del futuro con una logica bottom-up, in cui sono i comportamenti degli abitanti ad influenzare lo sviluppo urbano in maniera controllata. Lo chiamano Data Urbanism, potremmo parlarne molto a lungo e mi riprometto di farlo.

Ma ora c’è una domanda più urgente a cui rispondere. Mentre leggevo scenari futuri entusiasmanti – o distopici, da questo punto di vista nel mondo dei big-data non ci si annoia – non riuscivo a smettere di chiedermi: ma come è iniziato tutto? Con i potenti mezzi a mia disposizione ho deciso di ricorrere alla più tagliente delle armi. Così ho cercato su Google “how did big data emerge” e ho trovato questo interessante articolo di Forbes. Interessante, certo, ma non era quello che credevo. Ero certo che una scienza così complessa non potesse avere uno sviluppo così lineare. Così, continuando a cercare sono incappato in William Playfair. Lui era l’anello mancante tra me e le infografiche color pastello su Facebook, la risposta alla domanda che nessuno prima di allora si era fatto: c’è un modo migliore di rappresentare i dati che infiniti tabulati? Non che a Playfair interessassero particolarmente i grafici: non era un matematico, né uno statistico o un censore. In compenso è stato, nell’ordine: costruttore di mulini, ingegnere, contabile, inventore, orafo, mercante, broker, economista, scrittore, pubblicista, traduttore, banchiere, giornalista e spia del governo britannico. Nato nel 1759 in una facoltosa famiglia scozzese, mentre i fratelli seguivano noiosamente solide carriere (James architetto, John matematico e professore all’Università di Edimburgo) William si dedicò alla più nobile delle attività umane: il fallimento. Con una costanza encomiabile, quasi tutte le attività intraprese da William si rivelarono un insuccesso clamoroso: prima la sua attività di orafo, poi la sua attività di banchiere, infine quella di ingegnere. Nonostante queste imprese così infruttuose, Playfair, con costanza stoica, continuò la sua attività di scrittura e di pubblicazione in una varietà di temi, focalizzandosi sull’economia e la politica. Tuttavia, neanche questa attività sembrava andare per il verso giusto. Secondo Beniger e Robin, quando alla metà degli anni ’70 del XVIII secolo scriveva il suo “Commercial and Political Atlas”, Playfair si ritrovò a dover affrontare un’inconsistenza nei dati. Per riportare le attività di commercio in importazione ed esportazione per diversi paesi, aveva ideato il grafico a linee – risultato, questo, incredibile di per sé – che però non poteva usare per descrivere l’andamento del mercato scozzese a causa di dati insufficienti. Per sopperire all’insufficienza decise di rappresentare i dati attraverso un sistema di barre, divise per i differenti partner commerciali. Così, dopo una notevole serie di insuccessi, in una sola mossa Playfair compì una doppia rivoluzione nella rappresentazione dei dati, inventando il grafico a linee e quello a barre. Se oggi qualcuno mi chiedesse di rappresentare l’evoluzione di un determinato parametro in un certo arco temporale, non credo che avrei una soluzione migliore di quelle inventate a Playfair. Ma la sua rivoluzione non si arresta negli anni successivi: nel 1801 pubblica “Statistical Breviary”, in cui compare per la prima volta il re di tutti i grafici: il grafico a torta. È l’inizio di un nuovo modo di intendere i dati, perché i grafici di Playfair non sono solo una nuova forma di rappresentazione, ma uno strumento di comprensione che contiene un approccio operativo. Il dato non è più solo dato, ma informazione in relazione diretta con altri dati, strumento di controllo, di previsione. E se i dati, visti così, sono tanti, diventano “big”.

Se Playfair non avesse avuto quella meravigliosa tenacia, quella costanza nel fallimento di opere in fondo così piccole, quella capacità di risolvere i problemi attraverso nuovi sguardi diagonali, oggi di tutti i dati che estraiamo dai nostri Smartphone probabilmente non sapremo che farne. Ecco perché, per me l’avventura della data-science inizia qui, con il grafico a torta.