Che una persona si occupi di scienze umane o di fisica quantistica, di geologia o di giornalismo, di marketing o di biologia molecolare, oggi può – e forse dovrebbe – aver a che fare con i dati.
L’importanza basilare delle misurazioni in senso lato è spesso acquisita e data per scontata. L’argomento – in certi ambienti – è considerato banale quasi quanto una conversazione sul tempo atmosferico.
Altra ovvietà: le possibilità e le modalità di reperimento dei dati sono aumentate esponenzialmente grazie a Internet.
Si pensi a quanto si parla dei famigerati big data e dell’approccio data driven, orgoglio di molte aziende.
Questi ed altri termini, però, sono avvolti da un alone di mistero. Questo nella migliore delle ipotesi: il giudizio – e soprattutto il pregiudizio – verso il mondo dei numeri spesso si traduce in un totale rifiuto verso elementi utili e in certi casi essenziali.
Per farla breve, una sorta di Luddismo 2.0.
Ma come mai l’avvicinamento al mondo dei dati non si traduce in volontà di comprensione e conseguente utilizzo?Una delle possibili spiegazioni di questo rigetto potrebbe essere data dall’impossibilità di capire i dati, cioè fruirne in modo semplice e al contempo efficace, il tutto senza perdere di vista la complessità.
E qui entrano in gioco i colori.
Spesso, trasformare i dati in informazione significa passare da una spaventosissima griglia Excel in cui ognuna delle circa quattrocentocinquantamila celle suddivise in un centinaio di colonne contiene un numerino incomprensibile a un semplice grafo, possibilmente coloratissimo. La semplicità visiva permette a molte persone di dare un senso ai dati, ovviamente dopo averli acquisiti e organizzati: dà la possibilità di cogliere possibili pattern, andamenti nel tempo e nello spazio di ciò che si è misurato e così via.
Data visualization, visual information design, data storytelling… chiamalo come vuoi, basta che nella pratica offra modalità veloci e – perché no – eleganti per districarsi all’interno della giungla di dati in cui viviamo.
Questo ce lo racconta benissimo il giornalista David Mc Candless Sul suo Blog e in un TED molto interessante
Nei link qui sopra e più in basso troverai esempi, ma qui ne trovi davvero a bizzeffe, e il colpo d’occhio di questo elenco non mi sembra affatto male.
Tra i tanti possibili e declinabili alle diverse esigenze, il modello di visualizzazione “a rete” mi affascina moltissimo. Ecco un esempio creato con Gephi importando un dataset composto da diversi contenuti di Twitter, rappresentati dai diversi colori:
Ciò che salta subito all’occhio è l’accento posto sui legami tra diverse entità. La prospettiva relazionale della network analysis – infatti – ha come obiettivo quello di analizzare i nodi connessi attraverso link sotto possibili diversi punti di vista. La visione d’insieme è utile e necessaria per cercare di decifrare la struttura della rete e capire dove approfondire restringendo il campo in un secondo momento, per esempio alla ricerca di hub o clusters, parole che oggi sono entrate nel linguaggio corrente e che stanno a significare rispettivamente un nodo più o meno iper-connesso – uno dei punti nevralgici della rete – e un sottoinsieme di nodi strettamente connessi tra loro in virtù di caratteristiche simili.
Un illuminante libro di Albert L. Barabàsi – di facile lettura nonostante il tema sia relativamente complesso – spiega gli elementi principali di questa scienza delle reti, che ha applicazioni diverse: dall’informatica all’ archivistica, passando – ovviamente – per le digital humanities. Qui trovi un esempio a mio avviso molto affascinante che permette di capire che strumenti del genere possono offrire una prospettiva diversa, la visione d’insieme: facciamo un passo indietro e osserviamo.
Riconnettiamo i riduzionismi.
Infine, torniamo all’eleganza cui si accennava sopra: se vuoi vedere chi coi dati ci fa arte puoi cliccare qui e qui.
Zino
