Tendemos como humanos a patronizar las cosas, a categorizar un hecho y asumirlo como algo estático pero esto no es más que una mejora evolutiva de nuestro cerebro que nos permite ver la realidad de la forma más útil para nosotros ignorando todo el “ruido ambiental” que nos distraiga a la hora de nuestro único objetivo: la supervivencia.
La física nos puede enseñar mucho
En el año 1924 el físico Louis Victor de Broglie enunció en su tesis doctoral uno de los fenómenos cuánticos más revolucionarios: “toda partícula tiene asociada una onda a ella”. En otras palabras, las partículas se manifiestan de dos maneras: como materia y como onda, y como tal se pueden percibir de ambas. A esto se llamó la “dualidad onda-corpúsculo”. Como humanos y europeos hijos del racionalismo nos es imposible interiorizar que un elemento puede ser dual, y en ese sentido la física cuántica nos ha demostrado empíricamente que por estadole naturaleza cualquier partícula tienen propiedades que pertenecen a distintos ámbitos.
Si a este concepto, el de la dualidad sobre cómo se manifiestan las partículas, le realizamos un ejercicio de abstracción, ampliando su alcance y trayéndonoslo a un ambiente más cercano como es la obtención de información del mundo real. Podemos decir, que un conjunto de datos puede tener información en sí mismo y a la vez tiene utilidad por la forma en la que se le asocie al resto de factores con los que interactúa. Así según el filtro que utilicemos para centrarnos en un ámbito o en otro y la naturaleza que nos interese del dato lo podremos hacer más o menos interesante para un determinado usuario alineando todas estas variables con el objetivo final del usuario al que nos dirigimos.
Un dato es mucho más que un dato
Cuando queremos medir nuestro entorno, centramos la atención en el valor medido, pero en algunas ocasiones esto no es lo más importante. Nos falta introducir en la ecuación la variable más compleja: el usuario. Según el objetivo central del usuario que quiere analizar este dato la información a mostrar se tiene que gestionar de una forma concreta: de manera puntual, en conjunto, asociada, etc. y de la misma forma podremos definir qué recursos utilizar para su visualización: gráficas en barras, datos tabulados, o simplemente indicadores de estado. Entonces como resultado a esta problemática… ¿Cómo representamos el dato?, ¿cómo una onda, como una partícula?… ¿como una gráfica, como datos tabulados, o quizás como un único valor parametrizado?
Desde hace unos pocos años, la tecnología ha avanzado hasta niveles donde el Big Data, se encuentra al alcance de gran parte de las empresas de cualquier sector y tamaño. Ya no es raro que pequeñas y medianas empresas traten de aprovecharse de las tecnologías que sustentan Big Data para crecer y ser más competitivas. Gracias a que se ha hecho mucho más accesible con las herramientas que ofrecen Amazon, Google, o Microsoft en sus respectivas plataformas de Cloud Computing. Este acercamiento está generando nuevos retos, y gran parte de ellos no recaen en la parte técnica del asunto, si no en otras facetas que se pueden considerar más bien filosóficas o analíticas.
El reto sobre el que queremos incidir en este artículo, y que quizá no se valora correctamente, es la visualización de los datos (o Big Data Visualization o simplemente “data visualization”); y cómo obtener el máximo rendimiento de los datos mediante la forma de agruparlos y mostrarlos tras su análisis. Más allá de todos los retos técnicos que tiene definir algoritmos de análisis para una gran cantidad de datos el objetivo del “data visualization” es mostrar al usuario la información que necesita de la forma más sencilla (gráfico, tabla, ejes, texto,…).
El “data visualization” se puede tratar como una nueva corriente dentro del Big Data y en ciertas ocasiones se engloba dentro del Bussiness Intelligence. Es una corriente muy en auge y que ofrece a día de hoy muchas posibilidades a la hora de mostrar la información: gráficos, infografías, tablas de datos “smart”, vídeos generados al vuelo, pseudo-lenguajes para generar informes, o incluso sistemas que generan lenguaje natural; todo para ofrecer al usuario la mejor experiencia.
La visualización de datos dentro del Big Data, tiene un objetivo principal: “mostrar en una imagen, lo que equivale a cientos de palabras”. Esto es especialmente importante en los campos de estudio donde se dan miles o millones de registros, relacionados por gran cantidad de variables (por ejemplo, la meteorología) y donde se tiene que condensar una gran cantidad de información para ofrecer un beneficio real al usuario de los datos.
Aterrizando
Si gestionamos un sistema de alerta temprana, como la herramienta SUAT, hay que contemplar los objetivos que tiene cada uno de los diferentes perfiles, o roles, de usuarios que pueden utilizar la herramienta.
Por ejemplo, a un gerente le interesar tener una visión general del estado de las zonas que tiene monitorizadas, que previsión hay de intensidad de lluvia, temperatura, o otras variables climáticas, pero quizás el dato en si pierde valor y simplemente se requiere un control básico donde con colores indiquemos que niveles de alertas hay en las distintas zonas que se controlan desde su herramienta en el momento de la consulta. Para este rol, un cuadro de mando donde se agrupen los tipos de alertas indicando la gravedad y numero, sería suficiente.
En cambio, para un operario de un embalse, su dato más importante será la serie temporal de caudal previsto, y no una simplificación ni agrupación, si no la serie dentro de un intervalo temporal. Para este rol, una gráfica donde el eje horizontal sea el paso del tiempo y en el eje vertical sea el caudal permitirá una gestión más adecuada de una avenida.
Por último, también un alcalde de una población el principal interés que tiene es si el nivel del agua sobrepasará una mota que protege a su población de las avenidas. Así para este perfil, podríamos tener un texto, donde le indicaríamos en la hora aproximada de desbordamiento de la mota, para que se pudiera gestionar los procesos de emergencia que se estipulen.
Esto son ejemplos, donde todo parte del mismo dato. Pero todo tiene un valor diferente, una visualización diferente.
Cerrando el círculo. De la onda a la partícula, y de la partícula a la onda
Los datos en bruto tienen valor, pero tiene mucho más interés cuando este dato se analiza e interpreta correctamente. A lo largo de este análisis hemos querido mostrar que podemos ir un poco más allá de la minería de datos extendiendo la obtención de beneficio a la forma en cómo se muestra y resume: en un gráfico, en un color, en una cifra….
En definitiva, pensar que por tener un dato se tiene ya todo el rendimiento posible, es totalmente erróneo. Un dato tiene mucha más potencialidad, cuando lo situamos en un ámbito, lo analizamos en su conjunto y generamos una visualización que sepa plasmar toda su información de manera que sea fácilmente interpretable.
