30 gennaio 2023

Data Visualization: come generare valore con la rappresentazione dei dati

Tradurre i dati in grafici o altri elementi visivi è utile per comunicare le informazioni in modo universale, veloce ed efficace.

Grazie a questa lettura potrai comprendere la differenza tra dato, informazione e conoscenza; scoprire la definizione di Data Visualization e cosa fare per evitare errori nel processo.

I temi sono stati affrontati nel corso di una Open Lesson organizzata nell'ambito dell’Executive Master Big Data, Intelligenza Artificiale e Business Analytics, tenuta da Mario Di Giorgio, Interaction Designer presso BSD Design.

Executive Master Big Data, Intelligenza Artificiale e Business Analytics
  • 22 marzo 2024
  • 7 weekend
  • LIVE STREAMING O IN AULA A MILANO
4.100 € 3.600 €
Iva esclusa

Conoscere la differenza tra dato, informazione e conoscenza

Prima di concentrarci sulla Data Visualization è il caso di fare una piccola digressione chiarendo innanzitutto cos’è un dato.

La parola dato deriva dal latino datum (che significa dono, cosa data) ed è una descrizione elementare codificata di un fenomeno, di un evento, di un avvenimento o di altro. In pratica, tutto ciò che è immediatamente presente alla conoscenza, prima di ogni forma di elaborazione.

Possiamo assumere, quindi, che i dati nascano dall’osservazione di aspetti e fenomeni elementari, non si tratta di oggetti descrittivi ma di oggetti che devono essere elaborati prima di diventare informazione e conoscenza.

Soltanto dopo aver compreso a pieno cos’è un dato possiamo passare al significato di informazione.

La parola informazione deriva dal sostantivo latino informatio(-nis) (dal verbo informare, nel significato di dare forma alla mente, insegnare), veniva usata per indicare un concetto o un'idea. L’informazione, quindi, è l’elaborazione di un insieme di dati, correlati tra loro, con cui un'idea (o un fatto) prende forma ed è comunicata attraverso il processo di interpretazione dei dati, che diventano comprensibili per il destinatario.

Un valore opportunamente elaborato può trasformarsi in informazione. 

L’ultimo tassello, è la conoscenza. Quest’ultima deriva dal collegamento di un’informazione con altre informazioni rispetto ad un contesto specifico, oppure dal confronto con conoscenze già acquisite che consentono di generare conoscenza. 

La Data Visualization e l’etica dei dati  

Non esiste purtroppo una definizione univoca per il concetto di Data Visualization, ma possiamo provare a sintetizzarla con la seguente frase:  

Rappresentazione visiva che consente di trasformare i dati in informazione, permettendo di esplorarli attraverso diversi tipi di associazioni

Oppure, citando Alberto Cairo

Every phenomenon that can be perceived or measured can be described as information 

Vale a dire, ogni fenomeno che può essere percepito o misurato può essere descritto come informazione.

La Data Visualization, quindi, è l'elaborazione di numeri, lettere, immagini e suoni al fine di creare una rappresentazione che consenta di trasformare i dati in informazione, permettendo di esplorarli attraverso diversi tipi di associazioni.

In linea generale, si parte da un elemento grezzo, gli si da una codifica visuale o testuale, e si arriva ad una decodifica da parte dell’utente, che di conseguenza effettua un’azione.

Questo naturalmente concentra un potere incredibile nelle mani dei progettisti di Data Visualization, e difatti nel corso degli ultimi anni si è aperta la discussione anche sul concetto di data ethics.  

L’etica dei dati studia i problemi morali che si relazionano con essi; questo perché i dati processati generano sempre un impatto che può essere positivo o negativo, su persone ed organizzazioni. Ed anche se spesso si tende a dare la colpa alla sola visualizzazione, in realtà, gli errori possono essere compiuti durante uno qualsiasi degli step che ci permettono di giungere alla visualizzazione, come ad esempio un'errata scelta della fonte.

Pertanto, i progettisti hanno la grande responsabilità di massimizzare gli impatti positivi ed annullare i negativi. 

Cosa possiamo fare per evitare errori nella Data Visualization 

Il metodo più interessante è il data ethics canvas che consiste in una serie di blocchi contenenti domande, poste a noi stessi, che ci aiutano a prevenire gli errori.

In sintesi, la Data Visualization ha come scopo la rappresentazione del dato, per informare le persone e creare conoscenza. Questo è ciò che bisogna sempre tenere a mente quanto si crea una visualizzazione che deve essere eticamente valida. 

Ma come avviene nella pratica il processo di elaborazione di dei dati che ci consente di trasformarli in visualizzazione? 

Per approfondire queste tematiche non perderti le prossime iniziative e Open Lesson e consulta la nostra selezione di Master e corsi per acquisire le tecniche e le competenze di Data Management.

Autore: Cristiano Cusimano - Data Analyst presso Plenitude e Tutor del Master Executive Master Big Data, Intelligenza Artificiale e Business Analytics


Scopri la nostra selezione di Master



Leggi di più

Altre news che potrebbero interessarti