C’est quoi le Big Data en fait ?
Le paysage du Big Data est défini par les quatre V :
- volume;
- vélocité;
- véracité;
- variété.;
Il comprend également des données visuelles interactives qui transmettent des informations et engagent l’utilisateur. La conception classique de la visualisation dans l’analytique consiste à présenter les résultats de données agrégées sous forme de graphiques d’aide à la décision aux cadres d’une entreprise. Il s’agit d’établir une vue synthétique des idées dérivées basées sur des ensembles de données sources pour faciliter la prise de décision. Dans le contexte des systèmes BI traditionnels, cela signifie que les résultats dérivés sont visualisés sur la base de modèles de données imposés aux données brutes. Cet argument peut être étiré pour affirmer que la représentation visuelle concerne la causalité dans les données qui explique les résultats dérivés.
La différence dans les systèmes de big data, lorsqu’il s’agit de visualisation, est qu’elle est utilisée pour montrer les données en mouvement. Par conséquent, il s’agit de « visualisations » de divers flux de données qui transmettent leur affinité de manière visuelle. Il s’agit d’une tentative de montrer les corrélations entre divers ensembles de données. Elle repose sur le principe que le cerveau humain peut découvrir un modèle visuel bien mieux qu’une corrélation entre des résultats calculés en mode texte. La plupart des systèmes de big data ne sont pas des systèmes déterministes et ils présentent une carte visuelle de sources multiples en fonction de leurs affinités fortes et faibles. Les experts du domaine interprètent une relation causale, si elle existe, et prennent des mesures en fonction du contexte.
L’essor des réseaux sociaux et de l’IoT est l’un des principaux moteurs du regain d’intérêt pour la visualisation des données. Dans l’analyse des réseaux sociaux, la distance géospatiale n’est pas nécessairement liée à l’affinité sociale entre deux personnes. Dans le contexte de l‘IdO, les données du réseau de capteurs dans une configuration maillée ou dans un réseau ad hoc, et doivent être visualisées pour comprendre les modèles d’utilisation ou de consommation et de dispersion. Ceux-ci sont beaucoup plus faciles dans un domaine visuel, car il montre à la fois la pensée du cerveau droit et du cerveau gauche des décideurs ou des experts.
La visualisation dans le big data
L’intérêt pour la grammaire visuelle qui couvre l’iconographie, le design d’interaction, la police et la palette de couleurs est croissant en raison de l’explosion des interfaces entreprise-consommateur par le biais d’applications sur les appareils. L’analytique traditionnelle se concentre sur les utilisateurs professionnels au niveau de la direction, tandis que l’analytique des big data est orientée vers la couche opérationnelle, y compris les consommateurs. C’est aussi la raison pour laquelle la visualisation dans le big data est si étroitement liée au design thinking, en raison de l’accent mis sur l’ethnographie du design.
Vu la croissance exponentielle de ce segment en Inde, il est temps pour nous de développer une grammaire visuelle, qui est ancrée dans un éthos indien qui plaira à la fois, aux audiences rurales et urbaines.
Dans le monde actuel, tout le monde veut des preuves en termes de données, mais tout le monde appréciera le message à travers une histoire basée sur un ensemble de données sous-jacentes, où la visualisation est le compteur.
