Тема: Инструменты 4
Програмное обеспечение, позволяющее визуализировать статистическую информацию. Помощники инфографера. Для того, чтобы визуализировать информацию, не обязательно быть дизайнером. Накопилось уже много всяких разных инструментов от всем известного Excell до специализированных инструментов для журналистов Knightlab. Мы делимся с вами самым интересным в этом разделе. А какие инструменты знаете вы? Делитесь в комментариях к данному разделу. Присылайте письма.
Портал открытых данных
Евросоюз запустил новую версию портала открытых данных.
Размах доступа к данным впечатляет: транспорт, финансы, города, сельское хозяйсво, образование, здоровье, наука, — всего 433 800 наборов метаданных со всего континента. Данные собирают с открытых порталов во всей Европе.
Использовать данные может, кто угодно и для любых целей. На самом портале есть рекомендации о том, как с ними обращаться и какие навыки для этого нужны. Цель проекта — свободный доступ к данным, прозрачность и честная конкуренция.
TwXplorer — новый бесплатный инструмент от Knight Lab
В довесок к четырем инструментам, про которые мы уже писали, Knight Lab выпустил еще один бесплатный сервис — TwXplorer. Его задача — помочь журналистам и всем тем, кто работает с Big Data, находить и анализировать актуальные дискусии на Twitter.
По сравнению с поиском на самом сайте, в TwXplorer есть еще дополнительные функции, которые помогают эффективнее отследить текущие тренды и ответвления от темы.
С помощью TwXplorer можно:
— искать слова или фразы на 12 языках:
— отслеживать запросы, тэги и ссылки, имеющие отношение к вашему запросу:
— сохранять снэпшоты для дальнейшей работы
Для того, чтобы воспользоваться сервисом, нужно просто залогиниться прямо на сайте TwXplorer со своим Twitter аккаунтом.
Интервью: Николас Фелтон о персональных данных в эпоху Big Data
За последние несколько лет довольно сильно изменилось отношение к понятию «персональные данные». Сейчас каждый из нас знает, каким образом может быть получен доступ к его личной информации, как она может быть использована и даже монетизирована. Нам известно и о тех опасностях, которые эта информация представляет в том случае, еcли ее владелец не осознает своей собственной открытости: простая привычка чекиниться в определенных местах может повлечь за собой не только месяцы безобидной таргетированной рекламы, но и активизацию гораздо более страшных механизмов, которыми пользуется Агентство Национальной Безопасности США. Как для персональных данных, так и для информации, которая находится в открытом доступе, наступили непростые времена, но это — лишь начало рассвета инновационных способов работы с данными.
Среди тех, кто всерьез озабочен этими вопросами — информационный дизайнер Николас Фелтон. На протяжении своей переменчивой карьеры — и как один из дизайнеров Хроники Facebook, и в своем собственном приложении по сбору персональных данных Daytum, и в постоянно меняющихся личных годовых отчетах — Фелтон неизменно переводит данные в концептуальную область и изобретает новые способы визуализации математических данных.
In data we trust?
Власти Бостона запустили приложение Street Bump, которое само собирает информацию о выбоинах на дороге. Достаточно установить его на смартфон и взять с собой в машину, и Street Bump с помощью встроенного акселерометра сам будет находить ямы и сообщать о них городской администрации (опираясь на данные GPS). Все здорово. Только практика показала, что значительно больше сообщений поступает из обеспеченных районов. Там больше людей в состоянии купить личный автомобиль и смартфон, их жители, как правило, лучше информированы о возможности помочь таким образом городским властям и чаще видят в этом смысл. Такого рода перекосы в данных приводят к тому, что дороги лучше чинят в богатых районах. А это, в свою очередь, вызывает у публики недоверие к подобным инициативам.
У многих сталкивающихся с новыми алгоритмами сбора и анализа данных возникает надежда, что наконец-то мы будем получать реальную информацию, не подверженную тлетворному влиянию человеческого фактора. Это вам не социологические опросы, где ленивые низкооплачиваемые сотрудники норовят сами заполнить анкеты за респондентов. За дело берутся неутомимые, объективные и беспристрастные компьютеры!
На деле и здесь методы сбора информации во многом определяют ее ценность. Помимо очевидных ошибок при постановке задачи и неверных математических моделей, возникают и менее явные сложности. Например, сам принцип сбора данных может подразумевать определенный уклон, как в случае с Street Bump.
Это всего лишь один из промахов, которые встречаются на тернистом пути работы с Big Data. Slon разобрал еще 7 интересных кейсов и выяснил, почему же проваливаются амбициозные проекты по анализу данных. Вот линк на статью целиком: ИНТЕРПРЕТИРУЙ ЭТО. КАК ИЗБЕЖАТЬ ОШИБОК BIG DATA. Рекомендуем.