Alexandra Instituttet A/S // Cases // Visualisering af big data

Visualisering af big data

Case

Visualisering af big data

Visual Analytics gør rå data let tilgængelige

Alle, der arbejder med store datamængder - lige fra offentlige myndigheder til virksomheder - kan have glæde af Visual Analytics, der gør tekniske, kolde data visuelle og dermed forståelige for alle.

Normalt optræder data og store datamængder som tal på en graf, der kan være abstrakte at forholde sig til. Det kan gøre det svært at sætte dataene ind i en kontekst og opstille hypoteser og dermed i sidste ende træffe beslutninger ud fra dataene.

Det var den udfordring, som man stod med i et projekt på Grundfos Kollegiet placeret på Aarhus Ø, hvor man skulle analysere beboernes energiforbrug. Kollegiet er et energimæssigt testlaboratorium, der er udstyret med ca. 4.000 sensorer, der måler alt fra elektricitet til varme og vandforbrug. Samtidig samarbejder forskellige faggrupper som ingeniører, dataloger, sociologer og antropologer på tværs af laboratoriet. De har alle deres måde at tilgå dataene, hvilket gør det svært at kommunikere på tværs af faggrupperne.

Men hvordan skaber man en fælles referenceramme, når de skal tilgå data og afprøve forskellige hypoteser om beboernes forbrug? Løsningen var at udvikle værktøjet “Affinityviz”, som visualiserer de store mængder af data i et diagram, der er en digital tvilling af bygningen.

Startdato 01-09-2014

Værktøjet “Affinityviz” er udviklet af Matthias Nielsen, der er ekspert i webbaseret datavisualisering. Igennem hans ph.d.-projekt Interactive Visual Analytics of Big Data - a Web-Based Approach ved Aarhus Universitet har han forsket i teknikker, der sætter dataene ind i en kontekst, så brugeren lettere kan anvende og analysere dataene.

Ideen med “Affinityviz” er, at man bruger bygningens layout til at fortælle, hvor dataene kommer fra. Man kan se, at det er en lejlighed i en bygning, at man har med at gøre, og dermed bliver det lettere at læse dataene, og folk får en fælles forståelse af dataene.

Dette gør det nemmere læse visualiseringen i en bestemt kontekst og eksplorativt undersøge data, og det gør det lettere - og hurtigere - at undersøge de hypoteser, som man har omkring dataene. Det kan være el- og varmeforbrug.

Det er et oplagt værktøj for alle beslutningstagere i offentlige institutioner, som ofte har behov for at overskue store mængder af data - og træffe beslutninger ud fra det.

Visual Analytics er et felt i rivende udvikling, der handler om at omsætte data til visuel struktur - kort sagt: at gøre data, som er noget teknisk, koldt og kvantitativt til noget forståeligt for folk, der gerne vil bruge data, men ikke har kompetencer til at udfylde mellemrummet mellem data og potentiel viden.

Visual Analytics er et beslutningsstøtteværktøj, der viser data på en bestemt måde, så man selv kan definere hypoteser og undersøge, hvordan tingene hænger sammen.

Målet med Visual Analytics er at gøre data åbne for alle. Alle offentlige instanser lige fra den mindste kommune til nationale instanser som Danmarks Statistik kan med fordel bruge det. Offentlige data er rent teknisk tilgængelige, men hvis de ikke er visualiserede, kan de være svære at anvende. Ved at se dataene kan brugerne træffe mere datadrevne beslutninger.

Værktøjet er teknisk let tilgængeligt. Man kan åbne det i sin webbrowser eller sende linket til de brugere, man arbejder sammen med. Man slipper dermed for at installere programmer, plugins eller lignende. Med værktøjet kan man lave moduler, der fletter det ind i de eksisterende webplatformsløsninger, man allerede har.

Matthias Nielsen er ekspert i webbaseret visualisering af data. Igennem hans ph.d.-projekt Interactive Visual Analytics of Big Data - a Web-Based Approach ved Aarhus Universitet har han forsket i teknikker til interaktiv visualisering af store datasæt i webbrowsere.

Vi kan hjælpe dig med at gøre data tilgængelige, så du lettere kan tage dem i brug og analysere dem!

Kontakt
Software Developer and Visual Analytics Specialist
Interactive Spaces Lab
+45 20 65 13 16
Profilbillede af Matthias Nielsen Se profil
.