The end of mobile
There are about 5.3bn people on earth aged over 15. Of these, around 5bn have a mobile phone.
There are about 5.3bn people on earth aged over 15. Of these, around 5bn have a mobile phone.
Near-realtime Earth observation resources.
The Pudding’s guide on how to get started with data visualisations. Part 2 is here.
Individuals are unlikely to make much money by selling their own data, yet the same data in the aggregate can be worth a lot. Gregory Barber from Wired recently tried to put his facebook data on the market and managed to make a grand total of 0.3 cents.
The economics here are a bit like the economics of voting. If it were legal, and you tried to sell your vote and your vote alone, you might not get much more than 0.3 cents. That vote is unlikely to prove decisive. Yet average and marginal value do not coincide. If someone could buy a whole block of votes, which in turn could swing an election, the price could be much higher.
Wipawe Sirikolkarn ha analizzato i messaggi che si è scambiato per quattro anni durante una relazione a distanza – il risultato sono delle visualizzazioni molto minimaliste che raccontano la nascita (e la fine) di una relazione.
È successo lo scorso anno, come mostra questo grafico di Horace Dediu.
Il New York Times ha analizzato i dati che Google ha recentemente rilasciato relativi alle chiavi di ricerca più popolari del suo motore. Google rilascia i dati aggregati e anonimizzati, minuto per minuto (qua sta la novità: Google prima li rilasciava relativi a giornate, senza granularità maggiore), sulla popolarità di una determinata chiave di ricerca in un determinato momento della giornata. Questi dati, in altre parole, rivelano cosa cerchiamo:
The data shows that the hours between 2 and 4 a.m. are prime time for big questions: What is the meaning of consciousness? Does free will exist? Is there life on other planets? The popularity of these questions late at night may be a result, in part, of cannabis use. Search rates for “how to roll a joint” peak between 1 and 2 a.m.
L’analisi condotta dal New York Times si basa sopratutto su dati relativi a New York, ma gli stessi pattern possono essere ritrovati in altre città — fuori o dentro gli Stati Uniti (ad esempio, di mattina cerchiamo tutti le notizie). Con alcune differenze:
One interesting cultural difference I found is in what we do during lunch. Which searches spike around 12:30 on weekdays? In New York and most places in the United States, there does not seem to be a consistent lunchtime activity, but in other countries there are clear patterns. In Britain, people catch up on the news. In Japan, there is a noticeable rise in travel planning. In Belgium, it’s anything shopping related.
Edward Tufte ha scritto libri eccellenti sulle infografiche, ed è considerato uno dei principali esperti e pionieri in merito. In un articolo di Medium, intitolato Beyond Tufte, Karl Sluis ha consigliato nove libri a chi volesse avvicinarsi alle infografiche — e capirci qualcosina di più — che non sono stati scritti da Tufte (non per essere crudeli nei suoi confronti, ma per segnalare volumi meno conosciuto ma comunque validi).
Il primo in elenco, Now You See It, è nella mia lista da più di un anno — essendomi stato consigliato più volte:
Few [l’autore] covers a surprising amount of data analysis in Now You See It. The book provides an approachable introduction to data science, from navigating data to common patterns in time-series, deviation, distribution, correlation, and multivariate data. The below graphic is a great example of Few’s approach: here, Few regroups data by month to correct for periodicity and adds an average to help the reader see the patterns in the data.
Se volete un ebook gratuito, invece, segnalo Data + Design. Iniziai a leggerlo tempo fa, e prometteva bene (purtroppo non l’ho mai completato).
Questo tool è quasi magico, per quanto è facile da usare: prende una lista (tipo un CSV) e la ristruttura come volete voi, semplicemente partendo da un esempio che gli avete fornito. Tutto quello che dovete fare è dirgli come la prima riga deve venire trasformata; i dati che volete mantenere — come devono venire trasformati — e la struttura che volete dargli.
(Non si è capito molto? Andate a provarlo.)