El miércoles estuve en la ponencia que José Luis de Vicente impartió en EOI acerca de Visualización y Open Data en la cual presentó la convocatoria de proyectos que investiguen y representen a través de datos el funcionamiento de sistemas.
La exposición sobre técnicas modernas de visualización de datos basadas en herramientas como Bloom, Impure o mucha otras me hizo reflexionar acerca de las metodologías de minería de datos que son más adecuadas para tratar el Big Data.
Tradicionalmente la minería de datos ha estado basada mayormente en el método científico por un lado del cual el descubrimiento de las órbitas elípticas de Kepler es mi ejemplo favorito, y por otro lado en matemáticas probabilísticas como el teorema de Bayes conocidas ya desde el siglo XVIII. Pero lo que propone la tendencia de data visualization es algo bastante más audaz. El lugar de seguir el acercamiento occidental de análisis y síntesis la idea (según yo la entiendo) es algo más próxima al intuicionismo holístico oriental combinado con las ideas de sistemas emergentes de Steven Berlin Jonson. Se espera que hallazgos relevantes surjan de forma más o menos espontánea derivados de una forma particular de visualizar los datos. Lo que he venido a bautizar como «Data Eyening«, o ciencia a ojo de buen cubero.
La idea de disparar tiros al aire a ver si cae algún pato del cielo puede parecer en principio ingenua y descabellada, pero no lo es en absoluto. Muchísimos descubrimientos científicos han sido fortuitos y, en definitiva, el data visualization se basa en usar la herramienta de reconocimiento de patrones más potente que existe con diferencia: el ojo humano.
Lo que hay que hacer es aprender a adaptar la salida de los datos a un formato que el ojo humano pueda transmitir eficientemente al cerebro. Ya existen muchos y muy buenos precedentes de esto. Hay problemas que son difíciles de describir y resolver algebraicamente, pero que son geométricamente comprensibles de una forma mucho más fácil. En otro ámbito matemático, los fractales son probablemente los ejemplos más bellos. Creo que es imposible comprender bien la estructura del Conjunto de Mandelbrot si alguien simplemente trata de explicártela. Pero si ves una representación coloreada mediante un algoritmo de tiempo de escape es inmediato hacerse una idea mental incluso sin conocer las matemáticas subyacentes.
Fuente: El Conjunto de Mandelbrot
1 respuesta a Nueva metodología de BI: «Data Eyening»