Big Data revolution : InfoViz, DataViz, quand l'information prend du sens

832 vues

Publié le

L'avalanche de donnée numériques que ce soit dans le web, le cloud, au sein de l'entreprise numérique, dans la vie publique (OpenData) ou au coeur de la recherche médicale rend indispensable l'emergence de nouveaux outils pour visualiser, manipuler et comprendre les données. Une nouvelle discipline extremement créative issue de la recherche en analyse de données et en interaction homme-machine (IHM) propose ces nouveaux outils. Nous avons invité Jean-Daniel Fekete, directeur de recherche à l'INRIA, pour faire le point sur les tendances actuelles, tracer des perspectives et nous presenter les travaux de son equipe.

Publié dans : Technologie
0 commentaire
2 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
832
Sur SlideShare
0
Issues des intégrations
0
Intégrations
5
Actions
Partages
0
Téléchargements
28
Commentaires
0
J’aime
2
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Big Data revolution : InfoViz, DataViz, quand l'information prend du sens

  1. 1. palais descongrèsParis7, 8 et 9février 2012
  2. 2. InfoVis / DataViz : Donnerdu sens à la révolutionBig Data8 février 2012Jean-Daniel FeketeDirecteur de RechercheINRIAwww.aviz.fr
  3. 3. La révolution Big Data La quantité de données croît de 30% par an depuis 1999 (SIMS, Berkeley) La quantité de données accessible a cru exponentiellement depuis 10 ans 2000 Ex abytes 1600 1200 800 400 0 2005 2006 2007 2008 2009 2010 2011 [source: The Diverse and Exploding Digital Universe, IDC, 2008]
  4. 4. La révolution Big Data Les solutions de stockage croissent exponentiellement Les capteurs génèrent plus de données :  Pollution, logs, température, photos, vidéos, etc. Les données collectées sont mises en ligne Les données sont analysées et les analyses sont mises en ligne L’univers numérique explose :  2007 : 281 Exa-octets (281 milliards de Giga-octets)  2010 : barrière du Zeta-octet franchie  2011 : 1.8 Zeta-octets
  5. 5. Les technologies Big Data Pour gérer la croissance des données, de nouvelles infrastructures voient le jour :  Cloud (Azure, Amazon, Google, etc.)  NoSQL  Grids Elles restent un peu compliquées mais sont déjà adoptées De nouveaux services reposent sur ces infrastructures:  Apple iClouds  Windows Live  Google  DropBox  FaceBook
  6. 6. FaceBook
  7. 7. La révolution Big Data ? ―Big Data Is Not the Created Content, nor Is It Even Its Consumption — It Is the Analysis of All the Data Surrounding or Swirling Around It‖ [IDC IVIEW http://www.emc.com/collateral/analyst-reports/idc-extracting-value-from-chaos-ar.pdf ]
  8. 8. Data, Information, Knowledge,Wisdom Where is the Life we have lost in living? Where is the wisdom we have lost in knowledge? Where is the knowledge we have lost in information? -- from T.S. Eliot, "Choruses from The Rock― Comment :  transformer des données en information ?  utiliser l’information pour prendre des bonnes décisions et apprendre de nouvelles connaissances  avoir des réponses à des questions fondamentales dont on n’a aucune idée aujourd’hui ? Transformer le déluge de données en opportunités !
  9. 9. Le problème Humain Transfert DonnéesWeb, livres, articlesdonnées scientifiques Comment ?prix, liste de personnes, Vision: 100 MB/sCours de la bourse Audition: <100 b/sInformations Haptique/tactile Odorat Goût
  10. 10. Propriétés de la vision• Sens ayant la plus grande bande passante• Rapide, parallèle• Reconnaissance de formes• Pré-attentif• Etend les capacités cognitives et mémorielles• On pense visuellement Super. Utilisons-la !
  11. 11. Utilisons la vision !
  12. 12. Utilisons la vision !
  13. 13. Principes de la visualisation d’information• L’œil et la perception humaine sont remarquablement adaptés à la reconnaissance de motifs visuels• La transformation de données abstraites en information visuelle permet d’utiliser cette aptitude• Parmi toutes les représentations possibles, seules quelques-unes « fonctionnent » : – il faut les trouver et les répertorier• La psychologie nous donne une base d’explication : la perception préattentive (Triesman, 85) – Sans effort – D’un coup d’œil – En temps constant• Êtes-vous préattentifs ? 13
  14. 14. Perception préattentive (1)
  15. 15. Perception préattentive (2)
  16. 16. Perception préattentive• Beaucoup de caractéristiques visuelles peuvent être perçues préattentivement : – Orientation de ligne/blob, longueur, épaisseur, taille, courbure, cardinalité, terminaisons, intersections, inclusion, teinte, clignotement, direction de mouvement, profondeur stéréoscopique, indices 3D, direction de l’éclairement• Problèmes : – Les caractéristiques préattentive interfèrent entre elles • On pensait même que toutes les caractéristiques préattentives étaient incompatibles entre elles – Les caractéristiques sont préattentives dans certaines limites • 7 couleurs max (Healey, 96) • 2 ou 3 formes • Etc.
  17. 17. Perception préattentive (3)
  18. 18. Visualisation : exempleshttp://www.smartmoney.com/map-of-the-market/ 18
  19. 19. Des tables à 12 dimensions ? Demo ! 20
  20. 20. Des réseaux sociaux toujoursplus gros InfoVis Co-authoring (K. Börner et al.)
  21. 21. En réalité, lorsqu’on visualiseles données brutes … 22
  22. 22. Visualisation de réseau par A A B C Dmatrice d’adjacence C A B X X X X C X B D D ? ? 23
  23. 23. Communicate ExploreApril 9, 2013 Nathalie Henry 24 Exploring Social Networks with Matrix-Based Representations
  24. 24. Plus de détails,plus de structure Infovis Coauthorship (133 actors)
  25. 25. Du texte qui évolue :diffamationhttp://aviz.fr/diffamation/ it’s here 27
  26. 26. GeneaQuilts Voir des généalogies géantes Relations • marriage • parentales • propriétés - temporelles - autres Individus • Propriétés - temporelles - autres • relations complexes 29
  27. 27. GeneaQuiltsVisualisation GeneaQuilts 30
  28. 28. Visualisation Analytique Lorsque les données sont trop nombreuses, la visualisation seule ne suffit plus  Limite de la perception, limites des écrans Il faut combiner visualisation et analyse de données C’est le domaine de la visualisation analytique ou Visual Analytics L’interface graphique pilote à la fois la visualisation interactive et les analyses  Ces analyses doivent se faire en temps réel (any time)  C’est l’utilisateur qui a le contrôle, pas les algorithmes !
  29. 29. palais descongrèsParis7, 8 et 9février 2012
  30. 30. Conclusion L’analyse visuelle, couplée à d’autres analyses automatiques, permet de donner du sens au Big Data  On trouve ce qu’on cherche  On trouve aussi ce qu’on ne cherchait pas ! Plusieurs représentations sont possibles  Mais beaucoup d’autres sont inefficaces et donc nuisibles  Les représentations spectaculaires ne sont pas toujours efficaces Utilisez la visualisation de données / information  Donnez du sens à vous données !

×