Menu

Le coordinate dell'information design

Piemonte Heritage data visualization

Luglio 22, 2013 - Data Visualization, Open Data
Piemonte Heritage data visualization

Il progetto Piemonte Heritage è nato a Big Dive, un corso su big/open data e data-visualization che ho frequentato a Torino durante il mese di giugno. Nelle quattro settimane didattiche si è trattato il reperimento dei dati (anche dai social network), il loro trattamento e raffinamento, la loro rappresentazione nel browser con la libreria javascript D3.js.

Gli ultimi quattro giorni erano dedicati al progetto finale, che si svolgeva in team: Maximilien Rzepka, Andrea Peretti e io abbiamo deciso di lavorare sul dataset “Guarini – Legge Regionale 34/95 | Conservazione e valorizzazione dei locali storici”, fornito dal CSI Piemonte (Consorzio per il Sistema Informativo). Era la prima volta che il Consorzio condivideva con l’esterno i dati raccolti in 18 anni di lavoro – grazie a Patrizia Rossi e Andrea Muraca per l’opportunità.
Il dataset è costituito da due file csv, uno con oltre 1500 locali storici sparsi su tutto il territorio piemontese e l’altro con tutti gli oltre 8.000 oggetti di valore antiquario contenuti al loro interno, più 2.250 foto.

La prima parte di attività è stata la pulizia dei dati, perchè essendo stati inseriti in modo manuale da persone diverse in un lungo arco di tempo erano piuttosto “sporchi” e incoerenti. Mancava soprattutto una chiara tassonomia per alcuni tipi di dati, come la categoria del locale e il suo anno di creazione. Di questa parte di è occupato soprattutto Maximilien che con Python ha raffinato i dati e li ha trasformati in json più maneggevoli sulla base delle informazioni che volevamo rappresentare.

heritage-1

La prima sezione della visualizzazione creata è una mappa fatta con D3.js + Polymaps + Cloudmade che evidenzia tutti i locali storici catalogati. I risultati sono filtrabili sia geograficamente per località, sia per settore merceologico grazie ad un ottimo lavoro fatto da Andrea con javascript; inoltre al click su ogni punto si vede il dettaglio del locale con nome negozio, settore, anno, indirizzo, comune e foto presa da Google StreetView (al clic sull’immagine si apre Google maps in una nuova tab con l’indirizzo già impostato).

heritage-2

La seconda sezione presenta una bar-chart circolare con i locali organizzati per macro-settore merceologico, all’hover sul grafico si vede che i cinque settori più conservatori sono farmacie, abbigliamento, caffetterie, alimentari e calzature. Una curiosità è che l’ultima voce è il Coni, Comitato Olimpico Nazionale Italiano.

heritage-3

Nella terza sezione ci sono due timeline, la prima con l’anno di apertura dei locali e la seconda con l’anno di restauro degli stessi. La prima timeline mostra in primo piano i dati organizzati per venticinquennio, mentre in secondo piano quelli per secolo. Abbiamo scelto questa modalità di rappresentazione perchè nel dataset i locali sono stati catalogati con i più svariati tipi di notazione: per alcuni c’era l’anno preciso, per altri il ventennio, per altri ancora il venticinquennio, per alcuni infine solo il secolo.
Nella seconda timeline, quella dei restauri, i dati erano più precisi e abbiamo potuto procedere nel modo corretto anno per anno.

heritage-4

L’ultimo grafico presentato è un ring-chart che mostra come sono divisi gli oltre 8.000 oggetti di antiquariato contenuti nei locali storici. All’hover sui settori circolari si vede come sono distribuiti tra le sei categorie: accessori e attrezzature, arredi fissi, arredi mobili, elementi decorativi interni, elementi di finitura esterni, elementi di finitura interni e alcuni inclassificati. Su questi oggetti ci sono molti dati disponibili, ma dato il poco tempo disponibile ci siamo limitati ad analizzarli in superficie.

heritage-5

A livello di frontend abbiamo utilizzato HTML5, CSS3 e javascript, inserendo dei piccoli parallasse con citazioni che servono a creare uno storytelling visivo e a rendere il look&feel vintage.

Considerando il tempo a disposizione siamo soddisfatti del risultato ottenuto, anche perchè abbiamo rispettato gli obiettivi che ci eravamo prefissati:
1. ETICO, per motivare le amministrazioni pubbliche ad aprire i loro dati e ottenere più valore da e per la comunità dei cittadini
2. PROATTIVO, per dimostrare come con un piccolo sforzo (3 persone in 3,5 giorni) e con le più recenti tecnologie web si può rendere un set di dati più attraente
3. CULTURALE, per diffondere la conoscenza della data-visualization con un esempio direttamente collegato al territorio e comprensibile da tutti

Ovviamente ci sono ampi margini di miglioramento, come l’integrazione con i social network (Foursquare ad esempio) e l’esplorazione più approfondita del dataset degli oggetti. Vedremo come evolverà, anche perchè Andrea è uno studente e vorrebbe dare continuità al progetto portandolo come tesi di laurea.

Potete vedere il video della presentazione e consultare le slide della stessa.

Vi consiglio anche di guardare i progetti fatti dagli altri team, sono raccolti in questa pagina e sono estremamente  interessanti.

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *