Appunti di Geotechnoloy for Tourism

CAMPI TABELLA

PIVOT, selezioniamo

SIGLA e la trasciniamo

nel RIQUADRO IN

BASSO TRA LE

RIGHE.

Poi, selezioniamo

INCOME e lo

trasciniamo nel

RIQUADRO IN BASSO

TRA I VALORI.

19/04

Esercizio Tableau: SpesaStataleStorico

Per ogni Regione dice nei vari anni (dal 2004 al 2017), quanto la Regione ha speso per abitante in termini di

servizi, strade, sanità…

Per es: Il Piemonte nel 2004 ha speso per ogni abitante 7787,00€. Confronto tra 2004 e 2017, dicendo quale

Regione ha investito di più per i cittadini.

- Si aggiunge una colonna rinominata

“DifferenzaAssoluta” facendo la differenza

=2017-2004, il risultato è l’incremento in

valore assoluto di euro pro capite, in

Piemonte ha incrementato l’investimento pro

capite di servizi per abitanti di 1705,00€

- Percentualmente, quanto vale quell’incremento? Bisogna aggiungere un’altra colonna rinominata

“Differenza%” facendo = (2017- 2004)*100/2004 -> =(P2-C2)*100/C2 e viene fuori 21,90% (nel

Piemonte). - Ordinando però la DifferenzaAssoluta dal più grande al più piccolo, in

questo caso non ci sono grosse differenze, però la regione con 1302,00€ ha

incrementato di poco, ma percentualmente si posiziona abbastanza in alto, è

alla pari di quella che ha incrementato di 2080,00€

- Mappa tematica→ solito ragionamento, inserire nella cartografia il

territorio, Differenza Assoluta, modificare 2 sconosciuti, portare gli indicatori

nell’etichetta, modificare la legenda, poi salvare in tableau public, esportare

l’immagine e inserirla nel documento word e sotto il commento.

➢ Commento, le regioni tendenti al blu scuro sono quelle in cui per ogni

persona, il valore assoluto dell’investimento delle regioni per servizi è stato

più alto, la Regione che ha incrementato maggiormente dal 2004 al 2017 è la

Lombardia. La regione che ha decrementato è la Liguria che rispetto al 2004

ha calato l’investimento pro capite.

BIG DATA

Il termine Big Data indica l'insieme di tecnologie e metodologie per l'analisi di dati massivi con

l'obiettivo di scoprire i legami tra diversi fenomeni e prevedere quelli futuri (fare previsioni).

I big data sono prodotti dai sensori e dai social media come Twitter. Sono disponibili svariati siti e

software che permettono l’analisi di questi dati: ne sono degli esempi siti come Tweetmap o

VisibleTweets, che permettono di selezionare dei tweet realizzati durante un determinato periodo e

riguardanti un determinato argomento, evento, prodotto.

I Big Data possono essere sfruttati per garantire un’alta personalizzazione dei servizi e offrire

suggerimenti tarai sul consumatore; quindi, uno dei maggiori utilizzi è l’aumento della

personalizzazione e l’analisi della performance attuale.

Non sono solo i dati ma sono anche metodi con cui i dati vengono analizzati.

Big data = dati + metodi + tecnologie

Per definire i Big data pensiamo ai nostri comportamenti giornalieri: attività sui social network, click

sui siti web, pagamenti online, sensori connessi, webcam, smartphone interconnessi. Tutto ciò genera

una quantità enorme di dati eterogenei per formato e origine.

Tre sono le caratteristiche fondamentali:

➢ Volume (quantità)

➢ Varietà (forme diverse di dati)

➢ Velocità (frequenza dei dati in arrivo)

L’obiettivo di oggi è avere più dati possibile e mettere a punto delle tecniche che siano in grado di

analizzare i dati in modo da capire le relazioni tra questi indicatori per cercare di fare PREVISIONE

(su arrivi turistici per dare servizi migliori).

La rivoluzione dei Big Data e, in generale, il termine Big Data analytics si riferisce proprio a ciò che si

può fare con tutta questa mole di dati.

In particolare, l'algoritmo capace di trattare così tante variabili in poco tempo e con poche risorse

computazionali.

Nel 2019 solo in Italia ha raggiunto un valore di oltre 1,7 miliardi di euro, con un tasso di crescita del

23% rispetto al 2018 e più che doppio rispetto al 2015.

L’insieme di dati e tecniche, una volta che le metodologie sono state messe a punto, prendono la forma

di informazioni.

Dato = dati

Informazione = dato più evoluto che serve per prendere decisioni

➢ Analytics: processo di analisi di grandi e complesse fonti di dati per scoprire le tendenze, i

modelli, i comportamenti dei clienti e le preferenze del mercato per migliorare le decisioni

aziendali.

➢ Social

➢ IoT

IoT: Internet of Things. IoT Big Data sono totalmente diversi da altri tipi di big data.

- Sono dati che provengono da tutti i device che in qualche modo sono connessi a Internet o hanno una

modalità scambio-dati con Internet o reti non necessariamente pubbliche, ma anche private.

Per avere un quadro chiaro, immaginate una rete di sensori che generano continuamente dati. Nella

produzione, ad esempio, possono essere i valori di temperatura di una particolare parte del

macchinario, così come le vibrazioni, la lubrificazione, l'umidità, la pressione e altro ancora.

IoT big data sono quindi generati da macchine, non da esseri umani, e rappresentano principalmente

un flusso di numeri strutturati, non blocchi di testo.

➔ Sono tutti i dati che vengono generati dalle cose, ovvero motori, sensori di temperatura, bancomat, citofoni

digitali, … tutto ciò che utilizziamo che genera informazioni.

Nel 2020 erano ben più di 50 miliardi di oggetti collegati

ad internet. Sembra impossibile dato che la popolazione

mondiale è più di 7 miliardi di persone ma ogni persona

ha più di un oggetto collegato ad internet (cellulare,

computer, pannelli fotovoltaici, automobili, …) e questi

oggetti collegati generano migliaia di informazioni al

secondo. Il problema non è analizzare questi dati, ma è

→

più richiederli e raccoglierli problemi: acquisizione

dei dati e gestione di una mole enorme di dati

Sono dati che provengono da oggetti non controllati

fisicamente da umani.

Due esempi di big data:

➢ Visibletweets: puoi scegliere l’argomento, cercare e vedere quanti tweet sono stati fatti in

sequenza su quell’argomento

➢ Tweetmap: scarica tweet georiferiti e li rappresenta sulla cartografia. Ogni tweet viene

rappresentato sottoforma di pallino e questi pallini sono differenziati in base al colore che

rappresentano la lingua utilizzata per scrivere tale tweet oppure in base alla sorgente/fonte

(Android, iOS, Instagram, Foresquare, …). In basso a destra viene rappresentato il numero

totale di tweet.

Si possono selezionare i periodi desiderati e anche zoomare. Vedendo così un trend o evento

(coronavirus, terremoto, seaside resort, glamping) posso capire come è l’andamento, cosa si dice. È un

sensore del sentiment delle persone. L’intelligenza artificiale aiuta a leggere cosa le persone dicono

perché è impossibile leggere tutto. In base a cosa vuoi sapere, l’algoritmo dell’intelligenza ti dice ciò

che ti interessa, per esempio cosa piace e no, come sono i commenti, ottenendo dei cluster.

Molte compagnie usano Twitter per capire cosa i clienti dicano del loro prodotto. Le informazioni

postate sui social media diventano un sensore dei sentiment dei clienti. In alcuni paesi, molte persone

parlano del mio prodotto; in altre invece no. Perché? L’unico problema è che per capire davvero cosa

pensano i clienti del mio prodotto, dovrò leggere ogni Tweet. Questo è impossibile se ce ne sono

migliaia: viene in aiuto l’intelligenza artificiale. Ci sono sistemi automatici che ricevono questi tweet

come input e in base a ciò che viene richiesto, l’algoritmo legge le informazioni, li divide in cluster ed

elabora un risultato.

La creazione di una banca dati da Twitter. Ogni giorno circa 190 milioni di utenti attivi di Twitter

pubblicano oltre 500 milioni di tweet (6000 al secondo), di cui il 10% è georeferenzializzato.

L’analisi di queste ingenti quantità di dati richiede l’utilizzo di software di intelligenza artificiale.

Un processo che è possibile fare tramite, ad esempio, l’analisi del tweet è quello della Sentiment

analysis (processo di analisi dei testi digitali per determinare se il tono emotivo del messaggio è

positivo, negativo o neutro), che lavora per l’integrazione di dati di presenza e testi dei tweet, con

l’obiettivo di automatizzare l’analisi dell’opinione delle persone usando tecniche del machine learning.

È possibile sviluppare una app che si connetta al database di Twitter e riceva i tweet postati da quel

momento in poi (ma non quelli passati). Nel laboratorio del prof hanno sviluppato una app per capire

cosa dicessero gli stranieri mentre in FVG. Hanno ottenuto un database di mezzo milione di tweet

realizzati da persone

residenti all’estero mentre erano in Friuli. La app permetteva di inserire delle chiavi di ricerca per gli

attributi disponibili, cioè: testo del tweet, lingua, data e ora, nazione, alias, data creazione utente,

numero

followers, numero di seguiti, coordinate.

Si possono attivare campagne di ascolto di giorni, settimane, mesi, filtrando i tweet che contengono

dei

vocaboli, fatti da persone di una certa età, scritti in una certa lingua, fatti in una certa area.

Esempio TestTweet: tutti i tweet contenenti ‘Friuli’. Posso cercare tweet con ‘amazing’ e ‘food’ e

provare a vedere se ci sono commenti negativi e risolvere.

TWITTER DATA DOWNLOAD

Ogni giorno, circa 190 milioni di utenti attivi pubblicano oltre 500 milioni di tweet→ 6000 al secondo

→ 10% geocodificato.

L'applicazione consente di inserire chiavi di ricerca per gli attributi disponibili nell'API, che sono:

➢ ➢ ➢

Testo del tweet Lingua utilizzata Data e ora

➢ ➢ ➢

Paese della alias Data di creazione

registrazione dell'utente

➢ ➢ ➢

Numero di followers Numero di seguaci Coordinate

È quindi possibile attivare campagne di ascolto per giorni, settimane, mesi filtrando i tweet che:

➢ Contiene alcune parole;

➢ Sono stati realizzati da utenti di una certa nazionalità;

➢ Sono scritti in una certa lingua;

➢ Sono stati pubblicati in una determinata area;

➢ …

Con queste informazioni si può per esempio tramite un’applicazione, Tweets Scrapper, si possono

definire i luoghi e contare i tweet che vengono fatti attorno a quei luoghi in un lasso di tempo definito

da noi.

24/04

Esercizio Tableau: DataGoogleMapsTableau

• L’importante è quello di essere in grado di AGGIUNGERE UNA COLONNA dopo la pop

over 65, tasto destra mouse, inserisci colonna.

• →