Compártelo!

Hoy os propongo realizar mapas de calor con dos herramientas. Una para la minería de datos y la otra para realizar mapas de calor con ellos. ¿Preparados?

Es una realidad que los datos que nos rodean son masivos, cuantificables y pueden o no estar estructurados. Parece una definición de libro sobre el concepto de Big Data, pero no más lejos de esa realidad de la que hablamos.

Este proceso te llevará unos 20 minutos. Entre configuración y demás de las herramientas. Podrás ver los primeros resultados y seguir trabajándolo por tu cuenta.

El otro día ya vimos como jugar con los datos estructurados de nuestro correo electrónico acercándonos a un simple mapa de grafos de todas las relaciones que habíamos tenido con nuestro correo electrónico. También hemos capturado datos de Twitter, hemos realizado grafos con Facebook en Gephi, pero hoy vamos a trabajar la densidad del dato georeferenciado.

¿Qué es un mapa de calor?

Un mapa de calor es una representación en dos dimensiones de datos en la que los valores están representados por colores. Un mapa de calor proporciona un resumen de manera visual de la información que queremos representar. Así pues los mapas de calor permiten comprender conjuntos de datos bastante complejos.

Marco de trabajo.

Queremos visualizar diferentes Trending Topics en sus correspondientes países y ver si existe correlación entre la tendencia y el lugar georeferenciado.

 

1. Mapas de calor con ScraperWiki y Tabulae.

 

Scraperwiki logoScraperWiki es una solución OpenSource que nos permite minar datos desde una aplicación tipo Software as a Service (SaaS). Con esta herramienta vamos a minar los datos del trending topic que elijamos. Lo exportaremos y pasaremos a la aplicación Tabulae para que nos represente ese mapa de calor.

Aunque ScraperWiki nos pone a su disposición una herramienta de visualización del dato georeferenciado, he creído conveniente el mashup entre estas dos herramientas.

Dispone de un periodo de 30 días gratuitos para nuestros experimentos. Una vez pasados, merece la pena el pago por su servicio.

tabulaeTabulae es una herramienta, también SaaS que nos permite la representación de datos de diferentes formas. Es una herramienta en fase beta, sencilla, pero con el suficiente músculo para poder realizar proyectos de alto rendimiento digital.

Actualmente en la fase beta no van a cobrar por ciertos servicios, así que para experimentar y «machacar» esos datos, nos va a venir de herramienta de cabecera para la representación de los mapas de calor.

Con Tabulae importaremos los datos de ScraperWiki y empezaremos a parametrizar las opciones hasta conseguir un buen mapa de calor.

2. Minando datos con ScraperWiki

 

(A) Lo primero que haremos será visitar la página de ScraperWiki y registrarnos en su aplicación.

ScraperWiki_1

 

 

(B) Una vez registrados vamos a proceder a crear nuestra primera dataset. Para ello, y siguiendo la lógica universal de los botones, pulsaremos en el botón «Create new dataset».

ScraperWiki_2

(C) Seleccionaremos la opción de búsquedas en Twitter y añadiremos el término que queremos minar entre todas las opciones que nos ofrece la herramienta.

ScraperWiki_5

¿Qué queremos minar? Ahora estoy con un trend nacional y otro de USA, aunque el ejemplo trabajado es de las elecciones con el #VotandoPodemos que fue tendencia nacional durante bastante tiempo.

ScraperWiki_3

Pulsaremos la opción de minar hacia el futuro y autorizaremos la aplicación de Twitter. Como dice mi amigo Daniel Alcántara de GOES Abogados: «Bajo vuestra responsabilidad».

ScraperWiki_4

Empezaremos la minería. Ahora ya sólo con esto y esperando el tiempo que tengamos designado ya podemos trabajar. Por ejemplo la tendencia «FerranAdriaEH» en España con 10 minutos de minería lleva recopiladas unas 694 entradas a nivel nacional. En el otro lado del charco, en Estados Unidos la tendencia «#PAYZERISBACK» lleva unas 2.700 entradas. Con el ejemplo que miné el otro día experimentaremos con más de 17.000 entradas.

Os lo dejo aquí en formato CSV y XLSX  por si queremos seguir el ejemplo con el mismo archivo.

Bajar CSV

Bajar XLSX

ScraperWiki_6

(D) Ahora toca bajarnos los datos y empezar con los mapas de calor. Para ello buscaremos la opción visual de «Download as Spreadsheet» pudiendo descargar el conjunto de datos en formato CSV y XLSX.

ScraperWiki_7

3. Mapa de calor con Tabulae.

(A) lo primero al igual que con ScraperWiki será registrarnos en el servicio. Como antes, algunas funciones serán gratuitas mientras estén en fase beta.

Tabulae_1

 

Una vez que hemos rellenado todos nuestros datos, nos dispondremos a loguearnos en la aplicación Tabulae.

Tabulae_2

 

(B) Importaremos la base de datos generada en ScraperWiki de la siguiente forma. En el menú superior buscaremos la opción de «Datasets». Una vez allí y dependiendo la hubicación de nuestros datos, seleccionaremos una opción u otra. Pulsaremos el botón «Create a new dataset».

Tabulae_4

 

En nuestro caso vamos a importar los datos para el mapa de calor de manera local, pero a través de una hoja de cálculo de Google puede ser también una opción muy interesante si hemos guardado la minería en la nube.

Tabulae_5

 

(C) Una vez importados, lo primero que vamos a vincular son nuestras coordenadas con el sistema de visualización de datos de Tabulae. Para ello pulsaremos sobre la pestaña «Georeference«.

Tabulae_7

 

Nos encontraremos una ventana en la que tendremos que indicar los datos geolocalizados de los tuits minados. No vamos a tener el 100% de los datos georeferenciados ya que eso dependerá de las opciones de privacidad de cada uno de los usuarios que hayan tuiteado algo con la tendencia propuesta. Pulsaremos el botón «Select» para continuar. Una vez que hemos vuelto a la página de datos no olvides guardar los cambios.

Tabulae_8

 

(D) Ha llegado la hora de levantar nuestro mapa de calor. Para ello vamos a crear una app dentro del propio Tabulae. Para ello nos dirigiremos al menú principal y pulsaremos sobre la opción de Apps.

Tabulae_9

Crearemos una nueva App con el formato de salida de Mapa como muestra la siguiente imagen. Pondremos un nombre a la aplicación, una descripción, la tipología del mapa y en caso de querer el mapa privado seleccionaríamos las opciones correspondientes.

Tabulae_10

Acto seguido la aplicación nos pedirá que desde que Dataset trabajar, señalando la que habíamos creado anteriormente. Pulsaremos «Create».

Tabulae_11

 

El mapa de calor.

Ya hemos conseguido nuestro mapa de calor. Podemos optimizar las acciones de Zoom para establecer cuál es la imagen que mejor representan los datos con los que estamos trabajando. Podremos seguir parametrizando o cambiando variables en menu «Playground». Una manera acertada para representar variables de manera exacta.

Tabulae_12

 

Podemos decir si acercamos el Zoom que las zonas de mayor densidad georeferenciada son: Andalucía Occidental, Cataluña, Comunidad de Madrid y zona norte.

Usos de los mapas de calor

– Atención al cliente.

– Trazabilidad temporalizada de tendencias.

– Estudios longitudinales sobre comunicación.

– Cálculo de densidad de la comunicación.

– Plan de contingencia sobre casos de crisis.

– …

Espero os sea útil.

Seguimos!!

 

 

 

 

Únete a la conversación

8 comentarios

  1. Pingback: @ferrobsan
  2. Pingback: Ramón (@Ramonser)
  3. Pingback: @rriveromartin
  4. Pingback: jesse
  5. Pingback: @andreseliascom
Dejar un comentario

Sígueme en Feedly