5 strumenti per la Data Science

Il compito dei Data Scientist è di analizzare grandi e piccoli set di dati. Mettere insieme i numeri, renderli comparabili, ripulirli da eventuali errori di inserimento, trovare la modalità grafica migliore per renderli comprensibili e utilizzabili.
Tutte queste attività sarebbero impossibili da fare senza l’ausilio di software e applicazioni che si occupano di far diventare i dati degli strumenti utili e fondamentali per capire cosa succede attorno a noi, che sia nella nostra azienda oppure nel mondo esterno.
In che modo i Data Scientist svolgono il loro lavoro, e quali sono gli strumenti che vengono utilizzati?
Ce ne sono moltissimi, alcuni open source, altri proprietari. Alcuni si rivolgono ai neofiti e sono utilizzabili da tutti, altri hanno bisogno invece di un approccio più professionale. In ogni caso, bisogna sempre ricordare che sono soltanto strumenti, e che devono essere affiancati dall’ingegno umano per poter tirare fuori il massimo delle loro capacità di calcolo e visualizzazione.

Vogliamo mostrarvi 5 strumenti, alcuni più conosciuti altri meno, che vengono utilizzati praticamente ogni giorno da chi si occupa di dati per aiutarci a rendere più comprensibile il mondo attorno a noi.

Quando si parla di Data Science, non si può prescindere da quello che possiamo considerare il precursore di ogni strumento per l’analisi: il foglio di calcolo.
In un altro articolo avevamo parlato delle sue origini e di alcune curiosità, di sicuro è innegabile che negli anni Excel e i suoi epigoni come Google Spreadsheet oppure Numbers abbiano compiuto enormi passi avanti. Anche se non sono adatti a gestire database immensi, aiutano a ripulire e organizzare i dati ogni giorno per centinaia di aziende e semplici utenti.
Negli ultimi anni l’integrazione con servizi esterni come SQL, un linguaggio di gestione dei database, ha dato la possibilità ai data scientist di creare visualizzazioni anche complesse e di gestire database esterni.
Possiamo dire che Excel è sicuramente un primo passo per moltissime persone che vogliono avvicinarsi all’analisi dei dati, e viene usato anche da professionisti dei numeri che ne apprezzano la sua rapidità e le molteplici funzioni.

Tableau è un software che consente di analizzare in maniera visuale insiemi di dati anche molto complessi. Viene utilizzato sia da compagnie di enormi dimensioni sia da associazioni no-profit di ogni tipo che hanno compreso l’importanza dell’analisi dei dati che migliora la possibilità di verificare i processi, prendere decisioni e capire meglio quello che accade all’interno e all’esterno delle organizzazioni.
Sviluppato nel 2003, nasce per dare forma grafica ai dati. Per i 3 fondatori, uno degli scopi fondamentali di Tableau è quello di rendere i dati comprensibili, tenendo sempre bene a mente le esigenze delle persone che lo utilizzeranno.
Da anni si è imposto come il numero uno dei programmi di Business Intelligence, grazie anche alla comunità molto attiva che si è creata intorno e che si scambia continuamente opinioni, trucchi e nuove soluzioni.

PowerBI è una suite di strumenti rivolti alla gestione, all’analisi e alla visualizzazione dei dati all’interno del mondo business. Viene utilizzato da diverse aziende in tutto il mondo e il suo scopo fondamentale è di dare gli strumenti ai manager e ai decisori per trovare soluzioni basandosi sui dati.
Permette di gestire dashboard sia utilizzando dei database già creati sia con informazioni elaborate in tempo reale.
La filosofia di PowerBI è di creare una cultura basata sui dati grazie alla business intelligence alla portata di tutti

Apache Spark è un framework open source sviluppato dall’AMPLab dell’Università della California e successivamente donato all’Apache Software Foundation.
Il suo utilizzo è consigliato a un pubblico tecnico, e non entreremo eccessivamente nel dettaglio, ma fondamentalmente si tratta di un’applicazione che consente di velocizzare l’elaborazione di grandi set di dati.
Una delle soluzioni di Apache Spark è quella di riuscire ad allocare in maniera efficiente le risorse facendole girare in background, consentendo una gestione snella ed evitando che il database risulti eccessivamente pesante e difficile da gestire.
È stato studiato appositamente per aiutare le macchine ad apprendimento automatico, il cosiddetto “Machine learning”, poiché permette di gestire i processi in maniera rapida aumentando fino a 100 volte la capacità di elaborazione per alcune applicazioni.
Inoltre, tramite il servizio Spark Streaming, aiuta a elaborare in tempo reale i dati provenienti da dispositivi IoT (Internet of Things) e a verificare eventuali anomalie.
Anche Apache Spark ha una diffusa comunità di sviluppatori e, seguendo la più pura filosofia open source, viene ogni giorno migliorato dai suoi stessi utilizzatori.

Il Project Jupyter nasce nel 2014 ed è un’associazione senza scopo di lucro che ha l’obiettivo di dare a tutti un potente strumento di elaborazione dei dati, di coding e di data visualization.
L’interfaccia flessibile di Jupyter Notebook consente di elaborare i dati e i workflow per la data science e il machine learning, ma anche per quello che viene definito Data journalism.
Semplice da utilizzare, la sua caratteristica fondamentale è la grande integrazione con i più disparati linguaggi di programmazione e con gli strumenti più diversi. Ha anche una estensione, Voilà, che consente di visualizzare graficamente i dati.