Nei nostri precedenti capitoli abbiamo esplorato, la storia passata e presente della Data Visualization. Oggi scopriamo quali saranno le prossime frontiere.
Tra le tecnologie che stanno cambiando il modo in cui impariamo, lavoriamo e comunichiamo, c’è sicuramente l’intelligenza artificiale (AI). Un vasto campo di studio con grandi potenzialità in quasi ogni settore, e la data visualization non fa eccezione. L’AI, infatti, non si limita a migliorare la capacità di calcolo, ma sta ridefinendo il modo in cui progettiamo e utilizziamo le dashboard per l’analisi dei dati.
Velocità ed Efficienza
Una delle promesse più immediate dell’AI è la capacità di gestire e sintetizzare enormi quantità di dati in una frazione del tempo che richiederebbe il lavoro manuale: automatizzare compiti ripetitivi e dispendiosi come la pulizia e l’organizzazione dei dati, l’individuazione di pattern e l’estrazione di insight iniziali. Questo non solo riduce drasticamente il tempo necessario per ottenere le informazioni, ma libera i data analyst da attività time consuming, permettendo di concentrarsi su ciò che conta davvero: il pensiero strategico, l’analisi approfondita e la risoluzione creativa dei problemi.
L'AI come partner creativo
In questo nuovo scenario, l’AI diventa molto più di un semplice strumento di automazione. Un vero e proprio partner che non si limita a prevedere i trend, ma propone diverse visualizzazioni e possibili narrazioni per i dati. I moderni tool di data visualization, integrando modelli predittivi basati su AI, permettono agli utenti di esplorare scenari what-if, visualizzando come i cambiamenti in una variabile possano influenzare i risultati futuri. L’AI genera punti di vista possibili, spingendo l’analista a trovare la narrazione più significativa e a costruire una storia convincente intorno ai dati.
Tableau e Microsoft Power BI hanno integrato funzionalità di AI che vanno oltre la semplice creazione di grafici. Ad esempio, la funzionalità Explain Data di Tableau utilizza l’AI per analizzare un punto dati anomalo in un grafico e suggerire automaticamente le possibili cause che lo hanno generato, fornendo una narrazione sul perché quel dato si discosta dagli altri. Allo stesso modo, in Power BI, il Quick Insights analizza i dati in modo proattivo e suggerisce visualizzazioni e scoperte inaspettate che l’analista potrebbe non aver notato.
L'Importanza della Collaborazione Umano-AI
La vera innovazione non risiede nella sostituzione dell’uomo con la macchina, ma nella loro collaborazione sinergica. Ben Shneiderman (il progenitore delle Treemap) nel suo libro Human-Centered AI (2022), sostiene come non debba per forza esistere un contrasto tra controllo umano e automazione artificiale. Al contrario, il futuro sta nella combinazione di alta automazione e alto controllo. L’esempio perfetto è la macchina fotografica: un sistema automatizzato che gestisce l’esposizione, la messa a fuoco, il contrasto colore e molto altro, ma lascia il controllo finale all’utente che, oltre a poter modificare tutti i parametri, ha completa libertà (e responsabilità) di scegliere cosa fotografare.
L’Agentic Analytics incarna esattamente questa filosofia nel mondo dell’analisi dati. Un modello più avanzato in cui l’AI non si limita a fornire risposte, ma agisce sull’ambiente per raggiungere un obiettivo specifico. Ad esempio nel caso di una transazione finanziaria che viene individuata come sospetta, un agente AI può agire inviando un avviso a un operatore, bloccando la transazione o avviando un’ulteriore indagine. Oppure, dopo aver identificato una potenziale frode, può aggiornare in autonomia un database di black list.
Un sistema ad alta automazione, in cui il ruolo del data analyst si concentra su supervisione, ottimizzazione e evoluzione del sistema, garantendo che l’agente AI stia funzionando correttamente.
In questo modello, l’AI e Agentic Analytics sono le spalle dei giganti che ci permettono di vedere più cose e più lontano: partendo da un vasto bacino di conoscenza e da una potenza di calcolo straordinaria, è chi ricopre il ruolo di Data Analyst a fornire la direzione, a porre domande strategiche e a interpretare le intuizioni generate dalla tecnologia.
Progettare per l'Interazione Umano-AI
La sempre più presente interazione tra utenti e intelligenza artificiale, sta già ridefinendo la progettazione di dashboard e l’esperienza utente (UX). Chi progetta le interfacce del futuro non dovrà solo preoccuparsi di rendere chiare le informazioni, ma anche di facilitare l’interazione tra l’utente e l’AI. I sistemi devono essere prevedibili, chiari e controllabili, in modo che gli utenti possano comprendere le decisioni dell’AI e intervenire quando necessario.
Per capire come capire come le persone interagiscono con le macchine, possiamo affidarci a un modello teorizzato da Donald Norman, chiamato Human action cycle. Norman costruisce questo schema per dimostrare che l’interazione umana con un sistema non è un evento istantaneo, ma un processo continuo e circolare di esecuzione e valutazione. Un’interfaccia per essere efficace, deve tradurre chiaramente le intenzioni dell’utente in azioni comprensibili per il sistema e deve rendere visibili e interpretabili i risultati del sistema all’utente. L’AI non deve essere una scatola nera che compie magie, ma un partner le cui azioni possono essere comprese, controllate e, se necessario, corrette dall’utente.
Democratizzare la Data Literacy
Un’altra grande potenzialità legata all’intelligenza artificiale è l’accessibilità alla comprensione dei dati: già oggi integrando assistenti virtuali basati sull’AI nei tool di analisi è possibile rendere i dati accessibili a un pubblico molto più ampio. Le funzioni Q&A di Microsoft Power BI e Ask Data di Tableau ne sono un ottimo esempio: digitando domande come “Quali sono stati i nostri ricavi nel 2024 per regione?” o “Mostrami le vendite totali per categoria di prodotto nell’ultimo trimestre” l’AI interpreta la domanda e genera automaticamente il grafico o la tabella più adatta per visualizzare la risposta, senza che l’utente debba creare manualmente la visualizzazione.
Questi strumenti non solo rendono l’analisi più rapida, ma la rendono accessibile a chi non ha una formazione specifica in data science o programmazione. Il futuro della data visualization non è un mondo in cui l’AI lavora da sola, ma un ecosistema in cui l’ingegno umano e la potenza di calcolo artificiale si fondono per creare un valore senza precedenti. La vera rivoluzione non è solo la velocità con cui analizziamo i dati, ma la profondità con cui li comprendiamo e il numero di persone che possono partecipare a questo processo.
Utilizza le Best Practice della Data Visualization
Affidadi a noi per creare i tuoi Report o le tue Dashboard
Visualitics Team
Questo articolo è stato scritto e redatto da uno dei nostri consulenti.
Condividi ora sui tuoi canali social o via email:
