El documento presenta el uso de las herramientas CartoDB y Elasticsearch/Kibana. Se utiliza CartoDB para visualizar datos espaciales de instituciones de la ciudad de Buenos Aires en diferentes mapas. Luego, se muestra cómo Elasticsearch almacena tweets obtenidos mediante Zapier y cómo Kibana crea dashboards interactivos para visualizar y analizar los datos de tweets.

1. Trabajo final
TABI 2015
Ariel Leguizamón - 11598/7

2. Objetivos
Presentar el uso de herramientas de visualización y BI no presentadas en la
materia

3. Carto DB
Presentar el uso de la herramienta CartoDB y mostrar la sencillez y la potencia
que ésta posee. Desde la carga de información, hasta su sencilla y amplia
capacidad de modificación en la visualización. Se utilizará CartoDB en un ejemplo
práctico donde se muestren las instituciones privadas y públicas en el mapa,
comparando las ubicaciones de ellas dentro de la Ciudad de Buenos Aires.

4. Obtención de la información

5. Subida de csv a CartoDB

6. Subida de csv a CartoDB
CartoDB automáticamente detecta los puntos en el mapa, si en la BD figuran
atributos de tipo latitud y longitud.
Por ende, solo cargando el CSV ya se pueden visualizar en el mapa.
A continuación se van a mostrar mapas comparando los establecimientos
públicos y privados de la Ciudad de Buenos Aires

7. Visualización - Punto a punto

8. Visualización - Agrupados

9. Visualización - HeatMap

10. Visualización - Leyenda

11. Elasticsearch
Elasticsearch es un servidor de búsqueda basado en Lucene. Provee un motor de
búsqueda de texto completo, distribuido y con capacidad de multi-tenencia con
una interfaz web RESTful y con documentos JSON. Elasticsearch está
desarrollado en Java y está publicado como código abierto bajo las condiciones
de la licencia Apache.

12. Kibana
Kibana es una herramienta open source de visualización de datos. Es un plugin
de elasticsearch. Se pueden crear múltiples formas de visualizar la data, ya sea
gráfico de torta, de barras, etc.
A continuación se mostrará un ejemplo de obtención de tweets con mención a
'elasticsearch'.

13. Primer paso. Creación de servidor
Mediante Found, creamos un cluster para alojar nuestro elasticsearch

14. Primer paso. Creación de servidor
Después de la creación del Cluster,Found te dará las URL al Endpoint(HTTP/HTTPS)

15. Configuración del cluster
Mediante este extracto de código,
se configuró el servidor de elasticsearch.
Este código se ejecuta mediante bash y
define el formato de la base de datos
almacenada en elasticsearch.

16. Zapier
Zapier es una herramienta que
permite juntar varias
aplicaciones, o hacer que ellas
interactúen de alguna manera.
En nuestro caso, usamos Twitter
y un requerimiento HTTP(Post)

17. Zapier
Le indicamos a zapier el "term"
para que se inicie el trigger.
Configuramos el endpoint, es
decir, la url a la que se le hará
el requerimiento HTTP.
Por último configuramos que
se ejecute cada 5 minutos.

18. Kibana Dashboard
Una vez finalizado todos los pasos anteriores, podemos crear el Dashboard con la
información deseada.
Primero creamos un histograma de los tweets

19. Kibana Dashboard

20. Kibana Dashboard

21. Kibana Dashboard

22. Kibana Dashboard
Como otro ejemplo, agregamos la cantidad de retweets

23. Kibana Dashboard

24. Kibana Dashboard

25. Kibana Dashboard
Por último, también podemos visualizar todos los datos, y seleccionar que
campos queremos que se especifiquen.

26. Kibana Dashboard

27. Fin