Dashboarding

•

Dashboarding

Diseño de varias pantallas de tipo dashboard para mostrar en monitores desatendidos información de interés sobre distintos tipos de eventos y su seguimiento.

Twitter Sentiment

Twitter Sentiment fue un proyecto interno de aplicación de herramientas de Inteligencia Artificial, Big Data y Machine Learning para el seguimiento de eventos. El primer ejemplo desarrollado se construyó sobre los acontecimientos relacionados con el llamado procés catalán.

Analizando la actividad en Twitter a través de técnicas de scrapping y de los datos proporcionados por su API, se obtenía información en tiempo real sobre la popularidad de los candidatos. El dashboard mostraba datos de actividad, impacto y orientación positiva o negativa de la opinión vertida. En una segunda versión se utilizaron los datos recogidos para hacer una predicción sobre el resultado electoral en las elecciones al Parlamento Catalán de diciembre de 2017.

Dashboard con datos sobre la evolución de la actividad en Twitter relacionada con el procés y sobre la popularidad de los principales actores

Una segunda versión del dashboard contrastaba la evolución del sentimiento en Cataluña y el resto de España con el comportamiento bursátil

Sonar

En otro proyecto se ayudó al grupo Mediaset en la conceptualización de un panel de pantallas desatendidas que mostrara estadísticas relevantes en tiempo real acerca de las audiencias de cada uno de los canales del grupo. El diseño de las pantallas debía adaptarse al modo de consumo: desde la distancia, sin ningún tipo de interacción activa y en dispositivos de gran tamaño.

Las pantallas reflejan en un panel de tipo dashboard datos sobre comportamiento de la audiencia en tiempo real, tipo de acceso al contenido, impacto en redes sociales, etc. Para ello, primero fue necesario hacer un análisis de las posibilidades que la tecnología HbbTV nos brindaba.