A treemap displays hierarchal data in a truly fascinating way. Using a limited rectangular space, a series of nodes display relationships between items through visible properties such as size and color. Furthermore, by structuring your data into categories, you can discover similar relationships on multiple levels and navigate your data in a way that you previously hadn't imagined.

Know more about this Flex Component and download

Io, per esempio, mi sono bloccato perchè ad un certo punto mi sono accorto di non avere nessuna conoscenza su quale sia la maniera più sensata per confrontare dei dati (in questo caso dei risultati calcistici) registrati da una certa squadra, in un certo anno, per una certa competizione (ecc.. ecc...)

Al momento sto migliorando alcune metodi delle strutture centrali (della mia apllicazione) atte ad accogliere questi dati: inizialmente concentravo tutte le partite giocate da una stessa squadra in una unica "Tree Map Indicizzata" (detta anche "tmi"), ma ciò avrebbe voluto dire dover scorrere migliaia di dati solo per recuperarne un minuto sotto-insieme nel caso volessi ri-cercare le partite disputate in una sola stagione. Ho pertanto fatto in modo che queste partite, al momento della lettura dal database (nel mio caso un foglio di documento *.Xml), vengano collocate in una struttura gerarchica basata sulla distribuzione temporale: partendo dalla considerazione che è una squadra non gioca più di una partita in un giorno dell'anno ho fatto si di creare

1. una tmi 'Stagione' che raccoglierà tutte le partite giocate da <<questa>> squadra nella stagione del biennio, per esempio, '1982-1983'.
2. si scende di un livello e troviamo una nuova tmi che accoglierà i singoli anni che costituiscono il biennio citato poco fa, cioè troviamo una tmi per l'anno '1982' ed un'altra tmi per l'anno '1983'.
3. per ciascuna tmi dei suddetti anni vi è una tmi per ogni mese giocato: la tmi '1982' conterrà 4 diverse tmi 'mese' ovvero '09', '10', '11' e '12' (settembre, ottobre,  novembre e dicembre) mentre la tmi dell'anno '1983' (l'anno in cui terminano le competizioni calcistiche - serie A, serie B, ... Coppa Italia, Coppa dei Campioni, ... iniziate proprio nel settembre dell'anno precedente, il '1982') conterrà i restanti mesi di gioco, da '01' (Gennaio) a '05' (Maggio).

ed infine, punto 4., ognuna di queste tmi 'mese' conterrà la coppia univoca <Giorno, Partita>. Notiamo come per questa coppia ne esistano due versioni simili contenute ciascuna nella tmi 'squadra' di entrambe queste formazioni che si sono incontate in questo match. La Partita() contenuta nella tmi della squadra locale avrà dati propri, speculari ed in comune con la Partita() contenuta nella tmi della squadra avversaria. I dati propri possono essere il nome dell'allenatore, i dati speculari potrebbero essere il numero dei goal fatti e delle reti subite (per la squadra avversaria si invertono tali valori, ovvero il numero dei goal fatti dalla squadra locale, squadraHOME, è uguale al numero delle reti subite dalla squadraaway, ospite), invece alcuni dati in comune potrebbero essere il nome dell'arbitro, il nome dello stadio in cui si è giocato, i nomi dei marcatori, degli ammoniti o degli espulsi... insomma, nel momento in cui scrivo ciò, mi chiedo se non sia meglio gestire tutti questi dati mantenendoli comuni alle due squadre?? Ciò mi potrebbe aiutare, per esempio, a trovare tutte le partite vinte con & contro un dato allenatore... Ci rifletterò.

Per adesso completo solo l'ottimizzazione delle classe Tmi(), come vedete l'intera organizzazione dei dati -per la loro futura elaborazione- si basa su questa struttura, ma come già detto all'inizio di questo post CONTA MOLTO DI PIU' SAPERE COSA FARCI CON I DATI (come vanno elaborati al fine di ottenerne il miglior risultato utile ai nostri scopi) PIUTTOSTO CHE SAPERE COME ORGANIZZARLI/ACQUISIRLI AL MEGLIO NELLA MEMORIA RAM DEL NOSTRO CALCOLTAORE.

Ciao ragazzi, e se passate da qui, fatemi sapere che ve ne pare: ogni consiglio e/o critica è ben accetta :)

É importante dizer que não sou especialista nestas ferramentas e que faço uso somente de suas opões básicas. Para mais detalhes, por favor, procurem a documentação da ferramenta, o site do fabricante, etc.. Também é importante dizer que não me responsabilizo por qualquer uso destas ferramentas.

1. Weka

O Weka (Waikato Environment for Knowledge Analisys) é uma excelente ferramenta escrita em Java para mineração de dados. Ele contém um grande conjunto de algoritmos prontos para serem usados. Vale a pena destacar também a grande quantidade de recursos para a limpeza e tratamento de dados, que auxiliam muito o processo de ETL (Extract Transform Load). A figura abaixo apresenta a janela do Weka Knowledge Explorer sendo executada no Mac X, onde podemos perceber que várias abas são disponibilizadas para o tratamento dos dados a serem minerados.

Figura 1. Interface gráfica do Weka.

Link para o download do Weka: http://www.cs.waikato.ac.nz/~ml/weka/index.html

2. TreeMap

O TreeMap é um software que fez a geração de mapas de árvores (TreeMaps). Estes mapas são muito interessantes para a visualização de uma grande quantidade de dados hierárquicos, pois apresentam as informações baseados em retângulos coloridos de acordo com algum atributo das informações. Este tipo de visualização de informação permite uma mineração visual dos dados, tornando mais fácil a descoberta de conhecimento a respeito dos dados. A Figura 2 apresenta o TreeMap com os dados a respeito de uma votação americana. Notem que o estado da Califórnia é apresentado como o maior retângulo e na cor azul. Várias opções permitem customizar a aparência e a navegação dos dados.

Figura 2. Visualizando dados de uma votação americana com o TreeMap.

Link para o download do TreeMap: http://www.cs.umd.edu/hcil/treemap/demos/

3. Mangrove

O Mangrove é um software para Windows apenas que permite a geração e navegação de árvores de decisão. Estas árvores de decisão são úteis para a detecção de padrões e correlações nos atributos dos dados. Vale a pena dar uma navegada pela árvore gerada, e identificar quais são os padrões que os dados apresentam. A Figura 3 apresenta uma árvore de decisão gerada pelo Mangrove, a partir de dados referentes a informações de um zoológico. Além da geração da árvore de decisão, há também como customizar alguns parâmetro do algoritmo e aplicar níveis de Zoom na árvore gerada.

Figura 3. Árvore de decisão gerada pelo Mangrove.

Link para o download do Mangrove: http://www.tetris1d.org/zigah/mangrove/

4. Mondrian

O Mondrian é um excelente servidor OLAP de código livre escrito em Java. Além de permitir a manipulação de cubos de dados através de um browser o Mondrian possui uma extensa API (Application Program Interface) para a manipulação dos seus objetos. Suporte a MDX, geração automática de gráficos e exportação em PDF e arquivo XLS são algumas das suas muitas funcionalidades.

A Figura 4 apresenta o browser FireFox navegando em um cubo montado no Mondrian. Este cubo de dados que aparece na Figura 4 é o mesmo cubo de dados de telefonia que foi apresentado aqui no iMasters por meio da série de  colunas onde expliquei como montar um cubo de dados no Analisys Services.

Figura 4. Cubo de dados de Telefonia implementado no Mondrian.

Link para o download do Mondrian: http://mondrian.sourceforge.net/

5. DBDesigner

O DBDesigner é uma ferramenta de código livre que serve para a modelagem de dados, mais especificamente para a elaboração de diagramas MER (Modelo Entidade Relacionamento). Dentre as suas principais vantagens, podemos citar a fácil geração de código SQL do modelo criado, a separação dos modelos Físico e Lógico, a sua simples interface gráfica e a sua portabilidade. A Figura 5 mostra um modelo multidimensional desenhado no DBDesigner.

Figura 5. Modelo Multidimensional desenha no DBDesigner.

Link para o download do DBDesigner: http://www.fabforce.net/dbdesigner4/

6. SQLUniform

Recentemente, recebi um e-mail solicitando informações sobre uma ferramenta que fosse um front-end no Linux para a administração do SQL Server. Respondi que não conhecia nenhuma, mas o leitor do iMasters e Desenvolvedor Ian Raphael me sugeriu o SQLUniform, um administrador de mais de 20 tipos diferentes de bancos de dados desenvolvido em Java. Para acessar o SQL Server pelo Linux, o SQLUniform utiliza a biblioteca FreeDTS e também pode trabalhar com drivers ODBC ou JDBC.

O SQLUniform também permite a exportação e importação de dados CVS, dentre outras funcionalidades. A Figura 6 mostra o SQLUniform em ação sendo executado em na interface gráfica KDE do Linux e conectado a um servidor MySQL.

Figura 6. SQLUniform administrando uma base de dados do MySQL.

Link para o download do SQLUniform: http://www.sqluniform.com/

7. Pajek

O Pajek é um programa que permite criar, editar e manipular grafos (e não gráficos) de todos os tamanhos. Além disso, ele conta com alguns algoritmos e heurísticas implementadas para facilitar a descoberta de informações. Muito útil para quem trabalha com dados provenientes de redes de relacionamento, como o Orkut, e também com dados hierárquicos. A Figura 7 apresenta um grafo conectado gerado a partir de dados contidos em um arquivo texto.

Figura 7. Grafo conectado gerado pelo Pajek.

Link para o download do Pajek: http://vlado.fmf.uni-lj.si/pub/networks/pajek/

8.  The R Project

O Software chamado ‘The R Project’, ou simplesmente R como é mais conhecido, é um analisador estatístico muito poderoso. Quem precisa trabalhar com dados científicos pode contar com uma ferramenta muito flexível e robusta, a ponto de, em alguns casos, poder substituir o famoso MatLab. Correlação multivariada e testes chi-quadrado são apenas algumas das análises que esta ferramenta para fazer. A Figura 8 apresenta algumas das janelas do R no Mac que podem ser utilizadas durante a manipulação de dados com o R.

Figura 8. Algumas das janelas do R sendo executadas no Mac.

Link para o download do R: http://www.r-project.org/

9. DbGen

O DBGen é um gerador de dados para testes desenvolvido pelo Grupo de Base de Dados e Imagens do ICMC da USP. Ele permite a geração e análise de diversos tipos de dados utilizados para carregar uma base de dados de teste. A Figura 9 mostra a geração de alguns números aleatórios no DbGen.

Figura 9. Geração de dados aleatórios no DBGen.

Para fazer o download do DBGen, antes é necessário o cadastro no site do Grupo de Base de Dados e Imagens.

Link para o download do DBGen: http://gbdi.icmc.usp.br/downloads.php

10. Agata Report

Vários softwares permitem a geração de relatórios customizada pelo usuário. O Agata Report é um projeto de código livre nacional que permite, com uma grande variedade de recursos, a geração de relatórios e gráficos a partir de diferentes bases de dados. Para quem trabalha com o Crystal Reports e o Reporting Sercices, o Agata Report é ótima alternativa de baixo custo. A Figura 10 mostra uma janela de configuração de um relatório no Agata Report.

Figura 10. Janela de configuração de relatórios do Agata Report.

Link para o download do Agata Report: http://www.agata.org.br/

11. iXEdit XML Editor

O iXEdit é um editor de XML desenvolvido em Java bem simples. Ele é útil para a manipulação de arquivos XML com muitas tags e propriedades, além de fornecer suporte para a verificação e validades frente a DTDs e Schemas. A Figura 11 mostra o iXEdit manipulando uma tag de um arquivo XML.

Figura 11. O editor de arquivos XML iXedit manipulando um arquivo XML.

Link para o download do iXEdit XML Editor: http://ixedit.sourceforge.net/

12. Lucene

O Lucene é um biblioteca escrita em Java que contém um mecanismo para se trabalhar com full-text search. De acordo com os desenvolvedores, esta biblioteca apresenta alto-desempenho e possui muitos recursos para a manipulação e pesquisa de diversos tipos de texto. Esta biblioteca deve ser utilizada nas aplicações desenvolvidas em Java para fornecer a funcionalidade de pesquisa full-text.

Link para o download do Lucene: http://lucene.apache.org/java/docs/features.html

Com estas ferramentas livres apresentadas neste post, o desenvolvedor ou DBA tem várias alternativas para tornar o seu trabalha do dia-a-dia mais fácil e produtivo. Vale lembrar que muitos outros tipos de ferramentas livres que auxiliam o trabalho de quem manipula banco de dados ainda existem e estão esperando para serem descobertas e utilizadas.

Por hoje é só pessoal, tenham todos uma maravilhosa semana.

"Porque tu, SENHOR, és a minha lâmpada; e o SENHOR ilumina as minhas trevas." 2 Samuel 22:29

Here is a quick example

Map reverseOrderedMap = new TreeMap(Collections.reverseOrder());

Here it is. Easy! :)

This form of rendering is called TreeMap Visualization and was researched at the Computer Science Dept at University of Maryland. You can read more about treemaps here and here.