Geplaatst op 1 Reactie

Data streamen vanuit de fysieke wereld naar een digitale canvas

Dit bericht is een reflectie op de opdracht dat ik maakte om data te leren streamen. Ik doe dit volgens de STARR-methode.

Situatie

Ik zit in het eerste jaar Netwerkeconomie aan de Howest. Eén van de vakken dat ik dit semester mag volgen is Basiskennis statistiek en databases. Voor dit vak moesten we leren data streamen vanuit een fysieke wereld naar een digitaal canvas.

Taak

Mijn taak is vrij divers. Ik moet leren werken met een Arduino, het begrijpen en schrijven van code is ook deel van de opdracht. Daarnaast is het mijn taak om data vanuit een Arduino-game te streamen en te gaan interpreteren. De game dat ik gemaakt heb is een memory-game. Het doel is om te weten te komen in welke ronde een speler het spel gemiddeld verliest. De docenten verwachtten dat ik dit in een workflow kan voorstellen.

Actie

Aangezien ik niet extreem sterk ben op het vlak van programmeren heb ik vaak feedback gevraagd aan de docenten. Zij lieten mij inzicht krijgen in de code. Zo toonden ze het belang van enkele functies aan. Een voorbeeld hiervan is de ‘SerialPrint’-functie. Deze functie is broodnodig als we data willen streamen. Ik werkte ook vaak samen met een collega-student, Yene Tassew. Dit is enorm handig, je kan elkaar bijstaan en 2 koppen hebben meer verstand dan 1 kop. We werkten parallel met elkaar. Als de ene een fout had dan losten we dit samen op. De online forums raadpleegde ik ook op frequent. Dit deed ik voornamelijk als ik foutmeldingen kreeg in mijn dataflow. Deze meldingen vind je gemakkelijk teug in de forums met oplossingen en uitleg erbij.

Uitleg datastreaming

Ik probeerde mijn manier van werken zo overzichtelijk mogelijk te houden. Enkel zo bleef ik met momenten het bos door de bomen zien. Data, statistiek en programmeren, het zijn ook allemaal zaken die overzichtelijkheid nodig hebben.

Ik wist gelukkig goed wat mijn doel was: te weten komen in welke ronde een speler gemiddeld verliest. Dit is erg interessant om te zien hoeveel zaken een persoon in het korte termijngeheugen kan opslaan. Zeker als je weet da dit gemiddeld tussen de 4 en 7 zaken ligt.

Resultaat

Ik genereerde uiteindelijk het finale resultaat: een workflow in Knime waar ik via de BarChart het gemiddelde kan aflezen wanneer een speler de memory-game verliest. Toen de puzzelstukken in elkaar vielen voelde ik mij erg goed, ik ben enorm tevreden over het resultaat.

Resultaat workflow

Reflectie

Ik heb het vrij goed gedaan. Het doel dat ik vooropgesteld had, heb ik bereikt. Ik zou liegen mocht ik zeggen dat alles van een leien dakje verliep. Ik vloekte vaak op de Arduino en op de opdracht. De docenten dachten waarschijnlijk soms: ‘Potverdikke, Jeppe is daar weer.’, ongelijk kan ik ze niet geven. Ik heb hierdoor wel veel kennis gegeneerd. Kennis die ik ook deelde met mede-studenten, zodat ook zij vooruit gingen.

De volgende keer dat ik iets dergelijks doe, ga ik meer tijd in onderzoek steken en niet meteen de hulplijn inschakelen. Vaak besefte ik achteraf hoe logisch het soms was en sloeg ik mezelf voor de kop om weeral uitleg te vragen.

Link met keuzetraject

Voor mij kan je dataflow toepassen binnen elk keuzetraject. Aangezien ik op dit moment vooral met Organizational Designer in het hoofd zit, pas ik het hierop toe.

Binnen dit traject gaat het voornamelijk over de veranderingen in dit tijdperk en hoe je deze veranderingen binnen een organisatie kan begeleiden. Een dataflow zou hier een perfect hulpmiddel zijn. Je kan productiviteit, sales, klanten… allemaal herleiden tot data. Dit help om inzicht te krijgen in de manier waarop de organisatie werkt. In je data-analyse zie je de pijnpunten en zo leg je de focus tijdens de begeleiding meteen op de juiste plaatsen. Het helpt overduidelijk om efficiënter te werken.

Lijst van de gebruikte software

  • Arduino
  • Coolterm
  • Knime