Samhällsnytta och risker

En tydlig samhällsnytta med detta arbete är att visualisering av större mängder data görs tydlig och förståelig för olika människor i samhället. Genom att visualisera rådata i form av en linje i ett diagram blir det enklare att se hur datan förändrats över tid. För att applicera det till detta arbete blir det enklare för en vanlig människa att se och förstå hur ett företags aktiekurs utvecklats över olika tidsperioder. Att försöka analysera ett företags aktiekurs som inte är visualiserad genererar bara diverse problem. Exempelvis går det inte riktigt skapa sig någon tydlig uppfattning om aktien gått bra eller dåligt senaste 10 åren genom att titta på hundratusentals datapunkter i ett kalkylark. Men med hjälp av visualiseringen blir detta möjligt eftersom all data visas samtidigt i ett och samma diagram.

Denna förenkling av data genom visualisering kan även bidra positivt till samhället utanför den börsrelaterade världen. Vid skrivandet av denna avhandling lever hela mänskligheten mitt i en pandemi. För hela svenska befolkningen kan det vara av intresse att veta om dödstalen ökar eller minskar i samhället. Det kan även vara intressant att se hur stor påverkan ett vaccin har på utvecklingen av viruset. Om media bara rapporterar dödsfall i form av rena värden varje dag till miljontals människor blir det oerhört svårt att se samband och trender i den rapporterade datan. Med hjälp av visualisering går det förenkla förståelsen kring hur tillväxten i dödstalen ser ut. Det går inte bara visa den aktuella mängden dödsfall utan det går även sätta dagens dödsfall i kontext med hur det såg ut för t.ex. en vecka sedan eller ett år sedan. Visualiseringen underlättar även för alla de experter som är ansvariga för smittskyddsarbetet då visualiseringen underlättar arbetet med att se mönster i datan och hur dödstalen eller antalet smittade människor förändras över tid och därefter dra slutsatser av den analyserade datan. Om det exempelvis går se att antalet dödsfall ökar exponentiellt var tredje månad för att sedan sjunka till lägre nivåer går det anpassa arbetet för att bättre

hantera perioder med mycket hög smittspridning i samhället. I en artikel skriven av Shneiderman et al. (2013) om hur det går att förbättra friskvård med hjälp av interaktiv visualisering förklaras det att visualiseringen av data har börjat hjälpa kliniker och patientsäkerhetsansvarig personal att se och förstå mönster i patienters användning av bland annat läkemedel. Att just se och förstå mönster är det som förbättrar arbetet vare sig det handlar om dosering av läkemedel eller för att se hur vaccinering sänker antalet smittade människor i samhället under en pandemi.

En risk som existerar för företag som tillhandahåller en handelsmarknad där det går att köpa och sälja aktier är att webbsidan där handeln utförs kan sluta fungera vid kritiska moment. Detta är något som förekommer ibland där underliggande teknologi slutar fungera på grund av flertalet olika orsaker som kan drabba vilken webbsida som helst. Webbsidan kan exempelvis bli överbelastad av för många samtidiga användare eller en oväntat stor omsättning i handeln. När olyckan väl är framme och systemen kraschar kan det innebära stora problem för företagets kunder som kan förlora mycket pengar eftersom de inte kan sälja av sina innehav när webbsidan ligger nere. Detta leder i sin tur till sämre kundomdömen men även legala problem för företaget då kunder som inte kunnat använda företagets tjänst vid ett visst kritiskt moment kräver någon form av ersättning.

I den utförda undersökningen visade det sig att Python inte klarade av större datamängder särskilt bra. Detta gällde inte bara hanteringen av mycket data utan även hanteringen av en hög samtidighet. Hög samtidighet i form av fler aktiekurser som visualiseras på samma gång är en aspekt men hög samtidighet existerar även när många användare är inloggade samtidigt och använder tjänstens olika utbud samtidigt. I och med Pythons oförmåga att hantera större samtidig data känns inte programmeringsspråket som det naturliga valet för denna typ av tjänst. I en artikel skriven av Cai et al. (2005) om prestandan av vetenskapliga applikationer som använder sig av Python dras slutsatsen att Python kan användas i stora delar av en applikation där fokus inte ligger på applikationens prestanda. Detta leder i sin tur till kortare och mer flexibel kod som är enklare att både läsa, underhålla och bygga vidare på. Då mätningarna i denna undersökning visar att Python inte levererar någon högre form av prestanda jämfört med React går det bekräfta forskningsartikelns slutsats om att Python inte bör användas när prestanda är av högsta prioritet. Att användningen av Python dessutom leder till kortare och mer lättförståelig kod som är enkel att underhålla samt bygga vidare på är även det något som kan bekräftas då utvecklingen av Python-applikationen gick betydligt snabbare än utvecklingen av React-applikationen då Python kräver färre rader kod än React för att skapa en likvärdig applikation.

Genom att istället använda React kan utvecklarna som skapat företagets underliggande aktiehandelstjänst känna sig mer säkra i att hög samtidighet på webbsidan inte är något som kommer skapa problem för vare sig företaget i sig eller kunderna som betalar för tjänsten. De mätresultat som undersökningen resulterat i kan komma till användning i dagens samhälle och visa sig vara väl användbara. Men frågan är hur länge datan är användbar. Exempelvis hade mätresultaten förmodligen sett annorlunda ut om alla mätningar utfördes för 20 år sedan på en dator med betydligt lägre prestanda. Därför är det svårt att säga hur användbar en mätning utförd år 2021 är 20 år framåt i tiden. Eftersom allting i samhället utvecklas och digitaliseringen av samhället ökar kraftigt är det inte särskilt troligt att mätresultaten ser likadana ut om 20 år. Däremot bidrar mätresultaten med samhällsnytta just idag. All data som samlats in kan därför finnas till som en grund för framtida vidare forskning inom liknande undersökningar.

7.2.3 Hållbarhet

När det kommer till hållbarhet är utnyttjandet av resurser en viktig aspekt. Att det överhuvudtaget finns grafritande bibliotek som Plotly, Matplotlib och Chart.js helt gratis att använda för precis vem som helst i vilket syfte som helst är ur ett hållbarhetsperspektiv väldigt positivt. Tack vare de bibliotek som finns behöver utvecklare inte lägga ner tid och resurser på att skapa allting från grunden. Om det finns data som behöver visualiseras kan valfritt bibliotek användas utan särskilda förkunskaper. Detta innebär att mer eller mindre vem som helst, oavsett erfarenhet inom programmering, kan nyttja bibliotekens kraftfulla verktyg utan att det ska gå ut över viktigare arbetsuppgifter på arbetsplatsen vilket i sin tur leder till ett mer fördelaktigt utnyttjande av resurser.

En stor skillnad mellan React och Python vid skapandet av artefakten visade sig vara mängden kod som behövdes för att skapa likvärdiga applikationer. Som tidigare nämnt i kapitel 7.2.2 om samhällsnytta och risker är detta är något som bekräftar slutsatsen i forskningsartikeln skriven av Cai et al. (2005) om mängden kod som behövs för att skapa en fullt fungerande applikation i Python och hur Python bidrar med bland annat mer lättläst kod som är enkel att underhålla samt bygga vidare på. Det krävdes betydligt färre rader kod för att skapa diagram baserade på Plotly i Python jämfört med motsvarigheten i React. Detta tyder på att det tar kortare tid att skapa en likvärdig produkt i Python som i React. Antalet rader kod kan vara betydande för tiden det tar att skapa applikationer men baserat på resultaten från mätningarna i undersökningen levererar React kortare renderingstider än Python. Därför uppstår ett dilemma angående vad det bästa alternativet är utifrån ett hållbarhetsperspektiv. Bör företag välja det som tar kortast tid att skapa eller det som presterar bättre i tidsbaserade mätningar? För att spara energi i det långa loppet är nog svaret det sistnämnda. Kortsiktigt kan det vara resurskrävande att skriva fler rader kod men när applikationen väl är färdig och lanserad på marknaden är det viktigare att applikationen presterar bra.

Eftersom det visade sig i mätningarna att Python presterar sämre när datamängden blir större kan det bli ett ihållande problem för utvecklarna att hela tiden underhålla systemet när det blir överbelastat på grund av för mycket samtidig användning. Detta kommer leda till onödig energiförbrukning för utvecklarna vilket under en längre period inte är hållbart. Därför blir det än mer viktigt att välja alternativet som presterar bättre ju mer data som måste hanteras. En ytterligare aspekt till detta är att utvecklarna kan bli tvingade att ta sig till arbetsplatsen utanför arbetstid för att lösa de problem som uppstår när systemet slutar fungera på grund av för hög belastning. Det är inte bara ohållbart för de anställda som tvingas arbeta extra på obekväma arbetstider men det är även dåligt för miljön ur ett hållbarhetsperspektiv då någon form av transport krävs för att ta sig till och från arbetsplatsen.

Det har konstaterats att Python kräver färre rader kod för att skapa en likvärdig applikation som i React. Men däremot har inte den designmässiga aspekten hanterats. Att arbeta med biblioteket Streamlit i Python är inte alls samma sak som att designa en webbapplikation i React. Streamlit tillåter skapandet av simpla moduler som får applikationen att se någorlunda okej ut. Men det kommer med sina begränsningar. I React går det ta hjälp av t.ex. CSS för att positionera element och ändra färger. Detta är inget som går att göra i Streamlit. Vad detta betyder för utvecklare är att React bidrar med en betydligt större flexibilitet vilket gör att utvecklarna kan skapa applikationer utan någon större friktion. Att ha en fri vilja i skapandeprocessen är av yttersta viktighet när det kommer till att skapa en fullvärdig

produkt som engagerar användare. Att ett program tar mindre att skapa i Python väger inte upp för det faktum att det i React går skapa så mycket mer utan någon form av större begränsning. Därför blir det inte särskilt hållbart att fortsätta utveckla i det språket som förser utvecklarna med minst alternativ.