En 2018, los científicos de datos de Uber trazaron millones de coordenadas de viajes en Toronto y apagaron el mapa de calles subyacente. La pura densidad del movimiento humano dibujó perfectamente la ciudad de todos modos. El espacio negativo delineó el Lago Ontario, los principales parques y las huellas exactas de los edificios. Los datos de telemetría se habían convertido en el mapa. Llegar a esa realización requirió resolver un enorme cuello de botella computacional. Uber estaba ahogado en datos de ubicación. El software cartográfico tradicional estaba diseñado para mapas estáticos. Alimentar esos sistemas con los datos de alta velocidad de una red de viajes compartidos global causaba esencialmente que los navegadores se congelaran y se bloquearan. Necesitaban una arquitectura completamente nueva. Uber trajo a Shan He, una arquitecta física que había cambiado a la informática en el MIT. Ella reconoció que los científicos de datos necesitaban manipular conjuntos de datos masivos sin escribir código de renderizado personalizado. Ella lideró la creación de En lugar de usar renderizado web estándar, el marco eludió el hilo principal del navegador y descargó los complejos cálculos geométricos directamente a la unidad de procesamiento gráfico del usuario. El resultado fue una aplicación web que podía renderizar suavemente más de un millón de puntos de datos y miles de viajes simultáneamente. Cualquiera podía construir visualizaciones 3D complejas en segundos. Los descubrimientos internos ahorraron a Uber millones. Al mapear los errores de Tiempo Estimado de Llegada en Manhattan, los analistas visualizaron graves escaseces de suministro cerca del agua. Los límites físicos de los ríos estaban forzando a los coches a vectores hacia el norte, rompiendo silenciosamente los algoritmos de despacho global. Mapearon las tasas de éxito de recogida utilizando rejillas hexagonales altamente granulares sobre geometrías de edificios en 3D. Las visualizaciones señalaron los callejones exactos y las salidas complejas de los edificios que causaban cancelaciones de manera constante. Uber utilizó inmediatamente estos datos para reescribir su motor de recomendaciones de recogida. Debido a que el motor de renderizado solo procesaba coordenadas y tiempo, era completamente indiferente al tema. Un ingeniero lo utilizó para modelar la logística teórica del espacio aéreo urbano para coches voladores. Académicos utilizaron la misma herramienta para rastrear la distribución espacial de virus transmitidos por garrapatas y mapear órbitas de satélites. Uber tomó la decisión estratégica de liberar bajo una licencia de código abierto. Se convirtió en el estándar de la industria casi de la noche a la mañana. Airbnb lo utilizó para rastrear la volatilidad de precios de alquiler durante la pandemia. Los planificadores urbanos lo utilizaron para desentrañar los patrones de desplazamiento en Nueva York. Luego, el equipo de ingeniería central dejó Uber para fundar una startup llamada Unfolded. Construyeron herramientas de gestión de datos de nivel empresarial sobre su motor de renderizado de código abierto. Recaudaron 6 millones de dólares, demostraron el valor empresarial de su arquitectura y fueron adquiridos por Foursquare en 2021. Una herramienta originalmente construida para evitar que los navegadores se bloquearan al visualizar viajes en taxi se convirtió en una herramienta bastante importante en visualizaciones geoespaciales.