En 2018, los científicos de datos de Uber trazaron millones de coordenadas de viaje en Toronto y desactivaron el mapa de calles subyacente. La pura densidad de movimientos humanos atraía perfectamente la ciudad de todos modos. El espacio negativo delineaba el lago Ontario, los principales parques y las huellas exactas de los edificios. Los datos de telemetría se habían convertido en el mapa. Para llegar a esa realización fue necesario resolver un enorme cuello de botella computacional. Uber estaba ahogado en datos de localización. El software cartográfico tradicional se desarrolló para mapas estáticos. Alimentar esos sistemas con los datos de alta velocidad de una red global de viajes compartidos causaba esencialmente que los navegadores se congelaran y se bloquearan. Necesitaban una arquitectura completamente nueva. Uber incorporó a Shan He, un antiguo arquitecto físico que había cambiado a informática en el MIT. Reconoció que los científicos de datos necesitaban manipular enormes conjuntos de datos sin necesidad de escribir código de renderizado personalizado. Ella lideró la creación de En lugar de usar renderizado web estándar, el framework evitaba el hilo principal del navegador y descargaba los complejos cálculos geométricos directamente a la unidad de procesamiento gráfico del usuario. El resultado fue una aplicación web capaz de renderizar de forma fluida más de un millón de puntos de datos y miles de viajes simultáneamente. Cualquiera podría crear visualizaciones 3D complejas en segundos. Los descubrimientos internos ahorraron millones a Uber. Al mapear los errores de Tiempo Estimado de Llegada en Manhattan, los analistas visualizaron graves escasez de suministro cerca del agua. Los límites físicos de los ríos forzaban a los coches a circular hacia el norte, rompiendo silenciosamente los algoritmos de despacho global. Mapearon las tasas de éxito de recogida utilizando cuadrículas hexagonales muy granulares sobre geometrías de edificios 3D. Las visualizaciones señalaban exactamente los callejones y salidas de edificios complejos que provocaban cancelaciones de forma constante. Uber utilizó inmediatamente estos datos para reescribir su motor de recomendación de recogida. Como el motor de renderizado solo procesaba coordenadas y tiempo, era completamente indiferente al tema. Un ingeniero la utilizó para modelar la logística teórica del espacio aéreo urbano para coches voladores. Los académicos usaron exactamente la misma herramienta para rastrear la distribución espacial de virus transmitidos por garrapatas y cartografiar órbitas de satélites. Uber tomó la decisión estratégica de lanzar 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 seguir la volatilidad de los precios de alquiler durante la pandemia. Los urbanistas la utilizaron para desenredar los patrones de desplazamiento por toda Nueva York. Luego, el equipo principal de ingeniería 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 creada para evitar que los navegadores se bloquearan al visualizar trayectos en taxi se convirtió en una herramienta bastante importante en las visualizaciones geoespaciales.