In 2018 plotten datawetenschappers van Uber miljoenen ritcoördinaten in Toronto en schakelden ze de onderliggende straatkaart uit. De sheer dichtheid van menselijke beweging tekende de stad toch perfect. Negatieve ruimte omringde het Ontariomeer, grote parken en de exacte voetafdrukken van gebouwen. De telemetriegegevens waren de kaart geworden. Om tot die realisatie te komen, was het nodig om een enorme rekenkundige bottleneck op te lossen. Uber verdronk in locatiegegevens. Traditionele cartografische software was gebouwd voor statische kaarten. Het voeden van die systemen met de hoge-snelheidsgegevens van een wereldwijd rideshare-netwerk zorgde er in wezen voor dat browsers bevroor en crashten. Ze hadden een compleet nieuwe architectuur nodig. Uber haalde Shan He binnen, een voormalige fysieke architect die was overgestapt naar computerwetenschappen aan MIT. Ze erkende dat datawetenschappers enorme datasets moesten kunnen manipuleren zonder aangepaste rendercode te schrijven. Ze leidde de creatie van In plaats van standaard webrendering, omzeilde het framework de hoofdthread van de browser en droeg de complexe geometrische berekeningen rechtstreeks over aan de grafische verwerkingsunit van de gebruiker. Het resultaat was een webapplicatie die soepel meer dan een miljoen datapunten en duizenden ritten tegelijkertijd kon renderen. Iedereen kon in enkele seconden complexe 3D-visualisaties bouwen. De interne ontdekkingen bespaarden Uber miljoenen. Door de geschatte tijd van aankomstfouten in Manhattan in kaart te brengen, visualiseerden analisten ernstige tekorten aan aanbod nabij het water. De fysieke grenzen van de rivieren dwongen auto's in noordelijke richtingen, waardoor de wereldwijde dispatch-algoritmen stilletjes werden verbroken. Ze kaartten de succespercentages van het ophalen in met zeer gedetailleerde hexagonale raster over 3D-gebouwgeometrieën. De visualisaties pinpointen de exacte steegjes en complexe gebouwuitgangen die consequent annuleringen veroorzaakten. Uber gebruikte deze gegevens onmiddellijk om hun aanbevelingsengine voor het ophalen te herschrijven. Omdat de renderengine alleen coördinaten en tijd verwerkte, was het volledig onverschillig voor het onderwerp. Een ingenieur gebruikte het om theoretische logistiek van stedelijke luchtruim voor vliegende auto's te modelleren. Academici gebruikten exact hetzelfde hulpmiddel om de ruimtelijke verspreiding van door teken overgedragen virussen te volgen en satellietbanen in kaart te brengen. Uber nam de strategische beslissing om onder een open-source licentie vrij te geven. Het werd bijna van de ene op de andere dag de industriestandaard. Airbnb gebruikte het om de volatiliteit van huurprijzen tijdens de pandemie te volgen. Stadsplanners gebruikten het om woon-werkpatronen in New York te ontrafelen. Toen verliet het kernengineeringteam Uber om een startup genaamd Unfolded op te richten. Ze bouwden enterprise-grade databeheer tools bovenop hun open-source renderengine. Ze haalden $6 miljoen op, bewezen de enterprise waarde van hun architectuur en werden in 2021 overgenomen door Foursquare. Een hulpmiddel dat oorspronkelijk was gebouwd om browsers te stoppen met crashen bij het visualiseren van taxiritten, werd een behoorlijk belangrijk hulpmiddel in geospatiale visualisaties.