El Big Data és l'última baula per predir les condicions climàtiques. Al voltant de l'món, milers d'empreses, centres científics, institucions, etc., estan usant el Big Data per trobar patrons allà on es trobin, les dades massius. En meteorologia, ciència que també té una enorme i ingent quantitat de dades, té també els seus útils aplicacions el Big Data. aquesta moderna i poderosa eina, pot usar-se de múltiples formes. Tot i ser nomenada com una sola cosa, pot aconseguir moltes prediccions diferents segons el que es busqui. Com no, ha arribat també a la meteorologia, i aquí us anem a explicar què és el que fa i com.
Abans de res, anem a recordar que anticipar-se a el temps ha estat des de sempre una de les necessitats primàries de l'ésser humà. Fa milers d'anys, les previsions meteorològiques cobraven molta importància, fins i tot més que avui, per a la supervivència. El desenvolupament tecnològic no era tan punter, qualsevol inestabilitat podia comportar greus conseqüències. Encara que va existir sempre aquesta necessitat de prevenir el temps, no va ser fins a l'arribada d'Aristòtil, que podem encunyar el terme meteorologia. Ell el va anomenar "meteorològica", nom que li va posar al seu llibre, al voltant de l'any 340 aC
Big Data a les previsions
La lògica de l'comportament atmosfèric, no ha deixat de desenvolupar des de llavors. Cada vegada més ràpid. Passant pel termòmetre que Galileu va inventar al 1607, fins a les simulacions per ordinador a partir de les dades recopilades pels satèl·lits. Ara mateix, ens trobem amb el Big Data, molts coincideixen que és l'eina més revolucionària des que existeix internet i no és per menys. Com si un futur de ciència ficció es tractés, avui podem dir que és real.
Com hem comentat, el Big Data comença a encarregar avui, de donar aquest altre punt de mira els meteoròlegs. Allà on no podien arribar, o creien tenir raó sense estar-ho, les dades massius els mostra allò que romania amagat o desapercebut, A més amb un nivell de precisió mai aconseguit. Hi ha empreses que ofereixen ja avui en dia aquests serveis. Institucions, governs i empreses, que fan ús de l'big data per anticipar el clima. Però com és tot aquest procés? Com es porta a terme? Com ens beneficiem? A continuació anem a veure ia entendre com tot aquest procés d'innovació tecnològica és possible.
Com funciona el Big Data?
A grans trets, el Big Data deixa més de banda el mirar el cel per centrar-se en les dades, I que siguin processats de forma correcta. Perquè pugueu entendre més en la seva magnitud la implicació amb la meteorologia, abans cal explicar com funciona.
El Big Data, té el seu nucli de funcionament en el que s'anomena les 4 V s.
Volum
Això significa la quantitat de dades. Tota aquesta quantitat de dades recollides és el que es coneix com el volum. Pot variar depèn al que s'apliqui, de vegades tenim moltes dades i altres vegades "menys". És a dir, podem anar des de 1.000 milions de dades a diversos bilions, depenent de què s'analitze.
Velocitat
És a dir, el ritme a què es generen les dades. Vénen de la necessitat de capturar-los, emmagatzemar-los i poder processar-los. Quantes més captures de dades hi ha, més ràpid s'emmagatzemen, més cal analitzar. La velocitat cobra en les previsions meteorològiques una doble importància, ja que els successos van passant en temps real, i deuen ser processats com més aviat millor.
Varietat
De vegades es té un format de com vénen aquestes dades, altres vegades altres. Cada tipus de dada té la seva pròpia classificació. Altres vegades falten alguns (hi ha tècniques per reparar això, o els errors serien enormes) i altres vénen en formes de vídeo fins i tot. Hi ha una massa de dades molt diferents, que en el Big Data s'encarrega de posar-los un ordre, una lògica per ser ben analitzada. Per exemple, «no es pot» posar en el mateix paquet els mesuraments de temperatura d'un termòmetre que els mesuraments per satèl·lit d'un front.
veracitat
Relacionat amb el parèntesi de el punt anterior. Vol dir que les dades vinguin finalment nets, Sense coses "rares". Els equips gestors del Big Data, han de comptar amb un equip imparcial capacitat per mantenir una bona estructura. Les conseqüències d'una mala veracitat de les dades té efectes molt negatius. Per fer-nos una idea, seria com si un grup de mecànics dóna per finalitzat l'arranjament d'un cotxe, i s'han oblidat cargolar dues rodes.
Exemple sobre la veracitat de les dades
Tenim molts registres de moltes zones. Imaginem que tenim temperatures, índexs d'humitat, vents, etc. Però, tenim una fallada, i ens falten alguns registres de temperatura d'alguna zona, pel motiu que sigui, i no podem accedir a saber quina temperatura s'ha registrat. Tenim un total de 30 dades, i dos d'ells, sense temperatura finalment.
El que es podria fer per exemple, és calcular la temperatura mitjana d'aquestes regions per determinar amb precisió la temperatura possible amb la qual es pot comptar en el registre que falta, però a més, amb uns marges d'error molt petits. Els valors són recanvis, i llavors pot portar-se el càlcul a la pràctica. D'haver faltat aquestes dades, els ordinadors no ho haguessin reconegut, creant un forat negre en les dades, i unes prediccions totalment errònies.
Com s'aconsegueix?
En meteorologia, igual que en qualsevol camp, les dades vénen en forma de variables. És a dir, cadascuna és processada en la forma que li pertany. I encara que sembli molt enrevessat i complicat tot, la tasca es torna «fàcil» per als analistes de Big Data. Les variables que podem registrar en meteorologia, Encara que no deixen de ser dades, poden pertànyer a famílies diferents. És a dir, una variable és qualsevol dada que pugui ser classificat, però no sempre són iguals.
La imatge superior, facilitada per la NASA, mostra el exemple dels corrents al voltant de l'planeta. En el cas de la NASA, compten amb una gran quantitat de satèl·lits que els permet observar i mesurar en temps real els fenòmens de l'entorn de l'globus.
El Big Data pot llegir tot rastre que deixi alguna cosa sobre alguna cosa, i que pot ser considerat una dada. Molts a l'pensar en Big Data, ràpid pensessin en quan fem servir els mòbils, naveguem per internet, fem clic a una pàgina, vam comprar un article en línia, o li donem a "m'agrada" a Facebook. Això és només una "petita" però densa banda, això sí, és molt fiable i ben codificada. Però al seu torn, deixem un rastre físic / virtual, com la localització GPS d'on som, gràcies als telèfons mòbils. Aquí ja vam començar a barrejar el món virtual amb el físic. I com no, moviments físics, compres físiques, segons l'edat, què triem, tot això és arxivat sempre, I per descomptat, pot traduir-se en més i més dades.
Les variables poden ser categòriques
Les variables categòriques són aquelles que representen valors o variables limitades que no necessàriament signifiquen una magnitud concreta. Representen la qualitat d'alguna cosa que descriuen. Bàsicament la seva particularitat és la limitació del que representen. Es poden classificar en dos camps.
Variables categòriques nominals
Són aquelles que representen coses d'un mateix camp sense una connexió lògica entre si. Per exemple: El nom de les regions que indiquen d'on són els registres, com la ciutat, comunitat autònoma, un codi postal, etc.
Variables categòriques ordinals
Són aquelles que poden representar la magnitud d'alguna cosa, Com ara l'escala de Douglas en el nivell d'onatge, el nivell de l'escala amb la qual poden ser classificats els tornados segons la seva magnitud, etc.
Les variables poden ser numèriques
Les variables numèriques són aquelles que representen valors o variables dins d'una magnitud i poden ser mesurables. Representen valors quantitatius. La seva particularitat és que poden representar un ventall d'amidaments molt gran en els fenòmens meteorològics. Es classifiquen de dues maneres
Variables numèriques contínues
Les variables contínues són aquelles que s'encarreguen del mesurament d'alguna cosa establert. Exemples d'elles serien l'índex d'humitat, temperatura, velocitat de vent, quantitat de pluja caiguda, etc.
Variables numèriques discretes
Aquestes són les que porten el recompte d'alguna cosa establert. És a dir, el nombre de vegades que ha plogut en un any en una regió, les vegades que ha nevat, etc.
Totes les variables són processades
Un cop classificades totes les variables, aquestes són processades gràcies als ordinadors, sempre supervisades pels analistes de Big Data. Fins fa pocs anys, la quantitat de dades amb la qual es comptava, tot i ser un nombre molt gran, no hi havia problemes per ser analitzats per analistes de dades. L'anàlisi de Big Data però s'encarrega de l'anàlisi d'aquestes dades massius, on els processos d'anàlisi que han estat comuns fins avui, trigarien molt de temps (Parlem fins i tot de dies) en donar una resposta. No només això, el Big Data és més eficaç i precís, a l ' «jugar» amb les variables entre elles.
Tot això origina el que anteriorment hem comentat de les 4 V s del Big Data, aconseguint una rapidesa, fiabilitat i uns models meteorològics que donen uns pronòstics increïblement encertats en un lapse de temps súper reduït.
El Big Data com disciplina naixent
Un bon exemple seria parlar de l'empresa ACCIONA, que compta amb un Centre de Control d'Energies Renovables (CECOIR). És el centre més gran de món on l'objectiu és donar solucions en temps real, dels milions de dades que són recopilades de les seves instal·lacions, tant de biomassa, energia eòlica i solar. Produeix unes 3000 programacions anuals que prenen totes aquestes dades per ajustar-se a la demanda requerida. Un altre avantatge de l'CECOER és la recepció d'incidències que tenen de les seves instal·lacions, així doncs el 50% d'elles són resoltes de forma remota. El 50% restant són arreglades físicament pels operaris. D'aquesta manera, Acciona aconsegueix que la seva energia renovable, Més que ser una energia alternativa, sigui a dia d'avui una solució.
CECOIR ACCIONA
Una altra dada a destacar de l'Big Data en l'actualitat és l'escassetat de científics de dades. És un camp naixent, I això ha topat amb certs estàndards preconcebuts. Realment el Big Data pot ajudar tant en l'evolució de les previsions, reportar beneficis a empreses, ser capaç d'anticipar tantes coses i justificar el cost que té l'anàlisi de dades massius? Sí. Però és una cosa que s'ha anat veient poc a poc. La creixent demanda de científics de dades ha anat paral·lela als resultats i a l'entendre de la necessitat d'ells en tots els llocs. És cert que ja hi ha molts equips de Big Data treballant, amb resultats espectaculars, però és just ara on ens trobem que hi ha una major demanda. Els analistes Big Data estan sent molt molt buscats.
En conseqüència, estem vivint la revolució que aquests s'impliquen en el desenvolupament, Però des del seu principi. Com tota indústria, estem presenciant ara el seu potencial, però no s'ha desenvolupat a l'màxim, això és una cosa que el temps ens depara. Una cosa ja és evident, el seu potencial actual, l'altra, fins on podrà arribar. Els seus resultats no ens deixaran indiferents.
Mapa model d'IBM
The Weather Company, d'IBM, és una companyia privada que ofereix fins a 26 milions d'pronòstics diaris sobre el clima. IBM des del principi ha destacat, també al costat de Google, per ser una de les companyies més pioneres en el camp. The Weather Company està summament compromesa amb la gent, perquè prenguin decisions informades sobre el clima. Constitueix la xarxa més gran de món d'estacions meteorològiques personals. Les majors marques de l'món en aviació, energia, assegurances, mitjans de comunicació i govern depenen de The Weather Company per dades, plataformes tecnològiques i serveis.
Big Data contra el Canvi Climàtic
United Nations Global Premi, Una iniciativa en big data de les Nacions Unides i Western Digital Corporation, Han signat una aliança per lluitar junts contra el canvi climàtic. Aquest projecte liderat per l'ONU i Western Digital Corp, reuneixen a científics de tot el món d'innovació digital per atacar el problema d'una manera més eficient. Entre ells, trobem col·laboradors per part de sectors molt dispars entre ells. BBVA, Orange, Planet, Plume Labs, Nielsen, Schneider Electric, Waze ... són alguns dels que participen en aquest projecte.
També trobem el Barcelona Supercomputing Center (BSC), es tracta del 4t model de la sèrie MareNostrum. Un superordinador per a l'anàlisi de Big Data clau en molts camps, entre ells també hi ha la lluita per al Canvi Climàtic. Es va posar en funcionament a finals de juny d'aquest 2017. És la tercera ordinador més ràpida d'Europa, En ella s'ha realitzat una inversió per a la seva instal·lació de 34 milions d'euros per part de l'Ministeri d'Economia, Indústria i Competitivitat d'Espanya. Compta amb una capacitat de 14 Petabytes, és a dir, 14 milions de Gigabytes. Arriba als 11,1 Petaflops, és a dir, la barbaritat de 11.100 bilions d'operacions per segon.
El Big Data en el futur de la meteorologia ia les nostres vides
En un món canviant, on cada vegada els canvis són més ràpids, i cada vegada més sorprenents, és difícil predir el futur d'alguna cosa. El que sabem amb certesa és que el Big Data ha vingut per quedar-se, I que les previsions que fa tant meteorològiques com en altres àmbits ens deixen perplexos. Alguns seguiran sent escèptics, altres ho negaran, altres ho veuran com una cosa molt llunyà. Però la veritat és, que ja estem vivint amb això.
A dia d'avui sabem que el Big Data anticipa moltes pluges, èpoques d'huracans, també fins i tot amb molta precisió el nombre de medalles que un país pot guanyar en els Jocs Olímpics. També anticipa ia qui, on i quan es va a cometre un crim (si algú ha vist la pel·lícula de «Minority Report» se li ha passat pel cap, oi?). El Big Data està ràpidament dirigint-se a anticipar el futur de molts àmbits, I és que fins Amazon ho comença a anticipar, i recentment ha començat a fer enviaments abans fins i tot que els clients facin les compres. El futur era fins avui, sovint incert. Però està canviant, el futur és predictible.
Sabem que el seu potencial anirà creixent. Qui sap, potser sigui precipitat anticipar a qui anticipa (el Big Data) alguna cosa. Però amb el nombre de dades suficients, ¿El Big Data podrà arribar a anticipar el clima mundial amb una antelació enorme? Sí. Igual que pot anticipar que les nostres accions donarien escenaris diferents als que prèviament havia donat, perquè qualsevol acció té el seu ressò en el futur, i el Big Data ho sap i torna a avaluar donant un altre nou escenari.
Tot es pot anticipar. Podrem en un futur pròxim saber el que ens passarà? Quins problemes afrontarem? Quan i on sorgirà un huracà? Què haurem de seguir per solucionar-ho? A mesura que es millorin les tècniques, es millorin els ordinadors en eficàcia i velocitat, es segueixi desenvolupant aquest camp ... El més probable és que més que respondre «qui sap», potser el més oportú serà dir «preguntem a l'Big Data».
BA Partners | Willis Update | NASA