Big Data on viimeinen linkki sääennusteiden ennustamisessa. Tuhannet yritykset, tiedekeskukset, instituutiot jne. Käyttävät ympäri maailmaa Big Datan avulla etsimään malleja missä tahansa, big data. Meteorologiassa, tieteessä, jolla on myös valtava määrä tietoa, Big Datalla on myös hyödyllisiä sovelluksia. Tämä moderni ja tehokas työkalu, sitä voidaan käyttää monin tavoin. Huolimatta siitä, että se on nimetty yhdeksi asiaksi, voit saavuttaa monia erilaisia ennusteita etsimäsi mukaan. Tietysti se on tullut myös meteorologiaan, ja tässä aiomme kertoa sinulle, mitä se tekee ja miten.
Ensinnäkin, muistetaan se ajan ennakointi on aina ollut yksi ihmisten ensisijaisista tarpeista. Tuhansia vuosia sitten sääennusteet olivat erittäin tärkeitä, jopa enemmän kuin tänään, selviytymisen kannalta. Teknologian kehitys ei ollut niin kärjessä, epävakaudella voi olla vakavia seurauksia. Vaikka säätarpeen välttäminen oli aina tarpeen, meteorologian termi voidaan koota vasta Aristoteleen saapuessa. Hän kutsui sitä "meteorologiseksi", nimeksi, jonka hän antoi kirjalle, noin 340 eKr.
Big Data ennusteissa
Ilmakehän käyttäytymisen logiikka ei ole pysähtynyt siitä lähtien. Joka kerta nopeammin. Galileon vuonna 1607 keksimän lämpömittarin läpi siirrytään tietokonesimulaatioihin satelliittien keräämistä tiedoista. Tällä hetkellä edessämme on Big Data, monet ovat siitä yhtä mieltä se on vallankumouksellisin työkalu Internetin olemassaolosta lähtien ja ei ole vähempää. Ikään kuin se olisi tieteiskirjallisuuden tulevaisuus, voimme tänään sanoa, että se on todellinen.
Kuten olemme kommentoineet, Big Data alkaa ottaa vastuunsa tänään antamalla tuon toisen näkökulman meteorologeille. Minne he eivät voineet mennä tai uskoivat olevansa oikeassa olematta, Suuret tiedot osoittavat, mikä oli piilotettua tai huomaamatonta, myös tarkkuudella, jota ei koskaan saavutettu. On yrityksiä, jotka tarjoavat näitä palveluja jo tänään. Laitokset, hallitukset ja yritykset, jotka hyödyntävät suuria tietoja ilmaston ennakointiin. Mutta miten tämä koko prosessi on? Kuinka se tehdään? Kuinka hyötymme? Seuraavaksi näemme ja ymmärrämme, kuinka koko tämä teknologisen innovaation prosessi on mahdollista.
Kuinka Big Data toimii?
Karkeasti, Big Data keskittyy dataan enemmän kuin taivaalle katsominenja että ne käsitellään oikein. Jotta voisit ymmärtää enemmän meteorologisen vaikutuksen suuruudeltaan, on ensin selitettävä, miten se toimii.
Big Datan toiminnan ydin on nimeltään 4 V.
tilavuus
Tämä tarkoittaa tietojen määrää. Kaikki tämä kerätty data on mitä kutsutaan äänenvoimakkuudeksi. Se voi vaihdella sovellettavan mukaan, joskus meillä on paljon tietoa ja toisinaan "vähemmän". Toisin sanoen voimme siirtyä 1.000 miljoonasta datasta useisiin biljooniin, riippuen siitä, mitä analysoidaan.
Nopeus
Toisin sanoen, tietojen tuottamisnopeus. Ne johtuvat tarpeesta kaapata, tallentaa ja käsitellä niitä. Mitä enemmän dataa siepataan, sitä nopeammin ne tallennetaan, sitä enemmän on analysoitavaa. Nopeudella on kaksinkertainen merkitys sääennusteissa, koska tapahtumat tapahtuvat reaaliajassa, ja ne on käsiteltävä mahdollisimman pian.
Variedad
Joskus on muoto, miten nämä tiedot tulevat, toisinaan toiset. Jokaisella tietotyypillä on oma luokitus. Toisinaan jotkut puuttuvat (on olemassa tekniikoita tämän korjaamiseksi tai virheet olisivat suuria) ja toisinaan ne tulevat jopa videomuotoina. Tietojen massa on hyvin erilainen, mikä Big Datassa vastaa tilauksen tekemisestä, logiikka, joka on analysoitava hyvin. Esimerkiksi lämpömittarin lämpötilamittauksia "ei voida" laittaa samaan pakettiin kuin satelliittimittauksia edestä.
Todenmukaisuus
Liittyy edellisen kohdan sulkeisiin. Se tarkoittaa, että tiedot tulevat vihdoin puhtaiksi, ilman "outoja" asioita. Big Data -hallintaryhmillä on oltava puolueeton tiimi, joka on koulutettu ylläpitämään hyvää rakennetta. Tietojen virheellisen totuudenmukaisuuden seurauksilla on erittäin kielteisiä vaikutuksia. Idean saamiseksi olisi kuin ryhmä mekaanikkoja päättäisi auton korjauksen, ja he unohtivat ruuvata kaksi pyörää.
Esimerkki tietojen oikeellisuudesta
Meillä on paljon ennätyksiä monilta alueilta. Kuvitellaan, että meillä on lämpötiloja, kosteustasoja, tuulia jne. Mutta meillä on vika, ja joiltakin syiltä puuttuu joitain lämpötilatietoja jostakin alueesta, emmekä voi saada tietoa siitä, mikä lämpötila on kirjattu. Meillä on yhteensä 30 dataa, ja kaksi niistä ilman lämpötilaa lopulta.
Voitaisiin esimerkiksi laskea näiden alueiden keskilämpötila, jotta voidaan määrittää tarkalleen mahdollinen lämpötila, johon voidaan laskea puuttuvasta tietueesta, mutta myös hyvin pienillä virhemarginaaleilla. Arvot ovat varaosia, ja sitten laskenta voidaan toteuttaa käytännössä. Jos nämä tiedot puuttuisivat, tietokoneet eivät olisi tunnistaneet niitä, mustan aukon luominen tietoihin ja täysin väärät ennusteet.
Kuinka saat sen?
Meteorologiassa, kuten kaikilla aloilla, data tulee muuttujien muodossa. Toisin sanoen kutakin käsitellään samalla tavalla kuin se kuuluu. Ja vaikka se näyttää hyvin mutkikkaalta ja monimutkaiselta, tehtävä tulee "helpoksi" Big Data -analyytikoille. Muuttujat, jotka voimme tallentaa meteorologiaan, vaikka ne ovatkin edelleen tietoja, he voivat kuulua eri perheisiin. Eli muuttuja on mikä tahansa tieto, joka voidaan luokitella, mutta ne eivät aina ole samoja.
NASA: n yllä oleva kuva näyttää esimerkki planeetan ympärillä olevista virtauksista. NASA: n tapauksessa heillä on suuri määrä satelliitteja, joiden avulla he voivat tarkkailla ja mitata ilmiöitä ympäri maailmaa reaaliajassa.
Big Data pystyy lukemaan jokaisen jäljen, jonka jokin jättää jostakin, ja sitä voidaan pitää datana. Monet ajatellessaan Big Dataa ajattelevat nopeasti, kun käytämme matkapuhelimia, surffailemme Internetissä, napsautamme sivua, ostamme kohteen verkosta tai tykkäämme siitä Facebookissa. Se on vain "pieni", mutta tiheä osa, kyllä, se on erittäin luotettava ja hyvin koodattu. Mutta vuorostaan jätämme fyysisen / virtuaalisen jäljen, kuten GPS-sijainti missä olemme, matkapuhelinten ansiosta. Täällä aloitamme jo sekoittamaan virtuaalimaailman fyysiseen maailmaan. Ja tietysti fyysiset liikkeet, fyysiset ostot iän mukaan, mitä valitsemme, kaikki tämä arkistoidaan aina, ja tietysti se voi kääntyä yhä useammaksi dataksi.
Muuttujat voivat olla kategorisia
Luokkamuuttujat ovat sellaisia, jotka edustavat arvoja tai rajoitettuja muuttujia, jotka eivät välttämättä tarkoita tiettyä suuruutta. Ne edustavat kuvaamansa sisällön laatua. Pohjimmiltaan heidän erityispiirteensä on rajoittaminen siihen, mitä he edustavat. Ne voidaan luokitella kahteen kenttään.
Nimelliset kategoriset muuttujat
He ovat niitä edustavat asioita samalla kentällä ilman loogista yhteyttä kukin. Esimerkiksi: Niiden alueiden nimi, jotka ilmoittavat tietueiden alkuperän, kuten kaupunki, itsehallintoalue, postinumero jne.
Tavalliset kategoriset muuttujat
He ovat niitä voi edustaa jonkin suuruutta, kuten Douglas-asteikko aaltotasolla, asteikon taso, jolla tornadot voidaan luokitella niiden suuruuden mukaan, jne.
Muuttujat voivat olla numeerisia
Numeeriset muuttujat ovat niitä, jotka edustavat arvoja tai muuttujia suuruuden sisällä ja voivat olla mitattavissa. Ne edustavat määrällisiä arvoja. Niiden erityispiirre on se, että ne voivat edustaa hyvin laajaa mittausaluetta sääilmiöissä. Ne luokitellaan kahdella tavalla
Jatkuvat numeeriset muuttujat
Jatkuvat muuttujat ovat niitä, jotka ovat vastuussa jonkin vakiintuneen mittaamisesta. Esimerkkejä niistä ovat kosteusindeksi, lämpötila, tuulen nopeus, sateen määrä jne.
Diskreetit numeeriset muuttujat
Nämä ovat niitä he seuraavat jotain vakiintunutta. Eli kuinka monta kertaa on satanut vuodessa alueella, kuinka monta kertaa satanut jne.
Kaikki muuttujat käsitellään
Kun kaikki muuttujat on luokiteltu, ne käsitellään tietokoneiden, aina analyytikoiden valvonnassa Big Datasta. Vielä muutama vuosi sitten käytettävissä olevien tietojen määrä oli huolimatta siitä, että data-analyytikot analysoivat hyvin suuren määrän. Big Data -analyysi on kuitenkin vastuussa näiden massiivisten tietojen analysoinnista missä tähän päivään asti olleet analyysimenetelmät vievät kauan (puhumme jopa päivistä) antaa vastauksen. Paitsi, että Big Data on tehokkaampaa ja tarkempaa "pelaamalla" niiden välisten muuttujien kanssa.
Kaikki tämä on peräisin mitä olemme aiemmin kommentoineet Big Data 4 V: n nopeuden, luotettavuuden ja säämallit, jotka antavat uskomattoman tarkat ennusteet erittäin lyhyessä ajassa.
Big Data syntyvänä kurinalaisuutena
Hyvä esimerkki olisi puhua yrityksestä ACCIONA, jolla on Uusiutuvan energian hallintakeskus (CECOER). Se on maailman suurin keskus missä tavoitteena on tarjota ratkaisuja reaaliajassa miljoonista tiedoista, jotka kerätään sen laitoksista, sekä biomassa-, tuuli- että aurinkoenergiasta. Se tuottaa noin 3000 vuosittaista aikataulua, joissa kaikki nämä tiedot sopeutuvat vaadittuun kysyntään. Toinen CECOERin etu on niiden tapahtumien vastaanottaminen tiloistaan, joten 50% niistä ratkaistaan etänä. Operaattorit vahvistavat loput 50% fyysisesti. Tällä tavalla, Acciona saa uusiutuvan energiansa, enemmän kuin vaihtoehtoinen energia, olla ratkaisu tänään.
CECOER TOIMINTA
Toinen tärkeä tosiasia nykyään suuresta datasta on datatutkijoiden pula. Se on syntymässä oleva kenttä, ja se on vastoin tiettyjä ennakkoluuloja. Voiko Big Data todella auttaa niin paljon ennusteiden kehityksessä, raportoida etuja yrityksille, pystyä ennakoimaan niin monia asioita ja perustelemaan isojen tietojen analysoinnin kustannukset? Kyllä, mutta se on jotain, jota on nähty vähitellen. Datatieteilijöiden kasvava kysyntä on rinnastanut tuloksia ja ymmärtämällä niiden tarve kaikissa paikoissa. On totta, että jo nyt toimii paljon Big Data -tiimejä, joiden tulokset ovat upeita, mutta juuri nyt havaitsemme, että kysyntä on suurempi. Big Data -analyytikot ovat erittäin haluttuja.
Niinpä elämme vallankumousta, jonka ne merkitsevät kehityksessä, mutta alusta alkaen. Kuten kaikki teollisuudenalat, olemme nyt todistamassa sen potentiaalia, mutta sitä ei ole vielä täysin kehitetty. Aika on varannut meitä tähän. Yksi asia on jo ilmeinen, sen nykyinen potentiaali, toinen, kuinka pitkälle se voi mennä. Tuloksesi eivät jätä meitä välinpitämättömiksi.
IBM-mallikartta
IBM: n The Weather Company on yksityinen yritys, joka tarjoaa jopa 26 miljoonaa päivittäistä ennustetta säästä. IBM on alusta alkaen eronnut myös Googlen kanssa siitä, että se on yksi alan uraauurtavimmista yrityksistä. Weather Company on erittäin sitoutunut auttamaan ihmisiä tekemään tietoon perustuvia päätöksiä säästä. Se on maailman suurin verkko henkilökohtaisia sääasemia. Maailman suurimmat ilmailun, energian, vakuutusten, tiedotusvälineiden ja hallinnon tuotemerkit ovat riippuvaisia Weather Companysta tietojen, teknologia-alustojen ja palvelujen osalta.
Suuret tiedot ilmastonmuutosta vastaan
YK: n globaali pulssi, iso data - aloite YK ja Western Digital Corporation, ovat allekirjoittaneet liiton taistelemaan yhdessä ilmastonmuutosta vastaan. Tämä YK: n ja Western Digital Corp.: n johtama projekti tuoda yhteen digitaalisen innovaation tutkijoita ympäri maailmaa hyökätä ongelmaan tehokkaammin. Heidän joukossaan on joukossa yhteistyökumppaneita hyvin eri aloilta. BBVA, Orange, Planet, Plume Labs, Nielsen, Schneider Electric, Waze ... ovat osa niistä, jotka osallistuvat tähän projektiin.
Löydämme myös Barcelonan supertietokonekeskus (BSC), se on MareNostrum-sarjan 4. malli. Supertietokone Big Data -analyysiä varten avain monilla aloilla, muun muassa taistelu ilmastonmuutoksen puolesta. Se otettiin käyttöön tämän vuoden kesäkuun lopussa. Se on kolmanneksi nopein tietokone Euroopassa, siihen on investoitu 34 miljoonan euron asennukseen Espanjan talous-, teollisuus- ja kilpailukykyministeriö. Sen kapasiteetti on 14 petatavua, eli 14 miljoonaa gigatavua. Se saavuttaa 11,1 Petaflopsia, toisin sanoen 11.100 XNUMX miljardin operaation sekunnissa.
Big Data meteorologian tulevaisuudessa ja elämässämme
Muuttuvassa maailmassa, jossa muutokset ovat nopeutumassa ja yhä yllättävämpiä, on vaikea ennustaa jonkin tulevaisuutta. Tiedämme varmasti sen Big Data on tullut jäädäkseenja että sekä meteorologiset että muilla alueilla tehdyt ennusteet jättävät meidät hämmentyneiksi. Jotkut pysyvät epäilevinä, toiset kieltävät sen, toiset näkevät sen jotain kaukana. Mutta totuus on, elämme jo sen kanssa.
Tähän päivään tiedämme, että Big Data ennakoi monia sateita, hurrikaanikausia ja jopa erittäin tarkasti mitalien määrän, jonka maa voi voittaa olympialaisissa. Se ennakoi myös kuka, missä ja milloin rikos tehdään (jos joku on nähnyt "Minority Report" -elokuvan, joka on tullut heidän mieleensä, eikö?). Suuri data etenee nopeasti monien alueiden tulevaisuuden ennakoimiseksi, ja se on, että jopa Amazon alkaa ennakoida sitä, ja viime aikoina se on alkanut tehdä lähetyksiä jo ennen kuin asiakkaat tekevät ostoksia. Tulevaisuus oli tähän päivään asti, usein epävarma. Mutta se muuttuu tulevaisuus on ennustettavissa.
Tiedämme, että sen potentiaali kasvaa. Kuka tietää, voi olla ihottavaa ennakoida, kuka ennakoi (Big Data) jotain. Mutta riittävästi tietoa, Pystyykö Big Data ennakoimaan globaalia ilmastoa valtavasti ennakoimalla? Kyllä. Aivan kuten voit ennakoida, että toimintamme antaisi erilaisia skenaarioita aiemmin annetuille, koska kaikilla toiminnoilla on kaiku tulevaisuudessa, ja Big Data tietää sen ja arvioi sen uudelleen, antaen uuden uuden skenaarion.
Kaikki voidaan odottaa. Voimmeko tietää lähitulevaisuudessa, mitä meille tapahtuu? Mitä ongelmia kohtaamme? Milloin ja missä hurrikaani iski? Mitä meidän on jatkettava sen ratkaisemiseksi? Kun tekniikat paranevat, tietokoneiden tehokkuus ja nopeus paranevat, tämä ala kehittyy edelleen ... Todennäköisesti on, että pikemminkin kuin vastaaminen "kuka tietää", ehkä sopivin asia on sanoa "kysytään Big Data".
BA Partners | Willisin päivitys | POT