Le Big Data est le dernier maillon de la prévision des conditions météorologiques. Partout dans le monde, des milliers d'entreprises, de centres scientifiques, d'institutions, etc., utilisent le Big Data pour trouver des modèles où qu'ils soient, les Big Data. En météorologie, une science qui possède également une énorme et énorme quantité de données, le Big Data a également ses applications utiles. Ce outil moderne et puissant, il peut être utilisé de multiples façons. Bien qu'il soit nommé comme une seule chose, il peut réaliser de nombreuses prédictions différentes en fonction de ce que vous recherchez. Bien sûr, il est également venu à la météorologie, et ici nous allons vous dire ce que cela fait et comment.
Tout d'abord, rappelons-nous que l'anticipation du temps a toujours été l'un des principaux besoins des êtres humains. Il y a des milliers d'années, les prévisions météorologiques étaient très importantes, encore plus qu'aujourd'hui, pour la survie. Le développement technologique n’était pas aussi avant-gardiste, toute instabilité pouvait avoir de graves conséquences. Bien qu'il y ait toujours eu ce besoin de prévenir les intempéries, ce n'est qu'à l'arrivée d'Aristote que l'on peut inventer le terme météorologie. Il l'a appelé «météorologique», le nom qu'il a donné à son livre, vers 340 av.
Big Data dans les prévisions
La logique du comportement atmosphérique n'a cessé de se développer depuis. Chaque fois plus vite. En passant par le thermomètre inventé par Galileo en 1607, à des simulations informatiques basées sur des données collectées par satellites. En ce moment, nous sommes confrontés au Big Data, beaucoup conviennent que c'est l'outil le plus révolutionnaire depuis qu'internet existe et ce n'est pas pour moins. Comme s'il s'agissait d'un futur de science-fiction, on peut aujourd'hui dire qu'il est réel.
Comme nous l'avons commenté, le Big Data commence aujourd'hui à se charger de donner cet autre point de vue aux météorologues. Où ils ne pouvaient pas aller, ou croyaient avoir raison sans être, Le Big Data vous montre ce qui était caché ou inaperçu, également avec un niveau de précision jamais atteint. Il existe des entreprises qui offrent déjà ces services aujourd'hui. Institutions, gouvernements et entreprises qui utilisent le big data pour anticiper le climat. Mais comment se déroule tout ce processus? Comment est-il fait? Comment en bénéficions-nous? Ensuite, nous verrons et comprendrons comment tout ce processus d'innovation technologique est possible.
Comment fonctionne le Big Data?
Grossièrement, Le Big Data abandonne le ciel pour se concentrer sur les données, et qu'ils sont traités correctement. Pour que vous puissiez mieux comprendre dans son ampleur l'implication avec la météorologie, il faut d'abord expliquer son fonctionnement.
Le Big Data a son cœur de fonctionnement dans ce qu'on appelle les 4 V.
Volume
Cela signifie la quantité de données. Toute cette quantité de données collectées est ce qu'on appelle le volume. Cela peut varier en fonction de ce qui est appliqué, parfois nous avons beaucoup de données et d'autres fois "moins". Autrement dit, nous pouvons passer de 1.000 XNUMX millions de données à plusieurs billions, selon ce qui est analysé.
Vitesse
C'est-à- la vitesse à laquelle les données sont générées. Ils viennent de la nécessité de les capturer, de les stocker et de les traiter. Plus il y a de captures de données, plus elles sont stockées rapidement, plus il y a à analyser. La vitesse revêt une double importance dans les prévisions météorologiques, car les événements se produisent en temps réel et doivent être traités le plus rapidement possible.
Variété
Parfois, il existe un format de la manière dont ces données proviennent, d'autres fois. Chaque type de données a sa propre classification. D'autres fois, certains manquent (il existe des techniques pour résoudre ce problème, ou les erreurs seraient énormes) et d'autres fois, ils se présentent même sous forme vidéo. Il y a une masse de données très différente, qui en Big Data se charge de mettre une commande, une logique à bien analyser. Par exemple, les mesures de température à partir d'un thermomètre «ne peuvent» pas être placées dans le même emballage que les mesures par satellite à partir d'un front.
Véracité
Lié à la parenthèse du point précédent. Cela signifie que les données sont enfin nettoyées, sans choses "bizarres". Les équipes de gestion du Big Data doivent avoir une équipe impartiale formée pour maintenir une bonne structure. Les conséquences d'une mauvaise véracité des données ont des effets très négatifs. Pour se faire une idée, ce serait comme si un groupe de mécaniciens terminait la réparation d'une voiture, et qu'ils oubliaient de visser deux roues.
Exemple sur la véracité des données
Nous avons de nombreux enregistrements de nombreux domaines. Imaginons que nous ayons des températures, des niveaux d'humidité, des vents, etc. Mais, nous avons un échec, et il nous manque des enregistrements de température pour une zone, pour une raison quelconque, et nous ne pouvons pas accéder pour savoir quelle température a été enregistrée. Nous avons un total de 30 données, et deux d'entre elles, sans température finalement.
Ce qui pourrait être fait, par exemple, est de calculer la température moyenne de ces régions pour déterminer précisément la température possible sur laquelle on peut compter dans l'enregistrement manquant, mais aussi avec de très faibles marges d'erreur. Les valeurs sont des pièces de rechange, puis le calcul peut être mis en pratique. Si ces données avaient été manquantes, les ordinateurs ne les auraient pas reconnues, créant un trou noir dans les données et des prévisions totalement fausses.
Comment obtenez-vous?
En météorologie, comme dans n'importe quel domaine, les données se présentent sous la forme de variables. Autrement dit, chacun est traité comme il se doit. Et bien que cela semble très alambiqué et compliqué, la tâche devient «facile» pour les analystes Big Data. Les variables que nous pouvons enregistrer en météorologie, bien qu'il s'agisse encore de données, ils peuvent appartenir à des familles différentes. Autrement dit, une variable est toute donnée qui peut être classée, mais qui ne sont pas toujours les mêmes.
L'image ci-dessus, fournie par la NASA, montre le exemple de courants autour de la planète. Dans le cas de la NASA, ils disposent d'un grand nombre de satellites qui leur permettent d'observer et de mesurer des phénomènes autour du globe en temps réel.
Le Big Data peut lire toutes les traces laissées par quelque chose sur quelque chose, et cela peut être considéré comme des données. Beaucoup lorsqu'ils pensent au Big Data, ils penseront rapidement au moment où nous utilisons les téléphones mobiles, surfons sur Internet, cliquons sur une page, achetons un article en ligne ou «j'aimons» sur Facebook. Ce n'est qu'une partie "petite" mais dense, oui, elle est très fiable et bien codée. Mais à notre tour, nous laissons une trace physique / virtuelle, comme la localisation GPS de l'endroit où nous sommes, grâce aux téléphones portables. Ici, nous commençons déjà à mélanger le monde virtuel avec le monde physique. Et bien sûr, les mouvements physiques, les achats physiques, selon l'âge, ce que l'on choisit, tout cela est toujours archivé, et bien sûr, cela peut se traduire par de plus en plus de données.
Les variables peuvent être catégoriques
Les variables catégorielles sont celles qui représentent des valeurs limitées ou des variables qui ne signifient pas nécessairement une grandeur spécifique. Ils représentent la qualité de quelque chose qu'ils décrivent. Fondamentalement, leur particularité est la limitation de ce qu'ils représentent. Ils peuvent être classés en deux domaines.
Variables catégorielles nominales
Ils sont ceux qui représenter des choses dans le même champ sans connexion logique chaque. Par exemple: le nom des régions qui indiquent d'où proviennent les documents, comme la ville, la communauté autonome, un code postal, etc.
Variables catégoriques ordinales
Ils sont ceux qui peut représenter l'ampleur de quelque chose, comme l'échelle de Douglas dans le niveau des vagues, le niveau de l'échelle avec laquelle les tornades peuvent être classées en fonction de leur ampleur, etc.
Les variables peuvent être numériques
Les variables numériques sont celles qui représentent des valeurs ou des variables dans une grandeur et peuvent être mesurables. Ils représentent des valeurs quantitatives. Leur particularité est qu'ils peuvent représenter une très large gamme de mesures dans les phénomènes météorologiques. Ils sont classés de deux manières
Variables numériques continues
Les variables continues sont celles qui ils sont chargés de mesurer quelque chose d'établi. Des exemples d'entre eux seraient l'indice d'humidité, la température, la vitesse du vent, la quantité de pluie, etc.
Variables numériques discrètes
Ce sont eux ils gardent une trace de quelque chose d'établi. Autrement dit, le nombre de fois où il a plu en un an dans une région, le nombre de fois où il a neigé, etc.
Toutes les variables sont traitées
Une fois toutes les variables classifiées, elles sont traitées grâce à des ordinateurs, toujours supervisé par des analystes du Big Data. Jusqu'à il y a quelques années, la quantité de données disponibles, bien qu'étant un très grand nombre, ne posait aucun problème à analyser par les analystes de données. Cependant, l'analyse Big Data est responsable de l'analyse de ces données massives, où les processus d'analyse qui étaient courants jusqu'à aujourd'hui prendraient beaucoup de temps (on parle même de jours) pour donner une réponse. Non seulement cela, le Big Data est plus efficace et précis, en "jouant" avec les variables entre eux.
Tout cela vient ce que nous avons précédemment commenté sur les 4 V du Big Data, atteindre la vitesse, la fiabilité et des modèles météorologiques qui donnent des prévisions incroyablement précises dans un laps de temps très court.
Le Big Data comme discipline naissante
Un bon exemple serait de parler de la société ACCIONA, qui a un Centre de contrôle des énergies renouvelables (CECOER). C'est le plus grand centre du monde où l'objectif est de fournir des solutions en temps réel, des millions de données qui sont collectées à partir de ses installations, à la fois biomasse, éolienne et solaire. Il produit environ 3000 horaires annuels qui prennent toutes ces données pour s'ajuster à la demande requise. Un autre avantage de CECOER est la réception des incidents qu'ils ont depuis leurs installations, donc 50% d'entre eux sont résolus à distance. Les 50% restants sont physiquement fixés par les opérateurs. De cette manière, Acciona obtient son énergie renouvelable, plus qu'une énergie alternative, être une solution aujourd'hui.
ACTION CECOER
Un autre fait important à propos du Big Data aujourd'hui est la pénurie de data scientists. C'est un champ naissant, et cela s'est heurté à certaines normes préconçues. Le Big Data peut-il vraiment aider autant dans l'évolution des prévisions, rapporter des bénéfices aux entreprises, être capable d'anticiper autant de choses et justifier le coût de l'analyse du Big Data? Oui, mais c'est quelque chose qui a été vu petit à petit. La demande croissante de scientifiques des données a été parallèle aux résultats et en comprenant leur besoin en tous lieux. Il est vrai qu'il y a déjà de nombreuses équipes Big Data qui travaillent, avec des résultats spectaculaires, mais c'est en ce moment là que l'on constate une plus grande demande. Les analystes Big Data sont très recherchés.
En conséquence, nous vivons la révolution qu'ils impliquent dans le développement, mais depuis le début. Comme toute industrie, nous sommes maintenant témoins de son potentiel, mais il n'a pas été pleinement développé, c'est quelque chose que le temps nous réserve. Une chose est déjà évidente, son potentiel actuel, l'autre, jusqu'où il peut aller. Vos résultats ne nous laisseront pas indifférents.
Carte des modèles IBM
IBM The Weather Company est une entreprise privée qui offre jusqu'à 26 millions de prévisions quotidiennes à propos de la météo. Depuis le début, IBM s'est démarquée, avec Google également, pour être l'une des entreprises les plus pionnières dans le domaine. The Weather Company est extrêmement engagée à aider les gens à prendre des décisions éclairées sur la météo. C'est le plus grand réseau au monde des stations météorologiques personnelles. Les plus grandes marques mondiales de l'aviation, de l'énergie, de l'assurance, des médias et du gouvernement dépendent de The Weather Company pour les données, les plateformes technologiques et les services.
Big Data contre le changement climatique
Global Pulse des Nations Unies, une initiative big data du Nations Unies et Western Digital Corporation, ont signé une alliance pour lutter ensemble contre le changement climatique. Ce projet mené par l'ONU et Western Digital Corp., rassembler des scientifiques de l'innovation numérique du monde entier d'attaquer le problème de manière plus efficace. Parmi eux, on retrouve parmi eux des collaborateurs de secteurs très différents. BBVA, Orange, Planet, Plume Labs, Nielsen, Schneider Electric, Waze ... font partie de ceux qui participent à ce projet.
Nous trouvons aussi le Centre de calcul intensif de Barcelone (BSC), c'est le 4ème modèle de la série MareNostrum. Un supercalculateur pour l'analyse Big Data clé dans de nombreux domaines, parmi lesquels la lutte contre le changement climatique. Il a été mis en service fin juin de ce 2017. C'est le troisième ordinateur le plus rapide d'Europe, un investissement y a été réalisé pour son installation de 34 millions d'euros par le ministère de l'Économie, de l'Industrie et de la Compétitivité de l'Espagne. Il a une capacité de 14 pétaoctets, soit 14 millions de gigaoctets. Il atteint 11,1 Petaflops, soit la barbarie de 11.100 XNUMX milliards d'opérations par seconde.
Le Big Data dans le futur de la météorologie et dans nos vies
Dans un monde en évolution, où les changements sont de plus en plus rapides et de plus en plus surprenants, il est difficile de prédire l'avenir de quelque chose. Ce que nous savons avec certitude, c'est que Le Big Data est venu pour rester, et que les prévisions faites à la fois météorologiques et dans d'autres domaines nous laissent perplexes. Certains resteront sceptiques, d'autres le nieront, d'autres le verront comme quelque chose de lointain. Mais la vérité est que nous vivons déjà avec.
Aujourd'hui, nous savons que le Big Data anticipe de nombreuses pluies, des saisons d'ouragans et même avec une grande précision le nombre de médailles qu'un pays peut remporter aux Jeux Olympiques. Il anticipe également qui, où et quand un crime va être commis (si quelqu'un a vu le film "Minority Report", il leur a traversé l'esprit, non?). Big Data s'oriente rapidement vers l'anticipation de l'avenir de nombreux domaines, et c'est que même Amazon commence à l'anticiper, et récemment, il a commencé à effectuer des expéditions avant même que les clients ne fassent des achats. L'avenir était jusqu'à aujourd'hui, souvent incertain. Mais ça change l'avenir est prévisible.
Nous savons que son potentiel augmentera. Qui sait, il peut être téméraire d'anticiper qui anticipe quelque chose (Big Data). Mais avec suffisamment de données, Le Big Data pourra-t-il anticiper le climat mondial avec une énorme anticipation? Oui, tout comme vous pouvez anticiper que nos actions donneraient des scénarios différents à ceux précédemment donnés, car toute action a son écho dans le futur, et le Big Data le sait et le réévalue, donnant un autre nouveau scénario.
Tout peut être anticipé. Pourrons-nous savoir ce qui va nous arriver dans un proche avenir? Quels problèmes allons-nous rencontrer? Quand et où un ouragan frappera-t-il? Que va-t-on devoir continuer à résoudre? À mesure que les techniques s'améliorent, que les ordinateurs s'améliorent en efficacité et en vitesse, ce domaine continue de se développer ... est que plutôt que de répondre «qui sait», peut-être que la chose la plus appropriée sera de dire «demandons au Big Data».
Partenaires BA | Mise à jour Willis | POT