ಬಿಗ್ ಡೇಟಾ ಮತ್ತು ಹವಾಮಾನ ಮುನ್ಸೂಚನೆಯಲ್ಲಿ ಭವಿಷ್ಯ

ಹವಾಮಾನ ಪರಿಸ್ಥಿತಿಗಳನ್ನು in ಹಿಸುವಲ್ಲಿ ಬಿಗ್ ಡೇಟಾ ಕೊನೆಯ ಲಿಂಕ್ ಆಗಿದೆ. ಪ್ರಪಂಚದಾದ್ಯಂತ, ಸಾವಿರಾರು ಕಂಪನಿಗಳು, ವೈಜ್ಞಾನಿಕ ಕೇಂದ್ರಗಳು, ಸಂಸ್ಥೆಗಳು, ಬಿಗ್ ಡೇಟಾವನ್ನು ಅವರು ಎಲ್ಲಿದ್ದರೂ, ದೊಡ್ಡ ಡೇಟಾವನ್ನು ಕಂಡುಹಿಡಿಯಲು ಬಳಸುತ್ತಿವೆ. ಹವಾಮಾನಶಾಸ್ತ್ರದಲ್ಲಿ, ಒಂದು ದೊಡ್ಡ ಮತ್ತು ದೊಡ್ಡ ಪ್ರಮಾಣದ ಡೇಟಾವನ್ನು ಹೊಂದಿರುವ ವಿಜ್ಞಾನ, ಬಿಗ್ ಡೇಟಾವು ಅದರ ಉಪಯುಕ್ತ ಅನ್ವಯಿಕೆಗಳನ್ನು ಸಹ ಹೊಂದಿದೆ. ಇದು ಆಧುನಿಕ ಮತ್ತು ಶಕ್ತಿಯುತ ಸಾಧನ, ಇದನ್ನು ಅನೇಕ ವಿಧಗಳಲ್ಲಿ ಬಳಸಬಹುದು. ಒಂದೇ ವಿಷಯ ಎಂದು ಹೆಸರಿಸಲಾಗಿದ್ದರೂ, ನೀವು ಹುಡುಕುತ್ತಿರುವುದನ್ನು ಅವಲಂಬಿಸಿ ಇದು ವಿಭಿನ್ನ ಮುನ್ಸೂಚನೆಗಳನ್ನು ಸಾಧಿಸಬಹುದು. ಸಹಜವಾಗಿ, ಇದು ಹವಾಮಾನಶಾಸ್ತ್ರಕ್ಕೂ ಬಂದಿದೆ, ಮತ್ತು ಇಲ್ಲಿ ಅದು ಏನು ಮಾಡುತ್ತದೆ ಮತ್ತು ಹೇಗೆ ಎಂದು ನಾವು ನಿಮಗೆ ಹೇಳಲಿದ್ದೇವೆ.

ಮೊದಲಿಗೆ, ಅದನ್ನು ನೆನಪಿಸೋಣ ನಿರೀಕ್ಷಿಸುವ ಸಮಯ ಯಾವಾಗಲೂ ಮನುಷ್ಯರ ಪ್ರಾಥಮಿಕ ಅಗತ್ಯಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಸಾವಿರಾರು ವರ್ಷಗಳ ಹಿಂದೆ, ಹವಾಮಾನ ಮುನ್ಸೂಚನೆಗಳು ಉಳಿವಿಗಾಗಿ ಇಂದಿಗಿಂತಲೂ ಬಹಳ ಮುಖ್ಯವಾಗಿತ್ತು. ತಾಂತ್ರಿಕ ಅಭಿವೃದ್ಧಿಯು ಅತ್ಯಾಧುನಿಕವಾಗಿರಲಿಲ್ಲ, ಯಾವುದೇ ಅಸ್ಥಿರತೆಯು ಗಂಭೀರ ಪರಿಣಾಮಗಳನ್ನು ಉಂಟುಮಾಡಬಹುದು. ಹವಾಮಾನವನ್ನು ತಡೆಗಟ್ಟಲು ಈ ಅವಶ್ಯಕತೆ ಯಾವಾಗಲೂ ಇದ್ದರೂ, ಅರಿಸ್ಟಾಟಲ್‌ನ ಆಗಮನದವರೆಗೂ ನಾವು ಹವಾಮಾನಶಾಸ್ತ್ರ ಎಂಬ ಪದವನ್ನು ರಚಿಸಬಹುದು. ಕ್ರಿ.ಪೂ 340 ರ ಸುಮಾರಿಗೆ ಅವರು ಇದನ್ನು "ಹವಾಮಾನ" ಎಂದು ಕರೆದರು.

ಮುನ್ಸೂಚನೆಗಳಲ್ಲಿ ದೊಡ್ಡ ಡೇಟಾ

ವಾತಾವರಣದ ವರ್ತನೆಯ ತರ್ಕವು ಅಭಿವೃದ್ಧಿಯನ್ನು ನಿಲ್ಲಿಸಲಿಲ್ಲ ಅಂದಿನಿಂದ. ಪ್ರತಿ ಬಾರಿ ವೇಗವಾಗಿ. ಗೆಲಿಲಿಯೋ 1607 ರಲ್ಲಿ ಕಂಡುಹಿಡಿದ ಥರ್ಮಾಮೀಟರ್ ಮೂಲಕ, ಉಪಗ್ರಹಗಳು ಸಂಗ್ರಹಿಸಿದ ಮಾಹಿತಿಯ ಆಧಾರದ ಮೇಲೆ ಕಂಪ್ಯೂಟರ್ ಸಿಮ್ಯುಲೇಶನ್‌ಗಳಿಗೆ ಹೋಗುವುದು. ಇದೀಗ, ನಾವು ದೊಡ್ಡ ಡೇಟಾವನ್ನು ಎದುರಿಸುತ್ತಿದ್ದೇವೆ, ಹಲವರು ಅದನ್ನು ಒಪ್ಪುತ್ತಾರೆ ಇಂಟರ್ನೆಟ್ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವುದರಿಂದ ಇದು ಅತ್ಯಂತ ಕ್ರಾಂತಿಕಾರಿ ಸಾಧನವಾಗಿದೆ ಮತ್ತು ಕಡಿಮೆ ಅಲ್ಲ. ಇದು ವೈಜ್ಞಾನಿಕ ಕಾದಂಬರಿ ಭವಿಷ್ಯದಂತೆ, ಇಂದು ನಾವು ಅದನ್ನು ನಿಜವೆಂದು ಹೇಳಬಹುದು.

ನಾವು ಕಾಮೆಂಟ್ ಮಾಡಿದಂತೆ, ಹವಾಮಾನಶಾಸ್ತ್ರಜ್ಞರಿಗೆ ಆ ಇತರ ದೃಷ್ಟಿಕೋನವನ್ನು ನೀಡುವ ಬಿಗ್ ಡೇಟಾ ಇಂದು ಅಧಿಕಾರ ವಹಿಸಿಕೊಳ್ಳಲು ಪ್ರಾರಂಭಿಸುತ್ತದೆ. ಎಲ್ಲಿ ಅವರು ಹೋಗಲು ಸಾಧ್ಯವಿಲ್ಲ, ಅಥವಾ ಅವರು ಇಲ್ಲದೆ ಸರಿ ಎಂದು ನಂಬಿದ್ದರು, ದೊಡ್ಡ ಡೇಟಾವು ಮರೆಮಾಡಲಾಗಿರುವ ಅಥವಾ ಗಮನಿಸದೆ ಇರುವದನ್ನು ನಿಮಗೆ ತೋರಿಸುತ್ತದೆ, ಒಂದು ಹಂತದ ನಿಖರತೆಯೊಂದಿಗೆ ಎಂದಿಗೂ ತಲುಪಿಲ್ಲ. ಇಂದು ಈಗಾಗಲೇ ಈ ಸೇವೆಗಳನ್ನು ನೀಡುವ ಕಂಪನಿಗಳಿವೆ. ಹವಾಮಾನವನ್ನು ನಿರೀಕ್ಷಿಸಲು ದೊಡ್ಡ ಡೇಟಾವನ್ನು ಬಳಸುವ ಸಂಸ್ಥೆಗಳು, ಸರ್ಕಾರಗಳು ಮತ್ತು ಕಂಪನಿಗಳು. ಆದರೆ ಈ ಸಂಪೂರ್ಣ ಪ್ರಕ್ರಿಯೆ ಹೇಗೆ? ಅದನ್ನು ಹೇಗೆ ಮಾಡಲಾಗುತ್ತದೆ? ನಾವು ಹೇಗೆ ಪ್ರಯೋಜನ ಪಡೆಯುತ್ತೇವೆ? ತಾಂತ್ರಿಕ ನಾವೀನ್ಯತೆಯ ಈ ಸಂಪೂರ್ಣ ಪ್ರಕ್ರಿಯೆಯು ಹೇಗೆ ಸಾಧ್ಯ ಎಂಬುದನ್ನು ಮುಂದೆ ನಾವು ನೋಡುತ್ತೇವೆ ಮತ್ತು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತೇವೆ.

ಬಿಗ್ ಡೇಟಾ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ?

ಸ್ಥೂಲವಾಗಿ, ದತ್ತಾಂಶವನ್ನು ಕೇಂದ್ರೀಕರಿಸಲು ಬಿಗ್ ಡೇಟಾ ಆಕಾಶವನ್ನು ನೋಡುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಿನದನ್ನು ನೀಡುತ್ತದೆ, ಮತ್ತು ಅವುಗಳನ್ನು ಸರಿಯಾಗಿ ಸಂಸ್ಕರಿಸಲಾಗುತ್ತದೆ. ಆದುದರಿಂದ ನೀವು ಹವಾಮಾನಶಾಸ್ತ್ರದ ಅರ್ಥವನ್ನು ಅದರ ಪ್ರಮಾಣದಲ್ಲಿ ಹೆಚ್ಚು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಹುದು, ಮೊದಲು ಅದು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ವಿವರಿಸುವ ಅವಶ್ಯಕತೆಯಿದೆ.

ಬಿಗ್ ಡೇಟಾವು ಅದರ ಕಾರ್ಯಾಚರಣೆಯ ತಿರುಳನ್ನು 4 ವಿ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.

ಪರಿಮಾಣ

ಇದರರ್ಥ ಡೇಟಾದ ಪ್ರಮಾಣ. ಈ ಎಲ್ಲಾ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲಾಗಿದೆ ಅದನ್ನು ಪರಿಮಾಣ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಅನ್ವಯಿಸುವದನ್ನು ಅವಲಂಬಿಸಿ ಇದು ಬದಲಾಗಬಹುದು, ಕೆಲವೊಮ್ಮೆ ನಮ್ಮಲ್ಲಿ ಸಾಕಷ್ಟು ಡೇಟಾ ಮತ್ತು ಇತರ ಸಮಯಗಳು "ಕಡಿಮೆ" ಇರುತ್ತವೆ. ಅಂದರೆ, ನಾವು 1.000 ಮಿಲಿಯನ್ ಡೇಟಾದಿಂದ ಹಲವಾರು ಟ್ರಿಲಿಯನ್ಗೆ ಹೋಗಬಹುದು, ಅದನ್ನು ಅವಲಂಬಿಸಿ ವಿಶ್ಲೇಷಿಸಲಾಗುತ್ತದೆ.

ವೇಗ

ನನ್ನ ಪ್ರಕಾರ, ಡೇಟಾವನ್ನು ಉತ್ಪಾದಿಸುವ ದರ. ಅವುಗಳನ್ನು ಸೆರೆಹಿಡಿಯುವ, ಸಂಗ್ರಹಿಸುವ ಮತ್ತು ಸಂಸ್ಕರಿಸುವ ಅಗತ್ಯದಿಂದ ಅವು ಬರುತ್ತವೆ. ಅಲ್ಲಿ ಹೆಚ್ಚಿನ ಡೇಟಾ ಸೆರೆಹಿಡಿಯುತ್ತದೆ, ಅವುಗಳನ್ನು ವೇಗವಾಗಿ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ, ವಿಶ್ಲೇಷಿಸಲು ಹೆಚ್ಚು ಇರುತ್ತದೆ. ಹವಾಮಾನ ಮುನ್ಸೂಚನೆಯಲ್ಲಿ ವೇಗವು ದ್ವಿಗುಣ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಹೊಂದಿದೆ, ಏಕೆಂದರೆ ಘಟನೆಗಳು ನೈಜ ಸಮಯದಲ್ಲಿ ಸಂಭವಿಸುತ್ತವೆ ಮತ್ತು ಸಾಧ್ಯವಾದಷ್ಟು ಬೇಗ ಅದನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬೇಕು.

ವೆರೈಟಿ

ಕೆಲವೊಮ್ಮೆ ಆ ಡೇಟಾ ಹೇಗೆ ಬರುತ್ತದೆ ಎಂಬುದರ ಸ್ವರೂಪವಿದೆ, ಇತರ ಸಮಯಗಳು. ಪ್ರತಿಯೊಂದು ರೀತಿಯ ಡೇಟಾವು ತನ್ನದೇ ಆದ ವರ್ಗೀಕರಣವನ್ನು ಹೊಂದಿದೆ. ಇತರ ಸಮಯಗಳು ಕೆಲವು ಕಾಣೆಯಾಗಿವೆ (ಇದನ್ನು ಸರಿಪಡಿಸಲು ತಂತ್ರಗಳಿವೆ, ಅಥವಾ ದೋಷಗಳು ದೊಡ್ಡದಾಗಿರುತ್ತವೆ) ಮತ್ತು ಇತರ ಸಮಯಗಳು ಸಹ ವೀಡಿಯೊ ರೂಪಗಳಲ್ಲಿ ಬರುತ್ತವೆ. ದತ್ತಾಂಶದ ವಿಭಿನ್ನ ದ್ರವ್ಯರಾಶಿ ಇದೆ, ಇದು ಬಿಗ್ ಡೇಟಾದಲ್ಲಿ ಆದೇಶವನ್ನು ನೀಡುವ ಉಸ್ತುವಾರಿ ವಹಿಸುತ್ತದೆ, ಒಂದು ತರ್ಕವನ್ನು ಚೆನ್ನಾಗಿ ವಿಶ್ಲೇಷಿಸಬೇಕು. ಉದಾಹರಣೆಗೆ, ಥರ್ಮಾಮೀಟರ್‌ನಿಂದ ತಾಪಮಾನ ಮಾಪನಗಳನ್ನು ಮುಂಭಾಗದಿಂದ ಉಪಗ್ರಹ ಮಾಪನಗಳಂತೆಯೇ ಅದೇ ಪ್ಯಾಕೇಜ್‌ನಲ್ಲಿ ಇಡಲಾಗುವುದಿಲ್ಲ.

ನಿಖರತೆ

ಹಿಂದಿನ ಬಿಂದುವಿನ ಆವರಣಕ್ಕೆ ಸಂಬಂಧಿಸಿದೆ. ಡೇಟಾ ಅಂತಿಮವಾಗಿ ಸ್ವಚ್ .ವಾಗಿ ಬರುತ್ತದೆ ಎಂದರ್ಥ, "ವಿಲಕ್ಷಣ" ವಿಷಯಗಳಿಲ್ಲದೆ. ಉತ್ತಮ ರಚನೆ ನಿರ್ವಹಿಸಲು ಬಿಗ್ ಡೇಟಾ ನಿರ್ವಹಣಾ ತಂಡಗಳು ನಿಷ್ಪಕ್ಷಪಾತ ತಂಡವನ್ನು ತರಬೇತಿ ಹೊಂದಿರಬೇಕು. ಡೇಟಾದ ಕೆಟ್ಟ ಸತ್ಯಾಸತ್ಯತೆಯ ಪರಿಣಾಮಗಳು ಬಹಳ ನಕಾರಾತ್ಮಕ ಪರಿಣಾಮಗಳನ್ನು ಬೀರುತ್ತವೆ. ಕಲ್ಪನೆಯನ್ನು ಪಡೆಯಲು, ಯಂತ್ರಶಾಸ್ತ್ರದ ಒಂದು ಗುಂಪು ಕಾರಿನ ದುರಸ್ತಿಗೆ ಮುಗಿಸಿದಂತೆ, ಮತ್ತು ಅವರು ಎರಡು ಚಕ್ರಗಳನ್ನು ತಿರುಗಿಸಲು ಮರೆತಿದ್ದಾರೆ.

ಡೇಟಾದ ನಿಖರತೆಗೆ ಉದಾಹರಣೆ

ನಮ್ಮಲ್ಲಿ ಅನೇಕ ಪ್ರದೇಶಗಳಿಂದ ಅನೇಕ ದಾಖಲೆಗಳಿವೆ. ನಮ್ಮಲ್ಲಿ ತಾಪಮಾನ, ತೇವಾಂಶ ಮಟ್ಟ, ಗಾಳಿ ಇತ್ಯಾದಿಗಳಿವೆ ಎಂದು imagine ಹಿಸೋಣ. ಆದರೆ, ನಮ್ಮಲ್ಲಿ ವೈಫಲ್ಯವಿದೆ, ಮತ್ತು ಯಾವುದೇ ಕಾರಣಕ್ಕಾಗಿ ನಾವು ಕೆಲವು ಪ್ರದೇಶಗಳಿಗೆ ಕೆಲವು ತಾಪಮಾನ ದಾಖಲೆಗಳನ್ನು ಕಳೆದುಕೊಂಡಿದ್ದೇವೆ ಮತ್ತು ಯಾವ ತಾಪಮಾನವನ್ನು ದಾಖಲಿಸಲಾಗಿದೆ ಎಂದು ತಿಳಿಯಲು ನಮಗೆ ಪ್ರವೇಶಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ನಮ್ಮಲ್ಲಿ ಒಟ್ಟು 30 ಡೇಟಾ ಇದೆ, ಮತ್ತು ಅವುಗಳಲ್ಲಿ ಎರಡು, ಅಂತಿಮವಾಗಿ ತಾಪಮಾನವಿಲ್ಲದೆ.

ಏನು ಮಾಡಬಹುದು, ಉದಾಹರಣೆಗೆ, ಕಾಣೆಯಾದ ದಾಖಲೆಯಲ್ಲಿ ಎಣಿಸಬಹುದಾದ ಸಂಭವನೀಯ ತಾಪಮಾನವನ್ನು ನಿಖರವಾಗಿ ನಿರ್ಧರಿಸಲು ಆ ಪ್ರದೇಶಗಳ ಸರಾಸರಿ ತಾಪಮಾನವನ್ನು ಲೆಕ್ಕಹಾಕುವುದು, ಆದರೆ ದೋಷದ ಸಣ್ಣ ಅಂಚುಗಳೊಂದಿಗೆ ಸಹ. ಮೌಲ್ಯಗಳು ಬಿಡಿಭಾಗಗಳು, ತದನಂತರ ಲೆಕ್ಕಾಚಾರವನ್ನು ಕಾರ್ಯರೂಪಕ್ಕೆ ತರಬಹುದು. ಈ ಡೇಟಾ ಕಾಣೆಯಾಗಿದ್ದರೆ, ಕಂಪ್ಯೂಟರ್‌ಗಳು ಅದನ್ನು ಗುರುತಿಸುತ್ತಿರಲಿಲ್ಲ, ಡೇಟಾದಲ್ಲಿ ಕಪ್ಪು ಕುಳಿ ಮತ್ತು ಸಂಪೂರ್ಣವಾಗಿ ತಪ್ಪು ಮುನ್ನೋಟಗಳನ್ನು ರಚಿಸುವುದು.

ನೀವು ಅದನ್ನು ಹೇಗೆ ಪಡೆಯುತ್ತೀರಿ?

ಹವಾಮಾನಶಾಸ್ತ್ರದಲ್ಲಿ, ಯಾವುದೇ ಕ್ಷೇತ್ರದಂತೆ, ಡೇಟಾ ಅಸ್ಥಿರ ರೂಪದಲ್ಲಿ ಬರುತ್ತದೆ. ಅಂದರೆ, ಪ್ರತಿಯೊಂದನ್ನು ಅದು ಸೇರಿದ ರೀತಿಯಲ್ಲಿ ಸಂಸ್ಕರಿಸಲಾಗುತ್ತದೆ. ಮತ್ತು ಇದು ತುಂಬಾ ಸುರುಳಿಯಾಕಾರದ ಮತ್ತು ಸಂಕೀರ್ಣವೆಂದು ತೋರುತ್ತದೆಯಾದರೂ, ಬಿಗ್ ಡೇಟಾ ವಿಶ್ಲೇಷಕರಿಗೆ ಕಾರ್ಯವು "ಸುಲಭ" ಆಗುತ್ತದೆ. ನಾವು ಹವಾಮಾನಶಾಸ್ತ್ರದಲ್ಲಿ ದಾಖಲಿಸಬಹುದಾದ ಅಸ್ಥಿರ, ಅವು ಇನ್ನೂ ಡೇಟಾಗಿದ್ದರೂ, ಅವರು ಬೇರೆ ಬೇರೆ ಕುಟುಂಬಗಳಿಗೆ ಸೇರಿದವರಾಗಿರಬಹುದು. ಅಂದರೆ, ವೇರಿಯೇಬಲ್ ಎಂದರೆ ವರ್ಗೀಕರಿಸಬಹುದಾದ ಯಾವುದೇ ಡೇಟಾ, ಆದರೆ ಅವು ಯಾವಾಗಲೂ ಒಂದೇ ಆಗಿರುವುದಿಲ್ಲ.

ಮೇಲಿನ ಚಿತ್ರ, ನಾಸಾ ಒದಗಿಸಿದ, ತೋರಿಸುತ್ತದೆ ಗ್ರಹದ ಸುತ್ತಲಿನ ಪ್ರವಾಹಗಳ ಉದಾಹರಣೆ. ನಾಸಾದ ವಿಷಯದಲ್ಲಿ, ಅವುಗಳು ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಉಪಗ್ರಹಗಳನ್ನು ಹೊಂದಿದ್ದು, ಅವು ನೈಜ ಸಮಯದಲ್ಲಿ ಜಗತ್ತಿನಾದ್ಯಂತದ ವಿದ್ಯಮಾನಗಳನ್ನು ವೀಕ್ಷಿಸಲು ಮತ್ತು ಅಳೆಯಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

ಏನಾದರೂ ಬಿಡುವ ಪ್ರತಿಯೊಂದು ಜಾಡಿನನ್ನೂ ದೊಡ್ಡ ಡೇಟಾ ಓದಬಹುದು ಯಾವುದನ್ನಾದರೂ ಕುರಿತು, ಮತ್ತು ಅದನ್ನು ಡೇಟಾ ಎಂದು ಪರಿಗಣಿಸಬಹುದು. ಬಿಗ್ ಡೇಟಾದ ಬಗ್ಗೆ ಯೋಚಿಸುವಾಗ ಅನೇಕರು, ನಾವು ಮೊಬೈಲ್ ಫೋನ್‌ಗಳನ್ನು ಬಳಸುವಾಗ, ಇಂಟರ್ನೆಟ್ ಅನ್ನು ಸರ್ಫ್ ಮಾಡುವಾಗ, ಪುಟವನ್ನು ಕ್ಲಿಕ್ ಮಾಡುವಾಗ, ಆನ್‌ಲೈನ್‌ನಲ್ಲಿ ಐಟಂ ಅನ್ನು ಖರೀದಿಸುವಾಗ ಅಥವಾ ಫೇಸ್‌ಬುಕ್‌ನಲ್ಲಿ “ಲೈಕ್” ಮಾಡುವಾಗ ಅವರು ಬೇಗನೆ ಯೋಚಿಸುತ್ತಾರೆ. ಅದು ಕೇವಲ "ಸಣ್ಣ" ಆದರೆ ದಟ್ಟವಾದ ಭಾಗವಾಗಿದೆ, ಹೌದು, ಇದು ತುಂಬಾ ವಿಶ್ವಾಸಾರ್ಹ ಮತ್ತು ಉತ್ತಮವಾಗಿ ಸಂಕೇತವಾಗಿದೆ. ಆದರೆ ಪ್ರತಿಯಾಗಿ, ನಾವು ಇರುವ ಸ್ಥಳದ ಜಿಪಿಎಸ್ ಸ್ಥಳದಂತೆ ಮೊಬೈಲ್ / ಫೋನ್‌ಗಳಿಗೆ ಧನ್ಯವಾದಗಳು. ಇಲ್ಲಿ ನಾವು ಈಗಾಗಲೇ ವರ್ಚುವಲ್ ಜಗತ್ತನ್ನು ಭೌತಿಕದೊಂದಿಗೆ ಬೆರೆಸಲು ಪ್ರಾರಂಭಿಸುತ್ತೇವೆ. ಮತ್ತು ಸಹಜವಾಗಿ, ದೈಹಿಕ ಚಲನೆಗಳು, ದೈಹಿಕ ಖರೀದಿಗಳು, ವಯಸ್ಸಿನ ಪ್ರಕಾರ, ನಾವು ಏನು ಆರಿಸುತ್ತೇವೆ, ಇದೆಲ್ಲವನ್ನೂ ಯಾವಾಗಲೂ ಆರ್ಕೈವ್ ಮಾಡಲಾಗಿದೆ, ಮತ್ತು ಸಹಜವಾಗಿ, ಇದು ಹೆಚ್ಚು ಹೆಚ್ಚು ಡೇಟಾಗೆ ಅನುವಾದಿಸಬಹುದು.

ಅಸ್ಥಿರಗಳನ್ನು ವರ್ಗೀಕರಿಸಬಹುದು

ವರ್ಗೀಯ ಅಸ್ಥಿರಗಳು ಸೀಮಿತ ಮೌಲ್ಯಗಳು ಅಥವಾ ಅಸ್ಥಿರಗಳನ್ನು ಪ್ರತಿನಿಧಿಸುವಂತಹವುಗಳಾಗಿವೆ, ಅದು ನಿರ್ದಿಷ್ಟ ಪರಿಮಾಣವನ್ನು ಅರ್ಥೈಸಿಕೊಳ್ಳುವುದಿಲ್ಲ. ಅವರು ವಿವರಿಸುವ ಯಾವುದಾದರೂ ಗುಣಮಟ್ಟವನ್ನು ಅವರು ಪ್ರತಿನಿಧಿಸುತ್ತಾರೆ. ಮೂಲತಃ ಅವರ ನಿರ್ದಿಷ್ಟತೆಯು ಅವರು ಪ್ರತಿನಿಧಿಸುವ ಮಿತಿಯಾಗಿದೆ. ಅವುಗಳನ್ನು ಎರಡು ಕ್ಷೇತ್ರಗಳಾಗಿ ವಿಂಗಡಿಸಬಹುದು.

ನಾಮಮಾತ್ರದ ವರ್ಗೀಯ ಅಸ್ಥಿರಗಳು

ಅವುಗಳು ಆ ತಾರ್ಕಿಕ ಸಂಪರ್ಕವಿಲ್ಲದೆ ಒಂದೇ ಕ್ಷೇತ್ರದಲ್ಲಿ ವಿಷಯಗಳನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ ಪ್ರತಿಯೊಂದೂ. ಉದಾಹರಣೆಗೆ: ನಗರ, ಸ್ವಾಯತ್ತ ಸಮುದಾಯ, ಅಂಚೆ ಕೋಡ್ ಇತ್ಯಾದಿಗಳಂತಹ ದಾಖಲೆಗಳು ಎಲ್ಲಿಂದ ಬಂದವು ಎಂಬುದನ್ನು ಸೂಚಿಸುವ ಪ್ರದೇಶಗಳ ಹೆಸರು.

ಸಾಮಾನ್ಯ ವರ್ಗೀಯ ಅಸ್ಥಿರಗಳು

ಅವುಗಳು ಆ ಯಾವುದೋ ಪ್ರಮಾಣವನ್ನು ಪ್ರತಿನಿಧಿಸಬಹುದು, ತರಂಗ ಮಟ್ಟದಲ್ಲಿ ಡೌಗ್ಲಾಸ್ ಸ್ಕೇಲ್, ಸುಂಟರಗಾಳಿಗಳನ್ನು ಅವುಗಳ ಪ್ರಮಾಣಕ್ಕೆ ಅನುಗುಣವಾಗಿ ವರ್ಗೀಕರಿಸಬಹುದಾದ ಪ್ರಮಾಣದ ಮಟ್ಟ ಇತ್ಯಾದಿ.

ಅಸ್ಥಿರಗಳು ಸಂಖ್ಯಾತ್ಮಕವಾಗಿರಬಹುದು

ಸಂಖ್ಯಾತ್ಮಕ ಅಸ್ಥಿರಗಳು ಅದು ಮೌಲ್ಯಗಳು ಅಥವಾ ಅಸ್ಥಿರಗಳನ್ನು ಒಂದು ಪರಿಮಾಣದಲ್ಲಿ ಪ್ರತಿನಿಧಿಸುತ್ತದೆ ಮತ್ತು ಅದನ್ನು ಅಳೆಯಬಹುದು. ಅವು ಪರಿಮಾಣಾತ್ಮಕ ಮೌಲ್ಯಗಳನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ. ಹವಾಮಾನ ವಿದ್ಯಮಾನಗಳಲ್ಲಿ ಅವರು ಬಹಳ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಅಳತೆಗಳನ್ನು ಪ್ರತಿನಿಧಿಸಬಹುದು ಎಂಬುದು ಅವರ ವಿಶೇಷತೆ. ಅವುಗಳನ್ನು ಎರಡು ರೀತಿಯಲ್ಲಿ ವರ್ಗೀಕರಿಸಲಾಗಿದೆ

ನಿರಂತರ ಸಂಖ್ಯಾತ್ಮಕ ಅಸ್ಥಿರಗಳು

ನಿರಂತರ ಅಸ್ಥಿರಗಳು ಅದು ಸ್ಥಾಪಿಸಲಾದ ಯಾವುದನ್ನಾದರೂ ಅಳೆಯುವ ಉಸ್ತುವಾರಿ ವಹಿಸುತ್ತಾರೆ. ಅವುಗಳಿಗೆ ಉದಾಹರಣೆಗಳೆಂದರೆ ಆರ್ದ್ರತೆ ಸೂಚ್ಯಂಕ, ತಾಪಮಾನ, ಗಾಳಿಯ ವೇಗ, ಮಳೆಯ ಪ್ರಮಾಣ ಇತ್ಯಾದಿ.

ಡಿಸ್ಕ್ರೀಟ್ ಸಂಖ್ಯಾತ್ಮಕ ಅಸ್ಥಿರಗಳು

ಇವುಗಳು ಅವರು ಸ್ಥಾಪಿಸಿದ ಯಾವುದನ್ನಾದರೂ ಟ್ರ್ಯಾಕ್ ಮಾಡುತ್ತಾರೆ. ಅಂದರೆ, ಒಂದು ಪ್ರದೇಶದಲ್ಲಿ ಒಂದು ವರ್ಷದಲ್ಲಿ ಎಷ್ಟು ಬಾರಿ ಮಳೆಯಾಗಿದೆ, ಎಷ್ಟು ಬಾರಿ ಹಿಮಪಾತವಾಗಿದೆ, ಇತ್ಯಾದಿ.

ಎಲ್ಲಾ ಅಸ್ಥಿರಗಳನ್ನು ಸಂಸ್ಕರಿಸಲಾಗುತ್ತದೆ

ಎಲ್ಲಾ ಅಸ್ಥಿರಗಳನ್ನು ವರ್ಗೀಕರಿಸಿದ ನಂತರ, ಅವುಗಳನ್ನು ಕಂಪ್ಯೂಟರ್‌ಗಳಿಗೆ ಧನ್ಯವಾದಗಳು ಸಂಸ್ಕರಿಸಲಾಗುತ್ತದೆ, ಯಾವಾಗಲೂ ವಿಶ್ಲೇಷಕರು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುತ್ತಾರೆ ದೊಡ್ಡ ಡೇಟಾದ. ಕೆಲವು ವರ್ಷಗಳ ಹಿಂದೆ, ಲಭ್ಯವಿರುವ ದತ್ತಾಂಶದ ಪ್ರಮಾಣವು ಬಹಳ ದೊಡ್ಡ ಸಂಖ್ಯೆಯಲ್ಲಿದ್ದರೂ, ದತ್ತಾಂಶ ವಿಶ್ಲೇಷಕರು ವಿಶ್ಲೇಷಿಸಲು ಯಾವುದೇ ಸಮಸ್ಯೆಗಳಿರಲಿಲ್ಲ. ಆದಾಗ್ಯೂ, ಬಿಗ್ ಡಾಟಾ ವಿಶ್ಲೇಷಣೆಯು ಈ ಬೃಹತ್ ಡೇಟಾದ ವಿಶ್ಲೇಷಣೆಗೆ ಕಾರಣವಾಗಿದೆ ಇಂದಿನವರೆಗೂ ಸಾಮಾನ್ಯವಾಗಿರುವ ವಿಶ್ಲೇಷಣೆ ಪ್ರಕ್ರಿಯೆಗಳು ಬಹಳ ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ (ನಾವು ದಿನಗಳ ಬಗ್ಗೆ ಮಾತನಾಡುತ್ತೇವೆ) ಉತ್ತರವನ್ನು ನೀಡಲು. ಅಷ್ಟೇ ಅಲ್ಲ, ಬಿಗ್ ಡೇಟಾ ಅವುಗಳ ನಡುವಿನ ಅಸ್ಥಿರಗಳೊಂದಿಗೆ "ಪ್ಲೇ" ಮಾಡುವ ಮೂಲಕ ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ ಮತ್ತು ನಿಖರವಾಗಿದೆ.

ಇದೆಲ್ಲವೂ ಹುಟ್ಟುತ್ತದೆ ಬಿಗ್ ಡೇಟಾದ 4 ವಿ'ಗಳ ಬಗ್ಗೆ ನಾವು ಈ ಹಿಂದೆ ಕಾಮೆಂಟ್ ಮಾಡಿದ್ದೇವೆ, ವೇಗ, ವಿಶ್ವಾಸಾರ್ಹತೆ ಮತ್ತು ನಂಬಲಾಗದಷ್ಟು ನಿಖರವಾದ ಮುನ್ಸೂಚನೆಗಳನ್ನು ನೀಡುವ ಹವಾಮಾನ ಮಾದರಿಗಳು ಅಲ್ಪಾವಧಿಯಲ್ಲಿಯೇ.

ಹೊಸ ಶಿಸ್ತಾಗಿ ದೊಡ್ಡ ಡೇಟಾ

ಒಂದು ಉತ್ತಮ ಉದಾಹರಣೆಯೆಂದರೆ ACCIONA ಕಂಪನಿಯ ಬಗ್ಗೆ ಮಾತನಾಡುವುದು, ಅದು a ನವೀಕರಿಸಬಹುದಾದ ಇಂಧನ ನಿಯಂತ್ರಣ ಕೇಂದ್ರ (ಸಿಸಿಒಇಆರ್) ಇದು ವಿಶ್ವದ ಅತಿದೊಡ್ಡ ಕೇಂದ್ರವಾಗಿದೆ ಜೀವರಾಶಿ, ಗಾಳಿ ಮತ್ತು ಸೌರಶಕ್ತಿ ಎರಡನ್ನೂ ಅದರ ಸೌಲಭ್ಯಗಳಿಂದ ಸಂಗ್ರಹಿಸಿದ ಲಕ್ಷಾಂತರ ದತ್ತಾಂಶಗಳಿಗೆ ನೈಜ ಸಮಯದಲ್ಲಿ ಪರಿಹಾರಗಳನ್ನು ಒದಗಿಸುವುದು ಇದರ ಉದ್ದೇಶವಾಗಿದೆ. ಇದು ಅಗತ್ಯವಿರುವ ಬೇಡಿಕೆಗೆ ಸರಿಹೊಂದಿಸಲು ಈ ಎಲ್ಲಾ ಡೇಟಾವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಸುಮಾರು 3000 ವಾರ್ಷಿಕ ವೇಳಾಪಟ್ಟಿಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. CECOER ನ ಮತ್ತೊಂದು ಪ್ರಯೋಜನವೆಂದರೆ ಅವರ ಸೌಲಭ್ಯಗಳಿಂದ ಅವರು ಹೊಂದಿರುವ ಘಟನೆಗಳ ಸ್ವಾಗತ, ಆದ್ದರಿಂದ ಅವುಗಳಲ್ಲಿ 50% ದೂರದಿಂದಲೇ ಪರಿಹರಿಸಲ್ಪಡುತ್ತವೆ. ಉಳಿದ 50% ಅನ್ನು ನಿರ್ವಾಹಕರು ಭೌತಿಕವಾಗಿ ನಿಗದಿಪಡಿಸಿದ್ದಾರೆ. ಈ ಮಾರ್ಗದಲ್ಲಿ, ಅಕಿಯೋನಾ ತನ್ನ ನವೀಕರಿಸಬಹುದಾದ ಶಕ್ತಿಯನ್ನು ಪಡೆಯುತ್ತದೆ, ಪರ್ಯಾಯ ಶಕ್ತಿಯಾಗಿರುವುದಕ್ಕಿಂತ ಹೆಚ್ಚು, ಇಂದು ಪರಿಹಾರವಾಗಿರಿ.

ಇಂದು ಬಿಗ್ ಡೇಟಾದ ಮತ್ತೊಂದು ಪ್ರಮುಖ ಸಂಗತಿಯೆಂದರೆ ಡೇಟಾ ವಿಜ್ಞಾನಿಗಳ ಕೊರತೆ. ಇದು ಹೊಸ ಕ್ಷೇತ್ರ, ಮತ್ತು ಅದು ಕೆಲವು ಪೂರ್ವನಿರ್ಧರಿತ ಮಾನದಂಡಗಳಿಗೆ ಸಾಗಿದೆ. ಮುನ್ಸೂಚನೆಗಳ ವಿಕಾಸದಲ್ಲಿ ಬಿಗ್ ಡೇಟಾ ನಿಜವಾಗಿಯೂ ತುಂಬಾ ಸಹಾಯ ಮಾಡಬಹುದೇ, ಕಂಪನಿಗಳಿಗೆ ಪ್ರಯೋಜನಗಳನ್ನು ವರದಿ ಮಾಡಬಹುದು, ಹಲವು ವಿಷಯಗಳನ್ನು ನಿರೀಕ್ಷಿಸಲು ಮತ್ತು ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯ ವೆಚ್ಚವನ್ನು ಸಮರ್ಥಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ? ಹೌದು. ಆದರೆ ಇದು ಸ್ವಲ್ಪಮಟ್ಟಿಗೆ ನೋಡಿದ ಸಂಗತಿಯಾಗಿದೆ. ದತ್ತಾಂಶ ವಿಜ್ಞಾನಿಗಳಿಗೆ ಹೆಚ್ಚುತ್ತಿರುವ ಬೇಡಿಕೆ ಫಲಿತಾಂಶಗಳಿಗೆ ಸಮಾನಾಂತರವಾಗಿದೆ ಮತ್ತು ಎಲ್ಲಾ ಸ್ಥಳಗಳಲ್ಲಿ ಅವುಗಳ ಅಗತ್ಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಮೂಲಕ. ಅದ್ಭುತ ಫಲಿತಾಂಶಗಳೊಂದಿಗೆ ಈಗಾಗಲೇ ಅನೇಕ ಬಿಗ್ ಡಾಟಾ ತಂಡಗಳು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿರುವುದು ನಿಜ, ಆದರೆ ಇದೀಗ ಹೆಚ್ಚಿನ ಬೇಡಿಕೆ ಇದೆ ಎಂದು ನಾವು ಕಂಡುಕೊಂಡಿದ್ದೇವೆ. ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಕರನ್ನು ಹೆಚ್ಚು ಬೇಡಿಕೆಯಿದೆ.

ಅದರಂತೆ ಅವರು ಅಭಿವೃದ್ಧಿಯಲ್ಲಿ ಸೂಚಿಸುವ ಕ್ರಾಂತಿಯನ್ನು ನಾವು ಬದುಕುತ್ತಿದ್ದೇವೆ, ಆದರೆ ಮೊದಲಿನಿಂದಲೂ. ಯಾವುದೇ ಉದ್ಯಮದಂತೆ, ನಾವು ಈಗ ಅದರ ಸಾಮರ್ಥ್ಯಕ್ಕೆ ಸಾಕ್ಷಿಯಾಗಿದ್ದೇವೆ, ಆದರೆ ಅದನ್ನು ಗರಿಷ್ಠವಾಗಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿಲ್ಲ, ಇದು ಸಮಯವು ನಮಗೆ ಸಂಗ್ರಹವಾಗಿದೆ. ಒಂದು ವಿಷಯ ಈಗಾಗಲೇ ಸ್ಪಷ್ಟವಾಗಿದೆ, ಅದರ ಪ್ರಸ್ತುತ ಸಾಮರ್ಥ್ಯ, ಇನ್ನೊಂದು, ಅದು ಎಷ್ಟು ದೂರ ಹೋಗಬಹುದು. ನಿಮ್ಮ ಫಲಿತಾಂಶಗಳು ನಮ್ಮನ್ನು ಅಸಡ್ಡೆ ಬಿಡುವುದಿಲ್ಲ.

ಐಬಿಎಂನ ದಿ ವೆದರ್ ಕಂಪನಿ ಅದು ಖಾಸಗಿ ಕಂಪನಿಯಾಗಿದೆ 26 ಮಿಲಿಯನ್ ದೈನಂದಿನ ಮುನ್ಸೂಚನೆಗಳನ್ನು ನೀಡುತ್ತದೆ ಹವಾಮಾನದ ಬಗ್ಗೆ. ಐಬಿಎಂ ಮೊದಲಿನಿಂದಲೂ ಗೂಗಲ್ ಜೊತೆಗೆ, ಈ ಕ್ಷೇತ್ರದ ಅತ್ಯಂತ ಪ್ರವರ್ತಕ ಕಂಪನಿಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಹವಾಮಾನದ ಬಗ್ಗೆ ತಿಳುವಳಿಕೆಯುಳ್ಳ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಜನರಿಗೆ ಸಹಾಯ ಮಾಡಲು ಹವಾಮಾನ ಕಂಪನಿ ಅತ್ಯಂತ ಬದ್ಧವಾಗಿದೆ. ಇದು ವಿಶ್ವದ ಅತಿದೊಡ್ಡ ನೆಟ್‌ವರ್ಕ್ ಆಗಿದೆ ವೈಯಕ್ತಿಕ ಹವಾಮಾನ ಕೇಂದ್ರಗಳಿಂದ. ವಾಯುಯಾನ, ಇಂಧನ, ವಿಮೆ, ಮಾಧ್ಯಮ ಮತ್ತು ಸರ್ಕಾರದಲ್ಲಿ ವಿಶ್ವದ ಅತಿದೊಡ್ಡ ಬ್ರಾಂಡ್‌ಗಳು ಡೇಟಾ, ತಂತ್ರಜ್ಞಾನ ವೇದಿಕೆಗಳು ಮತ್ತು ಸೇವೆಗಳಿಗಾಗಿ ದಿ ವೆದರ್ ಕಂಪನಿಯನ್ನು ಅವಲಂಬಿಸಿವೆ.

ಹವಾಮಾನ ಬದಲಾವಣೆಯ ವಿರುದ್ಧ ದೊಡ್ಡ ಡೇಟಾ

ಯುನೈಟೆಡ್ ನೇಷನ್ಸ್ ಗ್ಲೋಬಲ್ ಪಲ್ಸ್, ಒಂದು ದೊಡ್ಡ ಡೇಟಾ ಉಪಕ್ರಮ ವಿಶ್ವಸಂಸ್ಥೆ ಮತ್ತು ವೆಸ್ಟರ್ನ್ ಡಿಜಿಟಲ್ ಕಾರ್ಪೊರೇಶನ್, ಹವಾಮಾನ ಬದಲಾವಣೆಯ ವಿರುದ್ಧ ಒಟ್ಟಾಗಿ ಹೋರಾಡಲು ಮೈತ್ರಿಕೂಟಕ್ಕೆ ಸಹಿ ಹಾಕಿದೆ. ಯುಎನ್ ಮತ್ತು ವೆಸ್ಟರ್ನ್ ಡಿಜಿಟಲ್ ಕಾರ್ಪ್ ನೇತೃತ್ವದ ಈ ಯೋಜನೆ, ಪ್ರಪಂಚದಾದ್ಯಂತದ ಡಿಜಿಟಲ್ ನಾವೀನ್ಯತೆ ವಿಜ್ಞಾನಿಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸಿ ಸಮಸ್ಯೆಯನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ ರೀತಿಯಲ್ಲಿ ಆಕ್ರಮಣ ಮಾಡಲು. ಅವುಗಳಲ್ಲಿ, ಅವರಲ್ಲಿ ವಿಭಿನ್ನ ಕ್ಷೇತ್ರಗಳ ಸಹಯೋಗಿಗಳನ್ನು ನಾವು ಕಾಣುತ್ತೇವೆ. ಬಿಬಿವಿಎ, ಆರೆಂಜ್, ಪ್ಲಾನೆಟ್, ಪ್ಲುಮ್ ಲ್ಯಾಬ್ಸ್, ನೀಲ್ಸನ್, ಷ್ನೇಯ್ಡರ್ ಎಲೆಕ್ಟ್ರಿಕ್, ವೇಜ್ ... ಈ ಯೋಜನೆಯಲ್ಲಿ ಭಾಗವಹಿಸುವ ಕೆಲವರು.

ನಾವು ಸಹ ಕಂಡುಕೊಳ್ಳುತ್ತೇವೆ ಬಾರ್ಸಿಲೋನಾ ಸೂಪರ್‌ಕಂಪ್ಯೂಟಿಂಗ್ ಸೆಂಟರ್ (ಬಿಎಸ್‌ಸಿ), ಇದು ಮಾರೆನೋಸ್ಟ್ರಮ್ ಸರಣಿಯ 4 ನೇ ಮಾದರಿ. ಬಿಗ್ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಒಂದು ಸೂಪರ್ ಕಂಪ್ಯೂಟರ್ ಅನೇಕ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಪ್ರಮುಖವಾದುದು, ಅವುಗಳಲ್ಲಿ ಹವಾಮಾನ ಬದಲಾವಣೆಯ ಹೋರಾಟವೂ ಆಗಿದೆ. ಇದನ್ನು ಈ 2017 ರ ಜೂನ್ ಕೊನೆಯಲ್ಲಿ ಕಾರ್ಯರೂಪಕ್ಕೆ ತರಲಾಯಿತು. ಇದು ಯುರೋಪಿನ ಮೂರನೇ ಅತಿ ವೇಗದ ಕಂಪ್ಯೂಟರ್ ಆಗಿದೆ, ಸ್ಪೇನ್‌ನ ಆರ್ಥಿಕತೆ, ಕೈಗಾರಿಕೆ ಮತ್ತು ಸ್ಪರ್ಧಾತ್ಮಕತೆ ಸಚಿವಾಲಯವು 34 ದಶಲಕ್ಷ ಯೂರೋಗಳನ್ನು ಸ್ಥಾಪಿಸಲು ಅದರಲ್ಲಿ ಹೂಡಿಕೆ ಮಾಡಲಾಗಿದೆ. ಇದು 14 ಪೆಟಾಬೈಟ್‌ಗಳ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ, ಅಂದರೆ 14 ಮಿಲಿಯನ್ ಗಿಗಾಬೈಟ್‌ಗಳು. ಇದು 11,1 ಪೆಟಾಫ್ಲಾಪ್‌ಗಳನ್ನು ತಲುಪುತ್ತದೆ, ಅಂದರೆ, ಸೆಕೆಂಡಿಗೆ 11.100 ಬಿಲಿಯನ್ ಕಾರ್ಯಾಚರಣೆಗಳ ಅನಾಗರಿಕತೆ.

ಹವಾಮಾನಶಾಸ್ತ್ರದ ಭವಿಷ್ಯದಲ್ಲಿ ಮತ್ತು ನಮ್ಮ ಜೀವನದಲ್ಲಿ ದೊಡ್ಡ ಡೇಟಾ

ಬದಲಾಗುತ್ತಿರುವ ಜಗತ್ತಿನಲ್ಲಿ, ಬದಲಾವಣೆಗಳು ವೇಗವಾಗಿ ಆಗುತ್ತಿವೆ ಮತ್ತು ಹೆಚ್ಚು ಆಶ್ಚರ್ಯಕರವಾಗಿದ್ದರೆ, ಯಾವುದೋ ಭವಿಷ್ಯವನ್ನು to ಹಿಸುವುದು ಕಷ್ಟ. ನಮಗೆ ಖಚಿತವಾಗಿ ತಿಳಿದಿರುವುದು ಅದು ಬಿಗ್ ಡೇಟಾ ಉಳಿಯಲು ಬಂದಿದೆ, ಮತ್ತು ಮುನ್ಸೂಚನೆಗಳು ಹವಾಮಾನ ಮತ್ತು ಇತರ ಪ್ರದೇಶಗಳಲ್ಲಿ ನಮ್ಮನ್ನು ಗೊಂದಲಕ್ಕೀಡುಮಾಡುತ್ತವೆ. ಕೆಲವರು ಸಂಶಯದಿಂದ ಉಳಿಯುತ್ತಾರೆ, ಇತರರು ಅದನ್ನು ನಿರಾಕರಿಸುತ್ತಾರೆ, ಇತರರು ಅದನ್ನು ದೂರದಲ್ಲಿರುವಂತೆ ನೋಡುತ್ತಾರೆ. ಆದರೆ ಸತ್ಯವೆಂದರೆ, ನಾವು ಈಗಾಗಲೇ ಅದರೊಂದಿಗೆ ವಾಸಿಸುತ್ತಿದ್ದೇವೆ.

ಬಿಗ್ ಡಾಟಾ ಅನೇಕ ಮಳೆ, ಚಂಡಮಾರುತದ asons ತುಗಳನ್ನು ನಿರೀಕ್ಷಿಸುತ್ತದೆ ಮತ್ತು ಒಲಿಂಪಿಕ್ ಕ್ರೀಡಾಕೂಟದಲ್ಲಿ ದೇಶವು ಗೆಲ್ಲಬಹುದಾದ ಪದಕಗಳ ಸಂಖ್ಯೆಯನ್ನು ಹೆಚ್ಚು ನಿಖರವಾಗಿ ನಿರೀಕ್ಷಿಸುತ್ತದೆ ಎಂದು ಇಂದು ನಮಗೆ ತಿಳಿದಿದೆ. ಯಾರು, ಎಲ್ಲಿ ಮತ್ತು ಯಾವಾಗ ಅಪರಾಧ ನಡೆಯಲಿದೆ ಎಂದು ಸಹ ಇದು ನಿರೀಕ್ಷಿಸುತ್ತದೆ (ಯಾರಾದರೂ "ಅಲ್ಪಸಂಖ್ಯಾತ ವರದಿ" ಚಲನಚಿತ್ರವನ್ನು ನೋಡಿದ್ದರೆ ಅದು ಅವರ ಮನಸ್ಸನ್ನು ದಾಟಿದೆ, ಸರಿ?). ದೊಡ್ಡ ದತ್ತಾಂಶ ಅನೇಕ ಪ್ರದೇಶಗಳ ಭವಿಷ್ಯವನ್ನು ನಿರೀಕ್ಷಿಸುವತ್ತ ವೇಗವಾಗಿ ಚಲಿಸುತ್ತಿದೆ, ಮತ್ತು ಅಮೆಜಾನ್ ಸಹ ಅದನ್ನು ನಿರೀಕ್ಷಿಸಲು ಪ್ರಾರಂಭಿಸುತ್ತದೆ, ಮತ್ತು ಇತ್ತೀಚೆಗೆ ಗ್ರಾಹಕರು ಖರೀದಿ ಮಾಡುವ ಮೊದಲೇ ಅದು ಸಾಗಣೆಯನ್ನು ಮಾಡಲು ಪ್ರಾರಂಭಿಸಿದೆ. ಭವಿಷ್ಯವು ಇಂದಿನವರೆಗೂ ಇತ್ತು, ಆಗಾಗ್ಗೆ ಅನಿಶ್ಚಿತವಾಗಿತ್ತು. ಆದರೆ ಅದು ಬದಲಾಗುತ್ತಿದೆ ಭವಿಷ್ಯವು able ಹಿಸಬಹುದಾಗಿದೆ.

ಅದರ ಸಾಮರ್ಥ್ಯವು ಬೆಳೆಯುತ್ತದೆ ಎಂದು ನಮಗೆ ತಿಳಿದಿದೆ. ಯಾರಿಗೆ ತಿಳಿದಿದೆ, ಯಾರು (ಬಿಗ್ ಡೇಟಾ) ಏನನ್ನಾದರೂ ನಿರೀಕ್ಷಿಸುತ್ತಾರೆ ಎಂದು ನಿರೀಕ್ಷಿಸುವುದು ರಾಶ್ ಆಗಿರಬಹುದು. ಆದರೆ ಸಾಕಷ್ಟು ಡೇಟಾದೊಂದಿಗೆ, ಬಿಗ್ ಡೇಟಾವು ಅಗಾಧ ನಿರೀಕ್ಷೆಯೊಂದಿಗೆ ಜಾಗತಿಕ ಹವಾಮಾನವನ್ನು ನಿರೀಕ್ಷಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆಯೇ? ಹೌದು. ನಮ್ಮ ಕ್ರಿಯೆಗಳು ಈ ಹಿಂದೆ ನೀಡಿದವರಿಗೆ ವಿಭಿನ್ನ ಸನ್ನಿವೇಶಗಳನ್ನು ನೀಡುತ್ತದೆ ಎಂದು ನೀವು can ಹಿಸುವಂತೆಯೇ, ಏಕೆಂದರೆ ಯಾವುದೇ ಕ್ರಿಯೆಯು ಭವಿಷ್ಯದಲ್ಲಿ ಅದರ ಪ್ರತಿಧ್ವನಿ ಹೊಂದಿದೆ, ಮತ್ತು ಬಿಗ್ ಡೇಟಾ ಅದನ್ನು ತಿಳಿದಿದೆ ಮತ್ತು ಅದನ್ನು ಮರು ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತದೆ, ಮತ್ತೊಂದು ಹೊಸ ಸನ್ನಿವೇಶವನ್ನು ನೀಡುತ್ತದೆ.

ಎಲ್ಲವನ್ನೂ ನಿರೀಕ್ಷಿಸಬಹುದು. ಮುಂದಿನ ದಿನಗಳಲ್ಲಿ ನಮಗೆ ಏನಾಗಲಿದೆ ಎಂದು ತಿಳಿಯಲು ನಮಗೆ ಸಾಧ್ಯವಾಗುತ್ತದೆಯೇ? ನಾವು ಯಾವ ಸಮಸ್ಯೆಗಳನ್ನು ಎದುರಿಸುತ್ತೇವೆ? ಚಂಡಮಾರುತ ಯಾವಾಗ ಮತ್ತು ಎಲ್ಲಿ ಸಂಭವಿಸುತ್ತದೆ? ಅದನ್ನು ಪರಿಹರಿಸಲು ನಾವು ಏನು ಮುಂದುವರಿಸಲಿದ್ದೇವೆ? ತಂತ್ರಗಳು ಸುಧಾರಿಸಿದಂತೆ, ಕಂಪ್ಯೂಟರ್‌ಗಳು ದಕ್ಷತೆ ಮತ್ತು ವೇಗದಲ್ಲಿ ಸುಧಾರಿಸುತ್ತವೆ, ಈ ಕ್ಷೇತ್ರವು ಅಭಿವೃದ್ಧಿಗೊಳ್ಳುತ್ತಲೇ ಇದೆ ... ಹೆಚ್ಚಾಗಿ "ಯಾರಿಗೆ ತಿಳಿದಿದೆ" ಎಂದು ಉತ್ತರಿಸುವ ಬದಲು, ಬಹುಶಃ "ಬಿಗ್ ಡೇಟಾವನ್ನು ಕೇಳೋಣ" ಎಂದು ಹೇಳುವುದು ಹೆಚ್ಚು ಸೂಕ್ತವಾದ ವಿಷಯವಾಗಿದೆ.

ಬಿಎ ಪಾಲುದಾರರು | ವಿಲ್ಲೀಸ್ ನವೀಕರಣ | ಮಡಕೆ