हवामान अंदाजातील मोठा डेटा आणि भविष्य

जगातील मोठा डेटा

बिग डेटा हवामानाच्या परिस्थितीचा अंदाज लावण्याचा शेवटचा दुवा आहे. जगभरात, हजारो कंपन्या, वैज्ञानिक केंद्रे, संस्था इत्यादी, बिग डेटाचा वापर करून जेथे जेथे असतील तेथे नमुने शोधण्यासाठी वापरत आहेत. हवामानशास्त्रात, एक विज्ञान ज्यामध्ये प्रचंड आणि प्रचंड डेटा देखील आहे, बिग डेटामध्ये त्याचे उपयुक्त अनुप्रयोग देखील आहेत. हे आधुनिक आणि शक्तिशाली साधन, हे एकाधिक प्रकारे वापरले जाऊ शकते. एकाच वस्तूचे नाव असूनही, आपण ज्याच्या शोधात आहात त्यानुसार हे बरेच भिन्न अंदाज साध्य करू शकते. अर्थात, ते हवामानशास्त्रात देखील आले आहे आणि येथे आम्ही ते सांगते की हे काय करते आणि कसे करते.

सर्व प्रथम, हे लक्षात ठेवूया अपेक्षित वेळ मानवाची नेहमीची प्राथमिक गरज असते. हजारो वर्षांपूर्वी, जगण्याची हवामान अंदाज खूपच महत्त्वाचे होते, आजच्यापेक्षा खूपच जास्त, तर टिकण्यासाठी. तांत्रिक विकास तितकी धार नव्हती, कोणत्याही अस्थिरतेचे गंभीर परिणाम होऊ शकतात. हवामानापासून बचाव करण्याची नेहमीच आवश्यकता असली, पण एरिस्टॉटलच्या आगमन होईपर्यंत आपण हवामानशास्त्र हा शब्द काढू शकलो नाही. इ.स.पू. around340० च्या सुमारास त्याने त्याला "हवामानशास्त्र" म्हटले. त्याचे नाव त्याने आपल्या पुस्तकाला दिले.

अंदाज मध्ये मोठा डेटा

मोठा डेटा अंदाज

वायुमंडलीय वर्तनाचे तर्कशास्त्र विकसित होणे थांबलेले नाही तेंव्हापासून. प्रत्येक वेळी वेगवान. 1607 मध्ये गॅलीलियोने शोध लावलेला थर्मामीटर, उपग्रहांद्वारे संकलित केलेल्या डेटाच्या आधारे संगणकाच्या सिम्युलेशनवर जा. आत्ता, आपल्यास बिग डेटाचा सामना करावा लागला आहे, बरेचजण हे मान्य करतात इंटरनेट अस्तित्वात असल्याने हे सर्वात क्रांतिकारक साधन आहे आणि कमी नाही. जणू जणू ते विज्ञान कल्पित भविष्य आहे, आज आपण ते वास्तविक आहे असे म्हणू शकतो.

जसे आम्ही टिप्पणी केली आहे, तसे आज बिग डेटा हवामान तज्ज्ञांना अन्य दृष्टिकोन देऊन प्रभारी होण्यास सुरवात करते. जेथे ते जाऊ शकत नाहीत किंवा विश्वास नसतात की ते न होताच त्यांनी बरोबर आहेत, मोठा डेटा आपल्याला काय लपविला किंवा लक्ष न दिला गेलेला दर्शवितो, अगदी अचूकतेची पातळी कधीही गाठली नाही. अशा कंपन्या आज या सेवा आधीच देत आहेत. हवामानाचा अंदाज घेण्यासाठी मोठी संस्था वापरणारी संस्था, सरकारे आणि कंपन्या. पण ही संपूर्ण प्रक्रिया कशी आहे? ते कसे केले जाते? आम्हाला कसा फायदा होईल? पुढे आम्ही पाहू आणि समजेल की तंत्रज्ञानाची नवीन प्रक्रिया करण्याची ही संपूर्ण प्रक्रिया कशी शक्य आहे.

बिग डेटा कसे कार्य करते?

साधारणपणे, डेटावर लक्ष केंद्रित करण्यासाठी मोठा डेटा आकाशाकडे पाहण्यापेक्षा अधिक ठेवतोआणि त्यांच्यावर योग्यप्रकारे प्रक्रिया केली गेली आहे. जेणेकरुन आपण हवामानशास्त्रातील परिणामाची तीव्रता अधिक जाणून घेऊ शकता, प्रथम ते कसे कार्य करते हे स्पष्ट करणे आवश्यक आहे.

हवामान अंदाज साठी भविष्यातील मोठा डेटा

बिग डेटामध्ये त्याचे संचालन मूळ आहे ज्याला 4 व्ही म्हणतात.

खंड

याचा अर्थ डेटाची मात्रा. या सर्व डेटा गोळा केला व्हॉल्यूम म्हणून ओळखले जाते. हे काय लागू होते यावर अवलंबून बदलू शकते, कधीकधी आपल्याकडे खूप डेटा असतो आणि काही वेळा "कमी" असतो. म्हणजेच, आम्ही विश्लेषण केले आहे त्यानुसार आपण 1.000 दशलक्ष डेटावरून कित्येक ट्रिलियन पर्यंत जाऊ शकतो.

वेग

म्हणजे डेटा व्युत्पन्न करण्याचा दर. त्यांना कॅप्चर करणे, संचयित करणे आणि त्यावर प्रक्रिया करणे आवश्यकतेद्वारे केले आहे. तेथे जितके जास्त डेटा कॅप्चर केले जातात तेवढे वेगवान ते साठवले जातात, विश्लेषणाइतकेच. रिअल टाइममध्ये घटना घडत असल्याने आणि शक्य तितक्या लवकर त्यावर प्रक्रिया केली जाणे हवामानाच्या अंदाजात गतीला दुप्पट महत्त्व आहे.

विविधता

कधीकधी तो डेटा कसा येतो त्याचे स्वरूप असते, इतर वेळा. प्रत्येक प्रकारच्या डेटाचे स्वतःचे वर्गीकरण असते. इतर वेळी काही गहाळ झाले आहेत (हे निराकरण करण्याचे तंत्र आहेत, किंवा त्रुटी प्रचंड असतील) आणि इतर वेळी ते व्हिडिओ स्वरूपात देखील येतात. डेटाचे बरेच वेगळे प्रमाण आहे, जे बिग डेटामध्ये ऑर्डर देण्याचे काम करते, त्याचे चांगले विश्लेषण केले जाऊ शकते. उदाहरणार्थ, थर्मामीटरपासून तापमान मोजमाप समोरच्या उपग्रह मोजमापांच्या समान पॅकेजमध्ये "ठेवणे" शक्य नाही.

सत्यता

मागील बिंदूच्या कंसांशी संबंधित. याचा अर्थ असा होतो की डेटा शेवटी स्वच्छ होतो, "विचित्र" गोष्टींशिवाय. बिग डेटा मॅनेजमेंट टीमकडे चांगली रचना राखण्यासाठी एक निष्पक्ष संघ असणे आवश्यक आहे. डेटाच्या चुकीच्या सत्यतेचे दुष्परिणाम फार नकारात्मक असतात. कल्पना मिळविण्यासाठी, जणू यांत्रिकीच्या गटाने कारची दुरुस्ती पूर्ण केली आणि ते दोन चाके स्क्रू करण्यास विसरले.

हवामानशास्त्रातील मोठा डेटा विश्लेषक

डेटाच्या सत्यतेचे उदाहरण

आमच्याकडे बर्‍याच भागातील अनेक नोंदी आहेत. आपण तपमान, आर्द्रता पातळी, वारा इ. इत्यादी कल्पना करूया. परंतु, आम्हाला अपयश आले आहे, आणि काही कारणास्तव आम्ही काही क्षेत्रासाठी काही तपमानाची नोंद गमावत आहोत आणि कोणत्या तापमानाची नोंद झाली आहे हे आम्हाला कळू शकत नाही. आमच्याकडे एकूण 30 डेटा आहेत आणि त्यापैकी दोन अखेरीस तापमानाशिवाय आहेत.

उदाहरणार्थ, काय केले जाऊ शकते ते त्या प्रदेशाच्या सरासरी तपमानांची गणना करणे शक्य आहे जे निश्चित तापमान गहाळ झालेल्या रेकॉर्डमध्ये मोजले जाऊ शकते, परंतु त्यातील त्रुटी अगदी लहान आहेत. मूल्ये सुटे भाग आहेत, आणि मग गणना व्यवहारात आणता येते. हा डेटा गहाळ असता तर संगणकांनी तो ओळखला नसता, डेटामध्ये ब्लॅक होल तयार करणे आणि पूर्णपणे चुकीचे अंदाज तयार करणे.

आपण ते कसे मिळवाल?

कोणत्याही शास्त्रात हवामानशास्त्रात, डेटा व्हेरिएबल्सच्या रूपात येतो. म्हणजेच, प्रत्येकजण त्याच्या मालकीच्या मार्गावर प्रक्रिया करतो. आणि जरी ते खूप गुंतागुंतीचे आणि गुंतागुंतीचे वाटत असले तरी बिग डेटा विश्लेषकांसाठी हे कार्य "सोपे" झाले आहे. हवामानशास्त्रात आपण बदलू शकतोजरी ते अद्याप डेटा आहेत, ते भिन्न कुटुंबातील असू शकतात. म्हणजेच, व्हेरिएबल हा कोणताही डेटा असतो जो वर्गीकृत केला जाऊ शकतो, परंतु ते नेहमी एकसारखे नसतात.

नासा आणि मोठा डेटा

वरील प्रतिमा, नासाने प्रदान केलेली, दाखवते ग्रह सुमारे प्रवाह उदाहरण. नासाच्या बाबतीत, त्यांच्याकडे मोठ्या संख्येने उपग्रह आहेत जे त्यांना रिअल टाइममध्ये जगभरातील घटनेचे निरीक्षण आणि मोजमाप करण्यास अनुमती देतात.

बिग डेटा काहीतरी सोडलेला प्रत्येक ट्रेस वाचू शकतो कशाबद्दल आणि डेटा म्हणून विचार केला जाऊ शकतो. बरेचजण बिग डेटाबद्दल विचार करतात तेव्हा ते आपण मोबाइल फोन कधी वापरतो, इंटरनेट सर्फ करतो, एका पृष्ठावर क्लिक करतो, एखादी वस्तू ऑनलाइन खरेदी करतो किंवा फेसबुकवर "आवडतो" याचा विचार करतो. तो फक्त एक "छोटा" परंतु दाट भाग आहे, होय, तो खूप विश्वासार्ह आणि चांगल्या प्रकारे कोडित आहे. परंतु त्या बदल्यात आम्ही जिथून आहोत तिथे जीपीएस स्थानाप्रमाणे फिजिकल / व्हर्च्युअल माग सोडतो, मोबाइल फोनबद्दल धन्यवाद. येथे आम्ही आधीच आभासी जगाला भौतिक जगासह मिसळण्यास सुरवात करतो. आणि नक्कीच, शारीरिक हालचाली, शारीरिक खरेदी, वयानुसार, आम्ही काय निवडतो, हे सर्व नेहमी संग्रहित केले जातेआणि निश्चितच ते अधिकाधिक डेटामध्ये भाषांतरित करू शकते.

व्हेरिएबल्स श्रेणीबद्ध असू शकतात

क्लासिकिकल व्हेरिएबल्स असे असतात जे मूल्ये किंवा मर्यादित चल दर्शवितात ज्याचा अर्थ विशिष्ट परिमाण असणे आवश्यक नसते. ते वर्णन केलेल्या एखाद्या गोष्टीची गुणवत्ता दर्शवितात. मुळात त्यांची वैशिष्ट्य म्हणजे ते प्रतिनिधित्व करतात त्या मर्यादा. त्यांचे दोन क्षेत्रात वर्गीकरण केले जाऊ शकते.

नाममात्र श्रेणीबद्ध चल

ते त्या आहेत तार्किक कनेक्शनशिवाय समान क्षेत्रातील गोष्टींचे प्रतिनिधित्व करा प्रत्येक उदाहरणार्थ: शहर, स्वायत्त समुदाय, पोस्टल कोड इत्यादी नोंदी कोठून आहेत हे सूचित करणारे प्रदेशांचे नाव.

सामान्य श्रेणीबद्ध चल

ते त्या आहेत एखाद्या गोष्टीचे परिमाण दर्शवू शकतेजसे की वेव्ह लेव्हल मधील डग्लस स्केल, स्केलची पातळी ज्याच्या सहाय्याने टॉर्नाडेस त्यांच्या विशालतेनुसार वर्गीकृत केले जाऊ शकतात इ.

मोठा डेटा डिजिटल वय

चल संख्यात्मक असू शकतात

संख्यात्मक चल हे ते आहेत परिमाणात मूल्ये किंवा चल दर्शवितात आणि मोजता येतात. ते परिमाणात्मक मूल्यांचे प्रतिनिधित्व करतात. त्यांची विशिष्टता अशी आहे की ते हवामानविषयक घटनेतील मोजमापांच्या मोठ्या प्रमाणात प्रतिनिधित्व करू शकतात. त्यांचे दोन प्रकारे वर्गीकरण केले आहे

सतत संख्यात्मक चल

सतत व्हेरिएबल्स ते असतात स्थापित केलेल्या काही मोजण्याचे प्रभारी आहेत. आर्द्रता निर्देशांक, तापमान, वार्‍याची गती, पावसाचे प्रमाण इ. त्यांची उदाहरणे आहेत.

स्वतंत्र संख्यात्मक चल

या आहेत ते स्थापित केलेल्या एखाद्या गोष्टीचा मागोवा ठेवतात. म्हणजेच, प्रदेशात वर्षात किती वेळा पाऊस पडला, किती वेळा बर्फ पडला इ.

सर्व चलांवर प्रक्रिया केली जाते

एकदा सर्व व्हेरिएबल्सचे वर्गीकरण झाल्यावर संगणकावर आभार मानून त्यांच्यावर प्रक्रिया केली जाईल, नेहमी विश्लेषकांच्या देखरेखीखाली असतात बिग डेटाचा. काही वर्षांपूर्वी पर्यंत, डेटाची मात्रा जितकी उपलब्ध होती, खूप मोठी संख्या असूनही, डेटा विश्लेषकांद्वारे विश्लेषित करण्यात कोणतीही समस्या नव्हती. तथापि, या मोठ्या डेटाच्या विश्लेषणासाठी बिग डेटा विश्लेषण जबाबदार आहे, जिथे आजपर्यंत सामान्य असलेल्या विश्लेषण प्रक्रियेस बराच वेळ लागेल (आम्ही अगदी दिवसांविषयी बोलतो) उत्तर देण्यासाठी. इतकेच नाही तर बिग डेटा त्यांच्यामधील चलांसह "प्ले करून" अधिक कार्यक्षम आणि अचूक आहे.

मोठी डेटा क्रांती

हे सर्व मूळ आम्ही यापूर्वी बिग डेटाच्या 4 व्ही वर काय टिप्पणी दिली आहे, वेग, विश्वासार्हता आणि हवामान मॉडेल जे आश्चर्यकारकपणे अचूक अंदाज देतात अत्यंत अल्प कालावधीत.

एक नवीन शिस्त म्हणून मोठा डेटा

एसीआयसीएएनए कंपनीबद्दल बोलणे चांगले उदाहरण आहे, ज्याची कंपनी ए नूतनीकरणयोग्य ऊर्जा नियंत्रण केंद्र (सीईसीओआर) हे जगातील सर्वात मोठे केंद्र आहे जिथे बायोमास, पवन आणि सौर ऊर्जा या सुविधांमधून संकलित करण्यात आलेल्या कोट्यवधी डेटाचे वास्तविक वेळेत निराकरण करणे हा हेतू आहे. हे सुमारे 3000 वार्षिक वेळापत्रक तयार करते जे आवश्यकतेनुसार मागणीनुसार समायोजित करण्यासाठी हा सर्व डेटा घेते. सीईसीईआर चा आणखी एक फायदा म्हणजे त्यांच्या घटनांमधून होणा incidents्या घटनेचे स्वागत करणे म्हणजे अशा remote०% दूरस्थपणे सोडवले जातात. उर्वरित 50% ऑपरेटरद्वारे शारीरिकरित्या निश्चित केले गेले आहेत. या मार्गाने, Ionकिओनाला त्याची नूतनीकरणयोग्य ऊर्जा मिळते, पर्यायी ऊर्जा होण्यापेक्षा आज एक उपाय असू.

Ionकिओना ऊर्जा नियंत्रण केंद्र

सी.सी.ओ.आर.

आज बिग डेटाविषयी आणखी एक महत्त्वाची वस्तुस्थिती म्हणजे डेटा वैज्ञानिकांची कमतरता. हे एक नवीन शहर आहे, आणि ते काही पूर्वनिश्चित मानकांमध्ये गेले आहे. पूर्वानुमानांच्या उत्क्रांतीत बिग डेटा खरोखर मदत करू शकेल, कंपन्यांना होणा benefits्या फायद्याचा अहवाल देऊ शकेल, बर्‍याच गोष्टींचा अंदाज घेण्यास सक्षम असेल आणि मोठ्या डेटाचे विश्लेषण करण्याच्या किंमतीचे औचित्य सिद्ध करू शकेल काय? होय, परंतु हे असे काहीतरी आहे जे थोडेसे पाहिले गेले आहे. डेटा शास्त्रज्ञांची वाढती मागणी निकालांच्या समांतर आहे आणि सर्व ठिकाणी त्यांची आवश्यकता समजून घेऊन. हे खरं आहे की तेथे आधीच अनेक बिग डेटा कार्यसंघ कार्यरत आहेत, नेत्रदीपक परिणामांसह, परंतु आत्ताच तिथे आम्हाला जास्त मागणी असल्याचे आढळून आले आहे. बिग डेटा विश्लेषकांकडून मोठ्या प्रमाणात शोध घेतला जात आहे.

त्यानुसार विकासात ते सूचित करतात अशी क्रांती आम्ही जगत आहोत, पण सुरुवातीपासूनच. कोणत्याही उद्योगांप्रमाणेच, आम्ही आता त्याच्या संभाव्यतेची साक्ष देत आहोत, परंतु ते पूर्णपणे विकसित झाले नाही, ही आपल्यासाठी काळाची वेळ आहे. एक गोष्ट आधीच स्पष्ट आहे, सध्याची क्षमता, दुसरी, ती किती दूर जाऊ शकते. आपले परिणाम आम्हाला उदासीन ठेवणार नाहीत.

मोठा डेटा हवामान

आयबीएम मॉडेल नकाशा

आयबीएमची द वेदर कंपनी ही एक खासगी कंपनी आहे पर्यंत दररोज 26 दशलक्ष अंदाज देते हवामान बद्दल या क्षेत्रातील अग्रगण्य कंपन्यांपैकी एक म्हणून गूगलसह आयबीएमही सुरुवातीस उभे राहिले. हवामानाविषयी माहिती देण्याकरिता, हवामान कंपनी लोकांशी वचनबद्ध आहे. हे जगातील सर्वात मोठे नेटवर्क आहे वैयक्तिक हवामान स्थानकांमधून. विमान, ऊर्जा, विमा, मीडिया आणि सरकारमधील जगातील सर्वात मोठे ब्रँड डेटा, तंत्रज्ञान प्लॅटफॉर्म आणि सेवांसाठी वेदर कंपनीवर अवलंबून आहेत.

हवामान बदलाविरूद्ध मोठा डेटा

युनायटेड नेशन्स ग्लोबल पल्सचा एक मोठा डेटा उपक्रम संयुक्त राष्ट्र आणि वेस्टर्न डिजिटल कॉर्पोरेशन, हवामान बदलाच्या विरोधात एकत्र लढण्यासाठी युतीवर स्वाक्षरी केली आहे. यूएन आणि वेस्टर्न डिजिटल कॉर्पोरेशनच्या नेतृत्वात हा प्रकल्प जगभरातील डिजिटल इनोव्हेशन वैज्ञानिकांना एकत्र आणा अधिक कार्यक्षम मार्गाने समस्येवर हल्ला करण्यासाठी. त्यापैकी आम्हाला त्यांच्यामध्ये अगदी भिन्न क्षेत्रांचे सहयोगी सापडले. बीबीव्हीए, ऑरेंज, प्लॅनेट, प्ल्युम लॅब, निल्सेन, स्नायडर इलेक्ट्रिक, वाझे ... या प्रकल्पात भाग घेणारे काही आहेत.

आम्ही देखील शोधू बार्सिलोना सुपरकंप्यूटिंग सेंटर (बीएससी), हे MareNostrum मालिकेतील चौथे मॉडेल आहे. बिग डेटा विश्लेषणासाठी एक सुपर संगणक बर्‍याच क्षेत्रांमधील मुख्य म्हणजे हवामान बदलासाठीचा लढा. या 2017 च्या जून अखेर ते कार्यान्वित करण्यात आले. युरोपमधील हा तिसरा वेगवान संगणक आहे, स्पेनच्या अर्थव्यवस्था, उद्योग आणि स्पर्धात्मकता मंत्रालयाने 34 दशलक्ष युरो स्थापनेसाठी त्यात गुंतवणूक केली आहे. याची क्षमता 14 पेटाबाइट्स म्हणजेच 14 दशलक्ष गिगाबाइट आहे. हे 11,1 पेटाफ्लॉपपर्यंत पोहोचते, म्हणजेच प्रति सेकंद 11.100 अब्ज ऑपरेशनची बर्बरता.

हवामानशास्त्र आणि आपल्या आयुष्यातील भविष्यातील मोठा डेटा

बदलत्या जगात जिथे बदल वेगाने वाढत चालले आहेत आणि आश्चर्यचकित होत चालले आहेत अशा परिस्थितीत एखाद्या गोष्टीचे भविष्य सांगणे कठीण आहे. आम्हाला जे निश्चितपणे माहित आहे तेच ते आहे बिग डेटा राहण्यासाठी आला आहे, आणि हवामानशास्त्रीय आणि इतर भागात दोन्ही पूर्वानुमान केल्याने आपण गोंधळात पडलो. काही संशयास्पद राहतील, इतर नाकारतील, तर काहीजण दूरच्या गोष्टी म्हणून पाहतील. परंतु सत्य हे आहे की आम्ही आधीच त्याच्याबरोबर राहत आहोत.

आज आम्हाला माहित आहे की बिग डेटा बर्‍याच पाऊस, चक्रीवादळ हंगाम आणि अगदी देशाने ऑलिम्पिकमध्ये किती जिंकू शकतील अशा पदकांची अपेक्षा करतो. कोण, कोठे व केव्हा गुन्हा घडणार आहे याचा अंदाजही लावतो (जर कोणी “अल्पसंख्याक अहवाल” चित्रपट पाहिला असेल तर त्याने त्यांच्या मनाचा आकडा ओलांडला असेल ना?). मोठी माहिती बर्‍याच भागाचे भविष्य वाटण्याच्या दिशेने वेगाने वाटचाल करत आहे, आणि असे आहे की अगदी Amazonमेझॉन देखील त्याची अपेक्षा करण्यास सुरवात करते आणि अलीकडेच ग्राहकांनी खरेदी करण्यापूर्वीच जहाज खरेदी करण्यास सुरवात केली आहे. भविष्य आजपर्यंत होते, बहुतेक वेळा अनिश्चित होते. पण ते बदलत आहे भविष्य अंदाज आहे.

मुलगी बॉल ऊर्जा

आम्हाला माहित आहे की त्याची संभाव्यता वाढेल. कोणास ठाऊक आहे, (बीग डेटा) कोणकोणत्या गोष्टीची अपेक्षा करतो यावर अंदाज ठेवणे कदाचित पुरेशी आहे. परंतु पुरेशा डेटासह, बिग डेटा प्रचंड अपेक्षेने जागतिक हवामानाचा अंदाज घेण्यास सक्षम असेल? होय, जसे आपण अंदाज लावू शकता की आमच्या कृती पूर्वी दिलेल्या लोकांना भिन्न परिस्थिती देईल, कारण भविष्यात कोणत्याही क्रियेची प्रतिध्वनी असते आणि बिग डेटा त्यास जाणतो आणि आणखीन एक नवीन परिदृश्य देऊन त्याचे पुनर्मूल्यांकन करतो.

सर्वकाही अपेक्षित असू शकते. नजीकच्या काळात आपल्यासोबत काय घडेल हे आम्हाला कळू शकेल काय? आपल्याला कोणत्या समस्यांना सामोरे जावे लागेल? चक्रीवादळ केव्हा आणि कोठे संपेल? त्याचे निराकरण करण्यासाठी आपल्याकडे काय आहे? तंत्रात जसजशी सुधारणा होते तसतसे संगणक कार्यक्षमता आणि गतीमध्ये सुधारतात, हे क्षेत्र विकसित होत आहे ... बहुधा हे "कोणास ठाऊक आहे" असे उत्तर देण्याऐवजी सर्वात योग्य गोष्ट म्हणजे "चला बिग डेटा विचारू."

बीए पार्टनर | विलिस अपडेट | भांडी


टिप्पणी करणारे सर्वप्रथम व्हा

आपली टिप्पणी द्या

आपला ई-मेल पत्ता प्रकाशित केला जाणार नाही. आवश्यक फील्ड चिन्हांकित केले आहेत *

*

*

  1. डेटा जबाबदार: मिगुएल Áन्गल गॅटन
  2. डेटाचा उद्देशः नियंत्रण स्पॅम, टिप्पणी व्यवस्थापन.
  3. कायदे: आपली संमती
  4. डेटा संप्रेषण: कायदेशीर बंधन वगळता डेटा तृतीय पक्षास कळविला जाणार नाही.
  5. डेटा संग्रहण: ओकेन्टस नेटवर्क (EU) द्वारा होस्ट केलेला डेटाबेस
  6. अधिकारः कोणत्याही वेळी आपण आपली माहिती मर्यादित, पुनर्प्राप्त आणि हटवू शकता.