Big Data is de laatste schakel in het voorspellen van weersomstandigheden. Over de hele wereld gebruiken duizenden bedrijven, wetenschappelijke centra, instellingen enz. Big Data om patronen te vinden, waar ze ook zijn: big data. In de meteorologie, een wetenschap die ook een enorme en enorme hoeveelheid data heeft, heeft Big Data ook zijn nuttige toepassingen. Dit moderne en krachtige tool, het kan op meerdere manieren worden gebruikt. Ondanks dat het als één ding wordt genoemd, kan het veel verschillende voorspellingen doen, afhankelijk van wat u zoekt. Natuurlijk heeft het ook betrekking op meteorologie, en hier gaan we je vertellen wat het doet en hoe.
Laten we dat allereerst onthouden anticiperen op tijd is altijd een van de eerste behoeften van mensen geweest. Duizenden jaren geleden waren weersvoorspellingen erg belangrijk, zelfs meer dan vandaag, om te overleven. Technologische ontwikkeling was niet zo geavanceerd, elke instabiliteit kan ernstige gevolgen hebben. Hoewel er altijd een behoefte was om het weer te voorkomen, konden we pas met de komst van Aristoteles de term meteorologie bedenken. Hij noemde het "meteorologisch", de naam die hij zijn boek gaf, rond 340 voor Christus.
Big Data in prognoses
De logica van atmosferisch gedrag blijft zich ontwikkelen sindsdien. Elke keer sneller. Door de thermometer die Galileo in 1607 uitvond, naar computersimulaties van gegevens die door satellieten zijn verzameld. Op dit moment worden we geconfronteerd met Big Data, daar zijn velen het over eens het is de meest revolutionaire tool sinds het internet bestaat en is niet voor minder. Alsof het een sciencefiction-toekomst is, kunnen we vandaag zeggen dat het echt is.
Zoals we hebben opgemerkt, begint Big Data vandaag de leiding te nemen, door dat andere standpunt aan meteorologen te geven. Waar ze niet konden gaan, of geloofden dat ze gelijk hadden zonder te zijn, Big data laat zien wat verborgen of onopgemerkt was, ook met een nooit bereikte nauwkeurigheid. Er zijn bedrijven die deze diensten vandaag al aanbieden. Instellingen, overheden en bedrijven die gebruikmaken van big data om op het klimaat te anticiperen. Maar hoe verloopt dit hele proces? Hoe is het gedaan? Hoe profiteren we? Vervolgens zullen we zien en begrijpen hoe dit hele proces van technologische innovatie mogelijk is.
Hoe werkt Big Data?
Ongeveer, Big Data kijkt niet meer naar de lucht om zich op data te concentreren, en dat ze correct worden verwerkt. Zodat u in zijn omvang de implicatie met meteorologie beter kunt begrijpen, moet u eerst uitleggen hoe het werkt.
Big Data heeft zijn kern van werking in de zogenaamde 4 V's.
Volumen
Dit betekent de hoeveelheid gegevens. Al deze hoeveelheid verzamelde gegevens is wat bekend staat als het volume. Het kan variëren afhankelijk van wat er wordt toegepast, soms hebben we veel gegevens en soms "minder". Dat wil zeggen, we kunnen gaan van 1.000 miljoen gegevens naar enkele biljoenen, afhankelijk van welke wordt geanalyseerd.
Snelheid
Dat wil zeggen, de snelheid waarmee de gegevens worden gegenereerd. Ze komen voort uit de behoefte om ze vast te leggen, op te slaan en te verwerken. Hoe meer gegevens er worden vastgelegd, hoe sneller ze worden opgeslagen, hoe meer er te analyseren valt. Snelheid is van dubbel belang bij weersvoorspellingen, aangezien gebeurtenissen in realtime plaatsvinden en zo snel mogelijk moeten worden verwerkt.
Variedad
Soms is er een indeling van hoe die gegevens komen, soms andere. Elk type gegevens heeft zijn eigen classificatie. Andere keren ontbreken er enkele (er zijn technieken om dit op te lossen, anders zouden de fouten enorm zijn) en soms komen ze zelfs in videovormen. Er is een heel andere massa aan gegevens, die in Big Data verantwoordelijk zijn voor het plaatsen van een bestelling, een logica die goed moet worden geanalyseerd. Zo kunnen temperatuurmetingen van een thermometer "niet" in dezelfde verpakking worden gestopt als satellietmetingen vanaf een voorkant.
Waarheid
Gerelateerd aan de haakjes van het vorige punt. Het betekent dat de gegevens eindelijk schoon worden, zonder "rare" dingen. Big Data-beheerteams moeten een onpartijdig team hebben dat is opgeleid om een goede structuur te behouden. De gevolgen van een slechte waarheidsgetrouwheid van de gegevens hebben zeer negatieve effecten. Om een idee te krijgen: het zou zijn alsof een groep monteurs de reparatie van een auto heeft voltooid en ze zijn vergeten twee wielen te schroeven.
Voorbeeld over de juistheid van de gegevens
We hebben veel records uit vele gebieden. Laten we ons voorstellen dat we temperaturen, vochtigheidsniveaus, wind enz. Hebben. Maar we hebben een storing en we missen een aantal temperatuurrecords voor een bepaald gebied, om welke reden dan ook, en we hebben geen toegang om te weten welke temperatuur is geregistreerd. We hebben in totaal 30 gegevens, en twee daarvan, eindelijk zonder temperatuur.
Wat zou kunnen worden gedaan, is bijvoorbeeld om de gemiddelde temperatuur van die regio's te berekenen om precies de mogelijke temperatuur te bepalen waarop in het ontbrekende record kan worden gerekend, maar ook met zeer kleine foutmarges. Waarden zijn reserveonderdelen, en dan kan de berekening in praktijk worden gebracht. Als deze gegevens waren verdwenen, zouden de computers deze niet hebben herkend, het creëren van een zwart gat in de data, en totaal verkeerde voorspellingen.
Hoe krijg je dat?
In de meteorologie, zoals op elk gebied, de gegevens komen in de vorm van variabelen. Dat wil zeggen, elk wordt verwerkt op de manier waarop het hoort. En hoewel het erg ingewikkeld en ingewikkeld lijkt, wordt de taak "gemakkelijk" voor Big Data-analisten. De variabelen die we in meteorologie kunnen vastleggen, hoewel het nog steeds gegevens zijn, ze kunnen tot verschillende families behoren. Dat wil zeggen, een variabele is alle gegevens die kunnen worden geclassificeerd, maar ze zijn niet altijd hetzelfde.
De afbeelding hierboven, geleverd door NASA, toont de voorbeeld van stromingen rond de planeet. In het geval van NASA hebben ze een groot aantal satellieten waarmee ze verschijnselen over de hele wereld in realtime kunnen observeren en meten.
Big Data kan elk spoor lezen dat iets achterlaat over iets, en dat kan als data worden beschouwd. Velen die aan Big Data denken, zullen snel nadenken over wanneer we mobiele telefoons gebruiken, op internet surfen, op een pagina klikken, een item online kopen of het op Facebook 'liken'. Dat is slechts een "klein" maar compact deel, ja, het is zeer betrouwbaar en goed gecodeerd. Maar op onze beurt laten we een fysiek / virtueel spoor achter, zoals de gps-locatie van waar we zijn, dankzij mobiele telefoons. Hier beginnen we al de virtuele wereld te vermengen met de fysieke. En natuurlijk, fysieke bewegingen, fysieke aankopen, afhankelijk van leeftijd, wat we kiezen, dit alles wordt altijd gearchiveerd, en het kan zich natuurlijk vertalen in steeds meer gegevens.
Variabelen kunnen categorisch zijn
Categorische variabelen zijn variabelen die beperkte waarden vertegenwoordigen of variabelen die niet noodzakelijk een specifieke omvang betekenen. Ze vertegenwoordigen de kwaliteit van iets dat ze beschrijven. In wezen is hun bijzonderheid de beperking van wat ze vertegenwoordigen. Ze kunnen in twee velden worden ingedeeld.
Nominale categorische variabelen
Zij zijn degenen die vertegenwoordigen dingen in hetzelfde veld zonder een logische verbinding elk. Bijvoorbeeld: de naam van de regio's die aangeven waar de records vandaan komen, zoals de stad, de autonome gemeenschap, een postcode, enz.
Ordinale categorische variabelen
Zij zijn degenen die kan de omvang van iets vertegenwoordigen, zoals de Douglas-schaal in het golfniveau, het niveau van de schaal waarmee tornado's kunnen worden geclassificeerd op basis van hun grootte, enz.
Variabelen kunnen numeriek zijn
Numerieke variabelen zijn die variabelen vertegenwoordigen waarden of variabelen binnen een magnitude en kunnen meetbaar zijn. Ze vertegenwoordigen kwantitatieve waarden. Hun bijzonderheid is dat ze een zeer groot scala aan metingen in meteorologische verschijnselen kunnen vertegenwoordigen. Ze zijn op twee manieren ingedeeld
Doorlopende numerieke variabelen
Continue variabelen zijn die variabelen zijn verantwoordelijk voor het meten van iets vastgesteld. Voorbeelden hiervan zijn de vochtigheidsindex, temperatuur, windsnelheid, hoeveelheid regen, etc.
Discrete numerieke variabelen
Dit zijn degenen ze houden iets vast. Dat wil zeggen, het aantal keren dat het in een jaar in een regio heeft geregend, het aantal keren dat het heeft gesneeuwd, enz.
Alle variabelen worden verwerkt
Nadat alle variabelen zijn geclassificeerd, worden ze verwerkt dankzij computers, altijd begeleid door analisten van Big Data. Tot een paar jaar geleden, de hoeveelheid data die beschikbaar was, ondanks dat het een zeer groot aantal was, waren er geen problemen om door data-analisten te analyseren. Big Data-analyse is echter verantwoordelijk voor de analyse van deze enorme gegevens, waar de analyseprocessen die tot op heden gebruikelijk waren, zouden lang duren (we praten zelfs over dagen) om een antwoord te geven. Niet alleen dat, Big Data is efficiënter en nauwkeuriger door te "spelen" met de variabelen ertussen.
Dit alles komt voort wat we eerder hebben opgemerkt over de 4 V's van Big Data, het bereiken van snelheid, betrouwbaarheid en weermodellen die ongelooflijk nauwkeurige voorspellingen geven in een super korte tijd.
Big Data als een ontluikende discipline
Een goed voorbeeld zou zijn om te praten over het bedrijf ACCIONA, dat een Hernieuwbare energiecontrolecentrum (CECOER). Het is het grootste centrum ter wereld waar het doel is om in realtime oplossingen te bieden van de miljoenen gegevens die worden verzameld uit de faciliteiten, zowel biomassa, wind- als zonne-energie. Het produceert ongeveer 3000 jaarroosters die al deze gegevens nodig hebben om aan te passen aan de vereiste vraag. Een ander voordeel van CECOER is de opvang van incidenten die ze hebben vanuit hun faciliteiten, waardoor 50% van hen op afstand wordt opgelost. De overige 50% wordt fysiek vastgesteld door de operators. Op deze manier, Acciona krijgt zijn duurzame energie, meer dan een alternatieve energie, wees vandaag een oplossing.
CECOER ACTIE
Een ander belangrijk feit over Big Data van vandaag is het tekort aan datawetenschappers. Het is een ontluikend veld, en dat is tegen bepaalde vooropgezette normen aangelopen. Kan Big Data echt zo helpen bij de evolutie van prognoses, voordelen aan bedrijven rapporteren, op zoveel dingen kunnen anticiperen en de kosten van het analyseren van big data rechtvaardigen? Ja, maar het is iets dat beetje bij beetje is gezien. De groeiende vraag naar datawetenschappers loopt parallel met de resultaten en door te begrijpen dat ze overal nodig zijn. Het is waar dat er al veel Big Data-teams aan het werk zijn, met spectaculaire resultaten, maar op dit moment merken we dat er een grotere vraag is. Big Data-analisten zijn zeer gewild.
dienovereenkomstig we leven de revolutie die ze in ontwikkeling impliceren, maar vanaf het begin. Zoals elke branche zijn we nu getuige van het potentieel ervan, maar het is nog niet volledig ontwikkeld, dit is iets dat de tijd voor ons in petto heeft. Het ene is al duidelijk, het huidige potentieel, het andere, hoe ver het kan gaan. Uw resultaten zullen ons niet onverschillig laten.
IBM-modelkaart
IBM's The Weather Company is een privébedrijf dat biedt tot 26 miljoen dagelijkse voorspellingen over het weer. IBM viel vanaf het begin op, ook samen met Google, als een van de meest baanbrekende bedrijven op dit gebied. The Weather Company doet er alles aan om mensen te helpen weloverwogen beslissingen te nemen over het weer. Het is het grootste netwerk ter wereld van persoonlijke weerstations. 'S Werelds grootste merken in luchtvaart, energie, verzekeringen, media en overheid zijn afhankelijk van The Weather Company voor data, technologieplatforms en diensten.
Big Data tegen klimaatverandering
Global Pulse van de Verenigde Naties, een big data-initiatief van de Verenigde Naties en Western Digital Corporation, hebben een alliantie getekend om samen te vechten tegen klimaatverandering. Dit project geleid door de VN en Western Digital Corp., brengen digitale innovatiewetenschappers van over de hele wereld samen om het probleem op een efficiëntere manier aan te pakken. Onder hen vinden we medewerkers uit zeer verschillende sectoren. BBVA, Orange, Planet, Plume Labs, Nielsen, Schneider Electric, Waze ... zijn enkele van degenen die aan dit project deelnemen.
We vinden ook de Barcelona Supercomputercentrum (BSC), Het is het 4e model in de MareNostrum-serie. Een supercomputer voor Big Data-analyse sleutel op veel gebieden, waaronder ook de strijd voor klimaatverandering. Het werd eind juni 2017 in gebruik genomen. Het is de op twee na snelste computer van Europa, is erin geïnvesteerd voor de installatie van 34 miljoen euro door het ministerie van Economie, Industrie en Concurrentievermogen van Spanje. Het heeft een capaciteit van 14 Petabytes, dat wil zeggen 14 miljoen Gigabytes. Het bereikt 11,1 Petaflops, dat wil zeggen de barbaarsheid van 11.100 miljard operaties per seconde.
Big Data in de toekomst van meteorologie en in ons leven
In een veranderende wereld, waar veranderingen sneller en steeds verrassender worden, is het moeilijk om de toekomst van iets te voorspellen. Wat we zeker weten, is dat Big Data is blijven bestaan, en dat de voorspellingen van zowel meteorologische als andere gebieden ons perplex achterlaten. Sommigen zullen sceptisch blijven, anderen zullen het ontkennen, anderen zullen het zien als iets ver weg. Maar de waarheid is dat we er al mee leven.
Tegenwoordig weten we dat Big Data anticipeert op veel regen, orkaanseizoenen en zelfs met grote precisie het aantal medailles dat een land kan winnen op de Olympische Spelen. Het anticipeert ook op wie, waar en wanneer een misdaad zal worden gepleegd (als iemand de film "Minority Report" heeft gezien, is het bij hen opgekomen, toch?). Big data anticipeert snel op de toekomst van veel gebieden, en het is dat zelfs Amazon erop begint te anticiperen, en onlangs is het begonnen met het verzenden van verzendingen nog voordat klanten aankopen doen. De toekomst was tot vandaag, vaak onzeker. Maar het verandert de toekomst is voorspelbaar.
We weten dat het potentieel ervan zal groeien. Wie weet kan het overhaast zijn om te anticiperen op wie (Big Data) iets verwacht. Maar met voldoende gegevens, Zal Big Data met enorme verwachtingen kunnen anticiperen op het wereldklimaat? Ja, net zoals u kunt verwachten dat onze acties andere scenario's zouden opleveren dan eerder gegeven, omdat elke actie zijn echo heeft in de toekomst, en Big Data weet het en evalueert het opnieuw, waardoor een ander nieuw scenario ontstaat.
Alles kan worden verwacht. Zullen we in de nabije toekomst kunnen weten wat er met ons zal gebeuren? Welke problemen zullen we tegenkomen? Wanneer en waar slaat een orkaan toe? Wat hebben we nodig om het op te lossen? Naarmate technieken verbeteren, verbeteren computers in efficiëntie en snelheid, dit veld blijft zich ontwikkelen ... Hoogstwaarschijnlijk is dat in plaats van te antwoorden "wie weet", misschien wel het meest gepaste is om te zeggen "laten we het aan Big Data vragen".
BA Partners | Willis bijwerken | POT