Big Data er den siste lenken i å forutsi værforhold. Over hele verden bruker tusenvis av selskaper, vitenskapelige sentre, institusjoner osv. Big Data for å finne mønstre hvor de er, big data. I meteorologi, en vitenskap som også har en enorm og enorm mengde data, har Big Data også sine nyttige applikasjoner. Dette moderne og kraftig verktøy, kan det brukes på flere måter. Til tross for at den blir kalt som en enkelt ting, kan den oppnå mange forskjellige spådommer, avhengig av hva du leter etter. Selvfølgelig har det også kommet til meteorologi, og her skal vi fortelle deg hva det gjør og hvordan.
La oss først huske det å forutse tid har alltid vært et av menneskers primære behov. For tusenvis av år siden var værmeldingene veldig viktige, enda mer enn i dag, for å overleve. Teknologisk utvikling var ikke så banebrytende, ustabilitet kan få alvorlige konsekvenser. Selv om det alltid var dette behovet for å forhindre været, var det ikke før Aristoteles ankom vi kan myntet begrepet meteorologi. Han kalte det "meteorologisk", navnet han ga sin bok, rundt 340 f.Kr.
Big Data i prognoser
Logikken til atmosfærisk oppførsel har ikke stoppet å utvikle seg siden da. Hver gang raskere. Går gjennom termometeret som Galileo oppfant i 1607, til datasimuleringer fra data samlet inn av satellitter. Akkurat nå står vi overfor Big Data, mange er enige om det det er det mest revolusjonerende verktøyet siden internett eksisterer og er ikke for mindre. Som om det var en science fiction-fremtid, kan vi i dag si at den er ekte.
Som vi har kommentert, begynner Big Data å ta ansvar i dag, for å gi det andre synspunktet til meteorologer. Hvor de ikke kunne dra, eller trodde de hadde rett uten å være, Big data viser deg hva som var skjult eller ubemerket, også med et presisjonsnivå som aldri er nådd. Det er selskaper som allerede tilbyr disse tjenestene i dag. Institusjoner, myndigheter og selskaper som bruker store data for å forutse klimaet. Men hvordan er hele denne prosessen? Hvordan gjøres det? Hvordan har vi fordeler? Deretter vil vi se og forstå hvordan hele denne prosessen med teknologisk innovasjon er mulig.
Hvordan fungerer Big Data?
Grovt, Big Data forlater å se på himmelen for å fokusere på data, og at de er behandlet riktig. For at du skal forstå mer i omfanget av implikasjonene med meteorologi, er det først nødvendig å forklare hvordan det fungerer.
Big Data har sin kjernedrift i det som kalles 4 V-ene.
volumen
Dette betyr mengden data. All denne mengden data samlet inn er det som er kjent som volumet. Det kan variere avhengig av hva som brukes, noen ganger har vi mye data og andre ganger "mindre". Det vil si at vi kan gå fra 1.000 millioner data til flere billioner, avhengig av hvilken som er analysert.
Fart
Jeg mener, hastigheten data genereres med. De kommer fra behovet for å fange dem, lagre og behandle dem. Jo flere datafangster det er, jo raskere lagres de, jo mer er det å analysere. Hastighet er av dobbelt betydning i værmeldinger, siden hendelser skjer i sanntid, og må behandles så snart som mulig.
variasjon
Noen ganger er det et format på hvordan dataene kommer, andre ganger andre. Hver type data har sin egen klassifisering. Andre ganger mangler noen (det er teknikker for å fikse dette, eller feilene vil være enorme), og andre ganger kommer de i videoformer til og med. Det er en veldig annen datamengde, som i Big Data er ansvarlig for å legge en ordre, en logikk som skal analyseres godt. For eksempel, "du kan ikke" legge temperaturmålinger fra et termometer i samme pakke som satellittmålinger fra fronten.
Sannhet
Relatert til parentesen i forrige punkt. Det betyr at dataene endelig blir rene, uten "rare" ting. Big Data management team må ha et upartisk team trent for å opprettholde en god struktur. Konsekvensene av dårlig sannhet i dataene har svært negative effekter. For å få en idé, ville det være som om en gruppe mekanikere var ferdig med reparasjonen av en bil, og de glemte å skru på to hjul.
Eksempel på sannheten til dataene
Vi har mange poster fra mange områder. La oss forestille oss at vi har temperaturer, fuktighetsnivå, vind osv. Men vi har en feil, og vi mangler temperaturregistreringer for et eller annet område, uansett årsak, og vi kan ikke få tilgang til å vite hvilken temperatur som er registrert. Vi har totalt 30 data, og to av dem, uten temperatur endelig.
Det som for eksempel kan gjøres er å beregne gjennomsnittstemperaturen i disse regionene for å bestemme nøyaktig den mulige temperaturen som kan regnes med i den manglende posten, men også med svært små feilmarginer. Verdiene er reservedeler, og så kan beregningen settes ut i livet. Hadde disse dataene manglet, ville ikke datamaskinene ha gjenkjent dem, skaper et svart hull i dataene, og helt gale spådommer.
Hvordan får du det?
I meteorologi, som i alle felt, dataene kommer i form av variabler. Det vil si at hver og en behandles på den måten den hører hjemme. Og selv om det virker veldig kronglete og komplisert, blir oppgaven "enkel" for Big Data-analytikere. Variablene som vi kan registrere i meteorologi, selv om de fremdeles er data, de kan tilhøre forskjellige familier. Det vil si at en variabel er alle data som kan klassifiseres, men de er ikke alltid de samme.
Bildet over, levert av NASA, viser eksempel på strømmer rundt planeten. Når det gjelder NASA, har de et stort antall satellitter som lar dem observere og måle fenomener over hele kloden i sanntid.
Big Data kan lese alle spor som noe etterlater om noe, og det kan betraktes som data. Mange når de tenker på Big Data, vil raskt tenke på når vi bruker mobiltelefoner, surfer på internett, klikker på en side, kjøper en vare på nettet, eller “liker” den på Facebook. Det er bare en "liten" men tett del, ja, den er veldig pålitelig og godt kodet. Men i sin tur forlater vi en fysisk / virtuell sti, som GPS-posisjonen til hvor vi er, takket være mobiltelefoner. Her begynner vi allerede å blande den virtuelle verden med den fysiske. Og selvfølgelig, fysiske bevegelser, fysiske innkjøp, i henhold til alder, hva vi velger, alt dette er alltid arkivert, og selvfølgelig kan det oversettes til mer og mer data.
Variabler kan være kategoriske
Kategoriske variabler er de som representerer begrensede verdier eller variabler som ikke nødvendigvis betyr en bestemt størrelse. De representerer kvaliteten på noe de beskriver. I utgangspunktet er deres egenart begrensningen av hva de representerer. De kan klassifiseres i to felt.
Nominelle kategoriske variabler
Det er de som representerer ting i samme felt uten en logisk sammenheng Hver. For eksempel: Navnet på regionene som indikerer hvor postene er fra, for eksempel byen, det autonome samfunnet, et postnummer osv.
Ordinære kategoriske variabler
Det er de som kan representere størrelsen på noe, som Douglas-skalaen i bølgenivået, nivået på skalaen som tornadoer kan klassifiseres i henhold til deres størrelse osv.
Variabler kan være numeriske
Numeriske variabler er de som representerer verdier eller variabler innenfor en størrelse og kan være målbare. De representerer kvantitative verdier. Deres egenart er at de kan representere et veldig stort utvalg av målinger i meteorologiske fenomener. De er klassifisert på to måter
Kontinuerlige numeriske variabler
Kontinuerlige variabler er de som har ansvaret for å måle noe etablert. Eksempler på dem vil være fuktighetsindeks, temperatur, vindhastighet, mengde nedbør osv.
Diskrete numeriske variabler
Dette er de de holder rede på noe etablert. Det vil si antall ganger det har regnet i et år i en region, antall ganger det har snødd osv.
Alle variabler behandles
Når alle variablene er klassifisert, blir de behandlet takket være datamaskiner, alltid overvåket av analytikere av Big Data. Inntil for noen år siden var mengden data som var tilgjengelig, til tross for at det var et veldig stort antall, ingen problemer å analysere av dataanalytikere. Big Data-analyse er imidlertid ansvarlig for analysen av disse massive dataene, hvor analyseprosessene som har vært vanlige frem til i dag, vil ta lang tid (vi snakker til og med om dager) for å gi et svar. Ikke bare det, Big Data er mer effektiv og nøyaktig, ved å "spille" med variablene mellom dem.
Alt dette har sitt utspring hva vi tidligere har kommentert 4 V-ene med Big Data, og oppnådd hastighet, pålitelighet og værmodeller som gir utrolig nøyaktige prognoser i en super kort periode.
Big Data som en begynnende disiplin
Et godt eksempel er å snakke om ACCIONA-selskapet, som har en Kontrollsenter for fornybar energi (CECOER). Det er det største senteret i verden hvor målet er å tilby løsninger i sanntid, av de millioner av data som samles inn fra anleggene, både biomasse, vind og solenergi. Det produserer omtrent 3000 årlige tidsplaner som tar alle disse dataene for å tilpasse seg den nødvendige etterspørselen. En annen fordel med CECOER er mottak av hendelser de har fra sine fasiliteter, så 50% av dem løses eksternt. De resterende 50% er fysisk fikset av operatørene. På denne måten, Acciona får sin fornybare energi, mer enn å være en alternativ energi, være en løsning i dag.
CECOER ACTION
Et annet viktig faktum om Big Data i dag er mangelen på dataforskere. Det er et begynnende felt, og det har kommet inn i visse forutbestemte standarder. Kan Big Data virkelig hjelpe så mye i utviklingen av prognoser, rapportere fordeler til selskaper, være i stand til å forutse så mange ting og rettferdiggjøre kostnadene ved big data-analyse? Ja, men det er noe som har blitt sett litt etter litt. Den økende etterspørselen etter dataforskere har parallelt med resultatene og ved å forstå behovet for dem overalt. Det er sant at det allerede er mange Big Data-team som jobber, med spektakulære resultater, men det er akkurat nå vi finner ut at det er større etterspørsel. Big Data-analytikere er svært ettertraktede.
Følgelig vi lever den revolusjonen som de innebærer i utvikling, men fra begynnelsen. Som enhver næring er vi nå vitne til potensialet, men det er ikke fullt utviklet, dette er noe tiden har i vente for oss. En ting er allerede tydelig, dens nåværende potensial, den andre, hvor langt den kan gå. Resultatene dine vil ikke la oss være likegyldige.
IBM-modellkart
IBMs The Weather Company er et privat selskap som tilbyr opptil 26 millioner daglige prognoser om været. IBM har fra begynnelsen skilt seg ut, også sammen med Google, for å være et av de mest banebrytende selskapene i feltet. Weather Company er ekstremt engasjert for mennesker, for å ta informerte beslutninger om været. Det er det største nettverket i verden av personlige værstasjoner. Verdens største merkevarer innen luftfart, energi, forsikring, media og myndigheter er avhengige av The Weather Company for data, teknologiplattformer og tjenester.
Big Data mot klimaendringer
FNs globale puls, et big data-initiativ fra FN og Western Digital Corporation, har signert en allianse for å kjempe sammen mot klimaendringer. Dette prosjektet ledet av FN og Western Digital Corp., samle forskere fra digital innovasjon fra hele verden å angripe problemet på en mer effektiv måte. Blant dem finner vi samarbeidspartnere fra veldig forskjellige sektorer blant dem. BBVA, Orange, Planet, Plume Labs, Nielsen, Schneider Electric, Waze ... er noen av dem som deltar i dette prosjektet.
Vi finner også Barcelona Supercomputing Center (BSC), det er den 4. modellen i MareNostrum-serien. En superdatamaskin for Big Data-analyse nøkkel på mange felt, blant dem er også kampen for klimaendringer. Den ble satt i drift i slutten av juni 2017. Det er den tredje raskeste datamaskinen i Europa, Det er gjort en investering i den for installasjonen av 34 millioner euro av departementet for økonomi, industri og konkurranseevne i Spania. Den har en kapasitet på 14 petabyte, det vil si 14 millioner gigabyte. Den når 11,1 Petaflops, det vil si barbariteten til 11.100 milliarder operasjoner per sekund.
Big Data i fremtiden for meteorologi og i våre liv
I en verden i endring, der endringer blir raskere, og stadig mer overraskende, er det vanskelig å forutsi fremtiden for noe. Det vi vet helt sikkert er at Big Data har kommet for å bli, og at prognosene som blir gjort både i været og i andre områder, lar oss forvirret. Noen vil forbli skeptiske, andre vil benekte det, andre vil se det som noe langt borte. Men sannheten er at vi allerede lever med den.
I dag vet vi at Big Data forventer mange regn, orkansesonger, og til og med med stor presisjon antall medaljer som et land kan vinne i de olympiske leker. Den forutser også hvem, hvor og når en forbrytelse skal begås (hvis noen har sett "Minority Report" -filmen, har det kommet i tankene, ikke sant?). Stor Data går raskt mot å forutse fremtiden for mange områder, og det er at selv Amazon begynner å forutse det, og nylig har det begynt å foreta forsendelser allerede før kundene kjøper. Fremtiden var fram til i dag, ofte usikker. Men det er i endring fremtiden er forutsigbar.
Vi vet at potensialet vil vokse. Hvem vet, det kan være utslett å forutse hvem som forventer (Big Data) noe. Men med nok data, Vil Big Data kunne forutse det globale klimaet med enorm forventning? Ja. Akkurat som du kan forutse at handlingene våre vil gi forskjellige scenarier til de tidligere gitt, fordi enhver handling har sitt ekko i fremtiden, og Big Data vet det og vurderer det på nytt, og gir et nytt scenario.
Alt kan forventes. Vil vi kunne vite hva som vil skje med oss i nær fremtid? Hvilke problemer vil vi møte? Når og hvor vil en orkan treffe? Hva skal vi ha for å fortsette å løse det? Etter hvert som teknikker forbedres, forbedres datamaskiner i effektivitet og hastighet, fortsetter dette feltet å utvikle seg ... Mest sannsynlig er at i stedet for å svare "hvem vet", vil kanskje det mest passende være å si "la oss spørre Big Data."
BA-partnere | Willis-oppdatering | GRYTE