Big Data är den sista länken för att förutsäga väderförhållanden. Runt om i världen använder tusentals företag, vetenskapliga centra, institutioner etc. stora data för att hitta mönster var de än är, stora data. I meteorologi, en vetenskap som också har en enorm och enorm mängd data, har Big Data också sina användbara applikationer. Detta modernt och kraftfullt verktyg kan det användas på flera sätt. Trots att det heter en enda sak kan det uppnå många olika förutsägelser beroende på vad du letar efter. Naturligtvis har det också kommit till meteorologi, och här ska vi berätta vad det gör och hur.
Låt oss först och främst komma ihåg det att förutse tiden har alltid varit ett av människornas primära behov. För tusentals år sedan var väderprognoser av stor betydelse, ännu mer än idag, för överlevnad. Den tekniska utvecklingen var inte så banbrytande, varje instabilitet kunde få allvarliga konsekvenser. Även om det alltid har funnits detta behov för att förhindra vädret, var det inte förrän Aristoteles anlände att vi kan mynta termen meteorologi. Han kallade det "meteorologiskt", namnet han gav sin bok, omkring 340 f.Kr.
Big Data i prognoser
Logiken i atmosfäriskt beteende har inte slutat utvecklas sedan dess. Varje gång snabbare. Gå igenom termometern som Galileo uppfann 1607 till datasimuleringar från data som samlats in av satelliter. Just nu står vi inför Big Data, många är överens om det det är det mest revolutionerande verktyget sedan internet finns och är inte för mindre. Som om det vore en science fiction-framtid kan vi idag säga att den är verklig.
Som vi har kommenterat börjar Big Data ta ansvar idag för att ge den andra synvinkeln till meteorologer. Där de inte kunde gå, eller trodde att de hade rätt utan att vara, Stora data visar vad som var dolt eller obemärkt, även med en nivå av precision som aldrig uppnåtts. Det finns företag som redan erbjuder dessa tjänster idag. Institutioner, regeringar och företag som använder stora data för att förutse klimatet. Men hur är hela processen? Hur görs det? Hur gynnar vi? Därefter kommer vi att se och förstå hur hela denna process av teknisk innovation är möjlig.
Hur fungerar Big Data?
Ungefär, Big Data överger att titta på himlen för att fokusera på dataoch att de bearbetas korrekt. För att du ska förstå mer i dess omfattning innebörden med meteorologi, är det först nödvändigt att förklara hur det fungerar.
Big Data har sin kärnverksamhet i vad som kallas 4 V.
Volumen
Detta betyder mängden data. All denna mängd data som samlats in är vad som kallas volymen. Det kan variera beroende på vad som tillämpas, ibland har vi mycket data och andra gånger "mindre". Det vill säga, vi kan gå från 1.000 miljoner data till flera biljoner, beroende på vilken analyseras.
Hastighet
Jag menar hastigheten med vilken data genereras. De kommer från behovet av att fånga, lagra och bearbeta dem. Ju mer datafångst det finns, desto snabbare lagras de, desto mer finns det att analysera. Hastighet är av dubbel betydelse i väderprognoser, eftersom händelser inträffar i realtid och måste bearbetas så snart som möjligt.
mängd
Ibland finns det ett format för hur dessa data kommer, andra gånger andra. Varje typ av data har sin egen klassificering. Andra gånger saknas vissa (det finns tekniker för att åtgärda detta, annars skulle felen vara enorma) och andra gånger kommer de i videoformer till och med. Det finns en mycket annan datamassa, som i Big Data är ansvarig för att göra en beställning, en logik som ska analyseras väl. Till exempel kan temperaturmätningar från en termometer "inte" läggas i samma paket som satellitmätningar från framsidan.
Sanning
Relaterat till parentesen i föregående punkt. Det betyder att uppgifterna äntligen blir rena, utan "konstiga" saker. Big Data management-team måste ha ett opartiskt team utbildat för att upprätthålla en bra struktur. Konsekvenserna av en dålig sanning av uppgifterna har mycket negativa effekter. För att få en idé skulle det vara som om en grupp mekaniker slutförde reparationen av en bil, och de glömde att skruva på två hjul.
Exempel på datans riktighet
Vi har många poster från många områden. Låt oss föreställa oss att vi har temperaturer, luftfuktighet, vind etc. Men vi har misslyckats och vi saknar några temperaturregister för något område, oavsett anledning, och vi kan inte få reda på vilken temperatur som har registrerats. Vi har totalt 30 data, och två av dem, utan temperatur äntligen.
Vad som till exempel kan göras är att beräkna medeltemperaturen för dessa regioner för att exakt bestämma den möjliga temperatur som kan räknas med i den saknade posten, men också med mycket små felmarginaler. Värden är reservdelar, och sedan kan beräkningen genomföras. Om dessa uppgifter saknades hade datorerna inte känt igen dem, skapa ett svart hål i data och helt fel förutsägelser.
Hur får du det?
I meteorologi, som på alla områden, data kommer i form av variabler. Det vill säga var och en behandlas på det sätt som den hör hemma. Och även om det verkar väldigt invecklat och komplicerat blir uppgiften "lätt" för Big Data-analytiker. Variablerna som vi kan registrera i meteorologin, även om de fortfarande är data, de kan tillhöra olika familjer. En variabel är all data som kan klassificeras, men de är inte alltid desamma.
Bilden ovan, tillhandahållen av NASA, visar exempel på strömmar runt planeten. När det gäller NASA har de ett stort antal satelliter som gör att de kan observera och mäta fenomen runt om i världen i realtid.
Big Data kan läsa alla spår som något lämnar om något, och det kan betraktas som data. Många när de tänker på Big Data kommer de snabbt att tänka på när vi använder mobiltelefoner, surfar på internet, klickar på en sida, köper en artikel online eller "gillar" den på Facebook. Det är bara en "liten" men tät del, ja, den är väldigt pålitlig och välkodad. Men i sin tur lämnar vi ett fysiskt / virtuellt spår, som GPS-platsen där vi är, tack vare mobiltelefoner. Här börjar vi redan blanda den virtuella världen med den fysiska. Och naturligtvis fysiska rörelser, fysiska inköp, beroende på ålder, vad vi väljer, allt detta arkiveras alltidoch naturligtvis kan det översättas till mer och mer data.
Variabler kan vara kategoriska
Kategoriska variabler är de som representerar begränsade värden eller variabler som inte nödvändigtvis betyder en viss storlek. De representerar kvaliteten på något de beskriver. I grund och botten är deras särdrag begränsningen av vad de representerar. De kan klassificeras i två fält.
Nominella kategoriska variabler
Det är de som representera saker i samma fält utan en logisk koppling varje. Till exempel: Namnet på de regioner som anger var posterna kommer från, till exempel staden, den autonoma regionen, ett postnummer etc.
Ordinära kategoriska variabler
Det är de som kan representera storleken på något, såsom Douglas-skalan i vågnivån, nivån på skalan med vilken tornader kan klassificeras efter deras storlek, etc.
Variabler kan vara numeriska
Numeriska variabler är de som representerar värden eller variabler inom en storlek och kan mätas. De representerar kvantitativa värden. Deras särdrag är att de kan representera ett mycket stort antal mätningar i meteorologiska fenomen. De klassificeras på två sätt
Kontinuerliga numeriska variabler
Kontinuerliga variabler är de som är ansvariga för att mäta något etablerat. Exempel på dem kan vara luftfuktighetsindex, temperatur, vindhastighet, regnmängd etc.
Diskreta numeriska variabler
Dessa är de de håller reda på något etablerat. Det vill säga antalet gånger det har regnat under ett år i en region, hur många gånger det har snöat etc.
Alla variabler bearbetas
När alla variabler har klassificerats bearbetas de tack vare datorer, alltid övervakad av analytiker av Big Data. Fram till för några år sedan fanns det inga problem att analysera av dataanalytiker, mängden data som fanns, trots att det var ett mycket stort antal. Big Data-analys är dock ansvarig för analysen av denna massiva data, var de analysprocesser som har varit vanliga fram till idag skulle ta lång tid (vi pratar till och med om dagar) för att ge ett svar. Inte bara det, Big Data är mer effektivt och korrekt genom att "spela" med variablerna mellan dem.
Allt detta har sitt ursprung vad vi tidigare har kommenterat 4 V: erna med Big Data för att uppnå hastighet, tillförlitlighet och vädermodeller som ger otroligt noggranna prognoser på en super kort tidsperiod.
Big Data som en begynnande disciplin
Ett bra exempel skulle vara att prata om företaget ACCIONA, som har en Center för förnybar energi (CECOER). Det är det största centrumet i världen där målet är att tillhandahålla lösningar i realtid, av de miljontals data som samlas in från dess anläggningar, både biomassa, vind- och solenergi. Det producerar cirka 3000 årliga scheman som tar all denna information för att anpassa sig till den önskade efterfrågan. En annan fördel med CECOER är mottagandet av incidenter som de har från sina anläggningar, så 50% av dem löses på distans. De återstående 50% är fysiskt fixerade av operatörerna. På det här sättet, Acciona får sin förnybara energi, mer än att vara en alternativ energi, är idag en lösning.
CECOER ACTION
Ett annat viktigt faktum om Big Data idag är bristen på dataforskare. Det är ett växande fält, och det har stött på vissa förutbestämda standarder. Kan Big Data verkligen hjälpa så mycket i utvecklingen av prognoser, rapportera fördelar till företag, kunna förutse så många saker och motivera kostnaden för big data-analys? Ja, men det är något som har sett lite efter lite. Den växande efterfrågan på dataforskare har parallellt med resultaten och genom att förstå behovet av dem på alla platser. Det är sant att det redan finns många Big Data-team som arbetar med spektakulära resultat, men det är just nu där vi finner att det finns en större efterfrågan. Big Data-analytiker är mycket eftertraktade.
i enlighet därmed, vi lever den revolution som de innebär i utveckling, men från början. Som alla branscher bevittnar vi nu dess potential, men den har inte utvecklats helt, det är något som tiden har i beredskap för oss. En sak är redan uppenbar, dess nuvarande potential, den andra, hur långt den kan gå. Dina resultat kommer inte att lämna oss likgiltiga.
IBM-modellkarta
IBMs The Weather Company är ett privat företag som erbjuder upp till 26 miljoner dagliga prognoser om vädret. IBM har från början utmärkt sig, även tillsammans med Google, för att vara ett av de mest banbrytande företagen inom området. Weather Company är mycket engagerat i att hjälpa människor att fatta välgrundade beslut om vädret. Det är det största nätverket i världen från personliga väderstationer. Världens största varumärken inom flyg, energi, försäkring, media och myndigheter är beroende av The Weather Company för data, teknikplattformar och tjänster.
Big Data mot klimatförändringar
FN: s globala puls, ett big data-initiativ från FN och Western Digital Corporation, har tecknat en allians för att slåss mot klimatförändringar. Detta projekt leddes av FN och Western Digital Corp., samla forskare inom digital innovation från hela världen att attackera problemet på ett mer effektivt sätt. Bland dem hittar vi medarbetare från mycket olika sektorer bland dem. BBVA, Orange, Planet, Plume Labs, Nielsen, Schneider Electric, Waze ... är några av dem som deltar i detta projekt.
Vi hittar också Barcelona Supercomputing Center (BSC), Det är den 4: e modellen i MareNostrum-serien. En superdator för Big Data-analys nyckeln på många områden, bland dem är också kampen för klimatförändringar. Det togs i drift i slutet av juni 2017. Det är den tredje snabbaste datorn i Europa, har en investering gjorts i den för dess installation av 34 miljoner euro av ministeriet för ekonomi, industri och konkurrenskraft i Spanien. Den har en kapacitet på 14 petabyte, det vill säga 14 miljoner gigabyte. Den når 11,1 Petaflops, det vill säga barbariteten i 11.100 XNUMX miljarder operationer per sekund.
Big Data i framtiden för meteorologi och i våra liv
I en föränderlig värld där förändringar blir snabbare och alltmer överraskande är det svårt att förutsäga framtiden för något. Vad vi säkert vet är att Big Data har kommit för att stannaoch att prognoserna gjorde både meteorologiska och i andra områden lämnar oss förvirrade. Vissa kommer att förbli skeptiska, andra kommer att förneka det, andra kommer att se det som något långt borta. Men sanningen är att vi redan lever med det.
Hittills i dag vet vi att Big Data förväntar sig många regn, orkansäsonger och till och med med stor precision antalet medaljer som ett land kan vinna i de olympiska spelen. Det förutspår också vem, var och när ett brott kommer att begås (om någon har sett "Minority Report" -filmen har det kommit över huvudet, eller hur?). Big data går snabbt mot att förutse framtiden för många områden, och det är att även Amazon börjar förutse det, och nyligen har det börjat göra leveranser redan innan kunder gör inköp. Framtiden var fram till idag, ofta osäker. Men det förändras framtiden är förutsägbar.
Vi vet att dess potential kommer att växa. Vem vet, det kan vara utslag att förutse vem som förväntar sig (Big Data) något. Men med tillräckligt med data, Kommer Big Data att kunna förutse det globala klimatet med enorm förväntan? Ja, precis som du kan förutse att våra handlingar skulle ge olika scenarier till de tidigare givna, för varje åtgärd har sitt eko i framtiden, och Big Data vet det och omvärderar det, vilket ger ett nytt scenario.
Allt kan förväntas. Kommer vi att kunna veta inom en snar framtid vad som kommer att hända med oss? Vilka problem kommer vi att möta? När och var kommer en orkan att slå? Vad kommer vi att behöva för att fortsätta lösa det? När tekniker förbättras förbättras datorer i effektivitet och hastighet, detta område fortsätter att utvecklas ... Troligtvis är att snarare än att svara "vem vet", kanske det mest lämpliga är att säga "låt oss fråga Big Data."
BA-partners | Willis-uppdatering | POTT