El Big Data és la darrera baula per predir les condicions climàtiques. Al voltant del món, milers d'empreses, centres científics, institucions, etc., usen el Big Data per trobar patrons allà on es trobin, les dades massives. En meteorologia, ciència que també té una enorme i ingent quantitat de dades, té també les seves aplicacions útils el Big Data. Aquesta moderna i poderosa eina, es pot fer servir de múltiples formes. Tot i ser nomenada com una sola cosa, pot aconseguir moltes prediccions diferents segons el que es busqui. Com no, ha arribat també a la meteorologia, i aquí us explicarem què és el que fa i com.
Abans de res, recordarem que anticipar-se al temps ha estat des de sempre una de les necessitats primàries de l'ésser humà. Fa milers d'anys, les previsions meteorològiques prenien molta importància, fins i tot més que avui, per a la supervivència. El desenvolupament tecnològic no era tan punter, qualsevol inestabilitat podia comportar greus conseqüències. Tot i que va existir sempre aquesta necessitat de prevenir el temps, no va ser fins a l'arribada d'Aristòtil, que podem encunyar el terme meteorologia. Ell li va anomenar “meteorològica”, nom que el va posar al seu llibre, al voltant de l'any 340 aC
Big Data a les previsions
La lògica del comportament atmosfèric no ha deixat de desenvolupar-se des de llavors. Cada cop més ràpid. Passant pel termòmetre que Galileu va inventar el 1607, fins a les simulacions per ordinador a partir de les dades recopilades pels satèl·lits. Ara mateix, ens trobem amb el Big Data, molts coincideixen que és l'eina més revolucionària des que hi ha internet i no n'hi ha per menys. Com si es tractés un futur de ciència ficció, avui podem dir que és real.
Com hem comentat, el Big Data es comença a encarregar avui, de donar aquest altre punt de mira als meteoròlegs. Allà on no podien arribar, o creien tenir raó sense estar-ho, les dades massives els mostra allò que romania amagat o desapercebut , a més amb un nivell de precisió mai aconseguit. Hi ha empreses que ofereixen ja avui dia aquests serveis. Institucions, governs i empreses, que fan ús del big data per anticipar el clima. Però com és tot aquest procés? Com es fa? Com ens beneficiem? A continuació veurem i entendrem com tot aquest procés d'innovació tecnològica és possible.
Com funciona el Big Data?
A gran manera, el Big Data deixa més de banda mirar el cel per centrar-se en les dades , i que siguin processats de forma correcta. Perquè pugueu entendre més en la seva magnitud la implicació amb la meteorologia, abans cal explicar com funciona.
El Big Data, té el seu nucli de funcionament en el que s'anomena les 4 V s.
Volum
Això significa la quantitat de dades. Tota aquesta quantitat de dades recollides és el que es coneix com el volum. Pot variar depèn del que s'apliqui, de vegades tenim moltes dades i altres vegades “menys”. És a dir, podem anar des de 1.000 milions de dades a diversos bilions, depenent del que s'analitzi.
Velocitat
És a dir, el ritme a què es generen les dades. Venen de la necessitat de capturar-los, emmagatzemar-los i poder-los processar. Com més captures de dades hi ha, més ràpid s'emmagatzemen, més cal analitzar. La velocitat cobra en les previsions meteorològiques una doble importància, ja que els successos van succeint en temps real, i han de ser processats com més aviat millor.
Varietat
De vegades es té un format de com vénen aquestes dades, altres vegades altres. Cada tipus de dades té la seva pròpia classificació. Altres vegades falten alguns (hi ha tècniques per reparar això, o els errors serien enormes) i altres vénen en formes de vídeo fins i tot. Hi ha una massa de dades molt diferents, que al Big Data s'encarrega de posar-los un ordre, una lògica per ser ben analitzada. Per exemple, "no es pot" posar al mateix paquet els mesuraments de temperatura d'un termòmetre que els mesuraments per satèl·lit d'un front.
veracitat
Relacionat amb el parèntesi del punt anterior. Significa que les dades vinguin finalment netes , sense coses “rares”. Els equips gestors del Big Data han de comptar amb un equip imparcial capacitat per mantenir una bona estructura. Les conseqüències d'una mala veracitat de les dades tenen efectes molt negatius. Per fer-nos una idea, seria com si un grup de mecànics donen per finalitzat l'arranjament d'un cotxe, i s'han oblidat cargolar dues rodes.
Exemple sobre la veracitat de les dades
Tenim molts registres de moltes zones. Imaginem que tenim temperatures, índexs d'humitat, vents, etc. Però, tenim una fallada, i ens falten alguns registres de temperatura d'alguna zona, pel motiu que sigui, i no podem accedir a saber quina temperatura s'ha registrat. Tenim un total de 30 dades, i dos d'ells, sense temperatura finalment.
El que es podria fer per exemple, és calcular la temperatura mitjana d'aquestes regions per determinar amb precisió la temperatura possible amb què es pot comptar al registre faltant, però a més, amb uns marges d'error molt petits. Els valors són recanvis, i aleshores es pot portar el càlcul a la pràctica. Si hagués faltat aquestes dades, els ordinadors no ho hagués reconegut, creant un forat negre en les dades, i unes prediccions totalment errònies.
Com s'aconsegueix?
En meteorologia, igual que a qualsevol camp, les dades vénen en forma de variables. És a dir, cadascuna és processada en la forma que li pertany. I encara que sembli molt enrevessat i complicat tot, la tasca es torna «fàcil» per als analistes de Big Data. Les variables que podem registrar en meteorologia , encara que no deixen de ser dades, poden pertànyer a famílies diferents . És a dir, una variable és qualsevol dada que pugui ser classificada, però no sempre són iguals.
La imatge superior, facilitada per la NASA, mostra l' exemple dels corrents al voltant del planeta . En el cas de la NASA, compten amb una gran quantitat de satèl·lits que els permet observar i mesurar en temps real els fenòmens del voltant del globus.
El Big Data pot llegir tot rastre que deixi alguna cosa sobre alguna cosa, i que pot ser considerada una dada. Molts en pensar en Big Data, ràpid pensessin en quan fem servir els mòbils, naveguem per internet, fem clic a una pàgina, comprem un article online, o li donem a “m'agrada” a Facebook. Això és només una “petita” però densa part, això sí, és molt fiable i ben codificada. Però alhora deixem un rastre físic/virtual, com la localització GPS d'on som, gràcies als telèfons mòbils. Aquí ja comencem a barrejar el món virtual amb el físic. I com no, moviments físics, compres físiques, segons l'edat, què triem, tot això és sempre arxivat , i per descomptat, es pot traduir en més i més dades.
Les variables poden ser categòriques
Les variables categòriques són aquelles que representen valors o variables limitades que no necessàriament signifiquen una magnitud concreta. Representen la qualitat d'alguna cosa que descriuen. Bàsicament la seva particularitat és la limitació del que representen. Es poden classificar en dos camps.
Variables categòriques nominals
Són les que representen coses d'un mateix camp sense una connexió lògica entre si. Per exemple: El nom de les regions que indiquen d'on són els registres, com ara la ciutat, la comunitat autònoma, un codi postal, etc.
Variables categòriques ordinals
Són aquelles que poden representar la magnitud d'alguna cosa , com ara l'escala de Douglas al nivell d'onatge, el nivell de l'escala amb què poden ser classificats els tornados segons la seva magnitud, etc.
Les variables poden ser numèriques
Les variables numèriques són aquelles que representen valors o variables dins d'una magnitud i poden ser mesurables . Representen valors quantitatius. La seva particularitat és que poden representar un ventall de mesuraments molt gran en els fenòmens meteorològics. Es classifiquen de dues maneres
Variables numèriques contínues
Les variables contínues són aquelles que s'encarreguen del mesurament d'una cosa establerta . En són exemples l'índex d'humitat, temperatura, velocitat del vent, quantitat de pluja caiguda, etc.
Variables numèriques discretes
Aquestes són les que porten el recompte d'una cosa establerta . És a dir, el nombre de vegades que ha plogut en un any a una regió, les vegades que ha nevat, etc.
Totes les variables són processades
Un cop classificades totes les variables, són processades gràcies als ordinadors, sempre supervisades pels analistes de Big Data. Fins fa pocs anys, la quantitat de dades amb què es comptava, tot i ser un nombre molt gran, no hi havia problemes per ser analitzats per analistes de dades. L'anàlisi de Big Data, però, s'encarrega de l'anàlisi d'aquestes dades massives, on els processos d'anàlisi que han estat comuns fins avui trigarien molt de temps (parlem fins i tot de dies) a donar una resposta. No només això, el Big Data és més eficaç i precís, en jugar amb les variables entre elles.
Tot això origina el que anteriorment hem comentat de les 4 V del Big Data, aconseguint una rapidesa, fiabilitat i uns models meteorològics que donen uns pronòstics increïblement encertats en un lapse de temps súper reduït.
El Big Data com disciplina naixent
Un bon exemple seria parlar de l´empresa ACCIONA, que compta amb un Centre de Control d´Energies Renovables (CECOER). És el centre més gran del món on l'objectiu és donar solucions a temps real, dels milions de dades que són recopilades de les seves instal·lacions, tant de biomassa, energia eòlica i solar. Produeix unes 3000 programacions anuals que prenen totes aquestes dades per ajustar-se a la demanda requerida. Un altre avantatge del CECOER és la recepció d'incidències que tenen de les seves instal·lacions, així doncs el 50% són resoltes de forma remota. El 50% restant són arreglades físicament pels operaris. D'aquesta manera, Acciona aconsegueix que la seva energia renovable , més que ser una energia alternativa, sigui avui dia una solució.
CECOIR ACCIONA
Una altra dada que cal destacar del Big Data actualment és l'escassetat de científics de dades. És un camp naixent , i això ha topat amb certs estàndards preconcebuts. Realment el Big Data pot ajudar tant a l'evolució de les previsions, reportar beneficis a empreses, ser capaç d'anticipar tantes coses i justificar el cost que té l'anàlisi de dades massives? Sí. Però és una cosa que s'ha anat veient de mica en mica. La creixent demanda de científics de dades ha anat paral·lela als resultats i en entendre de la necessitat d'ells a tot arreu. És cert que ja hi ha molts equips de Big Data treballant, amb resultats espectaculars, però és just ara on ens trobem que hi ha més demanda. Els analistes Big Data estan sent molt buscats.
En conseqüència, estem vivint la revolució que aquests impliquen en el desenvolupament , però des del principi. Com tota indústria, ara estem presenciant el seu potencial, però no s'ha desenvolupat al màxim, això és una cosa que el temps ens ofereix. Una cosa ja és evident, el potencial actual, l'altra, fins on podrà arribar. Els resultats no ens deixaran indiferents.
Mapa model d'IBM
The Weather Company, d'IBM, és una companyia privada que ofereix fins a 26 milions de pronòstics diaris sobre el clima. IBM des del principi ha destacat, també amb Google, per ser una de les companyies més pioneres al camp. The Weather Company està summament compromesa amb la gent, perquè prenguin decisions informades sobre el clima. Constitueix la xarxa més gran del món de les estacions meteorològiques personals. Les marques més grans del món en aviació, energia, assegurances, mitjans de comunicació i govern depenen de The Weather Company per a dades, plataformes tecnològiques i serveis.
Big Data contra el Canvi Climàtic
United Nations Global Pulse , una iniciativa en big data de les Nacions Unides i Western Digital Corporation , han signat una aliança per lluitar junts contra el canvi climàtic. Aquest projecte liderat per l'ONU i Western Digital Corp. reuneixen científics de tot el món d'innovació digital per atacar el problema d'una manera més eficient. Entre ells, hi trobem col·laboradors per part de sectors molt dispars entre ells. BBVA, Orange, Planet, Plume Labs, Nielsen, Schneider Electric, Waze… són alguns dels que participen en aquest projecte.
També trobem el Barcelona Supercomputing Center (BSC), es tracta del 4t model de la sèrie MareNostrum. Un superordinador per a l'anàlisi de Big Data clau en molts camps, entre els quals també hi ha la lluita per al Canvi Climàtic. Es va posar en funcionament a finals de juny d'aquest 2017. És el tercer ordinador més ràpid d'Europa , on s'ha realitzat una inversió per a la seva instal·lació de 34 milions d'euros per part del Ministeri d'Economia, Indústria i Competitivitat d'Espanya. Compte amb una capacitat de 14 Petabytes, és a dir, 14 milions de Gigabytes. Arriba als 11,1 Petaflops, és a dir, la barbaritat de 11.100 bilions d'operacions per segon.
El Big Data en el futur de la meteorologia ia les nostres vides
En un món canviant, on cada cop els canvis són més ràpids, i cada cop més sorprenents, és difícil predir el futur d'alguna cosa. El que sabem amb certesa és que el Big Data ha vingut per quedar-se , i que les previsions que fa tant meteorològiques com en altres àmbits ens deixen perplexos. Alguns seguiran sent escèptics, altres ho negaran, altres ho veuran com una cosa molt llunyana. Però la veritat és que ja estem vivint amb això.
A dia d'avui sabem que el Big Data anticipa moltes pluges, èpoques d'huracans, també fins i tot amb molta precisió el nombre de medalles que un país pot guanyar als Jocs Olímpics. També anticipa ja qui, on i quan es cometrà un crim (si algun ha vist la pel·lícula de Minority Report se li ha passat pel cap, oi?). El Big Data està ràpidament dirigint-se a anticipar el futur de molts àmbits , i és que fins a Amazon ho comença a anticipar, i recentment ha començat a fer enviaments abans fins i tot que els clients efectuïn les compres. El futur era fins avui, sovint incert. Però està canviant, el futur és predictible.
Sabem que el seu potencial anirà creixent. Qui sap, potser és precipitat anticipar a qui anticipa (el Big Data) alguna cosa. Però amb el nombre de dades suficients, el Big Data podrà arribar a anticipar el clima mundial amb una enorme antelació? Sí. Igual que podeu anticipar que les nostres accions donarien escenaris diferents als que prèviament havia donat, perquè qualsevol acció té el seu ressò en el futur, i el Big Data ho sap i reavalua donant un altre nou escenari.
Tot es pot anticipar. Podrem en un futur proper saber el que ens passarà? Quins problemes afrontarem? Quan i on sorgirà un huracà? Què haurem de seguir per solucionar-ho? A mesura que es millorin les tècniques, es millorin els ordinadors en eficàcia i velocitat, se segueixi desenvolupant aquest camp… El més probable és que més que respondre «qui sap», potser el més oportú serà dir «preguntem-li al Big Data».