Big Data เป็นลิงค์สุดท้ายในการทำนายสภาพอากาศ ทั่วโลกมี บริษัท ศูนย์วิทยาศาสตร์สถาบัน ฯลฯ หลายพันแห่งใช้ Big Data เพื่อค้นหารูปแบบไม่ว่าจะอยู่ที่ไหนข้อมูลขนาดใหญ่ ในอุตุนิยมวิทยาวิทยาศาสตร์ที่มีข้อมูลจำนวนมหาศาลและมีขนาดใหญ่ Big Data ยังมีแอปพลิเคชันที่มีประโยชน์ นี้ เครื่องมือที่ทันสมัยและทรงพลังสามารถใช้งานได้หลายวิธี แม้จะได้ชื่อว่าเป็นสิ่งเดียว แต่ก็สามารถคาดเดาได้หลายแบบขึ้นอยู่กับสิ่งที่คุณกำลังมองหา แน่นอนว่ามันมาถึงอุตุนิยมวิทยาแล้วเราจะบอกคุณว่ามันทำอะไรและอย่างไร
ก่อนอื่นจำไว้ว่า การคาดการณ์เวลาเป็นหนึ่งในความต้องการหลักของมนุษย์เสมอมา เมื่อหลายพันปีก่อนการพยากรณ์อากาศมีความสำคัญมากยิ่งกว่าในปัจจุบันเพื่อความอยู่รอด การพัฒนาทางเทคโนโลยียังไม่ล้ำสมัยความไม่แน่นอนใด ๆ อาจส่งผลร้ายแรง แม้ว่าจะมีความจำเป็นในการป้องกันสภาพอากาศอยู่เสมอ แต่ก็ยังไม่ถึงเวลาที่อริสโตเติลจะมาถึงเราจึงสามารถหยอดเหรียญคำศัพท์อุตุนิยมวิทยา เขาเรียกมันว่า "อุตุนิยมวิทยา" ซึ่งเป็นชื่อที่เขาตั้งให้ในหนังสือของเขาราว 340 ปีก่อนคริสตกาล
ข้อมูลขนาดใหญ่ในการคาดการณ์
ตรรกะของพฤติกรรมบรรยากาศยังไม่หยุดพัฒนา ตั้งแต่นั้นมา แต่ละครั้งเร็วขึ้น ผ่านเทอร์โมมิเตอร์ที่กาลิเลโอประดิษฐ์ขึ้นในปี 1607 ไปสู่การจำลองคอมพิวเตอร์จากข้อมูลที่รวบรวมโดยดาวเทียม ตอนนี้เรากำลังเผชิญกับ Big Data หลายคนยอมรับว่า มันเป็นเครื่องมือที่ปฏิวัติวงการมากที่สุดตั้งแต่มีอินเทอร์เน็ต และไม่น้อยไปกว่ากัน ราวกับเป็นนิยายวิทยาศาสตร์ในอนาคตวันนี้เราสามารถพูดได้ว่ามันเป็นเรื่องจริง
ดังที่เราได้แสดงความคิดเห็นไปแล้ว Big Data เริ่มเข้ามามีบทบาทในวันนี้โดยให้มุมมองอื่นแก่นักอุตุนิยมวิทยา พวกเขาไปไหนไม่ได้หรือเชื่อว่าถูกต้องโดยปราศจาก ข้อมูลขนาดใหญ่แสดงให้คุณเห็นว่ามีอะไรซ่อนอยู่หรือไม่มีใครสังเกตเห็นยังมีระดับความแม่นยำที่ไม่เคยถึง มี บริษัท ที่ให้บริการเหล่านี้อยู่แล้วในปัจจุบัน สถาบันรัฐบาลและ บริษัท ต่างๆที่ใช้ประโยชน์จากข้อมูลขนาดใหญ่เพื่อคาดการณ์สภาพอากาศ แต่กระบวนการทั้งหมดนี้เป็นอย่างไร? เสร็จแล้วเป็นยังไงบ้าง? เราได้ประโยชน์อย่างไร? ต่อไปเราจะดูและทำความเข้าใจว่ากระบวนการทั้งหมดของนวัตกรรมเทคโนโลยีนี้เป็นไปได้อย่างไร
Big Data ทำงานอย่างไร?
ประมาณ Big Data ให้มากกว่าการมองท้องฟ้าเพื่อมุ่งเน้นไปที่ข้อมูลและมีการประมวลผลอย่างถูกต้อง เพื่อให้คุณสามารถเข้าใจความหมายของอุตุนิยมวิทยาได้มากขึ้นก่อนอื่นจำเป็นต้องอธิบายว่ามันทำงานอย่างไร
Big Data มีหลักในการดำเนินการในสิ่งที่เรียกว่า 4 V
ปริมาณ
ซึ่งหมายถึงจำนวนข้อมูล ข้อมูลทั้งหมดที่รวบรวมได้นี้ คือสิ่งที่เรียกว่าปริมาตร อาจแตกต่างกันไปขึ้นอยู่กับสิ่งที่นำไปใช้บางครั้งเรามีข้อมูลจำนวนมากและเวลาอื่น ๆ "น้อย" นั่นคือเราสามารถเปลี่ยนข้อมูลจาก 1.000 ล้านข้อมูลไปเป็นหลายล้านล้านได้ขึ้นอยู่กับการวิเคราะห์
ความเร็ว
นั่นคือ อัตราที่สร้างข้อมูล พวกเขามาจากความต้องการในการจับจัดเก็บและประมวลผล ยิ่งมีข้อมูลมากเท่าใดก็ยิ่งจัดเก็บได้เร็วขึ้นเท่านั้นก็ยิ่งมีการวิเคราะห์มากขึ้นเท่านั้น ความเร็วมีความสำคัญสองเท่าในการพยากรณ์อากาศเนื่องจากเหตุการณ์ต่างๆเกิดขึ้นแบบเรียลไทม์และต้องดำเนินการโดยเร็วที่สุด
ความหลากหลาย
บางครั้งก็มีรูปแบบว่าข้อมูลนั้นมาอย่างไร ข้อมูลแต่ละประเภทมีการจำแนกประเภทของตัวเอง บางครั้งบางครั้งก็หายไป (มีเทคนิคในการแก้ไขปัญหานี้หรือข้อผิดพลาดจะใหญ่มาก) และบางครั้งก็มาในรูปแบบวิดีโอด้วยซ้ำ มีมวลข้อมูลที่แตกต่างกันมากซึ่งในข้อมูลขนาดใหญ่มีหน้าที่ในการวางคำสั่งตรรกะที่จะวิเคราะห์ได้ดี ตัวอย่างเช่นการวัดอุณหภูมิจากเทอร์โมมิเตอร์ "ไม่สามารถ" ใส่ในแพ็คเกจเดียวกับการวัดด้วยดาวเทียมจากด้านหน้า
ความจริง
เกี่ยวข้องกับวงเล็บของจุดก่อนหน้า หมายความว่าในที่สุดข้อมูลก็สะอาดโดยไม่มีสิ่งที่ "แปลก" ทีมบริหารจัดการข้อมูลขนาดใหญ่ต้องมีทีมที่เป็นกลางได้รับการฝึกฝนเพื่อรักษาโครงสร้างที่ดี ผลที่ตามมาของความจริงที่ไม่ดีของข้อมูลมีผลเสียอย่างมาก เพื่อให้ได้ความคิดมันเหมือนกับว่ากลุ่มช่างซ่อมรถเสร็จแล้วและพวกเขาลืมที่จะขันสกรูสองล้อ
ตัวอย่างความถูกต้องของข้อมูล
เรามีบันทึกมากมายจากหลายพื้นที่ ลองจินตนาการว่าเรามีอุณหภูมิระดับความชื้นลม ฯลฯ แต่เราประสบความล้มเหลวและเราขาดบันทึกอุณหภูมิบางส่วนในบางพื้นที่ไม่ว่าด้วยเหตุผลใดก็ตามและเราไม่สามารถเข้าถึงเพื่อทราบว่าอุณหภูมิใดได้รับการบันทึก เรามีข้อมูลทั้งหมด 30 ข้อมูลและสองข้อมูลในที่สุดไม่มีอุณหภูมิ
ตัวอย่างเช่นสิ่งที่สามารถทำได้คือการคำนวณอุณหภูมิเฉลี่ยของภูมิภาคเหล่านั้นเพื่อกำหนดอุณหภูมิที่เป็นไปได้อย่างแม่นยำซึ่งสามารถนับได้ในบันทึกที่ขาดหายไป แต่ยังมีข้อผิดพลาดเล็กน้อย ค่าอะไหล่ จากนั้นการคำนวณสามารถนำไปปฏิบัติได้ หากข้อมูลนี้หายไปคอมพิวเตอร์จะไม่รู้จัก การสร้างหลุมดำในข้อมูลและการคาดการณ์ที่ผิดโดยสิ้นเชิง
คุณจะได้รับมันอย่างไร?
ในด้านอุตุนิยมวิทยาเช่นเดียวกับในสาขาใด ๆ ข้อมูลมาในรูปแบบของตัวแปร นั่นคือแต่ละอันจะถูกประมวลผลในแบบที่เป็นของมัน และแม้ว่ามันจะดูยุ่งยากและซับซ้อน แต่งานนี้ก็กลายเป็นเรื่อง "ง่าย" สำหรับนักวิเคราะห์ข้อมูลขนาดใหญ่ ตัวแปรที่เราบันทึกได้ในอุตุนิยมวิทยาแม้ว่าจะยังคงเป็นข้อมูล พวกเขาอาจอยู่คนละครอบครัว. นั่นคือตัวแปรคือข้อมูลใด ๆ ที่สามารถจำแนกได้ แต่จะไม่เหมือนกันเสมอไป
ภาพด้านบนจัดทำโดย NASA แสดงไฟล์ ตัวอย่างกระแสน้ำรอบโลก. ในกรณีของ NASA พวกเขามีดาวเทียมจำนวนมากที่ช่วยให้สามารถสังเกตและวัดปรากฏการณ์รอบโลกได้แบบเรียลไทม์
ข้อมูลขนาดใหญ่สามารถอ่านทุกร่องรอยที่บางสิ่งทิ้งไว้ เกี่ยวกับบางสิ่งบางอย่างและถือได้ว่าเป็นข้อมูล หลายคนเมื่อนึกถึง Big Data พวกเขาจะนึกถึงเวลาที่เราใช้โทรศัพท์มือถือท่องอินเทอร์เน็ตคลิกบนเพจซื้อสินค้าออนไลน์หรือกด "ชอบ" บน Facebook นั่นเป็นเพียงส่วนที่ "เล็ก" แต่มีความหนาแน่นใช่มันมีความน่าเชื่อถือและมีการเข้ารหัสอย่างดี แต่ในทางกลับกันเราทิ้งเส้นทางจริง / เสมือนเช่นตำแหน่ง GPS ที่เราอยู่ด้วยโทรศัพท์มือถือ ที่นี่เราได้เริ่มผสมผสานโลกเสมือนจริงเข้ากับโลกจริงแล้ว และแน่นอนว่าการเคลื่อนไหวร่างกายการซื้อทางกายภาพตามอายุสิ่งที่เราเลือก ทั้งหมดนี้จะถูกเก็บถาวรเสมอและแน่นอนมันสามารถแปลเป็นข้อมูลได้มากขึ้นเรื่อย ๆ
ตัวแปรสามารถจัดหมวดหมู่ได้
ตัวแปรตามหมวดหมู่คือตัวแปรที่แสดงถึงค่าที่ จำกัด หรือตัวแปรที่ไม่จำเป็นต้องหมายถึงขนาดเฉพาะ แสดงถึงคุณภาพของสิ่งที่อธิบาย โดยทั่วไปความเฉพาะของพวกเขาคือข้อ จำกัด ของสิ่งที่พวกเขาเป็นตัวแทน สามารถแบ่งออกเป็นสองฟิลด์
ตัวแปรเชิงหมวดหมู่ที่กำหนด
พวกเขาคือคนเหล่านั้น แสดงสิ่งต่างๆในฟิลด์เดียวกันโดยไม่ต้องเชื่อมต่อแบบลอจิคัล แต่ละ. ตัวอย่างเช่นชื่อของภูมิภาคที่ระบุว่ามาจากที่ใดของบันทึกเช่นเมืองชุมชนอิสระรหัสไปรษณีย์เป็นต้น
ตัวแปรเชิงหมวดหมู่ลำดับ
พวกเขาคือคนเหล่านั้น สามารถแสดงขนาดของบางสิ่งได้เช่นระดับดักลาสในระดับคลื่นระดับของสเกลที่สามารถจำแนกพายุทอร์นาโดได้ตามขนาดเป็นต้น
ตัวแปรสามารถเป็นตัวเลขได้
ตัวแปรตัวเลขคือตัวแปรที่ แทนค่าหรือตัวแปรภายในขนาดและสามารถวัดได้. แสดงถึงค่าเชิงปริมาณ ลักษณะเฉพาะของพวกเขาคือสามารถเป็นตัวแทนของการวัดที่หลากหลายในปรากฏการณ์ทางอุตุนิยมวิทยา พวกเขาแบ่งออกเป็นสองวิธี
ตัวแปรตัวเลขต่อเนื่อง
ตัวแปรต่อเนื่องคือตัวแปรที่ พวกเขารับผิดชอบในการวัดสิ่งที่จัดตั้งขึ้น. ตัวอย่างเช่นดัชนีความชื้นอุณหภูมิความเร็วลมปริมาณฝน ฯลฯ
ตัวแปรตัวเลขไม่ต่อเนื่อง
นี่คือสิ่งเหล่านี้ พวกเขาติดตามสิ่งที่จัดตั้งขึ้น. นั่นคือจำนวนครั้งที่ฝนตกในหนึ่งปีในภูมิภาคจำนวนครั้งที่มีหิมะตกเป็นต้น
ตัวแปรทั้งหมดถูกประมวลผล
เมื่อจำแนกตัวแปรทั้งหมดแล้วพวกมันจะถูกประมวลผลด้วยคอมพิวเตอร์ ดูแลโดยนักวิเคราะห์เสมอ ของข้อมูลขนาดใหญ่ จนกระทั่งไม่กี่ปีที่ผ่านมาจำนวนข้อมูลที่มีอยู่แม้จะเป็นจำนวนที่มาก แต่ก็ไม่มีปัญหาใดที่นักวิเคราะห์ข้อมูลจะต้องวิเคราะห์ อย่างไรก็ตามการวิเคราะห์ข้อมูลขนาดใหญ่มีหน้าที่ในการวิเคราะห์ข้อมูลขนาดใหญ่นี้โดยที่ กระบวนการวิเคราะห์ที่ใช้กันมาจนถึงทุกวันนี้จะใช้เวลานาน (เราพูดถึงวัน) เพื่อให้คำตอบ ไม่เพียงแค่นั้น Big Data ยังมีประสิทธิภาพและแม่นยำมากขึ้นด้วยการ "เล่น" กับตัวแปรระหว่างกัน
ทั้งหมดนี้เกิดขึ้น สิ่งที่เราได้แสดงความคิดเห็นไว้ก่อนหน้านี้เกี่ยวกับ Big Data 4 V บรรลุความเร็วความน่าเชื่อถือและ แบบจำลองสภาพอากาศที่ให้การคาดการณ์ที่แม่นยำอย่างเหลือเชื่อ ในช่วงเวลาสั้น ๆ
Big Data เป็นวินัยในการตั้งไข่
ตัวอย่างที่ดีคือการพูดถึง บริษัท ACCIONA ซึ่งมีไฟล์ ศูนย์ควบคุมพลังงานทดแทน (CECOER) เป็นศูนย์กลางที่ใหญ่ที่สุดในโลก โดยมีวัตถุประสงค์เพื่อให้บริการโซลูชั่นแบบเรียลไทม์ข้อมูลนับล้านที่รวบรวมจากสิ่งอำนวยความสะดวกทั้งชีวมวลพลังงานลมและแสงอาทิตย์ มันสร้างตารางประจำปีประมาณ 3000 ตารางเวลาซึ่งใช้ข้อมูลทั้งหมดนี้เพื่อปรับให้เข้ากับความต้องการที่ต้องการ ข้อดีอีกอย่างของ CECOER คือการรับเหตุการณ์ที่เกิดขึ้นจากสิ่งอำนวยความสะดวกดังนั้น 50% ของพวกเขาจึงได้รับการแก้ไขจากระยะไกล ส่วนที่เหลืออีก 50% ได้รับการแก้ไขโดยผู้ปฏิบัติงาน ทางนี้, Acciona ได้รับพลังงานหมุนเวียนมากกว่าการเป็นพลังงานทดแทน เป็นทางออกในวันนี้.
CECOER แอคซิโอนา
ข้อเท็จจริงที่สำคัญอีกประการหนึ่งเกี่ยวกับ Big Data ในปัจจุบันคือการขาดแคลนนักวิทยาศาสตร์ข้อมูล มันเป็นสนามที่เพิ่งตั้งไข่และนั่นได้เข้าสู่มาตรฐานของอุปาทาน Big Data สามารถช่วยได้มากในวิวัฒนาการของการคาดการณ์รายงานผลประโยชน์ให้กับ บริษัท ต่างๆสามารถคาดการณ์สิ่งต่างๆมากมายและปรับค่าใช้จ่ายในการวิเคราะห์ข้อมูลขนาดใหญ่ได้หรือไม่? ใช่. แต่เป็นสิ่งที่ได้เห็นทีละน้อย ความต้องการที่เพิ่มขึ้นสำหรับนักวิทยาศาสตร์ด้านข้อมูลได้สร้างผลลัพธ์ที่ขนานกัน และเข้าใจถึงความจำเป็นของพวกเขาในทุกสถานที่ เป็นเรื่องจริงที่มีทีม Big Data จำนวนมากทำงานอยู่แล้วซึ่งได้ผลลัพธ์ที่น่าประทับใจ แต่ตอนนี้เราพบว่ามีความต้องการมากขึ้น นักวิเคราะห์ข้อมูลขนาดใหญ่กำลังเป็นที่ต้องการอย่างมาก
ดังนั้น เรากำลังดำเนินชีวิตตามการปฏิวัติที่บ่งบอกถึงการพัฒนาแต่ตั้งแต่เริ่มต้น เช่นเดียวกับอุตสาหกรรมอื่น ๆ ตอนนี้เราได้เห็นศักยภาพของมัน แต่ยังไม่ได้รับการพัฒนาอย่างเต็มที่นี่คือสิ่งที่เรามีอยู่ในเวลานั้น มีสิ่งหนึ่งที่ชัดเจนอยู่แล้วศักยภาพในปัจจุบันอีกสิ่งหนึ่งจะไปได้ไกลแค่ไหน ผลลัพธ์ของคุณจะไม่ทำให้เราเฉย
แผนผังโมเดล IBM
The Weather Company ของไอบีเอ็ม เป็น บริษัท เอกชนที่ เสนอการคาดการณ์รายวันมากถึง 26 ล้านครั้ง เกี่ยวกับสภาพอากาศ ไอบีเอ็มมีความโดดเด่นตั้งแต่แรกเริ่มรวมถึง Google ในด้านการเป็นหนึ่งใน บริษัท ที่บุกเบิกมากที่สุดในสาขานี้ The Weather Company มีความมุ่งมั่นอย่างยิ่งที่จะช่วยเหลือผู้คนในการตัดสินใจเกี่ยวกับสภาพอากาศอย่างมีข้อมูล เป็นเครือข่ายที่ใหญ่ที่สุดในโลก ของสถานีตรวจอากาศส่วนบุคคล แบรนด์ที่ใหญ่ที่สุดในโลกในด้านการบินพลังงานประกันภัยสื่อและรัฐบาลขึ้นอยู่กับ The Weather Company สำหรับข้อมูลแพลตฟอร์มเทคโนโลยีและบริการ
ข้อมูลขนาดใหญ่ต่อต้านการเปลี่ยนแปลงสภาพภูมิอากาศ
ชีพจรโลกแห่งสหประชาชาติซึ่งเป็นโครงการริเริ่มข้อมูลขนาดใหญ่ของไฟล์ องค์การสหประชาชาติและ Western Digital Corporationได้ลงนามเป็นพันธมิตรเพื่อร่วมกันต่อสู้กับการเปลี่ยนแปลงสภาพภูมิอากาศ โครงการนี้นำโดย UN และ Western Digital Corp. รวบรวมนักวิทยาศาสตร์ด้านนวัตกรรมดิจิทัลจากทั่วโลก เพื่อโจมตีปัญหาด้วยวิธีที่มีประสิทธิภาพมากขึ้น ในหมู่พวกเขาเราพบผู้ทำงานร่วมกันจากภาคส่วนต่างๆ BBVA, Orange, Planet, Plume Labs, Nielsen, Schneider Electric, Waze ... คือผู้ที่เข้าร่วมโครงการนี้
นอกจากนี้เรายังพบไฟล์ ศูนย์ซูเปอร์คอมพิวเตอร์บาร์เซโลนา (BSC), เป็นรุ่นที่ 4 ในซีรีส์ MareNostrum ซูเปอร์คอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลขนาดใหญ่ กุญแจสำคัญในหลาย ๆ สาขารวมถึงการต่อสู้เพื่อการเปลี่ยนแปลงสภาพภูมิอากาศ มีผลบังคับใช้ในปลายเดือนมิถุนายนของปี 2017 นี้ เป็นคอมพิวเตอร์ที่เร็วที่สุดเป็นอันดับสามในยุโรปมีการลงทุนเพื่อติดตั้ง 34 ล้านยูโรโดยกระทรวงเศรษฐกิจอุตสาหกรรมและความสามารถในการแข่งขันของสเปน มีความจุ 14 เพตะไบต์นั่นคือ 14 ล้านกิกะไบต์ มันมาถึง 11,1 Petaflops นั่นคือความป่าเถื่อนของการปฏิบัติการ 11.100 พันล้านครั้งต่อวินาที
Big Data ในอนาคตของอุตุนิยมวิทยาและในชีวิตของเรา
ในโลกแห่งการเปลี่ยนแปลงที่การเปลี่ยนแปลงเร็วขึ้นและน่าประหลาดใจมากขึ้นเรื่อย ๆ เป็นการยากที่จะคาดเดาอนาคตของบางสิ่ง สิ่งที่เรารู้แน่นอนก็คือ Big Data มาอยู่แล้วและการคาดการณ์ที่เกิดขึ้นทั้งในสภาพอากาศและในพื้นที่อื่น ๆ ทำให้เรางงงวย บางคนจะยังคงสงสัยบางคนจะปฏิเสธคนอื่นจะมองว่ามันเป็นสิ่งที่ไกลตัว แต่ความจริงเราก็อยู่กับมันไปแล้ว
จนถึงทุกวันนี้เราทราบดีว่า Big Data คาดว่าจะมีฝนตกหลายฤดูพายุเฮอริเคนและแม้จะมีความแม่นยำสูงถึงจำนวนเหรียญที่ประเทศสามารถชนะในการแข่งขันกีฬาโอลิมปิก นอกจากนี้ยังมีการคาดการณ์ว่าใครจะก่ออาชญากรรมที่ไหนและเมื่อใด (หากใครเคยดูภาพยนตร์ "Minority Report" ก็คงคิดไม่ถึงใช่ไหม) ข้อมูลใหญ่ กำลังก้าวไปสู่การคาดการณ์อนาคตของหลาย ๆ ด้านอย่างรวดเร็วและแม้กระทั่ง Amazon ก็เริ่มคาดการณ์และเมื่อเร็ว ๆ นี้ได้เริ่มทำการจัดส่งก่อนที่ลูกค้าจะซื้อสินค้า อนาคตจนถึงวันนี้มักไม่แน่นอน แต่มันกำลังเปลี่ยนไป อนาคตเป็นสิ่งที่คาดเดาได้
เรารู้ว่าศักยภาพของมันจะเติบโตขึ้น ใครจะรู้ว่าการคาดการณ์ว่าใครคาดหวัง (Big Data) บางอย่างอาจเป็นผลพวง แต่มีข้อมูลเพียงพอ Big Data จะสามารถคาดการณ์สภาพอากาศโลกด้วยความคาดหวังมหาศาลหรือไม่? ใช่เช่นเดียวกับที่คุณคาดการณ์ได้ว่าการดำเนินการของเราจะให้สถานการณ์ที่แตกต่างกันกับสถานการณ์ที่กำหนดไว้ก่อนหน้านี้เนื่องจากการดำเนินการใด ๆ มีเสียงสะท้อนในอนาคตและ Big Data ก็รู้และประเมินอีกครั้งทำให้เกิดสถานการณ์ใหม่อีกครั้ง
ทุกอย่างสามารถคาดการณ์ได้ เราจะสามารถรู้ว่าในอนาคตอันใกล้นี้จะเกิดอะไรขึ้นกับเราหรือไม่? เราจะเผชิญกับปัญหาอะไร? พายุเฮอริเคนจะโจมตีเมื่อใดและที่ไหน? เราจะต้องแก้ไขอะไรต่อไป? เมื่อเทคนิคต่างๆดีขึ้นคอมพิวเตอร์ก็ปรับปรุงประสิทธิภาพและความเร็วสนามนี้ยังคงพัฒนาต่อไป ... แทนที่จะตอบว่า "ผู้รู้" บางทีสิ่งที่เหมาะสมที่สุดคือการพูดว่า "มาถาม Big Data กันเถอะ"
พันธมิตร BA | วิลลิสอัพเดท | หม้อ