• 从天气预报看大数据预测的应用

    2014-12-30            8条评论
    导读: 从天气预报看大数据预测的应用£¬大数据预测的逻辑基础是£¬每一种非常规的变化事前一定有征兆£¬每一件事情都有迹可循£¬如果找到了征兆与变化之间的规律£¬就可以进行预测¡£大数据预测无法确定某件事情必然会发生£¬它更多是给出一个概率¡£

    人们在谈论大数据的采集¡¢存储和挖掘时£¬最常见的应用案例便是“预测股市”“预测流感”“预测消费者行为”£¬预测性分析是大数据最核心的功能¡£

    大数据还拥有数据可视化和大数据挖掘的功能,对已发生的信息价?#21040;?#34892;挖掘并辅助决策¡£传统的数据分析挖掘在做相似的事情£¬只?#36824;?#25928;率会低一些或者说挖掘的深度¡¢广度和精度?#36824;»¡?#22823;数据预测则是基于大数据和预测模型去预测未来某件事情的概率¡£让分析从“面向已经发生的过去”转向“面向即将发生的未来”是大数据与传统数据分析的最大不同¡£

    大数据预测的逻辑基础是£¬每一种非常规的变化事前一定有征兆£¬每一件事情都有迹可循£¬如果找到了征兆与变化之间的规律£¬就可以进行预测¡£大数据预测无法确定某件事情必然会发生£¬它更多是给出一个概率¡£

    从天气预报看大数据预测的四个条件

    在互联网之前便已经有基于大数据的预测分析了£º天气预报¡£因为互联网£¬天气预报为代表的大数据预测的以下几个特征在更多领域得到体现¡£

    1¡¢大数据预测的时效性

    天气预报粒度从天缩短到小时£¬有严苛的时效要求£¬基于海量数据通过传统方式进行计算£¬得出结论时明天早已到来£¬预测并无价值¡£其他领域的大数据预测应用特征对“时效性”有更高要求£¬譬如股市¡¢实时定价£¬而云计算¡¢分布式计算和超?#37117;?#31639;机的发展则提供了这样的高速计算能力¡£

    2¡¢大数据预测的数据源

    天气预报需要收集海量气象数据£¬气象卫星¡¢气象站台负责收集£¬但整套系统的部署和运维耗资巨大¡£在互联网之前鲜有领域具备这样的数据收集能力¡£WEB1.0为?#34892;?#21270;信息产生¡¢WEB2.0为社会化创造¡¢移动互联网则是随时随地¡¢社会化和多设备的数据上传£¬每一次演化数据收集的成本都大幅降低£¬范围和规模则大幅扩大¡£大数据被引爆的同时£¬大数据预测所需数据源不再是问题¡£

    3¡¢大数据预测的动态性

    不同时点的计算因子动态变化£¬任何变量都会引发整个系统变化£¬甚至产生蝴蝶效应¡£如果某个变量对结果起决定性作用且难以捕捉£¬预测难上加难£¬譬如人为因素¡£大数据预测的应用场景大都是极不稳定的领域但有固定规律£¬譬如天气¡¢股市¡¢疾病¡£这需要预测系统对每一个变量数据的精准捕捉£¬并接近实时地调整预测¡£发达的传感器网络外加大数据计算能力让?#40092;ëh降?#26356;加容易¡£

    4¡¢大数据预测的规律性

    大数据预测与传统的基于抽样的预测不同之处在于£¬其基于海量历史数据和实时动态数据£¬发现数据与结果之间的规律£¬并假设此规律会?#26377;ø£?#25429;捉到变量之后进行预测¡£一个领域本身便有相对稳定的规律£¬大数据预测才有机会得到应用¡£古人夜观天象就说明天气是由规律可循的£¬因此气象预报最早得到应用¡£反面案例则是规律难以捉摸£¬数据源收集困难的地震预测£¬还有双色球彩票¡£

    转载内容来源网络£¬如有侵权请联系删除£¨[email protected])£¬我们对原文作者深表敬意¡£
    博思数据微信公众号
    长按上?#32423;?#32500;码关注更多信息

    有问题 找博思 做调研 更专业

        聚焦最新¡¢最热¡¢最有价值的产业资讯£¬追踪全球最热行业市场分析£¬提供最全面实时调研数据£¬全面提升您个?#24605;?#20225;业的核心竞争力£¬一切尽在博思数据¡£在微信公众账号中搜索“博思网”£¬或用手机扫描左方二维码¡£

    全文链接£ºhttp://www.37870632.com/zhishiku/201412/C4477553LR.html
    Ìå²Ê11Ñ¡5¿ª½±²éѯ