La foto de la portada es una imagen de libre uso de Pixabay y editada por con GIMP, los emoji son creados con Bitmoji
El aumento de la potencia de procesamiento de los ordenadores ha permitido incrementar la capacidad de procesar y generar esos datos con rapidez.
Se trata de sistemas en los que el tiempo de respuesta es crucial, por lo que los datos deben ser procesados a tiempo.
Un dispositivo receptor de GPS, que puede estar en su automovil o en su teléfono inteligente, procesa estas señales de los satélites y calcula su posición, hora y velocidad.
Esta tecnología se utiliza ahora en el desarrollo de vehículos sin conductor o autónomos.
Los sensores y programas informáticos implicados tienen que procesar los datos en tiempo real para navegar de forma fiable hasta su destino y controlar el movimiento del vehículo en relación con otros usuarios de la carretera.
Imagen de Pixabay y editada por con GIMP.
Los sensores de radar se utilizan para vigilar el resto del tráfico, enviando los datos a un ordenador central externo que controla el coche.
Los sensores tienen que estar programados para detectar formas y distinguir, por ejemplo, entre un niño que corre hacia la carretera y un periódico que se cruza con ella; o para detectar, por ejemplo, un trazado de tráfico de emergencia tras un accidente.
El primer accidente mortal en el que se vio implicado un vehículo autónomo se produjo en 2016, cuando ni el conductor ni el piloto automático reaccionaron ante un vehículo que se cruzaba en la trayectoria del coche, lo que significa que no se aplicaron los frenos.
El sistema de piloto automático advierte a los conductores de que deben mantener las manos en el volante en todo momento e incluso comprueba que lo están haciendo.
Se calcula que cada coche autónomo generará una media de 30TB de datos diarios, muchos de los cuales tendrán que ser procesados casi instantáneamente.
Un nuevo campo de investigación, denominado análisis de flujos, que evita los métodos tradicionales de estadística y procesamiento de datos, espera proporcionar los medios para hacer frente a este particular problema de BigData.
Los volúmenes de datos que producen los telescopios. Por ejemplo, el Very Large Telescope de Chile es un telescopio óptico, que en realidad consta de cuatro telescopios, cada uno de los cuales produce enormes cantidades de datos, 15TB por cada noche en total. El Large Synoptic Survey encabezará un proyecto de diez años de duración, que producirá repetidamente mapas del cielo nocturno, creando un de 60PB.
Produce alrededor de 160TB de datos brutos por segundo inicialmente, y cada vez más a medida que se completen otras fases.
No se almacenan todos estos datos, pero aun así se necesitarán superordenadores de todo el mundo para analizar los datos restantes.
Imagen de Pixabay y editada por con GIMP.
Las cajas de los supermercados recogen datos sobre lo que compramos; las aerolíneas recopilan información sobre nuestros viajes cuando compramos un billete; y los bancos recogen nuestros datos financieros.
Los datos en todas sus formas tienen el potencial de proporcionar una gran cantidad de información útil si podemos desarrollar formas de extraerla.
Estas técnicas y algoritmos desarrollados por estadísticos e informáticos buscan patrones en los datos.
Determinar qué patrones son importantes es la clave del éxito de la analítica de BigData.
La revolución de los BigData nos ha proporcionado autos inteligentes y monitorización del hogar.
La capacidad de recopilar datos electrónicamente dio lugar a la aparición del apasionante campo de la ciencia de los datos, que aúna las disciplinas de la estadística y la informática con el fin de analizar estas grandes cantidades de datos para descubrir nuevos conocimientos en ámbitos de aplicación interdisciplinarios.
La toma de decisiones en las empresas, por ejemplo, se basa cada vez más en la información obtenida de los BigData, y las expectativas son altas.
Pero hay problemas importantes, entre ellos la escasez de científicos de datos formados capaces de desarrollar y gestionar eficazmente los sistemas necesarios para extraer la información deseada.
Imagen de Pixabay y editada por con GIMP.
Por ejemplo, aunque no es posible predecir con exactitud cuándo y dónde se producirá un terremoto, cada vez son más las organizaciones que utilizan los datos recogidos por satélites y sensores terrestres para controlar la actividad sísmica.
Por ejemplo, el Servicio Geológico de Estados Unidos (USGS), uno de los principales actores en la investigación sísmica, estimó en 2016 que hay un 76% de probabilidades de que se produzca un terremoto de magnitud 7 en los próximos 30 años en el norte de California.
Varias empresas de estos y otros ámbitos están trabajando con BigData para ofrecer mejores métodos de previsión, que no estaban disponibles antes de la llegada del BigData.
Imagen de Pixabay y editada por con GIMP, e Inkscape.
Espero que les haya gustado este interesante tema acerca de Los datos: Explosión, no te pierdas las próximas publicaciones donde abordaré otros temas interesantes. Si deseas ampliar más te invito a leer las siguientes referencias: