Data science

กรณีศึกษา: การวิเคราะห์เชิงพยากรณ์และวิทยาศาสตร์ข้อมูลจับตาดูสภาพอากาศ

บริษัทด้านสภาพอากาศต้องการทำให้ดีที่สุดเพื่อให้ผู้บริโภคและธุรกิจสามารถคาดการณ์ได้อย่างน่าเชื่อถือ ไม่ใช่แค่สำหรับวันนี้แต่ล่วงหน้า ความแม่นยำมีความสำคัญต่อบริการสภาพอากาศ เช่น Weather Channel และ AccuWeather และการวิเคราะห์เชิงคาดการณ์ ร่วมกับ Data Science ช่วยให้พวกเขาได้รับรายงานสภาพอากาศที่แม่นยำยิ่งขึ้นกว่าที่เคย เราทุกคนชอบที่จะพูดคุยกันว่าเกิดอะไรขึ้นข้างนอก และเราต้องการทราบว่าหิมะเพียงพอสำหรับการเล่นสกีที่ดีในวันหยุดที่กำลังจะมาถึงหรือไม่ ฝนจะตกในโอกาสพิเศษหรือไม่ ธุรกิจเพื่อเปิดใช้งานแผนการกู้คืนความเสียหาย อันที่จริง การศึกษาความแม่นยำในการคาดการณ์หลายปี – การวิเคราะห์อุณหภูมิโลกหนึ่งถึงห้าวัน ความน่าจะเป็นของการตกตะกอน และการคาดการณ์ความเร็วลม – พบว่า AccuWeather เป็นผู้ให้บริการที่แม่นยำที่สุดสำหรับการคาดการณ์ลมและฝน และเป็นบริษัทร่วม -ผู้นำด้านความแม่นยำในการพยากรณ์อุณหภูมิ สำหรับการพยากรณ์อุณหภูมิ AccuWeather นั้นแม่นยำที่สุดสำหรับการพยากรณ์อุณหภูมิสูง ในขณะที่ Weather Channel นั้นแม่นยำที่สุดสำหรับการพยากรณ์อุณหภูมิต่ำ ลูกค้าของ AccuWeather ได้แก่ WABC ในนิวยอร์กซิตี้ ซึ่งใช้บริการสภาพอากาศมาเกือบห้าสิบปีแล้ว Joel N. Myers ผู้ก่อตั้ง AccuWeather ประธานและประธานและประธานของ AccuWeather แสดงความคิดเห็นเกี่ยวกับรายงานฉบับนี้ว่า การคาดการณ์ของ AccuWeather นั้นได้รับการแปลเป็นภาษาท้องถิ่นมากขึ้นตามที่อยู่แต่ละแห่ง และให้การพยากรณ์ที่มีรายละเอียดสูงทั้งในสถานที่และเวลา “การคาดการณ์ของ AccuWeather ยังขยายไปสู่อนาคตได้ไกลกว่าแหล่งอื่นๆ ด้วย 350 วันพยากรณ์ที่มีให้บริการสำหรับทุกสถานที่บนโลก” เขากล่าว อย่างที่คุณคาดไว้ กฎการวิเคราะห์ข้อมูลและข้อมูลในการสร้างความสำเร็จในการพยากรณ์อากาศ การศึกษาที่กล่าวถึงข้างต้นดำเนินการโดย ForecastWatch.com ซึ่งเป็นบริการของ Intellovations, LLC ForecastWatch กำหนดตัวเองว่าเป็น “แหล่งที่มาของนักมาตรวิทยา” สำหรับข้อมูลและการวิเคราะห์ที่เป็นกลาง เพื่อปรับปรุงคุณภาพการคาดการณ์ บริการนี้รวบรวมการพยากรณ์อากาศและยืนยันกับข้อสังเกตที่เกิดขึ้นจริงสำหรับประเทศ 86 รวบรวมการคาดการณ์และข้อมูลจาก 1 350 สถานที่และร้านค้า 800 ล้านการคาดการณ์ในอดีตในฐานข้อมูลที่เป็นกรรมสิทธิ์ (จนถึงปัจจุบัน) บริษัทสภาพอากาศและธุรกิจอื่นๆ สามารถใช้สิ่งนี้เพื่อการวิเคราะห์ที่แม่นยำตามพารามิเตอร์ทางธุรกิจ หรือสามารถเข้าถึงฐานข้อมูลโดยตรงเพื่อสร้างชุดข้อมูลที่ปรับแต่งได้ ระหว่างข้อมูลขององค์กรและข้อมูลที่จัดทำโดย ForecastWatch บริการสภาพอากาศและลูกค้ารายอื่นๆ มีข้อมูลมากมายในมือเพื่อวัดความแม่นยำและคุณภาพการคาดการณ์ ข้อมูลในมือทำหน้าที่เป็นฐานสำหรับดำเนินการวิเคราะห์สำหรับกรณีการใช้งานต่างๆ รวมถึงการตัดสินใจเชิงกลยุทธ์ เช่น เครื่องมือสภาพอากาศที่จะลงทุน Eric Floehr ผู้ก่อตั้งและซีอีโอของ ForecastWatch กล่าว “เมื่อใดก็ตามที่นักวิเคราะห์หรือนักวิทยาศาสตร์ข้อมูลสร้างแบบจำลอง พวกเขาจะป้อนข้อมูลดิบลงในระบบการเรียนรู้ของเครื่อง เช่น โครงข่ายประสาทเทียม หรือระบบถดถอยเชิงเส้นบางระบบ” Floehr กล่าว “พวกเขากำลังพยายามนำข้อมูลที่ป้อนเข้ามาทั้งหมดและค้นหาวิธีที่ดีที่สุดในการรวมข้อมูลทั้งหมดเข้าด้วยกันเพื่อสร้างการคาดคะเนที่ใกล้เคียงกับสิ่งที่เกิดขึ้นจริงมากที่สุด” บริษัทพยากรณ์อากาศและธุรกิจอื่นๆ สามารถจัดเลเยอร์ข้อมูลของ ForecastWatch ไว้บนคลาวด์ของตนเองและเรียกใช้แบบจำลองได้ ใครได้ประโยชน์จากนาฬิกาสภาพอากาศ? บริษัทด้านสภาพอากาศเป็นอุตสาหกรรมแรกที่ใช้โซลูชันของ ForecastWatch เพื่อวัดความแม่นยำและคุณภาพของการคาดการณ์ แต่ฐานลูกค้าของบริษัทได้ขยายไปสู่ธุรกิจในสาขาต่างๆ ที่ต้องการข้อมูลที่มีความน่าเชื่อถือสูงสำหรับการวิเคราะห์พยากรณ์อากาศ ในตัวอย่างหนึ่งที่ Floehr บริษัทขนส่งขนาดใหญ่ได้ปรับปรุงเมตริกซ์การตัดสินใจโดยใช้ประโยชน์จากข้อมูลสภาพอากาศอัจฉริยะเพื่อการวิเคราะห์ที่แม่นยำของเหตุการณ์สภาพอากาศที่จะเกิดขึ้น “ต้องทำบางสิ่งเพื่อความปลอดภัยของการขนส่งโดยพิจารณาจากสภาพอากาศที่แตกต่างกัน” เขากล่าว อีกตัวอย่างหนึ่งที่น่าสนใจเกี่ยวข้องกับวิธีที่สนามกีฬาและเจ้าของสิ่งอำนวยความสะดวกในทีมสามารถใช้ประโยชน์จากการรวมข้อมูลของตนเองเข้ากับข้อมูลสภาพอากาศในอดีตของ ForecastWatch เพื่อช่วยสร้างโมเดลธุรกิจที่ดีขึ้น การได้รับความเข้าใจที่ดีขึ้นว่าสภาพอากาศจะส่งผลต่อการเข้าร่วมของแฟนๆ อย่างไร โดยอิงจากข้อมูลสภาพอากาศในอดีตของ ForecastWatch รวมกับแบบจำลองการเข้าร่วมของพวกเขาเอง ทำให้พวกเขามีเครื่องมือที่จำเป็นในการคาดการณ์และตัดสินใจเกี่ยวกับวิธีที่สนามกีฬาควรดำเนินการในบางวัน ก่อนหน้านี้ โมเดลการเข้าร่วมอาจรวมข้อมูลเกี่ยวกับบันทึกของทีมหรือวันในสัปดาห์หรือเวลาของเกม แต่หากไม่คำนึงถึงข้อมูลสภาพอากาศในอดีต ความแม่นยำก็ลดลง ข้อมูลในอดีตเกี่ยวกับสภาพอากาศสามารถให้มุมมองเพิ่มเติมว่าการเข้าร่วมเกมนั้นแข็งแกร่งหรือไม่ Floehr กล่าวว่าผู้บริโภคไม่เพียงแต่ตัดสินใจเกี่ยวกับสภาพอากาศในขณะจัดงานเท่านั้น แต่ยังต้องตัดสินใจอีกหลายวันก่อนหน้านั้นด้วย “ด้วยการพยากรณ์อากาศในอดีตเกือบพันล้านครั้ง เราสามารถให้ข้อมูลในรูปแบบที่ใช้งานง่ายสำหรับการเรียนรู้ของเครื่องและ AI เพื่อให้ สามารถฝึกโมเดลได้อย่างมีประสิทธิภาพ” จากนั้น พวกเขามีความเข้าใจอย่างลึกซึ้งมากขึ้นเกี่ยวกับความคาดหวังในการเข้าร่วมและสามารถวางแผนล่วงหน้าได้ทุกอย่างตั้งแต่จำนวนคนนำทางที่พวกเขาต้องการสำหรับเกมไปจนถึงจำนวนฮ็อทด็อกที่จะสั่งซื้อจากซัพพลายเออร์ เขากล่าว ยูทิลิตี้พลังงานกริดแห่งชาติที่ ForecastWatch ทำงานด้วยใช้ข้อมูลสภาพอากาศในอดีตเป็นส่วนหนึ่งของชุดข้อมูลเพื่อสร้างแบบจำลองเพื่อจัดการกับผู้คนและการจัดวางทรัพยากรเมื่อมีเหตุการณ์ที่อาจส่งผลกระทบ เช่น น้ำท่วมและลมแรง เป็นต้น “เมื่อพื้นดินอิ่มตัว ต้นไม้จะโค่นล้มได้ง่ายกว่ามาก และเมื่อมีลมแรงหลังจากนั้น ต้นไม้ก็มีศักยภาพที่จะโค่นสายไฟฟ้าได้” Floehr อธิบาย ตอนนี้ยูทิลิตี้นี้มีความแม่นยำมากขึ้นในการเตรียมการตอบสนองต่อเหตุการณ์สภาพอากาศที่ส่งผลกระทบ ตำแหน่งของ Python ในทั้งหมดนี้ บริการ ForecastWatch คือ 86 เปอร์เซ็นต์ของ Python และโอเพ่นซอร์ส Floehr กล่าว Python เป็นภาษาที่โดดเด่นของอุตุนิยมวิทยาในฐานะภาษาระดับสูงของการจัดการและจัดการกับผลลัพธ์ของแบบจำลอง เขาอธิบาย ในการประชุม American Meteorological Society ผู้เข้าร่วมสามารถเรียนหลักสูตร Python ระยะสั้นได้ “Python ถูกใช้อย่างแพร่หลายในชุมชนอุตุนิยมวิทยา เนื่องจากมันจะจัดการกับข้อมูลจำนวนมาก วิเคราะห์มัน และจัดการข้อมูลนั้นโดยทั่วไปเพื่อตอบสนองความต้องการ” เขากล่าว เมื่อ ForecastWatch เริ่มทำงานในช่วงต้น 2000 สถานีสังเกตการณ์สภาพอากาศจำนวนมากยังคงใช้โมเด็มและสื่อสารผลลัพธ์เมื่อสิ้นสุดวัน แต่ตอนนี้ ไม่เพียงแต่จะมีข้อมูลมากขึ้นเท่านั้น แต่ยังส่งถึงทุกคนเร็วขึ้นด้วย “มันเกือบจะในทันที คุณได้รับข้อมูลและอื่นๆ อีกมากมายในแบบเรียลไทม์ และนั่นทำให้เกิดสิ่งที่น่าทึ่งมากมาย” Floehr กล่าว – รวมถึงบริการของบริษัทด้วย แต่ก็ยังมีที่ว่างสำหรับธุรกิจจำนวนมากที่จะเข้าใจว่าข้อมูลสภาพอากาศในอดีตสามารถช่วยพวกเขาในการตัดสินใจเชิงกลยุทธ์และเชิงกลยุทธ์ได้ “ข้อมูลเป็นสกุลเงินใหม่ มีมากขึ้นเรื่อย ๆ และสามารถตัดสินใจได้มากขึ้นโดยใช้มัน” เขากล่าว รูปภาพที่ใช้ภายใต้ลิขสิทธิ์จาก Shutterstock.com

วิทยาศาสตร์ข้อมูล

  • การตลาด
  • 800

    Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button