Los estadísticos están desarrollando nuevas formas de interpretar las cantidades de datos sin precedentes que se generan continuamente a nuestro alrededor. Ya se trate de teléfonos inteligentes llenos de sensores que miden su salud, ubicación y clima, o autos conectados que pasan por monitores de carretera que miden el volumen del tráfico ola calidad del aire, o incluso miles de sensores en pozos petroleros individuales, en el mundo del 'Internet de las cosas' y los 'grandes datos', se están generando y recolectando grandes cantidades de información a una escala sin precedentes.
Se estima que para 2020 habrá más de 30 mil millones de dispositivos que recopilarán flujos de datos. Ser capaz de interpretar y aprovechar todos estos datos generará grandes beneficios económicos y sociales, proporcionando avances en áreas como la salud electrónicay comunicaciones y permitirnos a más de nosotros llevar una vida más saludable y productiva. Un informe de CEBR ha estimado que los grandes datos valdrán hasta £ 40 mil millones para la economía del Reino Unido en 2017.
Esta nueva forma de datos conlleva desafíos analíticos de datos fundamentalmente nuevos. Por ejemplo, si bien los métodos estadísticos tradicionales eran adecuados y se calcularon fácilmente para cantidades moderadas de datos, no se desarrollaron teniendo en cuenta la era de los datos de transmisión.esto, un nuevo programa de investigación está siendo financiado por el Consejo de Investigación de Ingeniería y Ciencias Físicas. El programa '' StatScale: escalabilidad estadística para la transmisión de datos por vías de impacto '' de 2,75 millones de libras está dirigido por miembros del Instituto de Ciencia de Datos de la Universidad de Lancaster en asociación concolegas en el Laboratorio de Estadística de la Universidad de Cambridge.
Idris Eckley, profesor de estadística en la Universidad de Lancaster, dijo: "La ubicuidad de los sensores en los sistemas y dispositivos cotidianos, como los relojes inteligentes para los campos petroleros instrumentados, significa que existe un enorme potencial para el beneficio social y económico si la información se puede extraer de manera efectiva.
"El volumen, la escala y la estructura de estos datos contemporáneos plantean desafíos estadísticos fundamentalmente nuevos y emocionantes que no pueden abordarse con los métodos tradicionales. Nuestro objetivo es desarrollar un cambio de paradigma en las estadísticas, proporcionando una nueva caja de herramientas estadísticas para abordar y capitalizaren, estos enormes flujos de datos "
El profesor Richard Samworth de la Universidad de Cambridge dijo: "Muchos métodos clásicos no son prácticos o no son adecuados para el propósito de manejar estos flujos de datos. StatScale desarrollará los fundamentos teóricos y metodológicos que respaldarán la próxima generación de algoritmos estadísticos escalables".Estos métodos se requieren con urgencia para que el Reino Unido mantenga su ventaja competitiva en una variedad de desafíos científicos e industriales ".
StatScale se beneficia de asociaciones significativas con la industria. Empresas como Shell UK, BT, AstraZeneca y la Oficina de Estadísticas Nacionales han acordado probar nuevos métodos y modelos que surgen del programa para que puedan ser probados y refinados rápidamente en el mundo realsituaciones. Estas colaboraciones ayudarán a informar la agenda de investigación de StatScale y también ayudarán a esta investigación a obtener un beneficio económico y social directo rápidamente.
El profesor Tom Rodden, Director Ejecutivo Adjunto del Consejo de Investigación de Ingeniería y Ciencias Físicas EPSRC dijo: "Todos los días, individual y colectivamente, estamos generando y contribuyendo a grandes cantidades de información, esta es la era de los" grandes datos ".Sin embargo, para hacer un uso efectivo de estos datos, que traerá beneficios económicos y sociales, debemos tener métodos confiables y precisos para interpretarlos.
"El proyecto StatScale, que se beneficia de colaboraciones cercanas con socios industriales, será clave para proporcionar las herramientas estadísticas necesarias para aprovechar esta revolución de la información"
Fuente de la historia :
Materiales proporcionado por Universidad de Lancaster . Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :