> 快讯> 正文驱动数据分析，应对气候变化
2022魔幻依旧，从火山爆发、生态恶化、暴雨暴雪频发，到极端高温，冰川融化，山火蔓延，由气候异常引起的次生灾难，如同过山车，一波未平，一波又起，愈演愈烈。不夸张的说，自工业革命起，人类在过去的160年里让地球气候愈加脱轨，二氧化碳浓度达到了80万年以来的顶峰。尤其是，在当今快速全球化的过程中，极端气候的影响绝不仅限于局部地区，还会通过复杂的全球供应链和增值链，产生级联的间接和衍生效应，辐射到世界的每个角落。面对生存下去的危机，目前大部分国家已经达成共识，计划在2050年左右实现“碳中和”，这意味着整个社会的各个方面都要进行前所未有的、迅速且深入的变革。
幸运的是，在今天这个数据驱动的世界，数字化技术正在全方位帮助人们加速这场改革，以更快的速度应对气候危机。
在气候科学领域，从气候预测、分析碳足迹，保护生态系统，到提高气候意识，基于数字化的分析预测工具在这一复杂科学中早已得到广泛应用。例如，在追踪亚马逊雨林人为破坏时，借助SAS建立视觉模型，分析成千上万的卫星图像，从而及早观测到森林砍伐迹象，干预、保护森林。加之随着物联网的出现，智能设备收集了大量的气象和环境数据，利用自动化的分析工具，通过数据挖掘技术，对数据进行清洁、转化、挖掘和评估，从海量的、异构的复杂数据库中将数据转化为信息/智慧，再使用工具或自主开发仿真模型，探索隐藏的趋势。利用这种数字分析方式，科学家们可以进行定性和定量测试，从而预测在未来可能恶化的极端气候影响。人工智能和机器学习也是近年的关键使能技术，特别是，与数值气候模型数据结合时，人工智能可以用来补充观测空白。通过自动生成和验证关系假设，利用数据分析工具，可以探索更多提供因果关系的信息。
在商业领域，气候危机对企业的影响主要体现在产品增值的过程中，例如，生产设施和材料等物理资产受损的风险、资源转移和供应链中断等价格上涨的风险，环保意识改变等导致的产品销售风险。随着科技的飞速发展，无论制造商和销售商所处是何行业，体量是巨头又或中小微，利用数字化刺激创新与提高效率，早已被公认为是增加抗风险能力、提高收益和竞争力的最有效手段。企业分析在生产和销售中收集到的数据，再进行生产优化和发展战略调整，推出符合市场期待的产品和服务，包括，调整环保生产方式，选择环保供应材料等。企业利用数字化转型，可以更高效、高收益的满足环保期待，从而在今后以气候环境为重点的市场中保持优势。
“最终，企业需要考虑未来。他们需要明确：未来5年或10年气候变化或公众舆论的转变如何迫使企业调整策略?”
SAS公司Peter Plochan
在金融领域，由于气候危机可能对整个市场的经济产生结构性的影响，以及经济与金融的紧密相连，气候危机极易蔓延至贷款、保险、债券等金融市场。为了经济的稳定，银行等金融机构作为金融体系的核心，需要将气候变化风险纳入金融决策，有效评估气候变化所带来的信贷风险与机遇。越来越多的金融机构正在建立或完善相应的风险管理系统，利用天气数据和气候模型输出，来分析气候变化对信贷的影响。这其中，异构的气象数据与金融模型的整合是深入分析气候风险的关键所在，即，将金融变量与气象科学数据相结合，这无疑需要强大的数据分析工具和技术。
“对于任何企业来说，气候变化都将影响碳税或频繁破坏性天气事件产生的相关费用，从而推高货物成本。同时，气候变化还会影响到贷款、贷款偿还、保险风险、保费、股票市场和债券市场。”
—— Naeem Siddiqi，SAS风险研究和定量解决方案高级顾问
此外，公共部门也数字化转型的过程中，使用数据分析来解决民生保障等关键问题。例如，灾害天气下的疾病防控、污染监控、垃圾排放等诸多问题，都在不断地加重医疗卫生等公共系统的负荷。为了对突发灾害做出快速反应，许多机构充分利用数据分析工具，与先进的监测预警、应急调度、协调保障等信息化系统相结合，作为高效处置的必要举措。比如，世界上最大的环境监测网络- Attentis传感器网络，就与SAS物联网分析技术相结合，可以令应急响应部门实时、持续地监测降雨量、河流高度等，对可能发生的洪涝、野火灾害进行预警，并通过自动化改进应急反应。
毫无疑问，无论以上哪个领域，都需要以数据为基础，以数据分析工具为支持，基于分析，提出最佳答案。旁见侧出，各领域对数据的分析无出为以下几类：
• 将数据辨识为现象，洞察过去的事件。
• 将数据转化为知识，回答当前的问题。
• 依据现有数据，预测未来。
但这些数字化信息系统和业务流程，必须依托更多可信的数据、更强大的模型，以近乎即时的强大分析能力，将原始数据转换为智慧，基于分析结果做出最佳选择，才能在实现业务价值最大化的同时应对突发危机。由此一来，各组织面临的关键问题就是：一方面，随着数字化和传感器等技术的广泛普及，数据量以前所未有的速度激增，对数据的清理和准备、对数据的建模、保持数据的一致性都需要投入大量的资源，组织难堪重负。另一方面，面对危机，单靠数据并不能成功，运用数据指导决策，即，分析洞察与决策能力才是真正的驱动力。为此，前瞻性的数据分析工具逐步引入了新的数字技术，旨在为各行业的企业和机构提供创新的分析、商业智能和数据管理服务，推动其进行高级分析和预测分析的数字化转型。正如，SAS在核心分析计算引擎中引入了云技术和人工智能，采纳云技术帮助客户快速处理所有相关数据，实现了从海量数据中获取最大价值，并利用人工智能和机器学习快速分析数据，减少了对专家的过度依赖，令分析更加高效且易理解，同时，简化了人工智能和机器学习嵌入决策的方式，能够进一步提升分析的反应速度和效益，使得更多的企业和机构能够以更高效、更低成本的方式，获取更可信的解决方案，令其在持续变化的环境下构建新的竞争优势，从容面对危机。
