Seagate-opslag neemt een hoge vlucht

Inzichten uit enorme ongestructureerde gegevenssets kunnen het welzijn van onze planeet verbeteren. Neem bijvoorbeeld het team van Jennifer Fowler. Als adjunct-directeur van het Montana Space Grant Consortium (MSGC), een NASA-programma voor hoger onderwijs, en directeur van het Autonomous Aerial Systems Office (AASO) van de universiteit van Montana, is ze druk bezig met het ontwikkelen van een systeem dat drones inzet om gegevens over natuurbranden te verzamelen, die kunnen helpen branden te bestrijden, evacuaties te begeleiden en hulpdiensten aan te sturen.

Verder is er ook Jason Hanlon van de Nature Conservancy, en een frequente medewerker van Fowler, wiens eigen team drones gebruikt om populatietellingen van waaierhoenders te bestuderen. Als een soort die inheems is in gebieden waar alsem groeit, vertellen hun aantallen buitensporig veel over het welzijn van het ecosysteem en doen ze dienst als een lakmoesproef, die aangeeft waar zorg nodig is.

Hoewel de twee teams in het verleden al vaak hadden samengewerkt, waren ze ditmaal niet alleen verbonden door de wetenschap, maar hadden ze ook veel lof over hun gegevensopslag. Die laatste, zo leerden ze, kan de eerste goed vooruithelpen.

Bestaande oplossingen werkten gewoon niet. De onderzoekers van Fowler hadden als taak enorme hoeveelheden gegevens naar de cloud uploaden, iets wat uren kon duren. Niet bepaald een ideale basis voor het verzamelen van realtime inzichten over natuurrampen zoals natuurbranden. Voor Hanlons project voor het tellen van vogels betekenden trage externe schijven inactieve uren in het veld, en schijven van mindere kwaliteit impliceerden een risico op gegevensverlies, een scenario waar hij helaas maar al te goed bekend mee was.

Gewapend met de mogelijkheid om dronegegevens uit perifere omgevingen snel, veilig en efficiënt naar hun kantoren te verplaatsen, konden de teams van Fowler en Hanlon hun onderzoek een exponentiële duw vooruit geven. Voor Fowler betekende dit gebruikmaken van realtime gegevensanalyse, die zou bijdragen aan de bestrijding van bosbranden. Voor Hanlon betekende dit dat hij algoritmes kon toepassen en de kans op menselijke fouten kon verkleinen bij het tellen van waaierhoenders en, uiteindelijk, ook vele andere diersoorten, terwijl hij zijn werk blijft uitbreiden naar andere ecosystemen.

En voor beide teams is het risico op gegevensverlies in het veld drastisch verminderd, terwijl het potentieel voor gegevensanalyse op de lange termijn is vertienvoudigd.