Dalal представил разговор, названный «Проблемы в Анализе степени риска Сложных Систем: От Претендента Шаттла и Грязных Бомб к Медицинским Наркотикам и Химикатам» за завтраком, спонсируемым Комитетом American Statistical Association (ASA) по Статистическим Партнерствам среди Академии, Промышленности и правительства (SPAIG).Dalal – главный ученый данных и первый вице-президент в AIG, международной страховой организации с клиентами больше чем в 100 странах и юрисдикции.
Он также – адъюнкт-профессор обучающий сбор данных аспирантам в Колумбийском университете.В то время как статистические модели могут обеспечить понимание рисков, область испытывает кардинальные изменения, навлеченные новыми достижениями в технологии и сбором данных, включая Большие данные и Internet of Things (IoT), сказал Дэлэл во время его представления завтрака. IoT описывает растущую сеть физических объектов или «вещей», включенных с электроникой, программным обеспечением, датчиками и возможностью соединения, позволяя этим объектам обмениваться данными с их производителями, их операторами и другими подключенными устройствами.С увеличенной способностью собрать данные через IoT и проанализировать эти данные в режиме реального времени, область анализа степени риска входит в захватывающую новую фазу на основе вероятностного анализа степени риска в реальном времени.
Эта появляющаяся парадигма может позволить людям лучше управлять рисками, связанными со сложными системами, включая шаттлы, начинающие орбиту, незаконные ядерные материалы, пересекающие национальные границы и побочные эффекты химикатов и даже медицинских наркотиков, объяснил Дэлэл, который является экспертом в области анализа степени риска и был назначен Национальной академией наук на группу, уполномоченную изучить бедствие Челленджера. Исследование группы продемонстрировало способность статистической науки предсказать риски для шаттлов и убедило Национальный Воздух и Космическую администрацию (НАСА) устанавливать вероятностную группу оценки степени риска.Наборы данных, которые позволяют аналитический диапазон риска в реальном времени от маленьких наборов до терабайт данных по миллионам контейнеров для перевозок, входящих в американские порты в медицинскую информацию о новом медикаментозном лечении. В то время как этот управляемый данными возраст обеспечивает изобилие данных, чтобы позволить вероятностный анализ степени риска в реальном времени, это то же самое изобилие данных может сделать его бросающий вызов, чтобы создать объединенные системы решения для анализа степени риска.
Анализ степени риска зависит от сильного принятия решений: Аналитики стремятся определить различные виды рисков, определить количество рисков и их последствий и изобрести вмешательства, чтобы увеличить упругость в мире.Сегодня, новые методологии и технологии позволяют более умное принятие решений, которое улучшает глобальную упругость. Эти методы включают производящие возможные сценарии несчастного случая, объединяя власть Больших данных с ультрасовременными аналитическими методами, чтобы предсказать вероятность этих несчастных случаев и работая пассивно (например, наблюдая данные о несчастном случае из видео), а также активно (например, усиливая датчики и IoT, чтобы обнаружить и предотвратить риски, прежде чем они произойдут) построить более устойчивый мир, описал Дэлэла.Риск и аналитика упругости уже играют ключевую роль в американской правительственной государственной политике.
Недавние примеры включают работу Министерства национальной безопасности над препятствованием тому, чтобы грязный материал бомбы вошел в страну и идентификацию взаимодействий опасного наркотика американским Управлением по контролю за продуктами и лекарствами и Национальными Институтами Здоровья.«Глобальная упругость зависит от способности общества определить, определить количество и понять последствия рисков – от риска для здоровья, к природным явлениям как наводнения, к несчастным случаям и другим. Чтобы подготовиться к рискам и прийти в себя после их последствий, мы должны проанализировать и понять данные из нашего прошлого, а также выявить информацию о будущих событиях», сказал Дэлэл аудитории.
«Большие данные, сложные методы моделирования машинного обучения и статистики Bayesian и технологий датчика помогут нам сделать общество более эластичным чем когда-либо прежде», он завершил.JSM 2015 проводится 8-13 августа в Конференц-центре штата Вашингтон в Сиэтле.
Больше чем 6 000 статистиков – представление академии, торгово-промышленной деятельности, а также национальных, государственных и местных органов власти – из многочисленных стран посещает самый большой статистический научный сбор Северной Америки.