英国《金融时报》2月24日刊登题为《大数据处理的局限》的文章，全文摘编如下：
周一，法国南部又在下雨。
不过，此前一天却是晴天。
上周三也很干燥，但随后的周四到周六差不多一直在下雨。
让人稍感安慰的是，对于暴风雨和晴天之间的时间间隔，几天前就已有了精确的预报。这正是我为何在周一而不是前一天写这篇专栏文章的原因。如今天气预报的准确性已经大大改善了。
英国广播公司(BBC)再一次公布了其历史上最糟糕的那次天气预报。1987年，迈克尔·菲什(Michael Fish)曾在电视上向观众保证，飓风即将到来的谣言是毫无根据的。然而，几小时之后，几十年不遇的大风席卷了整个英国，掀翻了各地的屋顶，吹倒了许多大树。
不过，现在出现这种乌龙的可能性小多了。短期天气预报是大数据领域的一项巨大成就——也许是最大的一项成就。超级计算机提供了大数据处理的机遇，其所处理数据集合的规模和复杂度都令人难以置信。据我所知，最新的超级计算机能处理1EB（艾字节，指2的60次方字节——译者注）的数据，大约是我手头这台苹果公司(Apple)的Mac机处理能力的2000万倍。英国气象局(British Meteorological Office)声称，比起菲什那个年代最成功的预报，如今的三天期天气预报和当时的一天期预报一样准——不过，要想描述预报能力的提高程度，这可能不是一种最令人信服的方式。
然而，一个依然存在的事实是，预报时间提前得越多，预报准确度下降得越厉害。天气预报人员能向我们提供今明两天足够准确的预报。对于更长时间，他们仍然不能准确预报。两者之间形成了鲜明对比。比如，今年冬天异常的天气状况就在预料之外。
预报短期的天气状况是可能的。这是因为从某种意义上说，决定明天天气状况的多数因素已经出现了。如果你去YouTube网站上看看菲什那次灾难性预报的视频，你会在他给出的图上看到引发1987年飓风的超低气压区。当时的预报员只是在分析现有数据时出了错。只要提高分析能力，这种错误出现的可能性就会降低。不过，如果你预测的时间更提前一些，你会遭遇一个难以应对的问题：在非线性系统中，如果初始条件发生细微变化，时间过得越久，结果发生的变化就越大。在这种情况下，对初始状况了解得不够全面根本就和一无所知是一回事。
