சென்ற மாதம் 8ம் தேதி நீங்கள் மதிய உணவுக்கு என்ன சாப்பிட்டீர்கள்?

இந்தக் கேள்விக்கு நீங்கள் துல்லியமாகப் பதிலளிக்கிறீர்கள் என்றால், ஒன்று, உங்களுக்குப் பிரமாதமான நினைவாற்றல் இருக்கவேண்டும். அல்லது, ஒவ்வொரு நாளும் ஒவ்வொரு வேளையும் நீங்கள் சாப்பிட்ட அனைத்து உணவுப்பொருட்களையும் குறித்துவைத்துக்கொள்கிற பழக்கம் உங்களுக்கு இருக்கவேண்டும். அப்போதுதான் உங்கள் மூளையிலிருந்தோ, கணினியிலிருந்தோ, செல்பேசியிலிருந்தோ, குறிப்பேட்டிலிருந்தோ சட்டென்று அந்த நாளை எடுத்துப் பார்த்து மதிய உணவு என்ன என்பதைக் கண்டுபிடிக்க இயலும்.

இதைத்தான் தொழில்நுட்ப உலகில் தரவுத்தளம் (Data base) என்கிறார்கள். அதாவது, வெவ்வேறு தனிப்பட்ட, தொழில் சார்ந்த தகவல்களைத் தொடர்ச்சியாக ஒரு குறிப்பிட்ட கட்டமைப்பில் குறித்துக்கொண்டுவருவது, பின்னர் தேவையானபோது அவற்றை எடுத்துப் பயன்படுத்துவது.

இன்னொரு பக்கம், கட்டமைப்பு ஏதுமற்ற தகவல்களும் நம்மைச் சுற்றிக் கிடைக்கின்றன. எடுத்துக்காட்டாக, நீங்கள் மாலை நேரத்தில் தெருவில் அரை மணிநேரம் நடந்து திரும்புகிறீர்கள் என்றால் அடுத்தடுத்து பலப்பல காட்சிகளைப் பார்ப்பீர்கள். அவற்றுக்கிடையில் எந்தத் தொடர்பும் இருக்காது. ஆனால், அனைத்தையும் உங்கள் மூளை குறித்துவைத்துக்கொள்ளும்.

இப்படிக் கட்டமைப்பான, கட்டமைப்பற்ற தகவல்களைக் குறித்துவைத்துக்கொண்டு தேவையான நேரத்தில் தேடிப் பயன்படுத்தும் கலையைக் கணினிகளும் மென்பொருள்களும் நெடுநாட்களாகச் செய்து கொண்டிருக்கின்றன. அதன் அடுத்த நிலைதான் Big Data எனப்படும் பெருந்தரவுகள்.

இந்தப் பெயரைக் கேட்டவுடன் நமக்குள் ஒரு பிரமாண்டமான மாளிகை தோன்றுகிறது. அதற்குள் பலப்பல அறைகள். அவை ஒவ்வொன்றிலும் பலப்பல அலமாரிகள், அவற்றில் பலப்பல அடுக்குகள், அவற்றுக்குள் பலப்பல பெட்டிகள், பலப்பல தகவல்கள். ஒன்றில் உற்பத்தித் தகவல்கள், இன்னொன்றில் வாடிக்கையாளர் சேவைத் தகவல்கள், இன்னொன்றின் இணையத்தில் பலரும் எழுதிவைத்திருக்கிற விமர்சனங்கள், இன்னொன்றில் அரசாங்கத்தின் விதிமுறைகள், இன்னொன்றில் வெளிநாட்டு நாணயப் பரிமாற்ற விவரங்கள்... இவையெல்லாம் ஒன்றுக்கொன்று தொடர்பில்லாதவையாகத் தோன்றினாலும், இவை அனைத்தையும் சரியான அளவில் கூட்டிக் கழித்துப் பார்த்தால் பலவிதமான நுண்ணறிவுகளைப் பெறலாம். அதுதான் Big Data தொழில்நுட்பத்தின் வேலை.

எடுத்துக்காட்டாக, ஒரு நிறுவனம் பல்வேறு தொழிற்சாலைகளை வைத்திருக்கிறது, அதில் பல இயந்திரங்கள் உள்ளன. அவற்றில் ஏதாவது ஒரு பழுது ஏற்பட்டால் சட்டென்று அதைச் சரிசெய்யவேண்டும். இல்லாவிட்டால், உற்பத்தி பாதிக்கப்படும், வருவாய் குறையும். இந்நிலையில், பெருந்தரவுகள் தொழில்நுட்பத்தைப் பயன்படுத்தி எந்த இயந்திரத்தில் பழுது வரக்கூடும் என்று அவர்களால் ஊகிக்கமுடிந்தால் எப்படி இருக்கும்!

அதாவது, அடுத்த வாரம் இந்த இயந்திரம் பழுதாகக்கூடும், அதிலும் குறிப்பாக அதில் இந்த உதிரிப்பொருள் உடைந்துவிடும் என்று கணிக்கமுடிந்தால், அந்த நிறுவனம் சட்டென்று அந்த இயந்திரத்தைக் கவனித்து, அந்த உதிரிப்பொருளை மாற்றிவிடுவார்கள். அதனால், அடுத்த வாரம் வரக்கூடிய உற்பத்திப் பாதிப்பைத் தடுத்து நிறுத்திவிடலாம்.

இப்படி எண்ணற்ற தகவல்களைப் பெருந்தரவுகளைக் கொண்டு நம்மால் கண்டறிய இயலும். அதற்கு நாம் ஏராளமான தகவல்களைத் திரட்டவேண்டும், அவற்றை ஒழுங்குபடுத்திச் சேமிக்கவேண்டும், பின்னர் ஆராய்ந்து நுண்ணறிவுகளைப் பெறவேண்டும்.

இதன் மூலம் பொதுமக்களான நமக்கும் பலன்கள் உண்டு. எடுத்துக்காட்டாக, நகராட்சி அலுவலர்கள் ஊர்முழுவதும் பெறப்பட்ட சாலைத் தரவுகளைத் திரட்டி ஆராய்வதன் மூலம் அங்குள்ள போக்குவரத்தை ஒழுங்குபடுத்தலாம். அதன்மூலம் நாம் ஓரிடத்திலிருந்து இன்னோரிடத்துக்கு விரைவாகச் சென்றுசேரலாம்.

பெருந்தரவுகளின்மூலம் பெரும்பயன்கள் உண்டு என்றாலும், இதில் பெருந்தொல்லைகளும் வரக்கூடும். இதற்கெனத் திரட்டப்படும் தரவுகள் பாதுகாப்பான முறையில் சேமிக்கப்படவேண்டும், அவை தவறான நபர்களிடம் சிக்கிவிடக்கூடாது, மக்களுடைய தனியுரிமையைப் பாதிக்கும் விதமான ஆராய்ச்சிகள் நடைபெறக்கூடாது. இதற்கெல்லாம் அரசாங்கங்கள் முறையான விதிமுறைகளை உருவாக்கி வழி நடத்தவேண்டும். அப்போதுதான் நமக்கு இதன் பலன்களும் கிடைக்கும், எதிர்மறை விளைவுகளும் குறையும்.