ഒരാള്‍ക്കെത്ര ഭൂമി വേണം എന്ന പേരിൽ ഒരു ടോള്‍സ്‌റ്റോയ് കഥയുണ്ട്. എത്ര കിട്ടിയാലും ശമിക്കാത്ത മനുഷ്യന്റെ ആഗ്രഹങ്ങളുടെ അർത്ഥശൂന്യത വെളിവാക്കുന്ന ഒരു കഥ. 4G നെറ്റ്‌ വർക്ക് കുറച്ചൊന്നു പതുക്കെയായാൽ, വീട്ടിലെ ബ്രോഡ്ബാൻഡ് കണക്ഷന് തകരാറെന്തെ ങ്കിലും പറ്റിയാൽ മനുഷ്യർ കാട്ടുന്ന വെപ്രാളം കാണുമ്പോൾ ടോൾസ്റ്റോയിയുടെ കഥയുടെ തല വാചകം ചെറുതായൊന്നുമാറ്റി ചോദിക്കാൻ തോന്നും. ഒരാൾക്കെത്ര ഡാറ്റ വേണം?

ഇരുപത്തൊന്നാം നൂറ്റാണ്ട് കൊണ്ടുവന്ന ഏറ്റവും ദൂരവ്യാപകമായ മാറ്റങ്ങളിലൊന്ന് ജീവിത ത്തിന്റെ സമസ്തതലങ്ങളെയും സപർശിക്കുന്ന കമ്പ്യൂട്ടർ ഡിജിറ്റൈസേഷൻ. അതോടോപ്പം ഡാറ്റാനെറ്റ്‌വർക്ക് ജീവിതത്തിൽ ഒഴിച്ചുകൂടാനാകാത്ത ഒന്നായി മാറി. ഒരു പഠനം പറയുന്നത് പ്രതിദിനം 2.5 എക്‌സാബൈറ്റ് ഡാറ്റ ഈ ലോകത്തെമ്പാടുമായി കമ്പ്യൂട്ടർ, മൊബൈൽ ഫോൺ തുടങ്ങിയ ഡിജിറ്റൽ ഉപകരണങ്ങളുടെ ശൃംഖലകളിൽ ഉണ്ടാക്കപ്പെടുന്നുണ്ട് എന്നാ ണ്. ഒരു എക്‌സാബൈറ്റ് എന്നാൽ ഒരു ബില്ല്യൻ ഗിഗാബൈറ്റ്. 250 GB യുടെ ഹാർഡ് ഡിസ്ക് ഉള്ള എത്ര ലാപ്ടോപുകൾ വേണം 2.5 ബില്ല്യൻ ഗിഗാബൈറ്റ് ഡാറ്റ നിറയ്ക്കാൻ എന്നോർത്താൽ 2.5 എക്‌സാബൈറ്റ് എത്രത്തോളം ഉണ്ടെന്നതിനെക്കുറിച്ച് ഒരു ഏക ദേശധാരണ ലഭിക്കും.

കുമുലസ് മീഡിയ എന്ന കമ്പനി കഴിഞ്ഞ കുറച്ചു വർഷങ്ങളായി പ്രസിദ്ധീകരിച്ച് വരുന്ന ഇന്റർനെറ്റ് മിനുറ്റ് എന്ന ഇൻഫോഗ്രാഫിക്സ് സമകാലീന സമൂഹം ഡാറ്റയിൽ എത്രമാത്രം മുഴുകിയിരിക്കുന്നുവെന്ന് വളരെ ആകർഷകമായി കാട്ടിത്തരുന്നുണ്ട്. ഓരോ മിനുട്ടിലും 41.6 ദശലക്ഷം വാട്സ്ആപ്പ് മെസേജുകൾ, 3.8 ദശലക്ഷം ഗൂഗിൾ സെർച്ചുകൾ, 188 ദശലക്ഷം ഇമെയിലുകൾ എന്നിങ്ങനെ പോകുന്നു ആ കണക്കുകൾ.

കമ്പ്യൂട്ടറുകൾ, മൊബൈലുകൾ തുടങ്ങിയ സാധാരണ കമ്പ്യൂട്ടിംഗ് പ്ലാറ്റ്ഫോമുകൾക്ക് പുറമെ, ഗാർഹിക/വ്യാവസായിക ആവശ്യങ്ങൾക്ക് ഉപയോഗിക്കുന്ന ഉപകരണങ്ങളെയും, എന്തിന് നമ്മുടെ ശരീരങ്ങളെ പോലും, പരസ്പരം വിവരവിനിമയം നടത്തുന്ന രീതിയിൽ ബന്ധപ്പെട്ടു ത്താനും നിയന്ത്രിക്കാനും കഴിയുന്ന ‘Internet of Things’ എന്ന് വിശേഷിപ്പിക്കപ്പെടുന്ന സാങ്കേതികവിദ്യകൾ വ്യാപകമാകുന്നതോടെ ഡാറ്റയുടെ വിസ്ഫോടനം പതിന്മടങ്ങാകും.

എല്ലാതരത്തിലുള്ള അറിവിന്റെയും ഉത്പാദനത്തിന്റെ ആദ്യപടിയാണ് പഠനവിധേയമായ സംഭവങ്ങളെയും സന്ദർഭങ്ങളെയും കുറിച്ചുള്ള വസ്തുതകളുടെ ശേഖരണം. കംപ്യൂട്ടറുകളുടെ വരവിന് മുമ്പുതന്നെ അതങ്ങനെതന്നെയായിരുന്നു. ഭൗതികവും രസതന്ത്രവും ജീവശാസ്ത്രവും പോലുള്ള ശുദ്ധശാസ്ത്രവിഷയങ്ങളായാലും ചരിത്രമോ ധനശാസ്ത്രമോ പോലുള്ള മാനവിക ശാസ്ത്രങ്ങളായാലും വസ്തുതകളുടെ ശേഖരണം വിശകലനവും കേന്ദ്രസ്ഥാനത്ത് നിലയുറപ്പി ച്ചിട്ടുണ്ട്. വൈദ്യവും സാങ്കേതികവിദ്യകളും പോലെ അറിവിനെ ദൈനംദിന ജീവിതത്തിൽ ഉപയോഗിക്കുന്ന വിഷയങ്ങളിലും ഡാറ്റക്കും അതിന്റെ വിശകലനത്തിനും അതീവ പ്രാധാന്യമുണ്ട്. സ്റ്റാറ്റിസ്റ്റിക്‌സും പ്രോബബിലിറ്റിയും പോലുള്ള ഗണിതശാസ്ത്ര ശാഖകൾക്ക് പ്രാമുഖ്യം കൈവന്നത് അതുകൊണ്ടാണ്.

ഡാറ്റ അറിവുൽപാദനത്തിന്റെ അസംസ്കൃതവിഭവം ആണെന്നർത്ഥം. ആധുനികകാലത്ത് അറിവ് അധികാരമാണെങ്കിൽ ഡാറ്റ അതിലേക്കുള്ള വാതില്പടിയാണ്. അതുകൊണ്ടാണ് ഡാറ്റയുടെ ലഭ്യതയും നിയന്ത്രണവുമൊക്കെ പലപ്പോഴും വലിയ തർക്കവിഷയങ്ങളാകുന്നത്. ഈയടുത്ത് നമ്മുടെ സർക്കാർ സമ്പദ്‌വ്യവസ്ഥയെക്കുറിച്ചുള്ള എല്ലാ ഡാറ്റകളും ലഭ്യ മാക്കുന്നതിൽ വിമുഖതകാട്ടുന്നത് അവസാനിപ്പിക്കണമെന്ന് ഇന്ത്യയിലെയും വിദേശത്തെയും 108 പ്രമുഖ ധനശാസ്ത്ര വിദഗ്ദ്ധരും സാമൂഹിക ശാസ്ത്രജ്ഞരും പ്രസ്‍താവന പുറപ്പെടുവിച്ചത് ഓർക്കുക

മുകളിൽ സൂചിപ്പിച്ച കമ്പ്യൂട്ടർ ശൃംഖലകളിലൂടെ ലഭ്യമായ ഡാറ്റയുടെ അഭൂതപൂർവ്വവും അതി ശയകരവുമായ വളർച്ച, ആ ഡാറ്റയുപയോഗിച്ച് അറിവുകൾ ഉത്പാദിപ്പിക്കുന്ന രീതിയിൽ ഗുണപരവും മൗലികവുമായ ചില വലിയ മാറ്റങ്ങളുണ്ടാക്കി:

ഒന്ന്, ഇത്ര മാത്രം ഡാറ്റ ആവശ്യക്കാർക്ക് എപ്പോഴും എവിടെയും ലഭ്യമാക്കാനുതകുന്ന cloud computing എന്ന് പൊതുവായി വിളിക്കപ്പെടുന്ന സാങ്കേതികവിദ്യകൾ ഉണ്ടായി.

രണ്ട്, ഡാറ്റയുടെ സ്വഭാവത്തിലുണ്ടായ മാറ്റവും അത്രതന്നെ വലിയ വെല്ലുവിളിയായിരുന്നു. ഉദാഹരണത്തിന്, സ്ഥിതിവിവരക്കണക്കുകളും വസ്തുതകളും പൂർവ്വനിശ്ചിതമായ പട്ടികകളിൽ ഒതുക്കാവുന്ന ഘടനയുള്ള വിവരങ്ങളാണ്. അത്തരം വിവരങ്ങളുടെ ശേഖരണത്തിനും വിശക ലനത്തിനും ഉണ്ടാക്കപ്പെട്ടതാണ് സാധാരണ റിലേഷണൽ ഡാറ്റാബേസുകൾ. എന്നാൽ ഇന്ന് ഉല്പാദിക്കപ്പെടുന്ന ഡാറ്റയിൽ ഭൂരിഭാഗവും നിശ്ചിതമായ ഒരു ഘടനയില്ലാത്തവയാണ് (unstructured) – പോസ്റ്റുകൾ, ട്വീറ്റുകൾ, ഇമേജുകൾ, വീഡിയോകൾ, മെയിലുകൾ, വാർത്ത കൾ മുതലായ ഡാറ്റകൾ. ഇത്തരം വിവരങ്ങൾ സൂക്ഷിക്കാനും കാര്യക്ഷമമായി കൈകാര്യം ചെയ്യാനും പുതിയതരം ഡാറ്റാബേസുകൾ ആവശ്യമായി വന്നു. പരമ്പരാഗത ഡാറ്റാ ബേസുകളുടെ വേറൊരു പരിമിതി കൂറ്റൻ വിവരശേഖരങ്ങളുടെ വിശകലനത്തിന് അവ പര്യാപ്തമായിരുന്നില്ല എന്നതാണ്. ഇതും പുതിയതരം ഡാറ്റാബേസുകളെ ആവശ്യമാക്കി.