બિગ ડેટા આપણા રોજિંદા જીવનમાં ક્રાંતિ લાવી રહ્યો છે. ઉદાહરણ તરીકે, તે વ્યક્તિગત માર્કેટિંગ અને રીઅલ-ટાઇમ ઇન્વેન્ટરી મેનેજમેન્ટને સક્ષમ કરે છે. પરંતુ તે ગંભીર ગોપનીયતાની ચિંતાઓ પણ ઉભી કરે છે, જેને સંબોધવા માટે કાયદા અને કોર્પોરેટ જવાબદારીની જરૂર છે.

વેકેશન એપિસોડ્સ અને મોટા ડેટા

મારું વેકેશન શરૂ થયાને બે અઠવાડિયાં થયાં છે. આજે, હું ધીમે ધીમે જાગી ગયો અને વેબ પર સર્ફિંગ કરી રહ્યો હતો ત્યારે અચાનક 11:30 વાગ્યે મારો સેલ ફોન રણક્યો. તે મારા ઘરની સામેના મારા મનપસંદ જી-સુવિધા સ્ટોરમાંથી ડિસ્કાઉન્ટેડ લંચ બોક્સ માટેનું કૂપન હતું. મને તે સમયે ભૂખ લાગી હતી, તેથી મેં વિચાર્યું કે તે એક સારો વિચાર છે અને ઝડપથી બહાર ગયો અને લંચ બોક્સ ખરીદ્યો. મારું લંચ ખાધા પછી, હું મારા વેકેશન દરમિયાન વાંચવા માટે ત્રણ પુસ્તકોનો ઓર્ડર આપવા K-Books પર ઑનલાઇન ગયો. જ્યારે મેં મારા કાર્ટમાં ત્રણેય પુસ્તકો મૂક્યા, ત્યારે મેં સ્ક્રીનની જમણી બાજુએ એક પુસ્તક જોયું જે હું ભૂતકાળમાં વાંચવા માંગતો હતો પરંતુ વાંચવા માટે આજુબાજુ મેળવ્યો ન હતો. મેં આ એક સહિત કુલ ચાર પુસ્તકો મંગાવી. અચાનક, મારા મિત્રએ મને રાત્રે ગંગનમ સ્ટેશન પર ડ્રિંક્સ માટે મળવાનું કહ્યું. સામાન્ય રીતે, મેં ના કહ્યું હોત કારણ કે સબવે રાત્રે બંધ થઈ ગયો હતો, પરંતુ મેં સ્વીકાર્યું કારણ કે મોડી રાતની નવી બસો મને મારા ઘરની નજીક છોડી દે છે. મને ખબર નથી કે મોડી રાતના બસ રૂટની રચના કોણે કરી હતી, પરંતુ તેઓએ ખૂબ સરસ કામ કર્યું.
ઉપરોક્ત પરિસ્થિતિ આજકાલ લોકો માટે સામાન્ય છે. પરંતુ પડદા પાછળ, એક નવી ટેક્નોલોજી છે જેના વિશે મોટાભાગના લોકો જાણતા નથી. તેને બિગ-ડેટા કહેવામાં આવે છે.

મોટા ડેટા શું છે?

બિગ ડેટા એ ડિજિટલ વાતાવરણમાં જનરેટ થતા અલ્પજીવી ડેટાના વિશાળ જથ્થાનો ઉલ્લેખ કરે છે. તે માત્ર સંખ્યાત્મક ડેટા જ નહીં, પણ ટેક્સ્ટ, છબીઓ અને ડેટાના અન્ય સ્વરૂપો પણ હોઈ શકે છે. મોટા ડેટાનો ઉપયોગ કરવાનો અર્થ એ છે કે વ્યવસાય પ્રક્રિયામાં જનરેટ થયેલા ડેટાની વિશાળ માત્રાનું વિશ્લેષણ કરીને મૂલ્ય બનાવવું. એનાલિટિક્સ દ્વારા, તમે વેચાણ, નફો માર્જિન વધારવા અને ભવિષ્યની આગાહી કરવા માટે વધુ કાર્યક્ષમ સિસ્ટમ્સ બનાવી શકો છો.
આંકડાકીય માહિતી વિશ્લેષણ અને મોટા ડેટા વચ્ચેનો તફાવત એ છે કે ભૂતકાળમાં આંકડાકીય વિશ્લેષણ વિશ્લેષણ માટે જરૂરી ડેટા એકત્રિત અને વિશ્લેષણ કરે છે, જ્યારે મોટા ડેટા ચોક્કસ હેતુ સાથે ડેટા એકત્રિત કરતા નથી, પરંતુ મેનેજમેન્ટ પ્રક્રિયામાં જ પેદા થયેલ તમામ ડેટા. તેથી, ડેટા વોલ્યુમમાં તફાવત વિશાળ છે. ઉપરાંત, બિગ ડેટામાં પ્રોસેસિંગ સ્પીડ એક મહત્વપૂર્ણ મુદ્દો છે. ઇન્વેન્ટરી મેનેજમેન્ટના કિસ્સામાં, રીઅલ ટાઇમમાં ઇન્વેન્ટરીની માત્રાનું વિશ્લેષણ અને તપાસ કરવી મહત્વપૂર્ણ છે. આ કારણોસર, ભૂતકાળમાં મોટા ડેટાનો ઉપયોગ કરવો મુશ્કેલ હતો. ડેટા સ્ટોરેજ ડિસ્કની કિંમત વધારે હતી, તેથી જનરેટ થયેલો તમામ ડેટા સ્ટોર કરવામાં આવ્યો ન હતો અને ડેટાનું વિશ્લેષણ કરવામાં ઘણો સમય લાગ્યો હતો. જો કે, ઈલેક્ટ્રોનિક્સ ઉદ્યોગના વિકાસને કારણે ઓછી કિંમતે મોટી માત્રામાં ડેટા સ્ટોર કરવાનું અને વાસ્તવિક સમયમાં તેનું વિશ્લેષણ કરવાનું શક્ય બન્યું છે.

બિગ ડેટામાંથી નવું મૂલ્ય બનાવવું: વ્યવસાયથી સરકાર સુધી

ગૂગલ, એક અગ્રણી મોટી ડેટા કંપની, લાંબા સમયથી મોટા ડેટાનો ઉપયોગ કરી રહી છે. ગૂગલે Google પર “ઈન્ફ્લુએન્ઝા” શોધતા લોકોની પેટર્નનું પૃથ્થકરણ કરીને CDC કરતાં પહેલાં યુનાઇટેડ સ્ટેટ્સમાં ફ્લૂના ફેલાવાને પ્રખ્યાત રીતે ઓળખી કાઢ્યું હતું. જ્યારે લોકો ફ્લૂના ચિહ્નો દર્શાવે છે અથવા અન્ય કોઈને જાણતા હોય છે ત્યારે તેઓ ઓનલાઈન ઉપાયો અને દવાઓ શોધે છે, તેથી લોકો ક્યાં અને કેટલી શોધ કરી રહ્યા છે તેનું પૃથ્થકરણ કરવાથી ફ્લૂ ક્યાં ફેલાઈ રહ્યો છે તે જાણી શકાય છે.
કોરિયામાં જી-સગવડ સ્ટોર્સ અને K-બુકસ્ટોર્સનું વ્યક્તિગત માર્કેટિંગ એ મોટા ડેટાના ઉપયોગના સૌથી પ્રખ્યાત ઉદાહરણોમાંનું એક છે. તમે જે ખરીદો છો અથવા બ્રાઉઝ કરો છો તેના પેટર્નના આધારે, તેઓ તેનાથી સંબંધિત ઉત્પાદનોની ભલામણ કરે છે અથવા જે લોકોએ તેને ખરીદ્યું છે તેઓએ ઘણું ખરીદ્યું છે. જો કોઈ કરિયાણાની દુકાન એવા ગ્રાહકોને બોટલના પાણી પર ડિસ્કાઉન્ટ આપે છે જેઓ તેને વારંવાર ખરીદે છે અથવા તેને ખરીદનારા ગ્રાહકોને વાઈન સાથે સારી રીતે મળતી ચીઝની ભલામણ કરે છે, તો સ્ટોરનું વેચાણ વધશે.
ફાસ્ટ ફેશન કંપની ZARA એ MIT સંશોધકો સાથે એવી સિસ્ટમ વિકસાવવા માટે કામ કર્યું કે જે વાસ્તવિક સમયમાં વિશ્વભરના સ્ટોર્સમાંથી વેચાણ અને ઇન્વેન્ટરી માહિતીનું વિશ્લેષણ કરે. ઝડપી ફેશન કંપની તરીકે, ZARA વાસ્તવિક સમયના વલણો અને ગ્રાહકની માંગ પર આધાર રાખે છે. ઇન્વેન્ટરી તેમની સૌથી મોટી દુશ્મન હતી. ઇન્વેન્ટરીને વધુ અસરકારક રીતે સંચાલિત કરવા માટે, તેઓએ મોટા ડેટાને અપનાવ્યો, અને તે કામ કર્યું.
મોટા ડેટા માત્ર સંખ્યાઓનું વિશ્લેષણ કરવા વિશે નથી. તે ટેક્સ્ટ, છબીઓ અને વિડિયોનું પણ વિશ્લેષણ કરી શકે છે. Google અનુવાદ, Google દ્વારા પ્રદાન કરવામાં આવતી સેવા, પહેલાથી અસ્તિત્વમાં છે તે મોટી સંખ્યામાં અનુવાદિત દસ્તાવેજોના આધારે અનુવાદ કરવા માટે પેટર્ન ઓળખનો ઉપયોગ કરે છે. આ પદ્ધતિ કોમ્પ્યુટર શબ્દોને ઓળખીને તેનો અનુવાદ કરવા કરતાં વધુ સારી છે. તે હજી પણ કોરિયન-અંગ્રેજી અનુવાદ માટે અપરિપક્વ છે, પરંતુ તે સમાન શબ્દ ક્રમ સાથે યુરોપિયન ભાષાઓ વચ્ચે સારી રીતે અનુવાદ કરી શકે છે કારણ કે તેમાં ઘણા બધા વર્તમાન અનુવાદ ડેટા છે.
જ્યારે મોટા ડેટાનો ઉપયોગ મોટાભાગે વ્યવસાયો દ્વારા કરવામાં આવે છે, ત્યાં સરકારમાં તેનો ઉપયોગ કરવા માટે એક વધતી હિલચાલ છે. ગયા વર્ષે, સિઓલ મેટ્રોપોલિટન ગવર્મેન્ટે રાત્રિના સમયે વધુ પ્રવૃત્તિ ધરાવતા વિસ્તારો શોધવા માટે KT થી મધ્યરાત્રિથી સવારના 3 વાગ્યા સુધીના 5 બિલિયન કોલ વોલ્યુમ આંકડાઓનું વિશ્લેષણ કર્યું હતું અને તેના આધારે, તેણે મોડી-રાત્રીના નવા બસ રૂટ બનાવ્યા હતા. આ કેસ જાહેર ક્ષેત્રમાં બિગ ડેટાના ઉદાહરણ તરીકે લોકપ્રિયતા મેળવી છે. ફાઇનાન્શિયલ સુપરવાઇઝરી સર્વિસે જાહેરાત કરી છે કે તે બચત બેંકોમાં ગેરકાયદે લોનને રોકવા માટે "ક્રેડિટ મોનિટરિંગ સિસ્ટમ" બનાવવા માટે મોટા ડેટાનો ઉપયોગ કરશે.

મોટા ભાઈનો ઉદય?

બિગ ડેટા ટેકનોલોજી બધી સારી નથી. એવી ચિંતા છે કે બિગ ડેટા બિગ બ્રધરના યુગમાં પ્રવેશ કરશે. બિગ બ્રધર, જે જ્યોર્જ ઓરવેલની ભવિષ્યવાદી નવલકથા '1984માં દેખાય છે, તે એક વહીવટી શક્તિ છે જે સમાજ પર દેખરેખ રાખવા અને તેને નિયંત્રિત કરવા માટે માહિતીનો એકાધિકાર કરે છે.
ખાસ કરીને, વ્યક્તિગત માહિતી સંગ્રહ અને કંપનીઓ દ્વારા વધુ પડતી દેખરેખના જોખમો પર ભાર મૂકવામાં આવી રહ્યો છે. ઘણા વર્ષોથી, મંતવ્યો ઉભા થયા છે કે Google, Facebook અને અન્ય મોટી ડેટા કંપનીઓ વ્યક્તિગત માહિતીને વધુ પડતી એકત્ર કરી રહી છે અને તેનું નિરીક્ષણ કરી રહી છે, અને કાર્ડ કંપનીઓ અને રિટેલર્સ કે જેઓ કસ્ટમાઇઝ માર્કેટિંગ કરે છે તેમની પણ ગોપનીયતાના અતિશય આક્રમણ માટે ટીકા કરવામાં આવી છે. આ ઉપરાંત, નાણાકીય ક્ષેત્રમાં વ્યક્તિગત માહિતી લીક થવાની ઘટનાઓ વારંવાર બની રહી છે, અને તે શંકાસ્પદ છે કે શું કંપનીઓ માટે મોટા ડેટા વિશ્લેષણ માટે વ્યક્તિગત માહિતી એકત્રિત કરવી અને સંગ્રહિત કરવી સલામત છે. આ કારણ છે કે જો કોઈ કંપનીની નબળી માહિતી સુરક્ષા સિસ્ટમને કારણે માહિતી લીક થાય છે, તો તે ગંભીર સામાજિક સમસ્યાઓનું કારણ બનશે. આ સમસ્યાને ઉકેલવા માટે, જાહેર અભિપ્રાયને પ્રતિબિંબિત કરતી વ્યક્તિગત માહિતીના ઉપયોગને લગતા કાયદાઓ અને સિસ્ટમો સારી રીતે સ્થાપિત હોવા જોઈએ. વધુમાં, કંપનીઓએ બિનજરૂરી રીતે વધુ પડતી માહિતી એકત્રિત કરવાનો પ્રયાસ ન કરવો જોઈએ, અને તેઓએ માહિતી સુરક્ષા માટે વધુ પ્રયત્નો કરવા જોઈએ. તે સરકાર, સમાજ, કંપનીઓ અને આપણે નક્કી કરવાનું છે કે મોટો ડેટા સારો હશે કે ખરાબ.