... برتر از نفت آمد پدید!

Asre Ertebat - - ورود - عباس پورخصالیان

چرا مقولهای به نام Data“،” ارزشمندترینِ منابع جهان قلمداد میشود؟- در این یادداشت، به این پرسش پاسخ میدهم. «یک قرن پیش، ارزشــمندترینِ منابع جهــان، نفت بود؛ اما اکنون به جای نفت، Data ارزشــمندترین منبع جهان شده است. درنتیجه، پنج غول جهان سایبری: گوگل، آمازون، اپل، فیسبوک و مایکروسافت، ارزشــمندترینِ بنگاهها در جهان امروز هستند؛ چراکه سودهایشان سرسامآور زیاد است: آنها در مجموع، تنها در ســه ماهه اول ســال 2017 رویهمرفته 25میلیارد دلار آمریکا، سود خالص کسب کردند. البته نیمی از تمام دلارهایی که در این مدت در آمریکا بهصورت برخط خرج شد، به آمازون رسید. در سال گذشته نیز تقریبا تمام رشد درآمد در حوزه تبلیغات دیجیتالی، نصیب گوگل و فیسبوک شد.» آنچه در بالا آمد، خلاصه متن خبری است که بهتازگي در مجله اکونومیست منتشر شده است. )رجوع شود به: econ.st/ 2pL8XSq ) نکته حایز اهمیت در این خبر، فقط ســود 25 میلیارد دلاری کسبشده توسط پنج بنگاه ســایبری در عرض تنها سه ماه نیست؛ بلکه مهم این پرسش است: • اما چرا مقولهای به نام Data“،” ارزشمندترینِ منابع جهان قلمداد میشود؟ به این “چرا” نمیشــود ساده پاســخ داد و گفت: “خب، چون سود شــرکتهای مذکور بیش از سود شرکتهای نفتی شل، توتال، بی.پی، آرامکو و ... اســت”! - این پاســخ بســیار ساده است، زیرا ممکن است فردا ورق برگردد و سود این شرکتها مساوی آن شــرکتها شــود یا برعکس. برای این “چرا” باید پاســخی قانعکنندهتر داشته باشیم، پاســخی حتیالمقدور آکادمیک/علمی! پاســخی که جابهجایی پارادایم رخداده در حوزه کسبوکار را نشان دهد. بهعبارت دیگر: این Data“” چیست که ارزشمندترینِ منابع جهان شده است؟ جابهجایی پارادایمی جدید در حوزه ICT

برای پاســخ علمی دادن به پرســش مذکور باید از سه معنی تاکنونی Data (به شرح زیر( فراتر رفت، زیرا: • در معنی اول: Data“” از منظر دانشجویان حوزه ICT ، اجزای خام و پردازشنشــدهای هســتند، حاوی تعدادی “بیت” که از ترکیب قاعدهمند و بامعنی آنهــا، Information حاصل میشود. ولی بدیهی اســت که این معنی Data“” نمیتواند به چرای مــورد بحث ما پاســخ دهد، زیرا اجزایــی که خام و پردازشنشده هســتند هیچگاه نمیتوانند باارزشترین منبع جهان تلقی شوند. • در معنی دوم: Data“” همان اســت که معمولا در فرهنگ لغات زبان انگلیســی ذکر میشــود: “ریز آمار گردآوری شده بهمنظور بررسی آنها توســط تحلیلگر”. برای مثال، وقتی که به زبان انگلیســی میگویند: ‪there is very little data“‬

available ” منظور در دســترس نبودن آمار کافی است. اما به صرف “آمار بــودن،” Data“” نمیتواند باارزشترین منبع جهان باشد؛ و • در معنی سوم: Data“” در زبان علمی فیلسوفان و منطقیون انگلیسی، “مفروضات معلوم” و حقایقیاست که مبنای محاسبه واستنتاج قرار میگیرند. اما چیزی که مبنای محاسبه واستنتاج قرار میگیرد، نمیتواند با ارزشتر از محاسبه و استنتاجی باشد که روی آن انجام میشود. پس اینکه امروزه چرا Data“،” ارزشــمندترینِ منابع جهان تلقی میشود، از ســه معنی فوق حاصل و مشتق نمیشود. به عبارت دیگر: Data“” باید اخیرا معنی دیگری پیدا کرده باشد که این معنی چهارم ما را به پاسخ پرسشمان: «چرا مقولهای به نام Data“،” ارزشــمندترینِ منابع جهان قلمداد میشود؟» راهنمایی میکند. مقایسه علم فیزیک با علم رایانه

برای درک این معنی چهارم باید مفهومــی انتزاعی را در نظر داشت که در همه جستارهای علمی و فنی جدید مشترکاست. اگر فرایند توسعه علوم رایانهای جدید را با توسعه علم فیزیک مقایسه کنیم، الگو و رویکرد مشابهی را در هردو علم بازمییابیم: گذار از مفاهیم “کلان” به مفاهیم “خرد”! در مبحث فیزیک ما شاهد آن بودهایم که جستارهای آغازین، به نسبتهای میان اجرام آســمانی و کیهانی میپرداختند و چند قرن بعد به نســبتهای میان ذرات اتم معطوف، منجر و منتهی شدند. جســتارهای علمی و فنی مربوط به علوم رایانــهای هم روند مشابهی را پشت سر گذاشتهاند: این جستارها سه دهه پیش، از مناسبات شبکه و رایانه شروع شدند و بعد از دیجیتالیسازی عرصههای صنعت و اجتماع، امروزه روی حوزه و مفهوم انتزاعی Data“” متمرکز شدهاند. پس ، Data“” دیگر آن قالب ســاخته و پرداخته شده از 0 و 1 )“صفر” و “یک” منطقی( نیست، بلکه «اتم دانش دیجیتالی» نوین است. این معنی چهارم Data“” را میتوان با بررســی اصطلاحات جدیدی که با Data“” ســاخته و بیان میشــوند، دریافت و تصدیق کرد که طی ســه دهه اخیر، این جابهجایی پارادایم رخ داده است: • نخست از ICT‬ به ‪Computing [یا از “فاوا” به “رایانش”[ و سپس • از Computing‬ به ‪Data“” [یا از “رایانش” به “داده”[. عمدهترینِ این مفاهیم جدید که گذار اخیــر: از “رایانش” به “داده” ]یا از Computing‬ به ‪Data“]” را توجیه میکند، عبارتند از : • “بزرگداده” یا Bigdata که خود محصول “اینترنت دادهها”

IoD( ) است. در فارسی به این شبکه: “دادهنت” نیز میگویند. دادهنت، یکــی از زیرمجموعههای IoT یا “چیزنت” اســت و تولیدکننده “بزرگداده”. • مهمتر از بزرگداده، داده هوشمند یا ‪Smart data‬ است که از حذف نوفه )یا نویز( از بزرگداده، حاصل میشود. • از بــزرگداده و داده هوشــمند نیز مهمتر، “خــردداده” یا

‪Small data‬ است که دادههای هوشمند قابل تحلیل برای انسان است. • سپس، Datalogy‬ و science ‪Data مطرح می شوند که معادل “داده شناســی” و “علــم داده” هســتند. البته دو اصطــلاح Datalogy‬ و science ‪Data را پیتر نور

‪Peter Naur(‬ ) وضع کرده و چند ســال اســت که آنها عمدتا در دانشگاههای کشــورهای شمال اروپا )بهخصوص در دانمــارک و ســوئد( بهجــای رشــته “انفورماتیک” یا

‪Computer science‬ بهکار میروند. • اصطلاح جدید بعدی: ‪Data philosophy‬ یا فلسفه داده نام دارد که خود پس از فلســفه اطلاعات ‪Philosophy of(‬ Information منسوب به “لوســیانو فلوریدی”، فیلسوف ایتالیایی( به وجود آمده است. در فلسفه داده، Data بهعنوان پدیده مورد بحث قرار میگیرد؛ پدیدهای که به چهار نوع ظاهر میشود: ‪Data about something‬ ‪) e. g. a train •‬ ‪) timetable‬ ‪) Data as something ) e.g. DNA, or fingerprints •‬ ‪Data for something ) e. g. algorithms or •‬ ‪) instructions‬ ‪Data in something ) e. g. a pattern or a •‬

) constraint • در همین رابطــه، Data-ism که “دادهگرایی” یا فلســفه اصالت دادهها است نیز مطرح شده است. منظور از “دادهگرایی”، انقلابی اســت که در درک رفتار مشــتری و تصمیمسازی در مدیریت مناسبات مشــتری، به کمک واکاوش بزرگدادهها رخ داده است. این فهرست را میتوان با مفاهیم جدید دیگری که در همه آنها

Data نقش اصلی را ایفا میکند، غنی ساخت، مثل: • “داده همچون خدمت” یا DaaS (که مخفف اصطلاح Data ‪as a Service‬ و یکــی از انواع خدمــات XaaS‬ در ‪Cloud

‪Data Storage‬ است(، • دادههای تاریک ) یــا ‪Dark data‬ که بخــش عظیمی از بزرگداده است که ضبط و ذخیره میشــود، اما سراغی از آن گرفته نمیشود(. • دادههای روشن ‪Light data(‬ که برعکس دادههای تاریک، مورد اشراف و آگاهی است(، دادههای رفتاری Behavioral(

.) data • دادههــای شــناختی ‪Cognitive data(‬ ) کــه ماحصل “پردازش شناختی” است. • دادههای بافتاری ‪Contextual data(‬ ) که موقعیت یک فرد یا یک مطلب را بهگونهای “دربست”، “چکی” یا “فلهای” تعیین میکند، بدون آنکه به جزییات بیشــتر نیاز باشد. برای مثال: در فرمهای درخواست استخدام یا پذیرش دانشجو، داده مربوط به «نام کشــور تابعه»، یک “داده بافتاری” است که در گزینش یا رد “فلهای” متقاضی یا دانشــجو بهکار میروند. بر فرض اگر جلوی «نام کشور تابعه» در فرم مربوط نوشته شود: “کره شــمالی”، پردازش دیگری روی آن درخواســت، انجام نمیگیرد و به صرف آن، متقاضی رد میشود. • دادههای کثیف ‪Dirty data(‬ ) که وجود آنها در یک پایگاه دادهها، باعث بروز خطا در بهرهبرداری میشود. • “کسبوکارهای دادهپیشــران” معادل Data-Driven(

) Business • دادهپایی dataveillance( ) • دادهیابی ‪Data discovery(‬ که به دنبال یافتن و استخراج الگوهای با معنا در میان دادههای بزرگداده است(.

• دادهیابی هوشمند ‪Smart data discovery(‬ ) • و بسیاری دیگر... با همین چند اصطلاح جدید نیز میتوان حدس زد، چرا Data جای نفت را در اقتصاد نوین گرفته است: نفت، دادهای محدود و تمامشدنی ولی Data منبعی لایزال و نامحدود است!

Newspapers in Persian

Newspapers from Iran

© PressReader. All rights reserved.