ഇന്ത്യയുടെ ഡാറ്റാ സമ്പദ് വ്യവസ്ഥയുടെ മുന്നോട്ടുള്ള പാത

You are currently viewing ഇന്ത്യയുടെ ഡാറ്റാ സമ്പദ് വ്യവസ്ഥയുടെ മുന്നോട്ടുള്ള പാത

2006 ൽ ബ്രിട്ടീഷ് ഗണിതശാസ്ത്രജ്ഞനും ഡാറ്റാ പ്രേമിയുമായ ക്ലൈവ് ഹംബി ‘ഡാറ്റയാണ് പുതിയ എണ്ണ’ എന്ന് പറഞ്ഞപ്പോൾ, ഡാറ്റയെക്കുറിച്ചും എണ്ണയെക്കുറിച്ചും അദ്ദേഹം അലംഭാവം കാണിച്ചതിന് വിമർശിക്കപ്പെട്ടു. എന്നിരുന്നാലും, ഇന്നും, അദ്ദേഹത്തിന്റെ പരാമർശം ഡാറ്റാ സയൻസ് ഒത്തുചേരലുകളിലെ പ്രിയപ്പെട്ട ഉദ്ധരണികളിലൊന്നായി തുടരുന്നു.

ചില തരത്തിൽ, ‘ഡാറ്റാ ഇക്കോണമി’ എന്ന ആശയത്തിന് പിന്നിലെ പ്രചോദനമാണ് ഹംബിയുടെ നിരീക്ഷണം. വ്യാപകമായി പ്രചാരത്തിലുള്ള ‘ഡിജിറ്റൽ ഇക്കോണമി’ എന്ന പദത്തിൽ നിന്ന് വ്യത്യസ്തമായി, ഡാറ്റാ ഇക്കോണമി എന്ന ആശയം നന്നായി ചർച്ച ചെയ്യപ്പെടുന്നില്ല. വിശാലമായി പറഞ്ഞാൽ, ഡിജിറ്റൽ ചരക്കുകളുടെയും സേവനങ്ങളുടെയും ഉൽപാദനം, വിതരണം, ഉപഭോഗം എന്നിവ ഒരു ഡിജിറ്റൽ സമ്പദ്വ്യവസ്ഥയിൽ ഉൾപ്പെടുന്നു. മറുവശത്ത്, ഡാറ്റാ വിഭവങ്ങൾ സൃഷ്ടിക്കുകയും പ്രോസസ്സ് ചെയ്യുകയും ഇടപാട് നടത്തുകയും ഉപയോഗിക്കുകയും ചെയ്യുന്ന പ്രവർത്തനങ്ങളുടെ അടിസ്ഥാനത്തിൽ ഒരു ഡാറ്റാ സമ്പദ്വ്യവസ്ഥയെ ദൃശ്യവൽക്കരിക്കാൻ കഴിയും. 2006 മുതൽ, ഡാറ്റ പങ്കിടൽ, ഡാറ്റ എക്സ്ചേഞ്ച് പ്ലാറ്റ്ഫോമുകൾ ബില്യൺ ഡോളർ എന്റർപ്രൈസുകളായി ഉയർന്നുവന്നു.

ഡാറ്റാ ഫ്ലോ ഡൈനാമിക്

ഇന്ത്യയുടെ സമയം പരിശോധിച്ച, പൊതു ഡാറ്റാബേസുകൾക്ക് (ദേശീയ സാമ്പിൾ സർവേയുടെ ഉപഭോക്തൃ ഡാറ്റാ ബേസുകൾ ഉൾപ്പെടെ) ‘സമയ നിർദ്ദിഷ്ട’ എന്ന പരിമിതിയുണ്ട്. ഇ-കൊമേഴ് സ്, സ്ട്രീമിംഗ് പ്ലാറ്റ് ഫോമുകൾ പരിപാലിക്കുന്ന ഡാറ്റാ ബേസുകളുമായി ഇത് താരതമ്യപ്പെടുത്തുക. ഈ സ്ഥാപനങ്ങൾ വ്യക്തിഗത ഉപഭോക്തൃ തലത്തിൽ, തത്സമയ അടിസ്ഥാനത്തിൽ ഡാറ്റ ശേഖരിക്കുകയും സംഭരിക്കുകയും പ്രോസസ്സ് ചെയ്യുകയും ചെയ്യുന്നു. പുതിയ ഉൽപ്പന്നങ്ങളിലൂടെയും സേവനങ്ങളിലൂടെയും നൂതന ബിസിനസ്സ് അവസരങ്ങൾ സൃഷ്ടിക്കുന്നതിന് അവർ അവരുടെ ചലനാത്മക ഡാറ്റാസെറ്റുകൾ ഉപയോഗിക്കുന്നു.

ആശയപരമായി പറഞ്ഞാൽ, രാജ്യവ്യാപകമായി ഒരു ഡാറ്റാ സമ്പദ്വ്യവസ്ഥ ഉയർന്നുവരുന്നതിന്, തത്സമയ ഡാറ്റയുടെ ഉത്പാദനം, പ്രോസസ്സിംഗ്, വിശകലനം എന്നിവയെ ഉത്തേജിപ്പിക്കുന്ന ശക്തമായ ഒരു യന്ത്രം നിലനിൽക്കേണ്ടത് അത്യാവശ്യമാണ്. അങ്ങനെ സൃഷ്ടിച്ച ഡാറ്റാസെറ്റുകൾ സംഘടിത ഡാറ്റാ മാർക്കറ്റുകൾ വഴി വിവിധ വിഭാഗം ഉപയോക്താക്കൾക്ക് ലഭ്യമാക്കേണ്ടതുണ്ട്. സാമ്പത്തിക സാമ്പത്തിക ശാസ്ത്രജ്ഞനായ മാർക്ക് ഗാർമാൻ അത്തരം സംവിധാനങ്ങളെ ‘മൈക്രോ മാർക്കറ്റ് ഘടനകൾ’ എന്ന് പരാമർശിക്കുന്നു.

ബ്രൗസർ ട്രാക്കിംഗ് കുക്കികളുടെ പരസ്യദാതാക്കളുടെ ഉപയോഗം പരിമിതപ്പെടുത്തുന്ന പുതിയ സവിശേഷത പരീക്ഷിക്കാൻ ഗൂഗിൾ വായിക്കുക

ഇന്ത്യയുടെ ഡാറ്റാ സാഹചര്യം വൈരുദ്ധ്യങ്ങൾ നിറഞ്ഞതാണ്. ഒരു വശത്ത്, വർഷങ്ങളായി അപ്ഡേറ്റ് ചെയ്യാത്ത വലിയ പൊതു ഡാറ്റാബേസുകൾ നമുക്കുണ്ടെങ്കിലും, സ്പെക്ട്രത്തിന്റെ മറുവശത്ത്, പരിണാമത്തിൽ ഊർജ്ജസ്വലമായ ‘ഡാറ്റാ സമ്പദ്വ്യവസ്ഥ’യുടെ വ്യക്തമായ അടയാളങ്ങൾ ഞങ്ങൾ കാണുന്നു.

ഇന്ത്യയുടെ വികസിച്ചുവരുന്ന ഡാറ്റാ സമ്പദ് വ്യവസ്ഥ

ഡിജിറ്റല്വല്ക്കരണ രംഗത്തെ ഇന്ത്യയുടെ പുരോഗതി അതിന്റെ ഡാറ്റാ സമ്പദ്വ്യവസ്ഥയുടെ ആവിര്ഭാവത്തിനുള്ള വാതിലുകള് തുറന്നു. ആഗോള ഡാറ്റാ പ്ലാറ്റ്ഫോമായ സ്റ്റാറ്റിസ്റ്റയുടെ കണക്കനുസരിച്ച്, 2021 ൽ ഇന്ത്യയുടെ ഡിജിറ്റൽ വാങ്ങുന്നവരുടെ ജനസംഖ്യ 289 ദശലക്ഷമായിരുന്നു. ഇന്ത്യയുടെ ഇ-കൊമേഴ്സ് വിപണി 2030 ഓടെ 350 ബില്യൺ ഡോളറിലെത്തുമെന്ന് കണക്കാക്കപ്പെടുന്നു, ഇത് 2022 ൽ ഇ-കൊമേഴ്സ് വിപണി വലുപ്പത്തിന്റെ അഞ്ചിരട്ടിയാകും. യൂണിഫൈഡ് പേയ്മെന്റ് ഇന്റർഫേസിന്റെ (യുപിഐ) വിജയവും ഡിജിറ്റൽ ഇടപാടുകളിലെ തുടർന്നുള്ള വേഗതയും ഉപഭോക്തൃ ഇടപാട് ഡാറ്റയുടെ ദ്രുതഗതിയിലുള്ള വളർച്ചയ്ക്കുള്ള സാധ്യതകൾ തുറക്കുന്നു. അതേസമയം, ഓപ്പൺ നെറ്റ് വർക്ക് ഫോർ ഡിജിറ്റൽ കൊമേഴ് സിന്റെ (ഒഎൻഡിസി) വരവ് ഉപഭോക്തൃ മുൻഗണനകളെക്കുറിച്ചുള്ള ഡാറ്റയുടെ സമ്പന്നമായ സംഭരണിയുടെ ആവിർഭാവം വാഗ്ദാനം ചെയ്യുന്നു. ലോകത്തെ 13-ാമത്തെ വലിയ ഡാറ്റാ സെന്റർ വിപണിയാണ് ഇന്ത്യ എന്നതും ഈ സാഹചര്യത്തെ കൂടുതൽ ശക്തിപ്പെടുത്തുന്നു.

ഇന്ന്, ഇന്ത്യയുടെ വികസിച്ചുകൊണ്ടിരിക്കുന്ന ഡാറ്റാ ഇക്കോസിസ്റ്റത്തിൽ വൈവിധ്യമാർന്ന കളിക്കാർ പ്രവർത്തിക്കുന്നു. ഡാറ്റ നൽകുന്ന അവസാനത്തിൽ, ആമസോൺ, ഫ്ലിപ്കാർട്ട്, സ്വിഗ്ഗി മുതലായ വലിയ ഡാറ്റ ജനറേറ്റിംഗ് സ്ഥാപനങ്ങൾ വെബിൽ നിന്ന് ഡാറ്റ സ്ക്രാപ്പ് ചെയ്ത് ഘടനാപരമായ ഡാറ്റാ സെറ്റുകളാക്കി മാറ്റുന്ന ചെറിയ ഡാറ്റ നൽകുന്ന കമ്പനികളുമായി സഹകരിച്ച് പ്രവർത്തിക്കുന്നു.

വലിയ ഡാറ്റാ ദാതാക്കളിൽ നിന്ന് വിശകലനം ചെയ്ത ഡാറ്റ ഉറവിടമാക്കുന്ന കോർപ്പറേറ്റുകൾ മുതൽ ചെറുകിട ദാതാക്കളിൽ നിന്ന് അസംസ്കൃത അല്ലെങ്കിൽ അർദ്ധ പ്രോസസ് ചെയ്ത ഡാറ്റ വാങ്ങുകയും അവരുടെ ഉപഭോക്താക്കളുടെ നിർദ്ദിഷ്ട ആവശ്യങ്ങൾ നിറവേറ്റുന്നതിനായി സോഫ്റ്റ്വെയർ-ആസ്-എ-സർവീസ് (സാസ്) ഉപകരണങ്ങൾ ഉപയോഗിക്കുകയും ചെയ്യുന്ന എസ്എംഇകളും സ്റ്റാർട്ടപ്പുകളും വരെ ഇന്ത്യയിലെ ഡാറ്റാ ഉപയോക്താക്കളും വൈവിധ്യമാർന്നതാണ്.

എന്നിരുന്നാലും, ശക്തമായതും ആഭ്യന്തരമായി വളർത്തിയതുമായ ഡാറ്റാ ട്രേഡിംഗ് പ്ലാറ്റ്ഫോമുകളുടെ സാന്നിധ്യം ഇന്ത്യ ആസ്വദിക്കുന്നില്ല. ഡാറ്റയുമായി ബന്ധപ്പെട്ട മിക്ക ഇടപാടുകളും നിശ്ചിത വില അടിസ്ഥാനത്തിൽ ‘ഓവർ-ദി-കൗണ്ടർ’ നടത്തുന്നു. പല ചെറിയ ഡാറ്റാ ദാതാക്കൾക്കും ഡാറ്റാ അന്വേഷകരുടെ വിശാലമായ ശൃംഖല ആക്സസ് ചെയ്യാൻ കഴിയില്ല.

വെല്ലുവിളികളും സാധ്യതകളും

വരും വർഷങ്ങളിൽ ഇന്ത്യയുടെ ഡാറ്റാ സമ്പദ്വ്യവസ്ഥയുടെ വളർച്ചാ പാത ഞങ്ങൾ എത്ര വേഗത്തിൽ ഇന്റർനെറ്റ് കവറേജ് വർദ്ധിപ്പിക്കുന്നുവെന്നതിനെയും നമ്മുടെ വലിയ അസംഘടിത മേഖലയെ ഡാറ്റാ ഇക്കോണമി ഫോൾഡിലേക്ക് എത്ര വേഗത്തിൽ സംയോജിപ്പിക്കാൻ കഴിയുമെന്നതിനെയും ആശ്രയിച്ചിരിക്കുന്നു. ഡിജിറ്റൽ പേഴ്സണൽ ഡാറ്റ പ്രൊട്ടക്ഷൻ ആക്ട് 2023 വെബ്സൈറ്റുകളിൽ നിന്ന് ഡാറ്റ വേർതിരിച്ചെടുക്കുന്നത് നിരോധിക്കുന്നില്ല എന്നത് ശ്രദ്ധേയമാണ്. എന്നിരുന്നാലും, എളുപ്പത്തിൽ ആക്സസ് ചെയ്യാവുന്ന ട്രേഡിംഗ് പ്ലാറ്റ്ഫോമുകളുടെ അഭാവം പരിമിതമായ ബജറ്റുകളുള്ള ഗവേഷണ വികസന സ്ഥാപനങ്ങൾക്ക് മത്സര വിലയിൽ ഗുണനിലവാരമുള്ള ഡാറ്റാസെറ്റുകൾ ആക്സസ് ചെയ്യുന്നതിൽ ഗുരുതരമായ തടസ്സമായി പ്രവർത്തിക്കും. ഇന്ത്യ ഡാറ്റാ സെറ്റ്സ് പ്രോഗ്രാം (ഐഡിഎസ്പി) പൂർണ്ണമായും പ്രവർത്തനക്ഷമമാകുകയും വ്യക്തിഗതമല്ലാത്ത ഡാറ്റയുടെ ഒരു വലിയ ശേഖരം രാജ്യത്തെ പൊതു സ്ഥാപനങ്ങൾക്ക് ഉപയോഗിക്കാൻ തുറക്കുകയും ചെയ്താൽ സ്ഥിതി മാറിയേക്കാം.

കൂടുതൽ അടിസ്ഥാനപരമായ തലത്തിൽ, ഇന്ത്യ ഒരു പക്വതയുള്ള ഡാറ്റാ സമ്പദ്വ്യവസ്ഥയായി പരിവർത്തനം ചെയ്യുന്നതിന്, വലിയ ഡാറ്റാസെറ്റുകൾ പൊരുത്തപ്പെടുത്താൻ പ്രാപ്തമാക്കുന്ന ‘ഡാറ്റാ പ്രോസസ്സിംഗ് ഇൻഫ്രാസ്ട്രക്ചറിന്റെ’ സഹായത്തോടെ നമ്മുടെ ഉയർന്നുവരുന്ന ഡാറ്റാ സ്രോതസ്സുകൾ പരമാവധി ഉപയോഗപ്പെടുത്തേണ്ടത് അത്യാവശ്യമാണ്. ഉദാഹരണത്തിന്, ഡിജിറ്റൽ കൊമേഴ്സ് ഡാറ്റയ്ക്കുള്ള ഓപ്പൺ നെറ്റ് വർക്കിൽ (ഒഎൻഡിസി) നിന്ന് ഉയർന്നുവരുന്ന ഇടപാടുകളുമായി ബന്ധപ്പെട്ട ഡാറ്റ, എൻഎസ്എസ് ഉപഭോക്തൃ ചെലവ് ഡാറ്റാ സെറ്റുകളുമായി പൊരുത്തപ്പെടുകയാണെങ്കിൽ, വലിയ ചലനാത്മക ഉപഭോക്തൃ ഡാറ്റാ ബേസുകൾ സൃഷ്ടിക്കുന്നതിൽ വളരെയധികം സഹായിക്കും. എന്നിരുന്നാലും, ഇത് സംഭവിക്കുന്നതിന്, മെഷീൻ ലേണിംഗ്, ഡാറ്റാ ഇന്റഗ്രേഷൻ എന്നിവയിലെ നമ്മുടെ വൈദഗ്ധ്യം നന്നായി ഉപയോഗപ്പെടുത്തേണ്ടത് അത്യാവശ്യമാണ്.

ഈ രീതിയിൽ നോക്കുമ്പോൾ, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (എഐ) ഇന്ത്യയുടെ വികസിച്ചുകൊണ്ടിരിക്കുന്ന ഡാറ്റാ സമ്പദ്വ്യവസ്ഥയുടെ ഒരു മുൻ വ്യവസ്ഥയും അനന്തരഫലവുമാണ്.

Dr Bibin

Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision

Leave a Reply