എന്താണ് സ്പ്രിംഗ്‌ളർ കരാർ എന്നും, സാസ്
(software as a service) മോഡല്‍
എന്നാല്‍ എന്താണെന്നും, ഡാറ്റ
അനലിറ്റിക്സിലൂടെ അപഗ്രഥനങ്ങള്‍ (Insights) ലഭിക്കുന്നതും, അവ തീരുമാനങ്ങള്‍ എടുക്കാന്‍
സഹായിക്കുന്നതിനെ കുറിച്ചും,
ഡാറ്റ സംഭരണവും ഡാറ്റ പ്രൈവസിയും,
ഈ കരാറിലെ പ്രശ്നങ്ങളും അധികൃതര്‍
പാലിക്കേണ്ടിയിരുന്ന ചില നടപടിക്രമങ്ങളും, വലിയ അളവിലുള്ള വിവരങ്ങള്‍ വിശകലനം (Big Data Analysis)
ചെയ്യുന്നതില്‍ കേരളത്തിന്‍റെ അപര്യാപ്തത
എവിടെയാണെന്നും, നമ്മള്‍
പുരോഗതി കൈവരിക്കേണ്ട മേഖലയെ സംബന്ധിച്ചുമെല്ലാം എന്റെ ചിന്താഗതിയിലൂടെയും
അനുഭവങ്ങളിലൂടെയും ഉള്ള ഒരു
അവലോകനം.
എന്താണ് സ്പ്രിംഗ്‌ളർ കരാര്‍ ?
കോവിഡ് നിരീക്ഷണത്തിലുള്ളവരുടെ
വിവരങ്ങള്‍ ശേഖരിച്ച്,ശേഖരിച്ച ഡാറ്റ അനാലിസിസിനു വിധേയമാക്കി ഉപയോഗപ്രദമായ അപഗ്രഥനങ്ങള്‍ (Insights)
ഉണ്ടാക്കുക എന്നതാണ് കേരള സംസ്ഥാന സര്‍ക്കാര്‍
സ്പ്രിംഗ്‌ളർ എന്ന അമേരിക്കന്‍ കമ്പനിയുമായി ഒപ്പ് വെച്ചിട്ടുള്ള കരാര്‍.
ലോകം മുഴുവന്‍ കോവിഡ് 19 എന്ന മഹാമാരിയുടെ മുന്നില്‍
വിറങ്ങലിച്ചു നില്‍ക്കുകയാണ്. എന്‍റെയൊന്നും തലമുറ ദര്‍ശിച്ചിട്ടില്ലാത്ത
മഹാമാരിയുടെ ഒരു സാഹചര്യം. കേരളം
പോലെയുള്ള വളരെയധികം ജനസാന്ദ്രതയുള്ള ഒരു സംസ്ഥാനത്ത് ഈ മഹാമാരി
ഉണ്ടാക്കിയേക്കാവുന്ന പ്രത്യാഘാതങ്ങളെ കുറിച്ച് ദുരന്ത നിവാരണ അതോറിറ്റി
അധികാരികള്‍ക്ക് മുന്നറിയിപ്പ് നല്‍കുന്നു.
ഒരു ഘട്ടത്തില്‍ 80 ലക്ഷം പേര്‍ക്ക് പനി
ബാധിച്ചേക്കുമെന്ന് വരെ പ്രൊജക്ഷന്‍ വരുന്നു.ഈ ഒരു പ്രത്യേക സാഹചര്യത്തില്‍
നടപ്പിലാക്കേണ്ട പ്രക്രിയകളെ കുറിച്ച് തീരുമാനങ്ങളെടുക്കാന്‍ (Decision
Making) ഡാറ്റ
പ്രോസസ്സിങ്ങിലൂടെ ലഭിക്കുന്ന ഇത്തരം ഇന്‍സൈറ്റുകള്‍ സഹായിക്കുമെന്നതില്‍ സംശയമൊന്നുമില്ല..
ഒന്നിലധികം ഉറവിടങ്ങളില്‍ (Multiple
Data Sources) നിന്ന് ശേഖരിക്കുന്ന
ഘടനാപരമായി ക്രോഡീകരിചിട്ടില്ലാത്ത ഡാറ്റ (Unstructured Data) ഉപയോഗിച്ച് നമുക്കാവശ്യമായ രീതിയിലുള്ള
അപഗ്രഥനങ്ങള്‍ നല്‍കണമെങ്കില്‍ ഒരു ഡാറ്റ അനലിറ്റിക്സ് സോഫ്റ്റ്‌വെയര്‍ ടൂള്‍
കൂടിയേ തീരൂ.
വളരെ പരിമിതമായ ഒരു സമയത്തേക്ക്
ഇങ്ങനെ വിവിധ ഫോര്‍മാറ്റിലുള്ള ഡാറ്റ
വിശകലനം ചെയ്ത് ഒരു പരിഹാരം ലഭ്യമാവേണ്ടത് കൊണ്ടാവാം സാസ് (SaaS) (Software
As A Service) മോഡല്‍ സര്‍ക്കാര്‍
സ്വീകരിച്ചിട്ടുണ്ടാവുക.
എന്താണ് സാസ് മോഡല്‍ (SaaS) (Software As A Service) ?
ഉപയോഗിക്കാന്‍ തയ്യാറായി നില്‍ക്കുന്നതും, വളരെ എളുപ്പത്തില്‍ വിന്യസിക്കാന്‍ കഴിയുന്നതുമായ ഒരു സോഫ്റ്റ്‌വെയര്‍ സേവന രീതിയാണ് സാസ് അഥവാ സോഫ്റ്റ്‌വെയര്‍ എസ് എ സര്‍വീസ്.
ഒരു തേര്‍ഡ് പാര്‍ട്ടി സോഫ്റ്റ്‌വെയര്‍
ദാതാവ് (ഇവിടെ അത് സ്പ്രിംഗ്‌ളർ) വിവിധ മേഖലകളിലേക്ക് ഉപയോഗിക്കാന്‍ കഴിയുന്ന വിധം
അവര്‍ തയ്യാറാക്കിയിട്ടുള്ള അപ്ലിക്കേഷനുകള്‍ ഹോസ്റ്റ് ചെയ്യുകയും ഇന്റര്‍നെറ്റ്‌
വഴി ഉപയോക്താക്കള്‍ക്ക് ലഭ്യമാക്കുകയും ചെയ്യുന്ന ഒരു സോഫ്റ്റ്‌വെയര്‍ വിതരണ
മോഡലാണ് സാസ് (SaaS).
ക്ലൗഡ് കമ്പ്യുട്ടിംഗ് (Cloud Computing) എന്ന നൂതന സംവിധാനത്തിന്‍റെ വളര്‍ന്നു വരുന്ന ശാഖയാണ്‌ സാസ് (SaaS).
നമ്മുടെ ആവശ്യത്തിനനുസരിച്ച് മുഴുവനായോ ഭാഗികമായോ ഈ സൊലൂഷന്‍
നിശ്ചിത കാലയളവിലേക്ക് ഉപയോഗിക്കാന്‍ കഴിയുമെന്നത് തന്നെയാണ് ഇത്തരം മോഡലുകളുടെ
പ്രത്യേകത. നമുക്ക് ആവശ്യമുള്ള പരിമിതമായ സമയത്തേക്ക് സബ്സ്ക്രിപ്ഷന്‍ ചെയ്ത്
സേവനം ലഭ്യമാക്കാന്‍ കഴിയും.
ഇന്‍ഫ്രസ്ട്രക്ച്ചര്‍ എസ് എ സര്‍വീസ് (IaaS), പ്ലാറ്റ്ഫോം എസ് എ സര്‍വീസ് (PaaS) എന്നിവയാണ് ക്ലൗഡ് കമ്പ്യുട്ടിംഗിലെ
മറ്റു രണ്ട് തരം സേവനങ്ങള്‍.
ഇന്‍ഫ്രസ്ട്രക്ച്ചര്‍ എസ് എ സര്‍വീസ് (IaaS) എന്ന മോഡലില്‍ സെര്‍വര്‍ സ്പേസ് മാത്രമാണ്
ലഭ്യമാവുക. സാങ്കേതികമായി പറഞ്ഞാല്‍
ഇത്തരം സേവന രീതിയില്‍ ഡാറ്റ സ്റ്റോര്‍ ചെയ്യാനുള്ള ഒരു സ്ഥലവും അതിനാവശ്യമായ CPU, RAM, ഡിസ്ക്, വെര്‍ച്ചുവല്‍ ഫയര്‍വാള്‍, നെറ്റ്‌വര്‍ക്ക് എന്നിവ
സേവന ദാതാക്കള്‍ നല്‍കും.
പ്ലാറ്റ്ഫോം എസ് എ സര്‍വീസ് (PaaS) ആദ്യം
പറഞ്ഞ IAAS മോഡല്‍ നു സമാനമാണ്. സെര്‍വര്‍, ഓപറേറ്റിംഗ് സിസ്റ്റം, ഡാറ്റ സംഭരണം, നെറ്റ് വര്‍ക്കിംഗ് കൂടാതെ ഡാറ്റബേസ് മാനേജ്മെന്റും, ഡവലപ്മെന്റ് ടൂള്‍സും ലഭ്യമാണ്.
മേല്‍പറഞ്ഞ രണ്ട് ക്ലൗഡ് സേവന മോഡലുകളിലും സോഫ്റ്റ്‌വെയര്‍
അപ്ലിക്കേഷന്‍ നല്‍കുകയില്ല. അതേസമയം സാസ് (SaaS)
മോഡലില്‍ ഇവയെല്ലാം ഉണ്ട്. നമുക്ക് ആവശ്യമായ സോഫ്റ്റ്‌വെയര്‍ സംവിധാനവും ഈ സേവന
രീതിയില്‍ സജ്ജീകരിചിട്ടുണ്ടാകും.
ഇനി കേരള സര്‍ക്കാറിന് മുന്നിലുണ്ടായിരുന്ന ആവശ്യങ്ങള്‍ എന്തൊക്കെയായിരുന്നു
എന്നും അത്
സാസ് മോഡല്‍ സോഫ്റ്റ്‌വെയര്‍ സേവന രീതിക്ക് അനുയോജ്യമായിരുന്നോ എന്നും നോക്കാം…
വിവിധ സ്രോതസ്സുകളിലൂടെ വരുന്ന
വിവരങ്ങള്‍ അധികൃതരെ സംബന്ധിച്ച് ഒരു വെല്ലുവിളിയായിരുന്നു. അവ വാട്സ് ആപ്പ് , ഫേസ്ബുക്ക് പോലെയുള്ള
മീഡിയകളിലൂടെ വരുന്ന
ഒരു നിശ്ചിത ഫോര്‍മാറ്റിലല്ലാത്ത ഡാറ്റ, എയര്‍പോര്‍ട്ട് വഴി വിദേശത്ത് നിന്ന്
വരുന്നവരുടെ യാത്രാ സംബന്ധമായി ബ്യൂറോ ഓഫ് എമിഗ്രേഷന്‍ നല്‍കുന്ന കുറച്ചുകൂടി
ഘടനാപരമായിട്ടുള്ള വിവരങ്ങള്‍,
ആരോഗ്യ പ്രവര്‍ത്തകര്‍ തദ്ദേശ
സ്ഥാപനങ്ങളിലൂടെ നല്‍കുന്ന വിവരങ്ങള്‍, ഹോം ഐസൊലേഷനില്‍ കഴിയുന്നവരുടെ വീട്ടില്‍ പോയി
രോഗലക്ഷണങ്ങളുണ്ടോ എന്ന് ദിനംപ്രതി പരിശോധിച്ചതിന്‍റെ ഡാറ്റ, അങ്ങനെ ഒന്നിലധികം സ്രോതസ്സുകളില്‍
നിന്നും വിവരങ്ങള്‍ വരുന്നു. ഇത്തരം അണ്‍സ്ട്രക്ചേര്‍ഡായിട്ടുള്ള ഡാറ്റയെ
ഘടനാപരമായി ക്രോഡീകരിച്ച് വിശകലനം ചെയ്ത് പ്രവര്‍ത്തനക്ഷമമായ അപഗ്രഥനങ്ങള്‍ (Actionable
Insights) ഉണ്ടാക്കിയെടുക്കുക
എന്നതായിരുന്നു കേരളസര്‍ക്കാരിന്റെ ലക്ഷ്യം.
രോഗമുള്ളവര്‍, ലക്ഷണങ്ങള്‍ മാത്രമുള്ളവര്‍, വിദേശരാജ്യങ്ങളില്‍ നിന്ന് വന്നവര്‍, ഇന്ത്യയിലെ മറ്റു സംസ്ഥാനങ്ങളില്‍
നിന്നെത്തിയവര്‍, കൊറോണ
പോസിറ്റീവായ രോഗികളുമായി സമ്പര്‍ക്കം പുലര്‍ത്തിയവര്‍, സെക്കണ്ടറി കോണ്ടാക്റ്റ് ഉള്ളവര്‍,
ഒരു ലക്ഷണവും കാണിക്കാതെ തന്നെ
പോസിറ്റീവായവര്‍, രോഗികളുടെ
കുടുംബാംഗങ്ങള്‍, ആരോഗ്യ
പ്രവര്‍ത്തകര്‍ തുടങ്ങി ലക്ഷക്കണക്കിന്‌ പേരുടെ വിവരങ്ങള്‍.
പക്ഷെ ഇങ്ങനെ ശേഖരിക്കപ്പെട്ടിട്ടുള്ള
ഡാറ്റ മാന്വലായി ഒരു ഫയലില്‍ സൂക്ഷിച്ചിട്ടെന്തു കാര്യം ? ഇവിടെയാണ്‌ ബിഗ്‌ ഡാറ്റ അനാലിസിസ്
ടൂളുകളുടെ സഹായം വേണ്ടത്.
എവിടെയൊക്കെയാണ് ഹോട്സ്പോട്ടുകള്‍, എവിടെയൊക്കെ രോഗികളെന്നു
സംശയിക്കുന്നവര്‍ ഉണ്ട്, ഏതൊക്കെ
മേഖല പൂര്‍ണ്ണമായി അടച്ചു പൂട്ടണം, സമ്പര്‍ക്കം
മൂലം രോഗപ്പകര്‍ച്ച ഉണ്ടായതിന്‍റെ തോത് എത്രയാണ്, ഏതു അവസ്ഥയിലുള്ള ആരോഗ്യസ്ഥിതി ഉള്ളവര്‍ക്കാണ്
കൊറോണ ഏറ്റവും കൂടുതല്‍ പ്രശ്നമാകുന്നത്, ഏതൊക്കെ പ്രായപരിധിയിലുള്ളവര്‍ക്കാണ് മുന്‍ഗണന കൊടുക്കേണ്ടത്
തുടങ്ങി ധാരാളം ഇന്‍സൈറ്റുകള്‍ നല്‍കാന്‍ ശേഷിയുള്ള സോഫ്റ്റ്‌വെയര്‍
അത്യാവശ്യമായിരുന്നു.
ഡാറ്റ അനലിറ്റിക്സ് & ഇന്‍സൈറ്റ്സ്
ചുരുക്കത്തില്‍ നമ്മള്‍ ശേഖരിക്കുന്ന
വിവരങ്ങളാണ് ഡാറ്റ. ഇത്തരം ഡാറ്റ വിശകലനം ചെയ്ത് ലഭിക്കുന്ന അര്‍ത്ഥവത്തായ
അപഗ്രഥനങ്ങളാണ് ഇന്‍സൈറ്റ്സ്.
വിവിധ സ്രോതസ്സുകള്‍, വിവിധ ഫോര്‍മാറ്റുകള്‍ അങ്ങനെ ദിനംപ്രതി
ശേഖരിക്കപ്പെടുന്ന ഡാറ്റ. സാധാരണയായി വലിയ കമ്പനികളില്‍ ഡാറ്റ അനാലിസിസ് നടത്താനും
റിപ്പോര്‍ട്ടുകളും, ഇന്‍സൈറ്റുകളും
നല്‍കാനുമൊക്കെ ബിസിനസ്‌ ഇന്റലിജന്‍സ് ടൂളുകള്‍ ഉണ്ടാകും. അവ കാലാനുസൃതമായി
നവീകരിക്കുകയും ചെയ്യും.
എന്റെ കമ്പനിയില്‍ ഏകദേശം 10 TB
യോളം വരുന്ന ഡാറ്റബേസ് ആണുള്ളത്.
റീട്ടയില്‍ ഹൈപര്‍മാര്‍ക്കറ്റുകളും,
കണ്‍സ്യുമര്‍ ഇലക്ട്രോണിക്സ് ശ്രേണിയിലെ
സ്വന്തം ബ്രാന്റുകളുടെ ഹോള്‍സയില്‍ വിതരണവുമാണ് പന്ത്രണ്ടായിരത്തോളം തൊഴിലാളികള്‍
ജോലി ചെയ്യുന്ന ഈ സ്ഥാപനത്തിന്‍റെ ബിസിനസ്‌ ലൈന്‍.
പന്ത്രണ്ട് ലക്ഷത്തോളം കസ്റ്റമേഴ്സിന്‍റെ
ലോയല്‍റ്റി ഡാറ്റ, ഹൈപ്പര്‍മാര്‍ക്കറ്റുകളില്‍
കസ്റ്റമേഴ്സ് നടത്തുന്ന ഇടപാടിന്‍റെയൊക്കെ ലൈന്‍ ബൈ ലൈന്‍ ഡാറ്റ (Data from
POS System ), ERP യിലൂടെ വരുന്ന ദിനം
പ്രതി അധികരിച്ച് വരുന്ന ഡാറ്റ, മൊബൈല്‍
അപ്ലിക്കേഷന്‍ വഴി വരുന്ന വിവരങ്ങള്‍, സപ്ലൈ ചെയിന്‍ ഡാറ്റ, ഇ കൊമേഴ്സ്‌ സിസ്റ്റം
വഴി വരുന്ന ഡാറ്റ - ഇവയൊക്കെ ഞങ്ങളുടെ സ്വന്തം ഡാറ്റ സെന്‍ററിലെ സെര്‍വറുകളില്‍
സ്റ്റോര്‍ ചെയ്യപ്പെടുന്നു.
അങ്ങനെ മള്‍ട്ടിപ്പിള്‍ സിസ്റ്റങ്ങളില്‍
നിന്നും വരുന്ന വിവിധ ഫോര്‍മാറ്റുകളിലുള്ള വിവരങ്ങളെ ക്രോഡീകരിച്ച് ഒരു ഡാറ്റ വേര്‍ഹൗസ്
(Data Warehouse) ഞങ്ങള്‍
നിര്‍മ്മിച്ചിട്ടുണ്ട്. അത്യാധുനിക ടെക്നോളജിയായ എസ്.എ.പി. ബി.ഡബ്ല്യു ഓണ്‍ ഹന (SAP
BW on HANA) എന്ന ഇന്‍ മെമ്മറി
കമ്പ്യുട്ടിംഗ് ആണ് ഇതിനു വേണ്ടി ഉപയോഗിച്ചിരിക്കുന്നത്.
ഈ ഡാറ്റ വേര്‍ഹൗസിലെ
ക്രോഡീകരിക്കപ്പെട്ട വിവരങ്ങള്‍ക്ക് മീതെ ഏതു റിപ്പോര്‍ട്ടും, ഇന്‍സൈറ്റ്സും നമുക്ക് ഉണ്ടാക്കാനായി
സാധിക്കും. അതിനായി അനാലിസിസ് ഓഫീസ്, ഫിയോറി അനലിറ്റിക്സ് എന്നീ ടൂളുകള്‍
ഉപയോഗിക്കുന്നു. ഇത്തരം ധാരാളം ടൂളുകള്‍ ഇന്ന്
പ്രാബല്യത്തിലുണ്ട്. മൈക്രോസ്ട്രാറ്റജി, ടാബ്ലു ( Tableau) എന്നിവ വളരെയധികം പ്രചാരത്തിലുള്ളവയാണ്.
ഇന്ത്യയില്‍ രാജസ്ഥാന്‍ സംസ്ഥാന സര്‍ക്കാര്‍
അവരുടെ ഐ.ടി ഡിപ്പാര്‍ട്മെന്റിന്റെ സഹായത്തോടെ ഒരു ഡാറ്റ ലേക്ക് (DATA
LAKE) നിര്‍മ്മിക്കുകയും Tableau
ടൂള്‍ ഉപയോഗിച്ച് വളരെ വലിയ തോതിലുള്ള
വിവരങ്ങള്‍ വിശകലനം ചെയ്ത് ഇന്‍സൈറ്റുകളുടെ ഡാഷ്ബോര്‍ഡ് തന്നെ ഉണ്ടാക്കുന്നു. ഇത്
പോലെയുള്ള നൂതന സംരംഭങ്ങള്‍ മറ്റു സംസ്ഥാനങ്ങള്‍ക്കും മാതൃകയാക്കാവുന്നതാണ്.
ഐ.ടി യിലെ അതിവേഗം വളര്‍ന്നു
കൊണ്ടിരിക്കുന്ന ഒരു മേഖലയാണ് ഡാറ്റ സയന്‍സ്. ഇന്ന് ലോകത്തെ ഒട്ടുമിക്ക
യൂണിവേഴ്സിറ്റികളും നിര്‍മ്മിത ബുദ്ധി യും (Artificial Intelligence - AI),
ഡാറ്റ സയന്‍സും, മെഷീന്‍ ലേര്‍ണിങ്ങുമൊക്കെ ഉപയോഗിച്ച്
എങ്ങനെ ഇന്‍സൈറ്റുകള്‍ ഉണ്ടാക്കാമെന്നും, വിവിധ അല്‍ഗോരിതങ്ങളുടെ സഹായത്തോടെ ഡാറ്റ വിശകലനം ചെയ്ത് വരാനിരിക്കുന്ന
കാര്യങ്ങള്‍ പ്രവചിക്കാനുമൊക്കെ പഠിപ്പിക്കുന്നുണ്ട്.
ഡാറ്റ സംഭരണം
(Data Storage)
സാധാരണ ഗതിയില്‍ വലിയ അളവില്‍ ശേഖരിച്ചിട്ടുള്ള
ഡാറ്റ സംഭരണം ഒരു ഡാറ്റ സെന്‍ററിലാണ് ചെയ്യുക. ഡാറ്റ ശേഖരണവും, സംഭരണവും, പ്രോസസ്സ് ചെയ്യലും, വിതരണവും, ഉപയോഗിക്കാനുള്ള ആക്സസ് ഉള്‍പ്പടെയുള്ള
കാര്യങ്ങളാണ് ഇത്തരം ഡാറ്റ സെന്‍ററുകളില്‍ നടക്കുന്നത്. ഇത്തരം കേന്ദ്രീകൃത
സ്ഥലങ്ങളില്‍ പവര്‍ഫുള്ളായിട്ടുള്ള കമ്പ്യുട്ടിംഗ്, നെറ്റ് വര്‍ക്കിംഗ് ഉപകരണങ്ങള്‍
ആവശ്യമാണ്‌. അത് കൊണ്ട് തന്നെ സ്വന്തമായി ഡാറ്റ സെന്‍ററുകള്‍ നിര്‍മ്മിക്കുകയും,
പരിപാലിക്കുകയും ചെയ്യുക എന്നത്
ചിലവേറിയ ആശയമാണ്.
ക്ലൗഡ്
& ഓണ്‍ പ്രിമൈസ് ഡാറ്റ സംഭരണം (Cloud
& On Premise Storage)
വലിയ രീതിയിലുള്ള ഡാറ്റ സംഭരണം പ്രധാനമായും രണ്ട് രീതിയിലാണ്
ചെയ്യാറുള്ളത്.
1) ഓണ്‍ പ്രിമൈസ്
ഒരു കമ്പനിയുടെ ഹെഡ്ക്വാര്‍ട്ടേഴ്സിലോ
മറ്റോ പ്രാദേശികമായി വിന്യസിച്ചിട്ടുള്ള സെര്‍വറുകളില്‍ ഡാറ്റ സ്റ്റോര്‍ ചെയ്യുന്ന
രീതിയാണ് ഓണ്‍ പ്രിമൈസ് സംവിധാനം. വലിയ അളവിലുള്ള വിവരങ്ങള്‍ ഇത്തരത്തില്‍
സംഭരിക്കാന്‍ പ്രാദേശിക ഡാറ്റ സെന്‍റര്‍ നിര്‍മ്മിക്കേണ്ടതുണ്ട്. ഇതിനു മികച്ച ഇന്‍ഫ്രാസ്ട്രക്ച്ചര്‍
തന്നെ ഒരുക്കണം. നല്ല നെറ്റ്‌വര്‍ക്ക് കണക്ടിവിറ്റിയും, ഫയര്‍വാളും, മറ്റു സുരക്ഷാ പ്രോട്ടോക്കോളും
അത്യാവശ്യമാണ്. ഇത് പരിപാലിച്ചു കൊണ്ട് പോകുക എന്നത് താരതമ്യേന ചിലവേറിയതാണ്.
2) ക്ലൗഡ്
ക്ലൗഡ് സ്റ്റോര്‍ എന്നത് ഒരു സേവന മോഡലാണ്. ഇതില്‍ ഡാറ്റ ട്രാന്‍സ്മിറ്റ് ചെയ്യുകയും, വിദൂര സെര്‍വറുകളില്‍ സംഭരിക്കുകയും ചെയ്യുന്നു. ഇന്‍റര്‍നെറ്റിലൂടെ പ്രത്യേകമായ ആക്സസ് നല്‍കി ഉപയോക്താക്കള്‍ക്ക് ലഭ്യമാക്കുന്ന രീതിയാണ് ഇതില്‍ അവലംഭിക്കുന്നത്. ഈ രീതിയില്‍ ഡാറ്റ സ്റ്റോര്‍ ചെയ്യുന്നതിനും ഉപഭോഗം നടത്തുന്നതിനും പ്രതിമാസ നിരക്കില്‍ ക്ലൗഡ് സേവനം നല്‍കുന്ന കമ്പനിക്ക് നാം പണം അടക്കുന്നു.
ആമസോണ്‍ വെബ്‌ സര്‍വീസ് (AWS), മൈക്രോസോഫ്റ്റ് അസ്സൂര്‍ (AZURE)
ഇന്ന് ഏറ്റവും പ്രചാരത്തിലുള്ള ക്ലൗഡ്
സേവന ദാതാക്കള്‍.
സ്പ്രിംഗ്‌ളർ കമ്പനി കേരളത്തിലെ കോവിഡ് രോഗികളുടെ വിവരങ്ങള്‍
മുംബൈയിലുള്ള ആമസോണ്‍ വെബ്‌ സര്വീസിന്റെ സെര്‍വറിലാണ് സ്റ്റോര്‍
ചെയ്തിട്ടുള്ളത്. ആമസോണ്‍ വെബ്‌ സര്‍വീസ് എല്ലാവര്‍ക്കും സുപരിചിതവും വിശ്വാസ
യോഗ്യവുമായ ക്ലൗഡ് സേവന ദാതാക്കളാണ്.
ഡാറ്റ പ്രൈവസി (വിവരങ്ങളുടെ സ്വകാര്യത )
ലോകത്ത് ഇന്ന് പ്രചാരത്തിലുള്ളവയില്‍
ഏറ്റവും വലിയ ക്ലൗഡ് സേവന ദാതാക്കളായ ആമസോണ്‍ വെബ്‌ സര്വീസിന്റെ വിവിധ സേവനങ്ങള്‍
ഉപയോഗിച്ചാണ് സ്പ്രിംഗ്‌ളർ തങ്ങളുടെ അപ്ലിക്കേഷന്‍ റണ്‍ ചെയ്യുന്നതും അതിനാവശ്യമായ
ഡാറ്റ സൂക്ഷിക്കുന്നതും.
എ.ഡബ്ല്യു.എസ് ന്‍റെ പ്രോട്ടോക്കോള്‍ എല്ലാം സുതാര്യമാണ്.
വ്യക്തമായ ലോഗ് സംവിധാനം സൂക്ഷിക്കുന്നതിലൂടെ നൂറു ശതമാനം ട്രാന്‍സ്പരന്‍സി
നിലനിര്‍ത്തുന്നു. ഇത്തരത്തില്‍ അപ്ലോഡ് ചെയ്യപ്പെടുന്ന ഡാറ്റയ്ക്ക് വ്യക്തമായ
കണക്കുണ്ടാകും. അവ ആരൊക്കെ ഉപയോഗിക്കണമെന്നും, ആര്‍ക്കൊക്കെ കാണാമെന്നും, ആര്‍ക്കൊക്കെ മാറ്റങ്ങള്‍ (Delete.
Edit) വരുത്താമെന്നുമൊക്കെ
വ്യക്തമായി സെറ്റ് ചെയ്യാന്‍ കഴിയും.
എല്ലാവരും തെറ്റിദ്ധരിക്കുന്ന ഒന്നാണ്
ക്ലൗഡ് സ്പേസില്‍ സ്റ്റോര്‍ ചെയ്യുന്ന ഡാറ്റ മറിച്ചു വില്‍ക്കപ്പെടും അല്ലെങ്കില്‍
മാറ്റാരെങ്കിലും കാണുമെന്നൊക്കെ. പക്ഷെ ഇത് തീര്‍ത്തും തെറ്റാണ്. ആര് എപ്പോള്‍
എന്ത് ചെയ്താലും കൃത്യമായ ലോഗ് ലഭ്യമാണ്.
സാസ് (SaaS)
മോഡല്‍
പൊതുമേഖല സ്ഥാപനങ്ങള്‍ക്ക് അഭികാമ്യമാണോ?
നമുക്ക് സ്പ്രിംഗ്‌ളർ കരാറിലേക്ക് വരാം. മുംബൈയിലെ ആമസോണ്‍
ക്ലൗഡിന്‍റെ സെര്‍വറില്‍ ഡാറ്റ സംഭരണം നടത്തിയത് കൊണ്ട് കോവിഡ് രോഗികളുടെ മുഴുവന്‍
വിവരങ്ങളും ചോര്‍ന്നു എന്ന് പറയാനാവില്ല. മറിച്ച് വിവരങ്ങളുടെ സ്വകാര്യതയെ
കുറിച്ച് ചര്‍ച്ച ചെയ്യുമ്പോള്‍ ശ്രദ്ധേയമായ ഒരു വസ്തുത നാം പരിശോധിക്കേണ്ടതുണ്ട്.
സാസ് (SaaS) മോഡല്‍ പൊതുമേഖല
സ്ഥാപനങ്ങള്‍ക്ക് അഭികാമ്യമാണോ എന്ന്.
"അഭികാമ്യമല്ല" എന്ന് ഞാന്‍ പറയും.
ഒരു പ്രൈവറ്റ് ഏജന്‍സി ഡാറ്റ പ്രോസസ്സ്
ചെയ്യുന്ന രീതി സര്‍ക്കാര്‍ സ്ഥാപനങ്ങള്‍ക്ക് അനുയോജ്യമല്ല. സ്വന്തമായി അതിനൂതന
ഡാറ്റ സെന്‍റര്‍ നിര്‍മ്മിക്കുന്നതിലെ ചിലവും കാലതാമസവും കണക്കിലെടുത്ത്
ക്ലൗഡ് സ്പേസില്‍ വിവരങ്ങള്‍
സൂക്ഷിക്കുന്നതില്‍ പ്രശ്നമില്ല. സാസ് (SaaS) അപ്ലിക്കേഷനുകളുടെ ഡാറ്റബേസ് ക്ലൗഡ്
സംഭരണ രീതിക്ക് അനുയോജ്യമായ രീതിയിലാണ് രൂപകല്‍പന ചെയ്യാറുള്ളത്. എങ്കിലും ധാരാളം
ഡാറ്റ പ്രോസസ്സിങ്ങുകളും, വിശകലനങ്ങളും
നടന്നതിനു ശേഷം മാത്രമേ കൃത്യമായ ഇന്‍സൈറ്റുകള്‍ ലഭിക്കുകയുള്ളൂ. അതിനൂതനമായ നിര്‍മ്മിതബുദ്ധി
(Artificial Intelligence (AI)) അല്‍ഗോരിതങ്ങളും,
അത്യാധുനിക സാങ്കേതിക വിദ്യകളും
ഉപയോഗിച്ചാണ് ഇത്തരം തേര്‍ഡ് പാര്‍ട്ടി അപ്ലിക്കേഷനുകള്‍ പ്രവര്‍ത്തിക്കുന്നത്.
ഇത് പോലെയുള്ള സോഫ്റ്റ്‌വെയറുകള്‍ക്ക് പിന്നില്‍ വലിയ തോതിലുള്ള റിസര്‍ച്ച് &
ഡവലപ്മെന്റ് ആവശ്യമാണ്‌.
കേരള സര്‍ക്കാര്‍ ഇത്തരത്തിലൊരു കരാറില്‍ ഒപ്പിടുന്നതിനു
മുമ്പ് വിവരങ്ങളുടെ കാര്യത്തില്‍ വ്യക്തമായ എന്‍.ഡി.എ (Non Disclosure Agreement)
ഒപ്പ് വെക്കണമായിരുന്നു. വിവാദമായ ശേഷം
ചെയ്യേണ്ട ഒന്നല്ല ഇത്. സാസ് (SaaS) മോഡലില്‍ പര്‍ച്ചേസ് ഓര്‍ഡര്‍ മാത്രം മതിയെന്ന അധികൃതരുടെ
വാദത്തോട് യോജിപ്പില്ല.
എന്റെ കമ്പനിയില്‍ സാസ് (SaaS) മോഡലില്‍ ഒരു കസ്റ്റമര്‍ എക്സ്പീരിയന്‍സ്
മാനേജ്‌മന്റ്‌ സോഫ്റ്റ്‌വെയര്‍ പരിമിതമായ സമയത്തേക്ക് ഉപാധികളോടെ ട്രയല്‍ റണ്‍ ( Proof
Of Concept (POC)) നടത്തിയിരുന്നു. ഈ
ഒരു കരാറില്‍ ഒപ്പിടുന്നതിനു മുമ്പ് ഞങ്ങള്‍ മുന്നോട്ട് വെച്ച നിബന്ധന പ്രകാരം
അവര്‍ എന്‍.ഡി.എ ഡോക്കുമെന്റില്‍ ഒപ്പ് വെച്ചു. വളരെ പരിമിതമായതും, മാസ്ക് ചെയ്തതുമായ ഡാറ്റയാണ് അന്ന് അവര്‍ക്ക് നല്‍കിയത്.
എന്നിട്ട് പോലും നോണ്‍ ഡിസ്ക്ലോഷര്‍ അഗ്രീമെന്റ് ഒപ്പ് വെച്ചു.
നമ്മള്‍ പുരോഗതി കൈവരിക്കേണ്ടത് എവിടെയാണ് ?
വലിയ തോതിലുള്ള ഡാറ്റ കൈകാര്യം
ചെയ്യേണ്ട സാഹചര്യങ്ങളിലൂടെ തുടര്‍ച്ചയായി കടന്ന്പോയിക്കൊണ്ടിരിക്കുന്ന ഒരു
സംസ്ഥാനമാണ് കേരളം . നിപ്പ വൈറസിന്‍റെ പ്രശ്നങ്ങള്‍, രണ്ട് പ്രളയങ്ങള്‍ വന്നു,ആ സാഹചര്യങ്ങളിലെല്ലാം ഏറെക്കുറെ സമാനമായ ഡാറ്റ ഫ്ലോ പ്രോസസ്സ്
ചെയ്യേണ്ടതായി വന്നു. അത് കൊണ്ട് തന്നെ നിര്‍മ്മിത ബുദ്ധി പോലെയുള്ള നൂതന സാങ്കേതിക വിദ്യ (Cutting
Edge Technology) ഉപയോഗിച്ച്
കാര്യങ്ങള്‍ പ്രോജെക്ഷന്‍ ചെയ്യാന്‍ പറ്റുന്ന തലത്തിലേക്ക് നാം
വളരേണ്ടിയിരിക്കുന്നു.
ഇത്തരം ടൂളുകൾ തീർച്ചയായും നമുക്ക് നിര്‍മ്മിക്കാന്‍
കഴിയുന്നതേ ഉള്ളൂ. ഇതിന് ഞാന്‍ നേരത്തെ പറഞ്ഞത് പോലെ നല്ല പ്ലാനിംഗ് ആവശ്യമാണ്‌.
പരമ്പരാഗത സോഫ്റ്റ്‌വെയര്‍ ഡവലപ്മെന്റ് ലൈഫ് സൈക്കിളില്‍
(SDLC) നിന്ന് തികച്ചും
വിഭിന്നമായി ധാരാളം റിസര്‍ച്ച് & ഡവലപ്മെന്റ് ആവശ്യമായി വരും.
ഒരു പ്രത്യേക പ്ലാറ്റ്ഫോമിനെയോ, സൊലൂഷനെയോ ആശ്രയിക്കാതെ വിവിധ
ആവശ്യങ്ങള്‍ക്ക് നിര്‍ദ്ധിഷ്ട ഡൊമൈനില്‍ അധിഷ്ടിതമായി പ്രത്യേകം പ്രത്യേകം രൂപകല്‍പന
ചെയ്തിട്ടുള്ള അല്‍ഗോരിതങ്ങള്‍ ഉപയോഗിച്ച് ഒന്നിലധികം അപ്ലിക്കേഷനുകള്‍ നിര്‍മ്മിച്ചെടുക്കാന്‍
ശ്രമിക്കണം.
അത്തരം പ്രവർത്തനങ്ങളുടെ ഗവേഷണം നടത്താന്‍ കേരളത്തിലെ യൂണിവേഴ്‌സിറ്റികളെയും
എന്ജിനീയറിംഗ് കോളേജുകളെയും
പ്രാപ്തരാക്കണം. ഇന്‍ഫര്‍മേഷന്‍ ടെക്നോളജി പഠിപ്പിക്കുന്ന യൂണിവേര്‍സിറ്റികളിലെ
സിലബസ്സില്‍ കാലാനുസൃതമായ മാറ്റങ്ങള്‍ കൊണ്ട് വരണം. ഉന്നത വിദ്യാഭ്യാസ വകുപ്പും
ഐ.ടി വകുപ്പും കൈകോര്‍ക്കണം.
ഒരു മെഡിക്കല്‍ കോളേജില്‍ നിന്നും
പഠിച്ചിറങ്ങി വരുന്ന ഡോക്ടര്‍ സര്‍ക്കാര്‍ മേഖലയില്‍ സേവനം ചെയ്യുന്നത് പോലെ
നമ്മുടെ എന്ജിനീയറിംഗ് കോളേജുകളില്‍ നിന്ന് നൂതന സാങ്കേതിക വിദ്യയില്‍ വിദഗ്ദ്ധരായ
ടീമിനെ വാര്‍ത്തെടുക്കുകയും അവരുടെ സേവനം ഉറപ്പ് വരുത്തുകയും വേണം. ഡാറ്റ ഡ്രിവന്‍
വേള്‍ഡ് ആണ് ഇനി വരാനിരിക്കുന്നത്.
ഈ വക കാര്യങ്ങള്‍ ശാസ്ത്രീയമായും,
ആസൂത്രിതമായും കൈകാര്യം ചെയ്യണം.
കോളേജുകള്‍ക്ക് വേണ്ട എല്ലാ റിസോഴ്സും
സര്‍ക്കാര്‍ വകുപ്പുകള്‍ നല്‍കണം. സിഡിറ്റും, ഐ.ടി മിഷനുമൊക്കെ ഈ സംരംഭത്തിന്
നേതൃത്വം കൊടുക്കണം. സമയം എടുക്കുന്ന പ്രക്രിയയാണ് എന്നാലും ചെയ്തെടുക്കാന്‍
കഴിയുന്നതേ ഉള്ളൂ. ഇതിനെയൊക്കെ ഒരു വെബ്സൈറ്റ് നിര്‍മ്മിക്കുന്ന ലാഘവത്തോടെ
സമീപിക്കരുത്. പകരം കൃത്യമായ റിസര്‍ച്ച് & ഡവലപ്മെന്റിനു ഊന്നല്‍ നല്‍കി പ്രവര്‍ത്തിക്കേണ്ടിയിരിക്കുന്നു.
അതേസമയം ഇപ്പോള്‍ ചെയ്ത്
കൊണ്ടിരിക്കുന്ന
#Future Conclave പോലെയുള്ള
സംരംഭങ്ങള്‍ പാതിവഴിയില്‍ ഉപേക്ഷിക്കരുത്. ഡാറ്റ സയന്‍സിന്‍റെ സാധ്യതകളെ
തിരിച്ചറിയുകയും, അത്
വികസിപ്പിച്ചെടുക്കാന്‍ ആവശ്യമായ
നടപടികള്‍ സ്വീകരിക്കുകയും വേണം.
നമ്മള്‍ എല്ലാ അര്‍ത്ഥത്തിലും പ്രാപ്തരാവണം.
നിപ്പ വന്നു, ഓഖി
വന്നു, പ്രളയങ്ങള്‍ നാശം
വിതച്ചു, ഇപ്പോള്‍ ഇതാ ലോകം
തന്നെ വിറങ്ങലിച്ചു നില്‍ക്കുന്ന കോവിഡ് 19
എന്ന മഹാമാരിയും. ഇനി നമുക്ക് സാങ്കേതിക വിദ്യയില്‍ അധിഷ്ടിതമായ ഒരു സംവിധാനം തീര്‍ച്ചയായും
വേണം.അത്തരമൊരു ടൂള്‍ നിലവിലില്ലാത്തത് കൊണ്ടാണ് സ്പ്രിംഗ്‌ളർ പോലെയുള്ള
കമ്പനിയുമായി കരാര്‍ ഒപ്പിടേണ്ടി വന്നതും.
ഇനിയും വിവാദങ്ങള്‍ ഉണ്ടാക്കരുത്. അത്
ഇവിടുത്തെ സാധാരണ ജനങ്ങള്‍ക്ക് ടെക്നോളജി സംവിധാനങ്ങളോട് ഒരു വിമുഖത വരാന്‍
കാരണമായേക്കാം.
