ડેટા પ્રોસેસિંગ : પર્ફેક્ટ પરિણામ પાછળનું અભ્દૂત પ્રોગ્રામિંગ
ઈન્ટરનેટના ડેટાની થતી ચોરી અટકાવવા આવી રહ્યું છે ડેટા પ્રોટેક્શન
બેસ્ટ ડેટા મેનેજમેન્ટ ભવિષ્યમાં પ્લેઝર બુકની ગરજ સારશે
ટેકોનોલોજીની દુનિયામાં દરરોજ નવો દિવસ ઉગે એટલે નવી ટેકનોલોજીનો સૂર્યોદય થાય છે. એ પણ ડીઝાઈનિંગ ક્ષેત્રમાં હોય કે પ્રોગ્રામિંગમાં દરરોજ ટનબંધી ઠલવાતી ટિ્વટ અને થોકડાબંધ લાઈક્સનો હિસાબ કરીએ તો તારામંડળ જેવું લાગે. ગણ્યા ગણાય નહીં અને વર્ગીકરણ પણ થાય નહીં. દરરોજ ઈન્ટરનેટનો ડેટા ગણીને વાપરવાના દિવસો ગયા. હવે ડેટા લિમિટ સેટ કરો એટલે વાત ખતમ. ડેટાની દોડપટ્ટીમાં અટવાયેલા સૌની હાલત શ્યારેક તો કરોડિયાના ઝાળમાં કીટાણું અટવાયું હોય એવી તો થઈ જ હશે. સોશિયલ મીડિયાના ફોલ્ડરમાંથી હજારો ફાઈલ્સ ડીલિટ કરી હશે. પીડિએફને જથ્થાબંધ ભાવે ટ્રશ મારી હશે પણ આ બધાની પાછળ મુદ્દાની વાત એ છે કે આટલી બધી ફોર્મેટના ડેટા આવે છે ક્યાંથી અને પછી એનું થાય છે શું? કોમ્પ્યુટર અને મોબાઈલની અંદરના પ્રોસેસિંગની સમજની સાથે ડિજિટલી ડેટાની રોમાંચક દુનિયામાં પણ આજે ડોકિયું કરીશું. ડેટા શબ્દ જેટલો નાનો એનું વિશ્વ દરિયા કિનારે દેખાતી ક્ષિતિજથી પણ વિશાળ છે. વિષય પણ અનેક છે પણ જાણવા જેવી વસ્તું એના પર થયેલી પ્રોગ્રામિંગ છે. એ પછી મશીન પર ઝીલાતું એનું પરિણામ હોય કે, કોમ્પ્યુટર પર એક જ ક્લિકમાં આવતા લાખો કરોડોના આંકડાના ન્યુમેરિકલ જવાબ હોય. તો ચાલો આજે ડેટાની દુનિયામાં ડૂબકી મારીએ.
શું છે ડેટા?
આ એક એવો શબ્દ છે જેની સમય અનુસાર વ્યાખ્યા બદલતી ગઈ. છતાં કોઈ ચોક્કસ વિષયની મર્યાદામાંથી મુક્ત થઈને જાહેર રૂપે કહીએ તો એ તમામ માહિતી કે ફોર્મેટનો એવો વ્યવસ્થિત સંગ્રહ છે જેની પાછળ પર્ફેક્ટ પ્રોગ્રામિંગ કરેલું હોય છે. ડેટામાં માહિતી હોય છે જે તે વિષય કે મુદ્દાઓને સાંકડી જુદા જુદા ફોર્મેટ સ્વરૂપે ડિવાઈસના માધ્યમ પરથી આપણા સુધી પહોંચે છે. આપણે પણ બીજા સુધી પહોંચાડીએ છીએ. જે ફોટા, પીડીએફ, માઈક્રોસોફટ ઓફિસના કોઇ પણ ફોર્મેટની ફાઈલ લઈ લો, જીઆઇએફ એનિમેશન કે રૉ મટિરિયલ હોઈ શકે છે. આનો પણ કાચો માલ પ્રોગ્રામિંગથી જ તૈયાર થાય છે અને પ્રોગ્રામિંગથી પાંચસોથી લઈને પાંચ લોકો સુધી પહોંચે છે. ડેટા અને પ્રોગ્રામિંગ એક સિક્કાની બે બાજું છે. ડેટા નહીં હોય તો પ્રોગ્રામિંગ નહીં થાય અને પ્રોગ્રામિંગ નહીં થાય તો પરિણામ જાેઈએ છે એવું નહીં આવે. આ તો થઈ સામાન્ય વ્યાખ્યા. હવે આને કોમ્પ્યુટરની કે મોબાઈલની ભાષામાં સમજીએ. જે માહિતી સ્ટોર કરવી છે અથવા પ્રોસેસમાં આપવી છે તે તમામ વસ્તું ડેટા છે. ડેટાની ઉપયોગીતાના આધારે એના પર પ્રોસેસિંગ થાય છે. આ માટે ચોક્કસ લેંગ્વેજ અને પ્રોગ્રામિંગ ટુલ્સની જરૂર પડે છે. જેમ કે, સી લેગ્વેજ અને એ.એસ.પી. ડોટનેટ જેવા પ્રોગ્રામિંગ ટુલ્સ. જે સોફટવેર કે વેબસાઈટ બનાવવા માટે ઉપયોગમાં લેવાતા પણ ઈન્ટરનેટ પર ઓનલાઈન ટુલ્સ આવતા આ બંનેનું કાર્યક્ષેત્ર કોમ્પ્યુટરનું વિસ્તૃત નોલેજ લેનારા પૂરતું સમિત થયું. એનાથી વધારે ટેકનોલોજીના રસિકો સુધી રહ્યું. કોમ્પ્યુટર કોઈ પણ વસ્તુની પ્રોસેસિંગ માટે બાયનરી ફોર્મેટ સમજે છે એટલે કે ૦-૧નું કોમ્બિનેશન.
ડેટા પ્રોસેસિંગના મુખ્ય તબક્કા
ડેટા સ્ટોરેજ : ઘણું સામાન્ય ફીચર છે. જે દરરોજ કોમ્પ્યુટર અને મોબાઈલ એપ્લિકેશન મારફતે યુઝ થાય છે. સ્ટોરેજ કરવામાં આવતો ડેટા ચોક્કસ ફોર્મેટમાં હોઈ પણ શકે અને ન પણ હોય. આજે ફોર્મેટેડ અને મેનેજ ડેટાની આઈટી કંપનીઓમાં ખૂબ જ માગ હોય છે. એ પાછળનું કારણ એ છે કે, તે સરળતાથી પ્રોસેસ કરી શકાય છે.
ડેટા સેટિંગ : ડેટાની પ્રાયોરિટી સેટ થાય છે. હવે સાવ સામાન્ય કોન્સેપ્ટથી સમજીએ કે, ભલે યુટ્યુબ પર તમારું કોઈ એકાઉન્ટ ન હોય પણ જેમ જેમ તમે ગીત વગાડશો એ તમારી પસંદગી પારખીને એના જેવા જ સજેશન આપશે. જેમાં કોઈ મેજિક કે રોકેટ સાયન્સ નથી. ડેટા સિલેકશન માટે જે વિષય પસંદ કરવામાં આવે છે એ ઉપરના સ્ટોરેજ ફીચરમાં ઓટો સેવ થાય છે. એના આધારે તે બીજા સામ્યતા ધરાવતો ડેટા શોધી સેજશન કરે છે. આ સેટિંગ ફીચરને ઓર્ગેનાઈઝડ પણ કહે છે.
ડેટા પ્રોસેસિંગ : જેવો ડેટા એવું પ્રોસેસિંગ. આંકડા હશે તો હજારો વિકલ્પ છે. સરવાળાથી લઈને સરવૈયું બનાવવા સુધી. ટેક્સ હશે તો નિબંધ થઈને છાપાના કટિંગ બનાવવા સુધી. ફોટા હશે તો હજારો ટુલ્સથી એડિટ થઈ શકશે. પેઈન્ટ અને ફોટો શૉપમાં કલ્પનાના ઘોડા દોડાવીને ગ્રાફિક્સ પણ બનાવી શકો. યુઝર પર ડિપેન્ડ છે કે, એને કેવું, શું, ક્યારે અને કેટલું પરિણામ જાેઈએ છે.
ડેટા વિશ્લેષણ : અનેક વખત જુદા જુદા વિષય પરનું પ્રેઝન્ટેશન નિહાળ્યું હશે. પણ જે રીતે એકી સંખ્યા બેકી સંખ્યાની ફોમ્ર્યુલા આવડતી હોય તો બહું મથવું ન પડે. સરળ શબ્દોમાં કહીએ તો ડેટાને લોજિકલી ઑપરેટ અને થોડું પ્રોગ્રામિંગ આવડે એટલે વિશ્લેષણ તો એની જાતે જ થઈને આવે. જેમ કે, ઘડિયા આપણે સૌએ ગોખેલા હશે પણ એની પાછળનું લોજિક એ છે કે, કોઈ પણ સંખ્યાને ૧થી ૧૦ વડે એના જ ગુણ વડે ગુણાકાર કરીએ તો આખુ ટેબલ તૈયાર થાય. આ લોજિક લેગ્વેજ સી અને એક્સેલમાં પણ એપ્લાય કરી શકાય છે. એમાં એકી કેટલી બેકી કેટલીની ફોર્મ્યુલા નાંખો એટલે ડેટા આખો બાયફરગેટ.
ડેટા પ્રસ્તુતિ અને નિષ્કર્ષ : એક જ વાક્યમાં આ ફીચર સમજવું હોય તો એવું કહી શકાય કે, એ આઉટપુટની પ્રિન્ટ જાેઈએ છે કે, સ્ક્રિન પર સોફટકોપી ચાલશે. ટૂકમાં ફોર્મેટનો વિકલ્પ આપતી વસ્તું થઈ.
ડેટા ઈલેક્ટ્રોનિક્સ હતા જ પણ ડિજિટલ હવે થયા
કોમ્પ્યુટર કે લેપટોપ ચોક્કસ વોલ્ટ આધારિત વીજળીથી ચાલે. એમાં પ્રોસેસ થતો તે ક્યારનો ઈલેક્ટ્રોનિક્સ જ હતો. એટલે ઈલેક્ટ્રોનિક્સ ડેટા પ્રોસેસિંગનો કોન્સેપ્ટ બન્યો પણ પછી એમાં ગ્રાફિક્સ, વીડિયો, ફોટા તથા ઓડિયો ફોર્મેટનો ઉમેરો થતાં તે ડિજિટલ થયા. વોટસએપ પર મળતી દરરોજની હજારો પીડીએફ ફાઈલની સાઈઝ જાેયા વગર આપણે સીધી ડાઉનલોડ જ કરીએ છીએ. એમાં એક કંપ્રેસ્ડ ડેટા હોય છે. જે રીતે ફ્રીજ કે એસીમાં કંપ્રેસ્ડ ગેસ હોય છે એમ. પણ ગમી જાય એવી વાત એ હોય છે કે, એનાથી ઓરિજિનલ ડેટાને કોઈ માઠી અસર થતી નથી. ડિજિટલ ફોર્મમાં ડેટા રાખવાથી યુઝર્સને ઓછા સમયમાં કામગીરી કરવામાં સક્ષમ છે. એમાં વિવિધ પ્રેકારના રૂપાંતરના પણ ઓપ્શન મળે છે. ટૂંકમાં ઈઝી એક્સેસ અને ફાસ્ટ ફોરવર્ડગિં અને ફાસ્ટ પ્રોસેસિંગ. યુઝર્સ પોતાના મનપસંદ આઉટપુટ પસંદગી કરી શકે છે જે જરૂરીયાત માટે સૌથી યોગ્ય છે. પણ વિચાર એવો પણ આવે કે, આટલું ફાસ્ટ કામ થાય કેવી રીતે? ડિવાઈસ હોય કે ડેટા કોઈ પણ વસ્તુને સ્પીડ આપવાનું કામ પ્રોસેસર કરે છે. જેમાં મશીન લેવલનું પ્રોગ્રામિંગ હોય છે. વાત દરેક ફાઈલ ફોર્મેટ અને પ્રોસેસ ડેટાની થઈ. પણ સૌથી ખાસ વાત એ છે કે, જ્યારે દુનિયામાં એક રૂમ જેવડું કોમ્પ્યુટર હતું ત્યારે આવા કોઈ ફોર્મેટ હતા જ નહીં. માત્ર ન્યુમેરિક કેલક્યુલેશન માટે કોમ્પ્યુટરનો આવિષ્કાર થયો હતો. જેનું નામ એનિઆક હતું.
ઈન્ટરનેટ ડેટા અલગ વસ્તુ
ડેટાની વાત આવે એટલે ઈન્ટરનેટ રૂપી ડેટાને કેવી રીતે ભૂલી શકાય? પરંતુ આ ડેટા રોજ-બરોજના પ્રોસેસ થતા ડેટાથી અલગ છે. અહીં કેબી, એમબી, જીબી અને ટીબી તો સરખા જ છે. પ્રોસેસિંગ યુનિટનું અમલીકરણ અલગ છે. ઈન્ટરનેટમાં વન વે જેવું છે. એક વખત જીબી ગયા એટલે સીધું ફાયર પછી એ મોનિંટરિંગ થર્ડ પાર્ટી પર આવે કે તમે વીડિયો જુવો છો કે વોઈસ મેઈલ કરો છો. ઈન્ટરનેટ કોઈ પણ ડિવાઈસ પર ઓક્સિજન જેવું કામ કરે છે. ઈન્ટરનેટ બંધ એટલે ઓફલાઈન પ્રોસેસિંગ. જ્યારે ઓનલાઈન કોઈ પણ વેબ કે મોબાઈલ એપ્લિકેશન પર કામ થાય છે ત્યારે ઈન્ટરનેટ ઇંધણ જેવું કામ કરે છે. પણ એના એમબી કે જીબીનું પ્રોસેસિંગ એટલું ફાસ્ટ હોય છે કે શું પ્રોસેસ થાય છે એ અંગે વિચારવા સમય પણ નથી મળતો.
આઉટપુટ ફાઈલના પ્રકાર
- પ્લેન ટેક્સ્ટ ફાઈલ
- ટેબલ અથવા સ્પ્રેડશીટ
- ચાર્ટ અને ગ્રાફ
- મેપ્સ/વેંકટર અથવા ઈમેજ ફાઈલ
- અન્ય ફોર્મેટ્સ અથવા રૉ ફાઈલ
ડેટા પ્રોસેસિંગની રીત
- મેન્યુઅલ ડેટા પ્રોસેસિંગ ઃ આ વિધિમાં ડેટાને મશીન, ટૂલ અથવા ઈલેકટ્રોનિક ડિવાઇસના ઉપીયોગ વગર મેન્યુઅલી રૂપથી પ્રોસેસ્ડ કરવામાં આવે છે. ડેટા મેન્યુઅલ રૂપથી પ્રોસેસ કરવામાં આવે છે અને ડેટા પરથી મેનુઅલ રૂપથી બધી ગણના અને લોજિકાલ ઓપરેશનસ થાય છે.
- મેકેનિકલ ડેટા પ્રોસેસિંગ ઃ આમાં ડેટા પ્રોસેસ એક મેકેનિકલ ડિવાઈસ અથવા કેલ્ક્યુલેટર અને ટાઈપરાઈટર જેવા એકદમ સરળ ઉપકરણોના ઉપયોગથી કરવામાં આવે છે. જયારે પ્રોસેસિંગની આવશ્યકતા સરળ હોય છે, ત્યારે આ વિધિને અપનાવામાં આવે છે.
- ઈલેકટ્રોનિક ડેટા પ્રોસેસિંગ ઃ ડેટાને પ્રોસેસ કરવા માટે આ આધુનિક તકનીક છે. આને સૌથી વધુ વિશ્વસનીયતા અને ચોકસાઈ સાથે ઝડપી અને શ્રેષ્ઠ ઉપલબ્ધ પદ્ધતિ માનવામાં આવે છે. આ તકનીકીનો ઉપયોગ એ નવીનતમ છે કારણ કે આ પદ્ધતિમાં કમ્પ્યુટરનો ઉપયોગ થાય છે અને મોટાભાગની એજન્સીઓમાં હાજર હોય છે. સોફટવેરનો ઉપયોગ આ પ્રકારની ડેટા પ્રોસેસિંગનો ભાગ બનાવે છે. ડેટા કમ્પ્યુટર પર પ્રક્રિયા કરવામાં આવે છે અને ડેટાના સમૂહ અને સૂચનો કમ્પ્યુટરને ઇનપુટ તરીકે આપવામાં આવે છે. પછી કમ્પ્યુટર આપમેળે સૂચનાઓના આપેલા સમૂહ મુજબ ડેટા પર કાર્ય કરે છે. કમ્પ્યુટરને ઇલેક્ટ્રોનિક ડેટા પ્રોસેસિંગ મશીન તરીકે પણ ઓળખવામાં આવે છે.
ડેટા પ્રોસેસિંગના પ્રકાર
- બેંચ પ્રોસેસિંગ
- રિયલ-ટાઈમ પ્રોસેસિંગ
- ઓનલાઇન પ્રોસેસિંગ
- મલ્ટી પ્રોસેસિંગ
- ટાઈમ શેરિંગ
ડેટા પ્રોસેસિંગ કેમ જરૂરી છે?
આજકાલ શૈક્ષણિક, વૈજ્ઞાનિક સંશોધન, ખાનગી અને વ્યિક્તગત ઉપયોગ, સંસ્થાકીય ઉપયોગ, વ્યવસાયિક ઉપયોગ માટે વધુને વધુ માહિતી એકત્રિત કરવામાં આવે છે. આ એકત્રિત ડેટાને કોઈપણ ઉપયોગ માટે સંગ્રહિત, ક્રમાંકિત, ફિલ્ટર, વિશ્લેષણ અને પ્રસ્તુત કરવાની જરૂર છે. આ પ્રક્રિયા સરળ અથવા જટિલ હોઈ શકે છે જેના આધારે ડેટા સંગ્રહ કરવામાં આવે છે અને પરિણામોની જટિલતાને આધારે. ઇચ્છિત પરિણામો મેળવવા માટેનો સમય તે કામગીરી પર આધારિત છે જે એકત્રિત ડેટા અને આઉટપુટ ફાઇલની ફોર્મેટ કરવાની જરૂરિયાત માટે જરૂરી છે. તેમજ મલ્ટિ નેશનલ કંપનીઓ દ્વારા એકત્રિત કરવામાં આવેલી માહિતી સમસ્યા બની જાય છે. જ્યારે તેમની પાસે વપરાશકારો, વેચાણ, ઉત્પાદન વગેરેનો વધુ ડેટા હોય છે. આવા કિસ્સાઓમાં ડેટા પ્રોસેસિંગની આવશ્યકતા વધુ અને વધુ મહત્વપૂર્ણ બની જાય છે. જેમાં ઉપરોક્ત તમામ ફિચરનો ઉપયોગ થાય છે. આવા કિસ્સાઓમાં, ડેટા માઇનીંગ અને ડેટા મેનેજમેન્ટનું કાર્ય શરૂ થાય છે જેના વિના શ્રેષ્ઠ પરિણામો મેળવી શકાતા નથી. ડેટા કલેક્શનથી પ્રેઝન્ટેશન સુધીના દરેક પગલાની સીધી અસર પ્રોસેસ્ડ ડેટાના આઉટપુટ અને યુટિલિટી પર પડે છે.
