حالات استخدام سلسلة الكتل والبيانات الكبيرة: التحديات والفرص المتعلقة بسلسلة الكتل وعلم البيانات

تُعد تقنية سلسلة الكتل والبيانات الكبيرة من بين أبرز التقنيات الناشئة التي يتوقع أن تحدث تغييرًا جذريًا في عدة مجالات، ما يغير بشكل جذري طريقة إدارة الأعمال والمؤسسات. قد يفترض المرء أن هذه التقنيات متعارضة، — وأن كل واحدة منها تصوغ مسارات فريدة خاصة بها وتُستخدم بشكل مستقل عن الأخرى.

لكن هذا سيكون خاطئًا.

سلسلة الكتل — تمامًا مثل علم البيانات — تغير تدريجيًا طريقة عمل العديد من المجالات. وبينما يركز علم البيانات على استغلال البيانات من أجل الإدارة السليمة، تضمن سلسلة الكتل موثوقية البيانات من خلال الحفاظ على سجل لامركزي.

والسؤال هو، هل توجد نقطة يتقابل فيها هذان المفهومان؟

ماذا سنحقق عند استخدام هاتين التقنيتين في وقت واحد؟

ببساطة، كيف يمكن أن تُحدث سلسلة الكتل تحولاً جذريًا في علم البيانات؟

وللإجابة عن هذه الأسئلة، سيكون من المفيد تحسين فهمنا لسلسلة الكتل وعلم البيانات بشكل منفصل عن بعضهما.

سلسلة الكتل هي في الأساس سجل موزع يسجل المعاملات الاقتصادية بحيث لا يمكن التلاعب بها. برزت التقنية نتيجة الاهتمام بعملة البيتكوين والعملات المشفرة بشكل عام، لكن برزت أهميتها منذ ذلك الحين في تسجيل ليس فقط معاملات العملات المشفرة بل في تسجيل أي شيء ذي قيمة. وبعد معرفتهم بإمكانات هذه التقنية الناشئة، بدأ المطورون والهواة التقنيون العمل على تطوير حالة استخدام تلو الأخرى لسلسلة الكتل.

ارتفاع الطلب على مطوري تقنية سلسلة الكتل

ازداد الطلب على مطوري تقنية سلسلة الكتل في السنوات القليلة الماضية مع كثرة المشاريع القائمة على تطبيقات مختلفة لسلسلة الكتل. سجلت التقارير الواردة من منصات العمل الحر مثل UpWork مهارات سلسلة الكتل ضمن المهارات الأكثر طلبًا. وبطريقة مماثلة، يُقال إن المهنيين في مجالات أخرى مثل الدراسات القانونية يحظون بميزة كبيرة إذا كان لديهم مهارة في سلسلة الكتل — أو على الأقل لديهم فهم لهذه التقنية.

يهدف علم البيانات إلى استخراج المعرفة والمعارف من البيانات المنظمة وغير المنظمة. يشمل هذا المجال الإحصاء وتحليل البيانات والتعلم الآلي وغيرها من الأساليب المتقدمة المستخدمة لفهم العمليات الفعلية وتحليلها باستخدام البيانات.

غالبًا ما توصف البيانات بأنها النفط الجديد في السياق الاقتصادي، وهو السبب الذي يجعل الشركات الرائدة بما في ذلك شركات GAFAs الشهيرة (Google وAmazon وFacebook وApple) تسيطر على كميات هائلة من البيانات. تظهر بعض التطبيقات الشائعة لعلم البيانات في بروتوكولات محركات الإنترنت، والإعلانات الرقمية، وخدمات التوصية. وقد تبين أن تحليل البيانات، وهو جانب رئيسي من علم البيانات، مهم في مجال الرعاية الصحية من أجل تتبع علاج المرضى وتدفق المعدات؛ وفي مجال السفر والألعاب من أجل تحسين تجربة المستهلك؛ وفي مجال إدارة الطاقة بالإضافة إلى العديد من القطاعات الأخرى.

ارتفاع الطلب على علماء البيانات

يوجد أيضًا طلب متزايد على علماء البيانات الذين يمكنهم تقديم المزيد من المعارف حول البيانات والمساعدة على حل المزيد من المشكلات. ويزداد هذا وضوحًا عند النظر إلى البيانات الكبيرة، وهي جانب متقدم من علم البيانات يتعامل مع كميات هائلة جدًا من البيانات لا يمكن التعامل معها بطرق معالجة البيانات التقليدية.

على عكس مجالات مثل التكنولوجيا المالية والرعاية الصحية وسلسلة التوريد حيث أصبحت تقنية سلسلة الكتل مألوفة جدًا في الوقت الحالي، لم تُستكشف هذه التقنية بشكل واسع في جوانب علم البيانات. بالنسبة إلى بعض الناس، العلاقة بين المفهومين غير واضحة إن لم تكن معدومة.

في البداية، تتعامل كل من تقنية سلسلة الكتل وعلم البيانات مع البيانات، — حيث يحلل علم البيانات البيانات لتوفير معارف قابلة للتنفيذ، بينما تسجل سلسلة الكتل البيانات وتتحقق من صحتها. وكلاهما يستفيد من الخوارزميات المُنشأة للتحكم في التفاعلات مع مقاطع البيانات المختلفة. ومن المواضيع المشتركة التي سنشير إليها بعد قليل: "علم البيانات للتنبؤ؛ وسلسلة الكتل لسلامة البيانات."

علم البيانات، مثله مثل أي تقدم تقني، له تحدياته وقيوده الخاصة، والتي بمجرد معالجتها ستطلق العنان لكامل إمكاناته. تشمل بعض التحديات الرئيسية لعلم البيانات البيانات التي لا يمكن الوصول إليها، ومشكلات الخصوصية، والبيانات غير النظيفة.

يُعد التحكم في البيانات غير النظيفة (أو المعلومات الخاطئة) أحد المجالات التي يمكن فيها لتقنية سلسلة الكتل أن تؤثر بشكل إيجابي وكبير في مجال علم البيانات. وفقًا لاستطلاع أُجري عام 2017 شمل 16000 متخصص في مجال البيانات، كان إدراج البيانات غير النظيفة مثل البيانات المكررة أو الخاطئة أكبر تحدٍ لعلم البيانات. من خلال خوارزمية التوافق اللامركزية والتشفير، تتحقق سلسلة الكتل من صحة البيانات، ما يجعل من شبه المستحيل التلاعب بها بسبب القوة الحاسوبية الهائلة المطلوبة.

ومرة أخرى، بفضل نظامها اللامركزي، تضمن تقنية سلسلة الكتل أمن البيانات وخصوصيتها. تُخزن معظم البيانات في خوادم مركزية غالبًا ما تكون هدفًا للمهاجمين الإلكترونيين؛ وتظهر عدة تقارير عن القرصنة وحوادث اختراق الأمن مدى التهديد. من ناحية أخرى، تُعيد سلسلة الكتل إمكانية التحكم في البيانات للأفراد الذين ينتجون البيانات، ما يصعب على المجرمين الإلكترونيين الوصول إلى البيانات والتلاعب بها على نطاق واسع.

تقول Maria Weinberger من شركة Janexter، إنه إذا كانت البيانات الكبيرة هي الكم، فإن سلسلة الكتل هي الجودة. وهذا نابع من فهم أن سلسلة الكتل تركز على التحقق من صحة البيانات، بينما علم البيانات أو البيانات الكبيرة تتضمن إجراء تنبؤات من كميات كبيرة من البيانات.

لقد حولت سلسلة الكتل طريقة إدارة البيانات وتشغيلها كليًا — حيث انتقلت من المنظور المركزي الذي يجب فيه جمع كل البيانات معًا إلى طريقة لامركزية يمكن فيها تحليل البيانات مباشرة من حافة الأجهزة الفردية. تتكامل تقنية سلسلة الكتل مع تقنيات متقدمة أخرى، مثل حلول السحابة، والذكاء الاصطناعي، وإنترنت الأشياء (IoT).

علاوة على ذلك، البيانات المتحقق من صحتها التي تنتجها تقنية سلسلة الكتل تأتي منظمة وكاملة، بالإضافة إلى كونها غير قابلة للتغيير كما ذكرنا سابقًا. مجال مهم آخر تصبح فيه البيانات الناتجة عن سلسلة الكتل بمثابة تعزيز للبيانات الكبيرة هو سلامة البيانات، حيث تتحقق سلسلة الكتل من مصدر البيانات من خلال سلاسلها المترابطة.

يوجد على الأقل خمس طرق محددة يمكن لسلسلة الكتل مساعدة علماء البيانات من خلالها بشكل عام.

• ضمان الثقة (سلامة البيانات)

تُعد البيانات المسجلة على سلسلة الكتل موثوقة لأنها يجب أن تكون قد مرت بعملية التحقق التي تضمن جودتها. كما أنها توفر الشفافية، حيث يمكن تتبع الأنشطة والمعاملات التي تُجرى على شبكة سلسلة الكتل.

في العام الماضي، استعرضت Lenovo حالة استخدام تقنية سلسلة الكتل هذه لاكتشاف المستندات والنماذج الاحتيالية. استخدمت شركة أجهزة الكمبيوتر العملاقة هذه تقنية سلسلة الكتل للتحقق من صحة المستندات المادية التي كانت مشفرة بتوقيعات رقمية. تعالج أجهزة الكمبيوتر التواقيع الرقمية ويتحقق سجل سلسلة الكتل من صحة المستندات.

غالبًا تكون سلامة البيانات مضمونة عند تخزين تفاصيل مصدر كتلة البيانات والتفاعلات المتعلقة بها على سلسلة الكتل، ويمكن التحقق منها تلقائيًا (أو التحقق من صحتها) قبل اتخاذ إجراء بشأنها.

• منع الأنشطة الخبيثة

نظرًا إلى أن سلسلة الكتل تستخدم خوارزمية التوافق للتحقق من المعاملات، فمن المستحيل أن تشكل وحدة واحدة تهديدًا لشبكة البيانات. يمكن بسهولة التعرف على العقدة (أو الوحدة) التي تبدأ في التصرف بشكل غير طبيعي وإزالتها من الشبكة.

ونظرًا إلى أن الشبكة موزعة بشكل كبير، يُعد من المستحيل تقريبًا على طرف واحد توليد قوة حسابية كافية لتغيير معايير التحقق من الصحة والسماح بإدخال بيانات غير مرغوب فيها إلى النظام. ولتغيير قواعد سلسلة الكتل، يجب جمع غالبية العُقد معًا لتحقيق توافق. وهذا سيكون مستحيلاً على جهة خبيثة واحدة تحقيقه.

• إجراء تنبؤات (التحليل التنبئي)

يمكن تحليل بيانات سلسلة الكتل، مثلها مثل أنواع البيانات الأخرى، للكشف عن معارف قيمة حول السلوكيات والاتجاهات، ومن ثَم يمكن استخدامها للتنبؤ بالنتائج المستقبلية. علاوة على ذلك، توفر سلسلة الكتل بيانات منظمة مجمعة من الأفراد أو الأجهزة الفردية.

في التحليل التنبئي، يعتمد علماء البيانات على مجموعات كبيرة من البيانات لتحديد نتائج الأحداث الاجتماعية بدقة جيدة مثل تفضيلات العملاء، والقيمة الدائمة للعميل، والأسعار المتغيرة، ومعدلات فقدان العملاء فيما يتعلق بالأعمال. ومع ذلك، لا يقتصر هذا الأمر على معارف الأعمال حيث يمكن التنبؤ بأي حدث تقريبًا من خلال تحليل البيانات المناسب سواء كان ذلك في المشاعر الاجتماعية أو مؤشرات الاستثمار.

ونظرًا إلى الطبيعة الموزعة لسلسلة الكتل والقوة الحاسوبية الهائلة المتاحة من خلالها، يمكن لعلماء البيانات حتى في المؤسسات الصغيرة تنفيذ مهام تحليل تنبئي واسعة. يمكن لعلماء البيانات استخدام القوة الحاسوبية لعدة آلاف من أجهزة الكمبيوتر المتصلة على شبكة سلسلة الكتل كخدمة قائمة على السحابة لتحليل النتائج الاجتماعية على نطاق لم يكن ممكنًا لولا ذلك.

• تحليل البيانات في الوقت الفعلي

كما ظهر في الأنظمة المالية وأنظمة المدفوعات، تتيح سلسلة الكتل إمكانية إجراء معاملات دولية في الوقت الفعلي. تستكشف العديد من البنوك وشركات الابتكار في مجال التكنولوجيا المالية الآن سلسلة الكتل لأنها توفر تسوية سريعة — في الوقت الفعلي — لمبالغ ضخمة بغض النظر عن الحواجز الجغرافية.

وبالطريقة نفسها، يمكن للمؤسسات التي تحتاج إلى تحليل البيانات في الوقت الفعلي على نطاق واسع أن تستعين بنظام يدعم سلسلة الكتل لتحقيق ذلك. وبفضل سلسلة الكتل، يمكن للبنوك والمؤسسات الأخرى مراقبة التغييرات في البيانات في الوقت الفعلي، ما يتيح اتخاذ قرارات سريعة — سواء كان ذلك لحظر معاملة مشبوهة أو تتبع الأنشطة غير الطبيعية.

• إدارة مشاركة البيانات

في هذا الصدد، يمكن تخزين البيانات المستخلصة من دراسات البيانات في شبكة سلسلة الكتل. وبهذه الطريقة، لا تكرر فرق المشاريع تحليل البيانات الذي أجرته فرق أخرى بالفعل ولا تعيد استخدام البيانات التي جرى استخدامها بالفعل. كما يمكن لمنصة سلسلة الكتل مساعدة علماء البيانات على تحقيق الدخل من عملهم، ربما من خلال تداول نتائج تحليلاتهم المخزنة على المنصة.

سلسلة الكتل، كما ذُكر، لا تزال في مراحلها الأولى، رغم أن الأمر قد لا يبدو كذلك بسبب الضجة التي أثارتها التقنية في فترة قصيرة. ومن المتوقع أنه مع نضوج التقنية وظهور المزيد من الابتكارات المتعلقة بها، ستُحدد وتُستكشف حالات استخدام أكثر — وسيكون علم البيانات أحد المجالات التي ستستفيد من ذلك.

ومع ذلك، فقد أثيرت بعض الإشكاليات حول مدى تأثيرها في علم البيانات خاصة في مجال البيانات الكبيرة التي تتطلب التعامل مع كميات كبيرة للغاية من البيانات. تتمثل إحدى المخاوف في أن تطبيق سلسلة الكتل في هذا المجال سيكون مكلفًا جدًا. وذلك لأن تخزين البيانات على سلسلة الكتل مكلف مقارنة بالوسائل التقليدية. تتعامل الكتل مع كميات صغيرة نسبيًا من البيانات مقارنةً بالكميات الكبيرة المجمعة في الثانية من أجل البيانات الكبيرة ومهام تحليل البيانات الأخرى.

ستكون كيفية تطور تقنية سلسلة الكتل لمعالجة هذه المخاوف والمضي قدمًا في تغيير مجال علم البيانات مثيرة للاهتمام بشكل خاص، لأن التقنية كما رأينا لديها إمكانات هائلة لتحويل طريقة إدارتنا واستخدامنا للبيانات.

من وقت لآخر، ندعو قادة الفكر في هذه الصناعة والخبراء الأكاديميين والشركاء لمشاركة آرائهم ورؤاهم حول الاتجاهات الحالية في سلسلة الكتل إلى مدونة Blockchain Pulse. وفي حين أن الآراء الواردة في هذه المنشورات المدونة هي آراؤهم الخاصة، ولا تعكس بالضرورة وجهات نظر شركة IBM، إلا أن هذه المدونة تسعى جاهدة للترحيب بجميع وجهات النظر في المحادثة.