به گزارش «فرهیختگان»، محمدرضا اصنافی، کارشناس مسائل اقتصادی طی یادداشتی در روزنامه «فرهیختگان» نوشت: داده‌های کلان یا بیگ‌دیتا حجم بالایی از داده‌های خام و فرآوری نشده هستند که فارغ از اینکه واحد تولیدکننده‌ آن کیست یا چیست، دارای کارایی است. درواقع بیگ‌دیتا داده‌های فرافردی هستند که به‌صورت انفرادی فاقد ارزش آنچنانی هستند یا تنها با اتصال به واحد تولیدکننده ارزشمند می‌شوند. همین داده‌های کم یا بی‌ارزش وقتی کنار هم قرار می‌گیرند دارای ارزش بالایی می‌شوند. برای فهم موضوع یک مثال را مرور می‌کنیم. فرضا فردی امروز از یک فروشگاه اینترنتی خریدی انجام می‌دهد. اینکه او چه خریده و چقدر پول برای آن پرداخت کرده است فی‌نفسه چندان ارزشی ندارد، مگر اینکه مثلا او یک افسر اطلاعاتی یا فردی سیاسی باشد که از تحلیل خریدهای او بتوان به اطلاعات ارزشمندی مانند سبک زندگی، درآمد، علائق خاص و زمان‌های خرید او دست‌ یافت؛ اما این اطلاعات علی‌رغم ارزشش، بیگ‌دیتا نیست و صرفا اطلاعات ارزشمندی است. حال اگر همین داده‌های خرید برای هزاران نفر از اهالی یکی از مناطق تهران فارغ از هویت‌شان به تفکیک جنس و سن جمع‌آوری شود بیگ‌دیتا خلق‌شده و می‌تواند داده‌های ارزشمندی برای تبلیغات، بازاریابی و ذائقه‌سنجی تولید کند.

محیط زندگی ما با دیجیتال‌شدن بسیاری از مراودات و کنش‌های اجتماعی و اقتصادی، پر است از محل‌های خلق و جوشش داده‌هایی که اگر جمع‌آوری و تحلیل شوند معادن ارزشمندی از بیگ‌دیتا را شکل خواهند داد؛ داده‌هایی که درصورت شناخت و به‌کارگیری می‌تواند بسیاری از مشکلات و موانع حکمرانی مطلوب را مرتفع کند. ازآنجا که طی گزارش تحقیق‌وتفحص مجلس 95درصد و دیگر منابع بیش از 70درصد قاچاق از مبادی رسمی اعلام ‌شده است، حل مساله قاچاق در گمرک و بندرها می‌تواند سهم اصلی را در مدیریت قاچاق داشته باشد. گمرک و دروازه‌های ورود کالا به کشور یکی از این مراکز خلق داده است. استمرار ورود کالا به کشور از طریق گمرک طی سالیان دراز داده‌ها و الگوهای ارزشمندی را خلق کرده که می‌توان از آنها برای مدیریت موضوع قاچاق استفاده کرد.

داده‌هایی مانند استاندارد و الگوی وزن در کالاهای مختلف، الگوی حجم کالا، الگوی عدم تطبیق اظهارنامه و کالا با فعالیت متصدیان و واردکنندگان مختلف جزء ابتدایی‌ترین استفاده‌های آماری است که می‌توان از داده‌های گمرک به دست آورد و با کشف الگوها، بازرسی‌ها را تا حدود زیادی کاهش داد. کاهش بازرسی به‌معنی افزایش دقت بازرسی و کشف بیشتر و اعمال هزینه نیروی انسانی و مادی تنها بر موارد مشکوک است و این گام بلندی برای مبارزه با قاچاق در مبادی رسمی است. اما این‌ یک‌سوی کاربرد داده‌های کلان برای مبارزه با قاچاق است؛ سوی دیگر آن در لایه تامین مالی قاچاق است. قاچاق نیز مانند دیگر اعمال مجرمانه اقتصادی مانند پولشویی نیازمند شبکه‌ای از تامین مالی است؛ شبکه‌ای که اگر تحلیل مناسبی بر داده‌های بانکی و الگوی جابه‌جایی پول در شبکه‌ بانکی اعمال شود قابل ‌کشف است. قاچاق نیازمند حساب‌های مختلف مبدأ و مقصد است.

 مبادی این تامین مالی معمولا توزیع‌کنندگان واسط کالا هستند که خود مقصد تامین مالی کالاها ازسوی فروشندگان لایه‌های نهایی کالا خواهند بود. شناسایی این لایه‌های تامین مالی و کشف الگوهای پرداخت آنها و حساب‌هایی که نقش اصلی این چرخش حجیم از منابع ریالی را برعهده‌ دارند با استفاده موثرتر و پیشروتر در بانک مرکزی و دیگر مراکز نظارتی‌اقتصادی، ممکن و در دسترس است. کاربرد دیگر بیگ‌دیتا در مدیریت موضوع قاچاق تحلیل داده‌ مربوط به رفتار رانندگان شبکه حمل‌ونقل کالاست؛ شبکه‌ای که بر اثر استمرار از خود الگوی مشخصی را برای رفتار استاندارد و مسیرهای متداول برای حرکت بارهای ترخیص‌شده از گمرک‌ها ثبت کرده است. این الگو می‌تواند به‌خوبی رفتارهای غیرنرمال با مقصد انبارهای غیرمجاز را شناسایی کرده و مانع از آن شود. الگوی رفتاری خرده‌شبکه‌های توزیع نیز می‌تواند با استفاده از همین داده‌ها در مقیاس خرد و شبکه حمل‌ونقل خرد کشف ‌شده و هزینه‌های توزیع کالای قاچاق را در کشور به‌شدت افزایش دهد.

درمجموع می‌توان این‌گونه جمع‌بندی کرد که داده‌های حاصل از فرآیند قاچاق از تامین مالی تا واردات و توزیع کالا در کشور منابع ارزشمندی هستند که درصورت کشف، جمع‌آوری و تحلیل مدیریت موضوع مبارزه با قاچاق در کشور را وارد سطح جدیدی از کارایی و اثربخشی می‌کند. استفاده از فناوری‌های نوین و کاربردهای متنوع آن در مدیریت، حلقه‌ مفقوده‌ حکمرانی نوین و اثربخشی امروز است که در موضوع مهمی همچون قاچاق نیز باید بیش از گذشته مورد توجه قرار گیرد.