Số hóa không có nghĩa dữ liệu sẽ tồn tại mãi – bài toán bảo tồn số qua nhiều thế hệ

Từ một vật có thể nhìn thấy đến một file phụ thuộc vào công nghệ

Một tờ giấy cũ có đặc điểm rất dễ hiểu: nếu vật gốc còn tồn tại và mắt người còn đọc được, thông tin vẫn có thể được tiếp cận. Chúng ta không cần một hệ điều hành hay phần mềm để mở một cuốn sách in cách đây một trăm năm.

File số thì khác.

Một file luôn cần một chuỗi công nghệ để con người sử dụng được: thiết bị lưu trữ phải hoạt động, dữ liệu phải còn nguyên vẹn, định dạng phải được phần mềm nhận biết và thiết bị hiện tại phải có khả năng đọc nó.

Lịch sử công nghệ chỉ vài chục năm qua đã cho thấy sự thay đổi diễn ra rất nhanh. Đĩa mềm từng là phương tiện lưu dữ liệu phổ biến nhưng ngày nay phần lớn máy tính không còn ổ đọc. CD và DVD từng được xem là cách lưu trữ thuận tiện nhưng cũng ngày càng ít xuất hiện trên máy tính mới. Ổ cứng, băng từ, bộ nhớ flash và các nền tảng lưu trữ tiếp tục thay đổi theo thời gian.

Điều đáng chú ý là dữ liệu có thể vẫn còn về mặt vật lý nhưng con người không còn phương tiện thuận tiện để đọc nó.

Định dạng file cũng có vòng đời. Một định dạng phổ biến hôm nay có thể trở nên ít được hỗ trợ trong tương lai. Phần mềm tạo ra dữ liệu có thể ngừng phát triển. Hệ điều hành thay đổi. Một cơ sở dữ liệu vẫn còn đầy đủ file nhưng mất cấu trúc hoặc phần mềm quản lý ban đầu cũng có thể trở nên rất khó khai thác.

Vì vậy, chuyển một tài liệu từ giấy sang file không phải chuyển nó từ trạng thái “có nguy cơ mất” sang trạng thái “tồn tại vĩnh viễn”.

Chúng ta chỉ chuyển loại rủi ro.

Giấy có thể gặp ẩm, mốc, cháy, côn trùng và lão hóa vật liệu. Dữ liệu số có thể gặp hỏng thiết bị, lỗi dữ liệu, xóa nhầm, mã độc, định dạng lỗi thời hoặc mất hệ thống dùng để hiểu dữ liệu.

Số hóa giải quyết rất tốt nhiều hạn chế của vật gốc, nhưng đồng thời tạo ra trách nhiệm bảo tồn mới.

Có nhiều bản sao vẫn chưa đủ nếu không biết dữ liệu còn nguyên vẹn hay không

Một lợi thế rất lớn của dữ liệu số là khả năng sao chép.

Một cuốn sách quý chỉ có một bản vật lý thì việc mất bản đó có thể đồng nghĩa mất luôn tư liệu. File số có thể tồn tại đồng thời ở nhiều nơi mà nội dung về nguyên tắc vẫn giống nhau. Đây là một nền tảng quan trọng của bảo tồn số.

Nhưng chỉ sao chép thôi chưa đủ.

Nếu file gốc đã bị lỗi mà lỗi không được phát hiện, chúng ta có thể tạo ra rất nhiều bản sao của cùng một file lỗi. Nếu dữ liệu bị thay đổi ngoài ý muốn rồi tiếp tục được đồng bộ sang các hệ thống khác, số lượng bản sao tăng lên nhưng thông tin đúng ban đầu vẫn có thể mất.

Bởi vậy, bảo tồn số còn cần quan tâm đến tính toàn vẹn của dữ liệu.

Trong các hệ thống lưu trữ chuyên nghiệp, người quản lý có thể sử dụng các giá trị kiểm tra như checksum để xác định một file có bị thay đổi theo thời gian hay không. Có thể hình dung checksum như một dấu nhận dạng được tính từ nội dung dữ liệu. Nếu nội dung file thay đổi, giá trị kiểm tra cũng thay đổi, từ đó hệ thống có cơ sở phát hiện bất thường.

Điều này rất khác với cách sử dụng file hằng ngày. Người dùng thông thường chỉ cần nhấp vào và thấy tài liệu mở được. Nhưng đối với một kho lưu trữ phải tồn tại hàng chục năm, câu hỏi còn là: file hôm nay có đúng là file đã được tạo ra nhiều năm trước hay không?

Nhiều bản sao cũng nên được đặt trong những điều kiện đủ độc lập. Nếu bản chính và bản backup đều nằm trong cùng một máy chủ, một sự cố nghiêm trọng có thể ảnh hưởng cả hai. Nếu tất cả bản sao đều phụ thuộc vào cùng một tài khoản hoặc cùng một hệ thống, rủi ro vẫn tập trung.

Bảo tồn số vì vậy không phải hành động “copy thêm một lần rồi cất đi”.

Đó là quá trình theo dõi sự tồn tại và tính toàn vẹn của dữ liệu theo thời gian.

Bảo tồn số là một quá trình, không phải một thiết bị

Có một khác biệt quan trọng giữa kho vật lý và kho số: dữ liệu số có thể cần được chủ động di chuyển trong suốt vòng đời của nó.

Một tổ chức hôm nay lưu dữ liệu trên hệ thống hiện tại. Sau một số năm, thiết bị được thay thế. Dữ liệu phải được chuyển sang hạ tầng mới. Sau nhiều năm nữa, một định dạng có thể cần được chuyển đổi sang định dạng khác được hỗ trợ rộng rãi hơn.

Quá trình đó thường được gọi là migration.

Điều quan trọng là sau mỗi lần chuyển, phải bảo đảm dữ liệu vẫn đầy đủ, đúng và tiếp tục sử dụng được. Với những tài liệu quan trọng, bản master, metadata và thông tin về lịch sử xử lý cũng cần được quản lý để người sau hiểu nguồn gốc của file.

Metadata lúc này không chỉ giúp tìm kiếm.

Nó còn giúp giữ ngữ cảnh.

Một file ảnh của tài liệu lịch sử nếu tách khỏi tên tài liệu, thời gian, nguồn gốc, bộ sưu tập và thông tin liên quan có thể vẫn tồn tại về mặt kỹ thuật nhưng dần mất ý nghĩa. Một nghìn bức ảnh gia đình vẫn mở được sau 50 năm nhưng không ai biết những người trong ảnh là ai cũng là một dạng mất mát thông tin.

Bởi vậy, trong bảo tồn lâu dài, giữ file và giữ khả năng hiểu file là hai việc phải đi cùng nhau.

Điều này cũng lý giải tại sao không có một chiếc ổ cứng, NAS hay dịch vụ cloud nào có thể tự mình giải quyết bài toán bảo tồn số qua nhiều thế hệ.

Thiết bị rồi sẽ được thay. Nhà cung cấp có thể thay đổi. Công nghệ sẽ tiếp tục phát triển.

Thứ cần tồn tại lâu hơn từng thiết bị cụ thể là quy trình quản lý dữ liệu: biết mình đang giữ những gì, có những bản sao nào, dữ liệu có còn nguyên vẹn không, định dạng còn sử dụng được không và khi nào cần chuyển sang môi trường mới.

Nói cách khác, bảo tồn số không phải mua một nơi lưu trữ đủ lớn rồi kết thúc.

Nó là trách nhiệm được tiếp tục theo thời gian.

Thế hệ số hóa hôm nay cũng phải nghĩ đến người sẽ mở file ngày mai

Đây có lẽ là lớp ý nghĩa lớn nhất khi nhìn lại toàn bộ câu chuyện số hóa.

Chúng ta đang sống ở một giai đoạn rất đặc biệt. Phía sau là một khối lượng khổng lồ tri thức và ký ức được tạo ra trong thế giới vật chất: sách, báo, văn thư, gia phả, bản đồ, bản vẽ, ảnh, hồ sơ và vô số tư liệu khác. Phía trước là một thế giới ngày càng dựa vào dữ liệu.

Scanner giúp tạo chiếc cầu nối giữa hai thế giới ấy.

Nhưng nếu chỉ scan rồi để file nằm trên một thiết bị cho đến khi thiết bị hỏng, chiếc cầu đó chưa thực sự đưa tư liệu đi được bao xa.

Điều cần nghĩ đến không chỉ là hôm nay file có mở được hay không, mà là 10 năm, 20 năm hay 50 năm sau, người khác còn có thể tìm thấy, mở được và hiểu nó hay không.

Với hồ sơ doanh nghiệp, khoảng thời gian cần lưu có thể được xác định theo nhu cầu nghiệp vụ và quy định. Với thư viện, cơ quan lưu trữ hay những bộ sưu tập có giá trị lịch sử, câu chuyện có thể kéo dài qua nhiều thế hệ. Với gia đình, đôi khi không ai đặt ra một thời hạn cụ thể: những bức ảnh của ông bà đơn giản là thứ con cháu muốn tiếp tục giữ.

Mỗi trường hợp cần một mức đầu tư khác nhau. Không phải file nào cũng cần được bảo tồn vĩnh viễn và không phải tổ chức nào cũng cần xây một hệ thống lưu trữ chuyên nghiệp.

Nhưng có một nguyên tắc chung:

Giá trị của dữ liệu càng lớn và càng khó tạo lại, trách nhiệm bảo tồn càng cần được nghĩ đến sớm.

Điều này đưa chúng ta trở lại với một sự phân biệt rất quan trọng.

Số hóa trả lời câu hỏi: làm thế nào chuyển thông tin từ vật gốc thành dữ liệu số?

Bảo tồn số trả lời câu hỏi: làm thế nào để dữ liệu ấy tiếp tục tồn tại, còn nguyên vẹn, còn đọc được và còn có ý nghĩa theo thời gian?

Hai công việc liên quan chặt chẽ nhưng không phải một.

Một dự án có thể hoàn thành việc scan trong vài tháng.

Nhưng nếu những dữ liệu được tạo ra mang giá trị lâu dài, việc bảo tồn chúng có thể là công việc kéo dài nhiều năm, thậm chí được chuyển tiếp từ thế hệ quản lý này sang thế hệ khác.

Và có lẽ đó mới là điểm sâu nhất của số hóa.

Chúng ta không scan một cuốn sách quý, một tấm bản đồ cũ hay một bức ảnh gia đình chỉ để có thêm một file trên máy tính.

Chúng ta đang cố gắng chuyển một phần ký ức từ một môi trường đang lão hóa sang một môi trường mới, với hy vọng người đến sau vẫn có thể tiếp tục đọc, nhìn thấy và hiểu những gì người đi trước đã để lại.

Nhưng để hy vọng ấy trở thành hiện thực, tạo ra file mới chỉ là bước đầu.

Dữ liệu số cũng cần được gìn giữ.