Fear Mongering Technique

fear-mongering Technique

မနေ့ည က Trump ရဲ့ အီရန် အရေး ကို ပြောတဲ့ မိန့်ခွန်း မှာ
စကားပြော စင်မြင့် ပေါ် ရောက်လာလာချင်း မင်္ဂလာပါ လို့ ထုံးစံ အတိုင်း မနှုတ်ဆက်ဘဲ
" ကျွန်တော် အမေရိကန် သမ္မတ ဖြစ်နေသမျှ အီရန် က နယူကလီးယား လက်နက် မသုံး စေရဘူး" ဆိုတဲ့ စကား နဲ့ မိန့်ခွန်း ကို စတင်ခဲ့ပါတယ်။

Fear-Mongering ကို မြန်မာ ဘာသာ ပြန်ကတော့ ကြောက်လန့် အောင် ခြောက်လှန့်ခြင်း နည်းလမ်း လို့ ဘာသာပြန်လို့ ရပါတယ်။ နိုင်ငံ တိုင်းရဲ့ ရွေးကောက်ပွဲ တွေ မှာ ဒီ နည်းလမ်း ကို အနည်းနဲ့ အများဆို သလို အသုံးပြုကြပြီး ပြည်သူ လူထုကို ကိုယ်လိုချင် တဲ့ ရလဒ် ထွက်ပေါ် အောင် သိမ်းသွင်း ကြတာ အာဏာရှင် နိုင်ငံ တိုင်းလိုလို လုပ်လေ့လုပ်ထ ရှိတာပါ။

Dictator ဆိုတဲ့ ဟောလီးဝုဒ် ဟာသ ကားကို ကြည့်ဖူး ကြမယ် ဆိုရင် မဲပေး နေတဲ့ လူတန်း ကြီးကို တင့်ကား က အမြောက် နဲ့ ချိန်ပြီး အာဏာရှင် မဲပေးစေချင် တဲ့ ဘက်ကို ပေးခိုင်းခဲ့တာ ကို မှတ်မိကြမယ် ထင်ပါတယ်။

ဒီ ဇတ်ကား က ဟာသ အနေနဲ့ အာဏာ ရှင် တွေရဲ့ စရိုက် ကို ပြသ ခဲ့တာ ဖြစ်ပေမယ့် လက်တွေ့ လောက မှာလဲ လူထုကို ကြောက်အောင် ခြောက်လှန့် တဲ့ နည်းတွေ နဲ့ အာဏာကို ဆုပ်ကိုင် ရယူတာ အလုပ်ဖြစ်နေတုန်းပါပဲ။

ဒီလို မဲပေးသူ ကို မဲမပေးဖြစ်အောင် ခြောက်လှန့်တာ၊ ခြိမ်းခြောက် မဲပေးတာ တွေကို ရွေးကောက် ပွဲ ဥပဒေ တွေ အရ တားမြစ်ထားတဲ့ အတွက် ဒီလူ့ကို မဲပေးရင် မင်းတော့ သေဖို့ ပြင်ထားဆို တာမျိုး တိုက်ရိုက် ပြောတာမျိုး ၊ သေနတ် နဲ့ ချိန်ပြီး မဲအတင်းအကြပ် ပေးခိုင်းတာမျိုး မရှိသလောက် ရှားသွားပါပြီ။ ဒါတောင် တချို့ နိုင်ငံ တွေ မှာ ရှိနေတုန်းပါ။

လက်ရှိ ဒစ်ဂျစ်တယ် ခေတ်မှာတော့ ဒီဂျစ်တယ် နည်းလမ်း တွေနဲ့ပဲ လူတွေကို ခြောက်လှန့် ကြပါတော့တယ်။ လူထု ဆက်သ်ရေး အတွက် အဓိက လက်နက် ဖြစ်လာတဲ့ လူမှု ကွန်ယက် တွေက လူတွေရဲ့ အတွေး အမြင် ပြောင်းလဲ အောင် လုပ်ဖို့ အကောင်း ဆုံး နေရာ ဖြစ်နေပါပြီ။

တချို့က ပြောနိုင်ပါတယ်။ ဒီ လို facebook က နေ တဆင့် ပြောကြတာ ကို စာမတတ် ပေမတတ် ဦးနှောက် မရှိသူ တွေပဲ ယုံကြတာပါ ကွာ လို့ ပြောနိုင်ပါတယ်။ မြန်မာ နိုင်ငံ ထက် အဆ ပေါင်းများစွာ စာတတ်နှုန်း မြှင့်၊ စဥ်းစားဆင်ခြင် နိုင်သူ တွေ ပေါတဲ့ အမေရိကန် နိုင်ငံ မှာတောင် ဒီ နည်းလမ်း တွေ သုံးပြီး Trump တို့ လူစု အာဏာ ယူနိုင် ခဲ့တာပါ။ Trump ရဲ့  ရွေးကောက် ပွဲ ကမ်ပိန်း ကို ခြုံကြည့်ရင် သူ့ကို ထောက်ခံသူ များလာအောင် တင်မကဘဲ၊ ပြိုင်ဘက် ဟီလာရီ ကို ထောက်ခံသူ တွေ လျော့သွားအောင်၊ဒီမိုကရက် ထောက်ခံသူ တွေ မဲ မပေးဖြစ်အောင် နည်းလမ်း မျိုးစုံ သုံးပြီး လုပ်ဆောင် ခဲ့တာပါ။ နာမည်ကြီး Cambridge Analytica က နောက်ကွယ် ကနေ ပြီး data တွေကို နည်းမျိုးစုံ နဲ့ စုဆောင်းတယ်၊ data တွေကို ခွဲခြမ်း စိတ်ဖြာ ပြီး စိတ်ပိုင်းဆိုင်ရာ အခြေအနေ တွေအရ အုပ်စု ခွဲတယ်၊ ခွဲထားတဲ့ အုပ်စု တွေကိို သူတို့  စိတ်ဝင်စားတဲ့ အလုပ်အကိုင်၊ အခွန်အခ၊ ကျန်းမာရေး၊ လုံခြုံရေး ၊ ပညာရေး အစ ရှိတဲ့ ခေါင်းစဥ် တွေ အ ပေါ်  မှာ မဲဆွယ်မူ ကြော်ငြာ သီးသန့် ဖန်တီး ပြီး  facebook, Twitter, Snapchat, လူမှုကွန်ယက် တွေကရော၊ သတင်းဌာန website တွေမှာပါ အခပေး ကြော်ငြာ ထည့်သွင်းပြီးတော့ရော နည်းမျိုးစုံ နဲ့ ပေးပို့ခဲ့တာပါ။

တဖက် မှာလဲ ဟီလာရီ ထောက် ခံသူ တွေကို မဲထွက်မပေး ဖြစ်အောင် ဟီလာရီိကို အပုပ်ချ တဲ့ အချက်အလက် တွေ စုဆောင်းပြီး မဲဆွယ် ကြော်ငြာ တွေ ဖန်တီးပါတယ်။ " ဟီလာရီကို ရွေးရင် အမေရိကား ပျက်စီးမယ်" ဆိုတာမျိုး ခေါင်းစဥ် ပေါ်ပေါ်ထင်ထင် တပ်ပြီး လူတွေရဲ့ သဘောထားကို ပြောင်းလဲ ပစ်ခဲ့တာပါ။  ဒီလို ပြောရုံ နဲ့ လူတွေက ယုံရောလား လို့ မေးစရာ ရှိပါတယ်။ အဖြေ က ယုံမယ့် လူတွေ ကို ရွေးပြီး ပို့ခဲ့တာပါ။ သူတို့ မှာ အမေရိကန် နိုင်ငံသား သန်း ၃၀ ရဲ့ တစ်ဦးချင်း အချက်အလက် ၅၀၀ ကျော်ရှိပါတယ်။ ကိုယ်နဲ့ ပတ်သတ် တဲ့ ကိုယ့်အကြောင်းကို ဒီ အတိုင်းပဲ ပြန်စဥ်းစား ကြည့်ပါ။ အချက်အလက် ၁၀၀ ကျော်အောင် မစဥ်းစား နိုင်ပါဘူး။ သူတို့ မှာ တစ်ဦးချင်းရဲ့ အချက်အလက် ၅၀၀ ကျော်ရှိပါတယ်။ သုတေသန ပညာရှင် တစ်ယောက် က ပြောတာဆို လူတစ်ယောက် ဘယ်လ်ု လူလဲ ဆိုတာ ခန့်မှန်း နိုင်ဖို့ Facebook like 100 လောက်ရှိရင် ရပါပြီလို့ ပြောပါတယ်။

Data modeling, data analytics နည်းပညာ တွေ နဲ့ ဘယ်သူ ကို ဘာ သတင်းပို့ရင် ဘယ်လို ပြောင်းလဲမယ် ဆိုတာ အထိ တွက်ချက် ခန့်မှန်း နိုင်ခဲ့ကြတာပါ။

ဒီနည်းလမ်း တွေထဲ မှာ ရက်စက် အယုတ်မာ ဆုံး နည်းလမ်းကတော့ လူတွေကို အကြောက်တရား နဲ့ ခြောကအလှန့် ပြောဆိုတဲ့ နည်းလမ်းပါ။ ပညာရှင် တစ်ယောက် ကဆို " ခင်များ မှာ စိတ်ပိုင်းဆိုင်ရာ မတည်ငြိမ် တဲ့ လူအုပ်စာ သာ ရှိအောင်လုပ်၊ ခင်များ လိုသလို ကြိုးကိုင်လို့ရပြီ" လို့ ပြောခဲ့ပါတယ်။

အသေးစိတ် နည်းလမ်း တွေကို ကျွန်တော် မကြာခင် ဘာသာပြန် ပြီးစီး တော့မယ့် စာအုပ် မှာ ဖော်ပြ ထားပါတယ်။

ဒါဆိုရင် မိုးကုတ် ဆရာတော်ကြီး စကား အတိုင်းဆို သဘောပါ လောက်ပါပြီ။ ပထမ လူတွေကို စိတ် မလုံခြုံဖြစ်အောင်  အခြေအနေ တွေကို အရင် ဖန်တီးမယ်။  ပြီးတာနဲ့ ကိုယ်လိုချင် တဲ့ ရလဒ် ရအောင် ခြောက်လှန့်ပြောဆိုမယ်။  ဒီလို ပြုလုပ် သူတွေ မှာ ကိုယ်ကျင့်တရား၊ သိက္ခာ ဆိုတာ တပြားသား မှ မရှိပါဘူး။ ကိုယ့်အာဏာ အတွက် နိုင်ငံ နဲ့ နိုင်ငံသားတွေကို စတေး ပစ်မယ့် သူတွေပါ။

မနေ့ က Trump ရဲ့ မိတ်ဆက်စကား က ဘာကို ဆိုလိုချင်တာလဲ ဆိုရင် အခု ငါ့ကို impeachment ၊ စွပ်စွဲ ပြစ်တင်တာ အောင်မြင်လို့ သမ္မတ ရာထူးက ပြုတ်သွားရင် အမေရိကန် တော့ နာပြီသာ မှတ်၊ ၂၀၂၀ မှာလဲ ငါသာ သမ္မတ မဖြစ်ခဲ့ရင် မင်းတို့ တွေ သေပြီသာ မှတ်လို့ တည့်တည့် မပြောရုံ ပါပဲ။

သူတို့ လူစု က data driven decision ခေါ်တဲ့ အဆင့်မြင့် နည်းပညာ နဲ့ လိုချင် တဲ့ ရလဒ် ထွင်အောင် ၂၀၁၆ တုန်းကလဲ လုပ်နိုင်ခဲ့တာကိုး။

ကျွန်တော် တို့ နိုင်ငံမှာ ကတော့ ဒီလို နိုင်ငံကို စတေး ခြောက်လုံး တွေ နဲ့ အာဏာ ကို အကြာကြီး ရယူ ခဲ့တဲ့ အုပ်စု က ၂၀၁၅ တုန်းက တခါ လုပ်ခဲ့ပြီးပါပြီ။ data driven မဖြစ်ခဲ့တာ ကျွန်တော် တို့ တတွေ ကံကောင်း ခဲ့တယ် ပြောရမှာပါ။ " ကုလား နိုင်ငံ ဖြစ်တော့မှာပဲ" " ဘာသာ ပျောက် တော့မှာပဲ" " ကုလား တွေ ကြီးစိုးတော့မှာပဲ" အစ ရှိတဲ့ ​ြေခာက်လုံးတွေကို ၂၀၁၅ ကာလ ရော၊ နောက်ပိုင်း ကာလ တွေ မှာ မိမိ တတ်နိုင်သလောက် အင်အား နဲ့ တွန်းလှန် ခဲ့ကြသူ တစ်ဦးချင်း ကိုရော၊ အဖွဲ့ အစည်းတွေကိုရော ကို ဒီနေရာ ကနေ နှစ်နှစ်ကာကာ ဂုဏ်ပြု ချီးမွန်းချင်ပါတယ်။

လာမယ့် ၂၀၂၀  အတွက် လဲ တိုင်းပြည် ကို ဘယ်လို စတေးပြီး ဘယ်လို ​ြေခာက်လုံး၊ လှန့်လုံး၊ မှိုင်းလုံး တွေ နဲ့ လုပ်ကြ အုံးမလဲ ဆိုတာ သတိ ကြီးကြီး ထားကြ စေလိုပါတယ်။

ခေတ်သစ် ဒီဂျစ်တယ် နည်းလမ်း သုံး ကိုယ်ကျင့်တရား မရှိသူ အပေါင်း ကျဆုံး ပါစေ။

Targeted Chapter 6: Reunion

ပြန်လည် ဆုံစည်းခြင်း

Cambridge Analytica ကို စတည်ထောင် တုန်းက Facebook ရဲ့ အခန်း ကဏ္ဍ မပါဝင်ခဲ့ပါဘူး။ Nix မွေးထုတ်လိုက်တဲ့ ဒီကုမ္ပဏီ ရဲ့ မူလ အစ အကြောင်းရင်း က အင်တာနက် ကုမ္ပဏီ တစ်ခုပါ။ 

၂၀၁၃ မှာ Sophie Schmidt ဆိုတဲ့ မိန်းမပျိုလေး တစ်ယောက် SCL မှာ အလုပ်သင် ဆင်းပါတယ်။ အဲဒီ အချိန် က သူ့အဖေ က Google ရဲ့ executive chairman အဖြစ် တာဝန်ထမ်းဆောင် နေပါတယ်။ Sophie က အလုပ်သင် ဆင်းနေတုန်း သူ့အဖေ ကုမ္ပဏီ ရဲ့နောက်ဆုံး တီထွင်မှုတွေကို Nix ကို ပြောပြခဲ့ပါတယ်။ Nix က လဲ သူမ ကို Google ဘာတွေ လုပ်ထားလဲဆိုတာ ပြသဖို့ တောင်းဆိုတဲ့ အခါ သူမကလဲ သက်ဆိုင်ရာ နေရာ ကို login ဝင်ပြီး ပြသပေးခဲ့ပါတယ်။ Nix ကတော့ ပြသမျှ ကို မှတ်စုလိုက်မှတ် နေပြီး Google ရဲ့တီထွင်မှုက သူလုပ်ချင်တဲ့ စီးပွားရေး မော်ဒယ် ပဲဆိုတာကို နားလည် လိုက်ပါတယ်။ 

အတိအကျ ဆိုရင် ္Nix က Google ရဲ့ Analytic ဆိုတဲ့ အပိုင်းကို အရမ်း စိတ်ဝင်စားပါတယ်။ Google Analytics က ကမ္ဘာပေါ် က အကြော်ကြားဆုံး website တစ်ဝက်ကျော်လောက် ကို ဝင်ကြည့်သူတွေရဲ့ Data ကို စုဆောင်းပြီး Analytic လုပ်တာပါ။ Google Analytics က လူတွေ အသုံးပြူတဲ့ device တွေမှာ ထောက်လှမ်းနိုင်တဲ့ cookies တွေထားပြီး လူတွေရဲ့ အပြုအမူ ဆိုင်ရာ အချက်အလက် တွေကို ရယူပါတယ်။ အဲဒီနောက် google က သူ့ client ကို data နဲ့ပတ်သတ်တဲ့ မြင်သာစေမယ့် ပုံစံ တွေ ထုတ်ပေးပြီး website တစ်ခု ရဲ့ ထိရောက် မှုကို တိုင်းတာတဲ့ ညွှန်းကိန်း တွေကိုပါ ထုတ်ပေးပါတယ်။ Clients တွေကတော့ လူတွေ website ပေါ်က ဘယ်အကြောင်းအရာ ကို click နှိပ်ကြည့်တယ်၊ ဘာတွေကို download လုပ်တယ် ၊ ဘာတွေကို ဖတ်တယ်၊ ဘယ်လို အကြောင်းအရာ တွေကို စောင့်ကြည့်တယ် ၊ ဒီလို တွေလုပ်ဖို့ အချိန် ဘယ်လောက် သုံးတယ် ဆိုတဲ့ အချက် အလက် တွေကို ရသွားပါတယ်။ Google အနေနဲ့ လူတွေ အာရုံစိုက်တဲ့ အရာတွေ အကြောင်းကို သိသွားပြီး ဒီလူတွေကို ​ေရရှည် ဆက်ဆံ စေ နိုင်မယ့် အကြောင်းတွေကို ရသွားပါတယ်။ 

Google Analytics ရဲ့ တိုးတက် မှုက web page တွေ ရဲ့ ထိရောက် မှုကို တိုင်းတာတာနဲ့ ရပ်မသွားပါဘူး။ ကုမ္ပဏီ ရဲ့ ဖန်တီး မှုမှာ ထောက်လှမ်း နိုင်တဲ့ ကြော်ငြာ တွေအပြင် ္Google search က လူကြိုက်များ၊ လူပိုကြည့်တဲ့ အကြောင်းအရာတွေကို အဆင့်သတ်မှတ်ပြီး ကြော်ငြာ မှာ ဦးစားပေး ပေါ်တာ မျိုးတွေပါ ပြုလုပ်နိုင်ပါတယ်။ ကြော်ငြာ တစ်ခု က လူကြိုက်များလေလေ၊ လူတွေဆီ ပိုရောက်ဖို့ ထိပ်ဆုံးကနေ ပေါ်လာလေလေ ဖြစ်ပါတယ်။ 

Sophie ရဲ့ အလုပ်သင် ပြီးပြီးချင်းပဲ Nix က Google ရဲ့ Data ကို ကြိုတင် ခန့်မှန်း နိုင်တဲ့ ခွဲခြမ်းစိတ်ဖြာ  နည်းကို သုံးပြီး ကုမ္ပဏီ တစ်ခု ကို တည်ထောင်ဖို့ စိုင်းပြင်းပါတော့တယ်။ SCL ရဲ့ ရာစု နှစ် ၂ ခုကျော် လုပ်နေတဲ့ အရာတွေ ကို ဒီလို အဆင့်မြင့်ပြီး ခန့်မှန်းနိုင်တဲ့ Data ခွဲခြမ်းစိတ်ဖြာ နည်းတွေနဲ့ ပေါင်းတယ် ဆိုတာ အဓိပ္ပာယ် ရှိပါတယ်။ SCL ရဲ့ ရှိပြီး သား Dat​a ပေါ် အခြေခံတဲ့ ဝန်ဆောင် မှု တွေအတွက် စျေးကွက် အသစ် ထပ်ရှာလို့ ရသွားပါတယ်။ 

SCL ကတော့ စတည်ထောင် ကတည်း က တီထွင်မှု တွေနဲ့ စခဲ့တာပါ။ ၁၉၈၉ မှာ Nix အဖေရဲ့ သူငယ်ချင်း တွေ ဖြစ်တဲ့ Nigel နဲ့ Alex Oakes ဆိုတဲ့ ညီအစ်ကို ၂ ယောက် က BDI လို့ ခေါ်တဲ့ behavior dynamic Institute, အပြုအမူ ပြောင်းလဲ ခြင်းဆိုင်ရာ လေ့လာရေး ဌာန ဆိုတဲ့ သုတေသန အဖွဲ့ကို ဖွဲ့စည်းခဲ့ပါတယ်။ BDI က လူတွေရဲ့ အပြုအမူ ကို လေ့လာပြီး သူတို့ ရဲ့ အပြုအမူ ကို ဆကိသွယ်ရေး နည်းလမ်းတွေသုံး ပြီး လွှမ်းမိုး နိုင်မယ့် အပိုင်းကို လေ့လာခဲ့ပါတယ်။ ဒီသုတေသန ကနေ ပြီး BDI က အကြမ်းဖက် မှု တွေ လျော့ချဖို့ အတွက် အသုံးဝင်တဲ့ တွေ့ရှိချက် တွေ ရရှိပြီး နောက်ပိုင်းမှာ ကာကွယ်ရေး ဝန်ကြီး ဌာန ရဲ့ အကြံပေး ဖြစ်လာပါတယ်။  Oakes ညီအစ်ကို ၁၉၉၄ မှာ တောင်အာဖရိက ရဲ့ ရွေးကောက်ပွဲ အကြမ်းဖက်မှုကို လျော့ချပေးနို်မယ့် ကာကွယ်ရေး ကမ်ပိန်း မှာ ပါဝင်ခဲ့ ပြီး နယ်ဆင်မင်ဒယ်လား အတွက်  ငြိမ်းချမ်းတဲ့ ရွေးကောက်ပွဲ ပြုလုပ်ပေးနိုင်ခဲ့ပါတယ်။ ကျွန်မ ္SCL ကို ပထမ ဆုံး အကြိမ် အလည်လာတုန်းက Nix ပြခဲ့သလိုပဲ မင်ဒယ်လား က SCL ကို အားပေး ထောက်ခံ ခဲ့ပါတယ်။ 

ကုမ္ပဏီ ရဲ့ ​ေရွှရောင် ကာလ တွေက စက်တင်ဘာ ၁၁ ဖြစ်ရပ် အပြီး ကနေ စပါတယ်။ ယူကေ အပါအဝင် အစိုးရ တော်တော် များများအတွက် အကြမ်းဖျက် ဝါဒကို တိုက်ဖျက် ဖို့ အတွက် SCL က မရှိမဖြစ် ပါတနာ လို ဖြစ်လာခဲ့ပါတယ်။ SCL က အယ်ကေးဒါးတွေ ရဲ့ ဝါဒဖြန့်ချီရေးကို တိုက်ခိုက်တဲ့ အဓိက အစိတ်အပိုင်း ဖြစ်ခဲ့ပါတယ်။ SCL က  ကမ္ဘာပေါ် က စစ်တပ် တွေ အတွက် ပါ သင်တန်းတွေ ပို့ချ ခဲ့ပြီး NATO ကနေ အထူးဂုဏ်ပြု ဆုတံဆိပ် ရတဲ့အထိ အောင်မြင် ခဲ့ပါတယ်။  ၂၁ ရာစု ရဲ့ ဒုတိယ ဆယ်စု နှစ်ပိုင်းမှာ ကာကွယ်ရေး အသုံးစားရိတ် တွေ လျော့ချ ချိန် မှာတော့ SCL အနေနဲ့ ဒစ်ဂျစ်တယ်ခေတ် မှာ တခြား နည်းလမ်း နဲ့ အမြတ်ရပြီး ရပ်တည် နိုင်မယ့် နည်းလမ်း ကိုတော့ Nigel တို့ ညီအစ်ကို လုံးဝ မစဥ်းစား မိခဲ့ပါဘူး။ 

9/11 အဖြစ်အပျက်အပြီး SCL ရဲ့ အလုပ်တွေမှာ Data တွေကို အဓိပ္ပာယ် ပြန်ဆိုဖို့ BDI ရဲ့ လူမှုရေး နဲ့ အပြူအမူ ဆိုင်ရာ စိတ်ပညာ ရပ်ကို SCL က အသုံးပြူခဲ့တယ်။ အဲဒီ အချိန် တုန်းက Data ဝယ်ယူနိုင်တဲ့ နေရာ ဆိုတာ မရှိဘဲ ရနိုင်တဲ့ data ပမာဏ ကလဲ နည်းပါးပါတယ်။ Data စုဆောင်းတဲ့ နည်းလမ်း တွေက ကျယ်ပြန့်ပြီး အထူးလေ့လာ သူ အုပ်စု၊ တစ်အိမ်တက်ဆင်း စစ်တမ်းကောက်ခြင်း နဲ့ ဖုန်းခေါ်ဆို မှု တွေကိုပဲ သုံးခဲ့ရပါတယ်။ SCL က ရှိနေတဲ့ လူတွေရဲ့ အချက်အလက် တစ်ချို့ကို သန်းခေါင်စာရင်း သို့မဟုတ် ကုလသမဂ္ဂ က ထုန်ပြန်တဲ့ အချက် တွေနဲ့ တွဲပါတယ်။ အဲဒီ အလုပ်ကနေ အများဆုံး လုပ်နိုင်ခဲ့တာက အဲဒီအချိန် က ဖြစ်နေတဲ့ ပြဿနာ တွေ အပေါ် စိတ်ဝင်စား မှု ပေါ်မူတည်ပြီး ကြီးမားတဲ့ လူအုပ်စု တွေကို အခြေခံ အုပ်စု ခွဲတာလောက်ပဲ လုပ်နိုင်ခဲ့ပါတယ်။ 

Nix Cambridge Analytica ကို တည်ထောင်ပြီး တစိုက်မတ်မတ် လုပ်နေတာက အပြုအမူ ဆိုင်ရာ ကြိုတင် ခန့်မှန်း နိုင်မှုရဲ့ စွမ်းအားကို ရွေးကောက်ပွဲ စီးပွားရေး ဆီ ယူဆောင်လာနိုင်ဖို့ပါ။ သူ့အတွက် Data တွေကို  နည်းလမ်း ပေါင်းစုံကနေ ရနိုင်သလောက် စုဆောင်းဖို့ လိုပြီး data တွေရဲ့ သန့်စင်မှုကို အသေးစိတ် သေသေချာချာ ဘယ်သူမှ မလုပ်နိုင်တဲ့ သန့်စင် မှုမျိုး လုပ်နိုင်ဖို့ ဖြစ်ပါတယ်။ Data သန့်စင်ခြင်းဆိုတာ Data အင်ဂျင်နီယာ က data အသစ်တွေကို အဟောင်း နဲ့ ပေါင်းစပ် တဲ့အခါ ဖြစ်လာနိုင်တဲ့ အမှားတွေကို ပြင်ဆင် တဲ့ လုပ်ငန်း ဖြစ်ပါတယ်။ Cambridge Analytica ရဲ့ Data သန့်စင် ခြင်းပထမ အဆင့်မှာ အမြဲလိုလို အ​ြေခခံ အနေနဲ့ ပါရတဲ့ အလုပ်က လူတွေရဲ့ ရှေ့နာမည် ၊ မျိုးရိုး နာမည် နဲ့ သူတို့ နေထိုင်ရာ လိပ်စာရဲ့ zip code သို့၊ သူတို့ရဲ့ မွေးနေ့ နဲ့ တွဲဖက် တာဖြစ်ပါတယ်။ အဲဒီကနေ မှ လူ တစ်ဦးချင်းစီ ရဲ့ တခြား အချက်အလက် တွေကို ပေါင်းထည့်ပါတယ်။ Data က သန့်စင်လေလေ၊ တွက်ချက်ရတာ တိကျလေလေ၊ ခန့်မှန်းချက် က မှန်လေလေပါပဲ။ 

ဒီလို data စီးပွားရေး ကို စတင်ဖို့ အကောင်းဆုံးနေရာက အမေရိကန် နိုင်ငံ ဖြစ်ပါတယ်။  ဘာလို့လဲ ဆိုတော့ အမေရိကန် မှာ data privacy  နဲ့ ပတိသတ် တဲ့  အခြေခံ နည်းဥပဒေ မရှိတဲ့ အပြင် နိုင်ငံသား တိုင်းဟာ သူတို့ရဲ့ data ကို စုဆောင်းဖို့ အတွက်  နိုင်ငံ အတွင်းမှာ နေထိုင် နေရုံနဲ့  သူတို့ရဲ့ ကိုယ်ရေး အချက် တွေ ရယူခွင့်ကို သီးသန့် 

 ခွင့်ပြုချက်  ပေးစရာ မလိုဘဲ  စုဆောင်း ခွင့်ပေးရပါတယ်။ Data ကို အရောင်းအဝယ် လုပ်နေတာတွေကိုလဲ အစိုးရ  သတိမပြုမိဘဲ နဲ့ လုပ်လို့ရနေပါတယ်။ ဒီ အခြေအနေ က အခုအချိန် ထိ မှန်နေတုန်းပါ။ 

Nix က အမေရိကားအတွက် client ရှာတဲ့အခါ ရီပါဘလီကန် တွေကို လျင်လျင်မြန်မြန် ပဲ သတိထား မိလိုက်ပါတယ်။ ဒီလို လက်ယာ ဝါဒကို ချည်းကပ်တာက သူ့ရဲ့ကိုယ်ပိုင် နိုင်ငံရေး ခံယူချက် နဲ့ ကွဲပြားနိုင်ပါတယ်။ Nix ရဲ့ နိုင်ငံရေး ခံယူချက် က  အလယ်အလတ် ကွန်ဆာဗေးတစ် လို့ ပြောလို့ရပါတယ်။ တကယ်လို့ အမေရိကားရဲ့ စျေးကွက် က ဒီမိုကရက် တွေနဲ့ ပြည့်နေမယ် ဆိုရင်လဲ သူ ညီတူညီမျှ အားထုတ် မှာပါပဲ။ ဒါပေမယ့် ပြဿနာ က ဒီမိုကရက် တွေ ရဲ့ စျေးကွက် က သူ့လူနဲ့သူ ရှိနေပါပြီ။ 

၂၀၀၈ နဲ့ ၂၀၁၂ obama ကန်ပိန် တွေတုန်းက လစ်ဘရယ် သမ္မတလောင်း တွေရဲ့ data လိုအပ်ချက် ကို ဝန်ဆောင် မှုပေးမယ့် ကုမ္ပဏီ အများအပြား ပေါ်ထွက်ခဲ့ပါတယ်။ 

အကြီး ဆုံး ကုမ္ပဏီ ၅ ခုက Blue State Digital, BlueLabs, NGP VAN, Civis Analytics, နဲ့  HaystaqDNA တို့ ဖြစ်ပါတယ်။ Bluelab က Obama ကမ်ပိန်း တုန်းက ကျွန်မ နဲ့ အတူတူ အလုပ်လုပ် ခဲ့ဖူးတဲ့ Andover က Chris Wegrzyn ရဲ့ ကုမ္ပဏီ ပါ။ အိုဘားမား အဖွဲ့ရဲ့ မီဒီယာ ဗျူဟာ အသစ် က နိုင်ငံရေး သမားတွေရဲ့ မဲဆွယ်  လုပ်ငန်း တွေ အတွက်ဒီ ဂျစ်တယ် ခေတ်သစ် ကို တည်ဆောက်နိုင်ခဲ့ပါတယ်။ 

Joe Rospars က အိုဘားမားရဲ့ ၂၀၀၈ နဲ့ ၂၀၁၂ ကန်ပိန်း တွေမှာ ဒီဂျစ်တယ် ဗျူဟာ ခေါင်းဆောင် အနေနဲ့  လုပ်ပြီးနောက်မှာ  Blue state digital ကို တည်ထောင်ခဲ့ပါတယ်။ Rospars နဲ့ သူ့ရဲ့ Blue state digital က အဖွဲ့ဝင် တွေက သူတို့ကိုယ်သူတို့ စွန့်ဦးတီထွင် သူတွေ အဖြစ် သတ်မှတ်ခဲ့ပြီး လူတွေက ရေကောက်ပွဲနေ့ကြ မှ မဲပေးတာ မဟုတ်ဘူး၊ နေ့တိုင်း မဲပေးနေကြတယ်၊ သူတို့ရဲ့ ပိုက်ဆံအိတ် တွေ၊ သူတို့ရဲ့ လူမှု ကွန်ယက် က ပို့စ် တွေ၊ သူတို့ရဲ့ အချိန် ၊အင်တာနက် မှာ ကြည့်ရှူတာတွေ နဲ့ နေ့စဥ်လိုလို မဲပေးနေကြတယ် ဆိုတာ သူတို့ နားလည်ခဲ့ပါတယ် လို့ ပြောဖူးပါတယ်။ Obama ရဲ့ data analytics အဖွဲ့ရဲ့ အကြီး တန်း အရာရှိ တချို့က လဲ ၂၀၁၃ မှာ blue lab ကို တည်ထောင်ပါတယ်။ Daniel Porter ဆိုရင် ္Obama ကမ်ပိန်း ရဲ့ Statistical modeling ဌာန မှာ ညွှန်ကြားရေးမှုး ပါ။ သမ္မတ ရွေးကောက်ပွဲ သမိုင်းမှာ ပထမ ဆုံး အနေနဲ့ ဖြောင်းဖျ ပြောဆိုတဲ့ ပုံစံကို သုံးပြီး ကြားနေ မဲပေးပြည်သူ ကို သတ်မှတ်တဲ့ ပွဲဖြစ်ပါတယ်လို့ ပြောဆို ခဲ့ဖူးပါတယ်။ 

Google CEO Eric Schmidt က ၂၀၁၃ မှာ civis ကို တည်ထောင်ပါတယ်။  civis ရဲ့ ရည်ရွယ်ချက် က data ကို ဒီမိုကရေစီ နည်းကျ ပြောင်းလဲပြီး အဖွဲ့အစည်း တွေ အနေနဲ့ ခန့်မှန်းတဲ့ အလုပ် တွေ လုပ်စရာ မလိုဘဲ ဆုံးဖြတ်ချက် တွေကို သိပ္ပံနည်းကျ တွေ့ရှိချက် တွေ အပေါ် ပြုလုပ်နိုင်ဖို့ ဖြစ်ပါတယ်။ 

အမေရိကား မှာ အားလုံးလိုလို က ဒီမိုကရက် တွေကို ပဲ အာရုံစိုက် နေတော့ Nix ရဲ့ အဓိက ပစ်မှတ်က ရီပါဘလီကန်တွေ အတွက်ဖြစ်လာပါတယ်။  ဒါက Data science ကို နိုင်ငံရေး လောက ဆီ သယ်ယူလာဖို့ တစ်ခု တည်းသော အခွင့်အရေး ပါ။ ဒါက ရိုးရှင်း ပြီး သန့်ရှင်းတဲ့ စီးပွားရေး တစ်ခု ဖြစ်ခဲ့ပါတယ်။ 

ရင်းနှီးမြှပ်နှံ မယ့် ပိုက်ဆံ တွေနဲ့ အကြံညဏ်တွေ အတွက် Nix က အမေရိကား ရဲ့ ထင်ရှားတဲ့ ကွန်ဆာဗေးတစ် စီးပွားရေး သမားတွေကို ချည်းကပ် ခဲ့တာပဲ။ သူတို့ တွေ တော်တော် များများက ရီပါဘလီကန် ပါတီ နဲ့ ခွဲခြားလို့ မရတဲ့ ဆက်နွယ် ပတ်သတ် မှု တွေ ရှိနေပါတယ်။ Nix ရဲ့ ပထမဆုံး အမေ ရိကန် ခရီးစဥ် မှာ ရီပါဘလီကန် တွေရဲ့ မီဒီယာ ပုံရိပ်လို့ ပြောလို့ ရတဲ့ Steve Bannon နဲ့ တွေ့ခဲ့ပါတယ်။ ကျွန်မ SCL ကို ဝင်ခါစ က Steven bannon ဆိုတာ ဘယ်လို လူမှန်း မသိခဲ့ပါဘူး။ အဲဒီ အချိန် တုန်းက ကျွန်မ သု့အကြောင်း သိသမျှ က သူ က ရီပါဘလီကန် တွေ အတွက် မီဒီယာ နဲ့ ပတ်သတ် တဲ့ ရုပ်ရှင်၊ သီချင်း၊ သတင်းစာ၊ စာဆောင်၊ website တွေ ထုတ်လုပ်ပေးသူ ပါ။ Breitbart သတင်းစာ ဆိုရင် တည်ထောင် သူ Andrew Breibart သေဆုံးပြီး နောက် Bannon က လွှဲပြောင်း လုပ်ကိုင်ခဲ့ပြီး အမေရိကားရဲ့ စတုတ္ထအကြီးဆုံး သတင်းစာ ဖြစ်လာခဲ့ပါတယ်။ ပြီးတော့ Steve ရဲ့ ကုမ္ပဏီ ဖြစ်တဲ့ Glittering Steel ကနေလဲ ကလင်တန် မိသားစု ဆန့်ကျင်ရေး ၊ ကို  digital ကြော်ငြာ တွေ သုံးပြီး အကြီးအကျယ်  ပြုလုပ်ခဲ့ပါတယ်။ 

Nix နောက်ထပ် ချည်းကပ် သူတွေ ထဲက အရေးကြီး ပုဂ္ဂလိုလ် နောက် တစ်ဦးက Robert and Rebecca Mercer ဆိုတဲ့ သားအစ်ဖ ဖြစ်ပါတယ်။ 

Steven Bannon တစ်ခါက ပြောဖူးပါတယ်။  Bob ရဲ့ ရွေးကောက်ပွဲ ရံပုံငွေ အဖွဲ့ကနေ အသုံးစားရိတ် ထုတ်ပေးဖို့ တာဝန်ယူတဲ့  Bob နဲ့ Bekah က မယုံနိုင်စရာ ထူးချွန်သူတွေ ဖြစ်ပါတယ်။ သူတို့ အလုပ်လုပ်တာ ဘာကိုမှ မေးခွန်းထုတ်စရာ မလိုအောင် တော်ကြတယ်လို့ ပြောဖူးပါတယ်။ Steve ပြောပုံအရ ဆိုရင် Mercer မိသားစု က အလယ်အလတ်တန်းစား မိသားစု ဖြစ်ပြီး သူတို့ အသက်ကြီး ပိုင်းရောက်မှာ ချမ်းသာ ကြွယ်ဝ လာသူ တွေ ပါ။ Nix Mercerမိသားစု ကို ချည်းကပ်ချိန်မှာတော့ သူတို့ က ဘီလီယံနာတွေ ဖြစ်နေကြပြီး ရီပါဘလီကန် ရဲ့ အဓိက အလှုရှင် တွေ ဖြစ်နေပါပြီ။ 

Bob Mercer က သိုသိုဝှက်ဝှက် နေတတ်သူ တစ်ဦးပါ။ သူ က IBM ရဲ့ ထူးချွန်တဲ့ Data Scientist အဖြစ် အလုပ်လုပ်ကိုင်ခဲ့ပြီး သူပထမဆုံး လုပ်တဲ့ အလုပ် က မှတ်ညဏ်တု artificial intelligence အပိုင်းမှာ ဖြစ်ပါတယ်။ ကမ္ဘာ့ ပထမဆုံး လူ စကားပြောသံကို ကွန်ပြူတာက ဖတ်နိုင်တဲ့ တွက်ချက်မှုကို သူ တီထွင်နိုင်ခဲ့ပြီး Watson ဆိုတဲ့ နည်းပညာ စာဆောင် မှာလဲ သူ  ကိုယ်တိုင်ရော၊ အခြားသူ တစ်ဦး နဲ့ တွဲဖက်ပြီးရော နည်းပညာ ဆောင်းပါးတွေ ရေးသားခဲ့ပါတယ်။ 

BOB IBM က ထွက်ပြီး စတော့ စျေးကွက် ရဲ့ စျေးနှုန်း ကို ကြိုတင် တွက်ချက် တဲ့ လုပ်ငန်း  ကို ပထမ ဆုံး လုပ်တဲ့ သူ ဖြစ်လာပါတယ်။ အဲဒီ အလုပ်ကပဲ သူ့ကို Hedge Fund Barron ဆိုတဲ့ နာမည် တစ်လုံး ဖြစ်လာစေခဲ့ပါတယ်။ Hedge Fund ဆိုတာ  လူတွေ ထည့်ဝင်တဲ့ ချေးငွေ တွေ၊ အရင်းအနှီးတွေကို အသုံးပြုပြီး စီးပွားရေး လုပ်ငန်း တွေ မှာ ရင်းနှီး မြှုပ်နှံတဲ့ အလုပ် ဖြစ်ပါတယ်။ သူ့ရဲ့ ကုမ္ပဏီ Renaissance Technologies ဆိုတာ Long Island ပေါ်မှာ တည်ရှိပြီး ရင်းနှီးငွေ 25 ဘီလီယံ ကျော် ရှိတဲ့ ကမ္ဘာ့ အအောင်မြင်ဆုံး ရင်းနှီး မြုပ်နှံ မှု ကုမ္ပဏီ ဖြစ်လာပါတယ်။ Bob ရဲ့ သမီး တစ်ဦး ဖြစ်သူ Bekah နဲ့ ဇနီးဖြစ်သူ Susan က နိုင်ငံရေးမှာ တက်ကြွ စိတ်ဝင်စား ပြီး ရီပါဘလီကန် တွေကို  အထောက်အပံ့ပေးတဲ့ နေရာမှာ  မိသားစု ရဲ့ အဓိက ဗျူဟာ ချမှတ် သူတွေ ပါ။  

 

အခု အချိန် မှာ ရီပါဘလီကန် ရဲ့ အဓိက အလှုရှင် မိသားစု က မီဒီယာ လုပ်ငန်းရှင် Barron ရဲ့ သတင်းစကား ပေးပို့မှု နဲ့  Data science ကုမ္ပဏီရဲ့ ပစ်မှတ်ထား မယ့် သူတွေကို ခွဲခြားမှုရယ် ထက်ပိုပြီး ဘာတွေ ကို လိုချင်နေတာလဲ? 

Steven Bannon, Bob, Bekah နဲ့ Nix တို့ဟာ Wisconsin နယ်ရဲ့ ရီပါဘလီကန် နိုင်ငံရေး သမား Mark Block နဲ့ဘပတ်သတ်ပြီး သူတို့ အားလုံး တွေ့ဆုံ ဖြစ်ကြပါတယ်။ ၂၀၁၃ မှာ Block က လေယဥ် ခရီးသွားနေတုန်း SCL ရဲ့ ကောင်းသတင်း တွေ ပြောပြတဲ့ အမေရိကန် လေတပ်က Cyber စစ်ပွဲ ကျွမ်းကျင်သူ တစ်ဦး နဲ့  အမှတ်မထင် တွေ့ဆုံခဲ့ပါတယ်။ အဲဒီကနေ တဆင့် သူက Nix ကို ဆကိသွယ်ခဲ့တာပါ။ Block က Obama ကန်ပိန်းရဲ့ Data Analytic အကြောင်း သတိထားမိခဲ့ပေမယ့် သူ Nix ကို တွေ့ပြီး နောက်မှာ တော့ Nix ရဲ့ ရည်မှန်းချက် တွေဟာ ဒီမိုကရက်တစ် တွေ ရှိထားတာထက် ရှေ့ကို အများကြီး ရောက်နေတယ် ဆိုတာ သိလိုက်ရပါ တော့တယ်။ 

ဒါနဲ့ပဲ Block က လူတော်တော် များများ ကို လိုက်စည်းရုံးပါတော့တယ်။ Nix-Bannon-Mercer တို့ရဲ့ သတင်းသမား တွေ နဲ့ တွေ့ဆုံပွဲ အကြောင်းကို သူ ပြန်ပြောပုံအ

 ဆိုရင် သူနဲ့ Nix တို့  Mercer နဲ့ တွေ့ဖို့ ဆိုပြီး Hudson မြစ်ပေါ်မှာ ရှိတဲ့ မထင်ရှားတဲ့ ဘားတစ်ခု ကို ရောက်လာခဲ့ကြပါတယ်။ Block နဲ့ Nix တို့စိတ်ထဲ မှာတော့ ဘာကြောင့်များ ဘီလီယံနာ တစ်ယောက် နဲ့ သူ့သမီး က တွေ့ဆုံဖို့ ကို ဒီလိုနေရာ ကို ရွေးတာပါလိမ့် ပေါ့။ မကြာခင် မှာပဲ ဘီလီယံနာ သားအစ်ဖ က သူတို့ မိသားစုပိုင် ၇၅ မီလီယံ တန်ဖိုးရှိတဲ့ ၂၃ ပေအရှည် ရှိတဲ့ ရွက်လှေ နဲ့ ရောက်လာပါတော့တယ်။ Steven Bannon က Mercer သားအစ်ဖ နဲ့ အတူတူ ရှိနေပြီး Nix နဲ့ Block တို့ ရွက်လှေ ပေါ်ကို တက်လိုက်ပါတယ်။ သူတို့ ရဲ့ တွေ့ဆုံမှု အစ ကတော့ ဒါပါပဲ။ ကျန်တဲ့ အပိုင်းကတော့ ကမ္ဘာကြီးကို ပြောင်းလဲ ပစ်နိုင်တဲ့ သမိုင်းလို့ ပဲ ပြောရမှာပါ။

တကယ်တော့ Bob Mercer က data science ကုမ္ပဏီ တစ်ခု မှာ ရင်းနှီး မြှုပ်နှံတာဟာ တိုက်ဆိုင်မှု သက်သက်ပါလို့ ပြောလို့ မရပါဘူး။ သူ့ရဲ့ နာမည် ကျော် စကား တစ်ခွန်းက  Data ပမာဏ များများမရှိရင် မရှိသလို ပါပဲ။ ။ သူ့ရဲ့ လက်ယာ ယိမ်း ရီပါဘလီကန် ကို ထောက်ခံတဲ့ နိုင်ငံရေး အယူအဆ က လဲ ရိုးရှင်း လှပါတယ်။ သူ့ရဲ့ နိုင်ငံရေး ယုံကြည်ချက် က လက်ယာဘက်ကို အကြီးအကျယ် ယိမ်း တဲ့ အယူအဆ တွေကို လက်ခံယုံကြည်လို့ပါ။ Mercer ရဲ့ အစွန်းရောက် အမြင် တွေက တကယ်လို့ သာ မှန်ခဲ့မယ်ဆိုရင် ဖိနှိပ် မှုတွေ ကြုံခဲ့ရမှာပါ။ တချို့ တွေ ပြောတာက သူ့အနေနဲ့ ၁၉၆၄ လူ့အခွင့်အရေး ဥပဒေ ပြဌန်းတာကို အကြီးမားဆုံး အမှား ဖြစ်တယ်လို့ ယူဆ နေတယ်လို့ ပြောကြပါတယ်။ 

Nix က ကျွနိမ ကို Cambridge Analytica အတွက် Mercer မိသားစု က ဘယ်လောက် ရင်းနှီးမြှုပ်နှံလဲ ဆိုတာ တခါမှ မပြောဖူးပါဘူး။ Nix ပထမ ဆုံးအကြီမ် အနေနဲ့ Bob Mercer ကို data ကို သုံးပြီး လူတွေကို ထောက်ခံသူ အစစ်လားဆိုတာ ဘယ်လို ခွဲခြားတယ်၊ တကယ်လို့ ထောက်ခံသူ မဟုတ်ခဲ့ရင်လဲ ထောက်ခံသူ ဖြစ်လာအောင် ဘယ်လို လုပ်တယ် ဆိုတာ တွေ ပြောပြီးပြီးချင်း ပဲ Bob က Cambridge Analytica မှာ ရင်းနှီးမြှုပ်နှံတော့မယ် ဆိုပြီး ဖြစ်သွားခဲ့ပါတယ်။  Bob Mercer ရဲ့ ရီပါဘလီကန် တွေ အပေါ် အလှုအတန်း ရက်ရောမှု က လူသိများပါတယ်။ Bob က nix ရဲ့ data science အပေါ်မြတ်နိုးမှု နဲ့ သူ့ရဲ့ နိုင်ငံရေး ဦးတည်ချက် ကို ပေါင်းစပ် ပေးနိုင်မယ်လို့ မြင်ပါတယ်။ Nix ပြောပုံအရဆိုရင် Bob က သူ့ ပြောတာ နားထောင် အပြီး တုန့်ပြန်ပုံက " ခင်များ ပိုက်ဆံ ဘယ်လောက်လိုလဲ၊ ကျွန်တော် ဘယ်ကို ပိ့လိုက်ရမလဲ" ဆိုပြီးကို အားတက်သရော ဖြစ်သွားတာပါ။ 

အဲဒီကနေ စပြီး Steve, Bekah ၊နဲ့ Bob တို့ ဟာ သုံးပွင့်ဆိုင် အာဏာ ကို ရယူထားကြတဲ့ Cambridge Analytica ရဲ့ ဒါရိုက်တာ  ဘုတ်အဖွဲ့ဝင် တွေ ဖြစ်လာပါတော့တယ်။ Nix က Data Scientist တွေ ထပ်ရှာဖွေ ပြီးတော့ SCL ဝန်ထမ်း တွေကိုလဲ သူတို့ရဲ့ အချိန် တွေကို တခြား ပရောဂျက် တွေနဲ့ အမေရိကား ရဲ့ ပရောဂျက် ကို သီးခြား အသုံးပြုဖို့ ညွှန်ကြားပါတယ်။ Data Scientists တွေက ရနိုင်သမျှ Data တွေကို စတင်ဝယ်ယူ ကြပြီး လအနည်းငယ် အတွင်းမှာပဲ Cambridge Analytica က စတင်လည်ပတ် လှုပ်ရှားလာပါတော့တယ်။ 

ကျွန်မ ကို Bekah Mercer ကို စတွေ့ဖူးတာက Nix ကျွန်မ ကို ပထမဆုံး ခေါ်သွားတဲ့ အမေရိကား ခရီးစဥ် ၂၀၁၅ ဇွန်လ မှာပါ။ ကျွန်မ ရဲ့ ကောလိပ် နဲ့  တက္ကသိုလ် ကျောင်းသူ ဘဝ မှာ အမေရိကန် ကို အကြိမ်ပေါင်းများစွာ ပြန်လာဖူးပါတယ်။  တကယ်တော့ ကျွန်မ အနေနဲ့ ကျောင်းသူ ဘဝ နဲ့ နိုင်ငံခြားမှာ နေနေတာ ၁၀ နှစ်ကျော် ရှိနေပြီး အိမ်ကို မကြာခဏ ပြန်ဖို့ ကုန်ကျစားရိတ် မတတ်နိုင်ခဲ့ပါဘူး။ တခါတလေ အမေရိကန် မြေမှာ ခြေမချ ဖြစ်တာ ၂ နှစ် ကျော်လောက် ရှိပါတယ်။ 

အခုတော့ အမေရိကန် ကို ပြန်ရောက်တာ ကျွန်မ စိတ်ချမ်းသာမိပါတယ်။ ကျွန်မ ကိုယ်ကျွန်မ အင်္ဂလန် မှာပဲ အမြဲနေမယ်လို့ တွေးမိပေမယ့် အင်္ဂလန် မှာ အလုပ် လုပ်ရတာ တော်တော် စိတ်ဖိစီး ပါတယ်။ SCL ရဲ့ အလုပ် ကတင် စိတ်ဖိစီးစေတာ မဟုတ်ပါဘူး။ ဗြိတိန် လူမျိုးတွေ ဟာ အမှား တစ်ခု ပေါ်မှာ အရမ်းကို ယဥ်ကျေး ကြပါတယ်။ သူတို့ ကိုယ့်ကို သဘောကျသလား၊ သဘောမကျ ဘူးလား၊ ကိုယ်နဲ့ အတူတူ အလုပ်လုပ်ချင်တာလား၊ မလုပ်ချင်ဘူးလား ဆိုတာ ဘယ်လို နည်းနဲ့မှ မသိနိုင်ပါဘူး။ 

ကျွန်မ New York မြို့၊ အမေရိကား ကို သဘောကျ တာက လန်ဒန်မှာ ဆိုရင် အားလုံးက ကိုယ့်အလုပ်နဲ့ ကို ရှုပ်နေကြပြီး လမ်းမှာ ခဏ ရပ်ပြီး စကားမပြောနိုင်လောက် အောင်ပါပဲ။ ဒီလို မျိုး အလုပ်တွေ ပိနေတာက တချို့သူတွေ အတွက် တော့ စိတ်အနှောက်အယှက် ဖြစ်စရာပါ။ 

ကျွန်မ ္New York မှာ အကြာကြီး မနေဖူးပါဘူး။ ကျောင်းသူ ဘဝ တုန်းကဆို သူငယ်ချင်း တွေနဲ့ အားလပ်ရက် တွေမှာ ရထားစီးပြီး ဟိုနား ဒီနား သွားဖူးပါတယ်။ အခုတော့ တစ်မြို့လုံး ဘယ်လို အလုပ်လုပ်ကြတယ် ဆိုတာ သတိပြုမိပါတယ်။ လူတိုင်း က ခပ်သုတ်သုတ် သွားလာနေကြပြီး  ကိုယ့်ကိစ္စနဲ့ ကို ရှုပ်နေကြပါတယ်။ ရထားပေါ် ၊ ဘတ်စ် ကားပေါ်လဲ သူစိမ်း တစ်ယောက် နဲ့ မျက်လုံးချင်း မဆိုင်  မိကြပါဘူး။ 

တချိန်တည်းမှာ လဲ အမေရိကား မှာ အလုပ်လုပ်ရတာ အရမ်း ပွင့်လင်း တယ်လို့ ခံစားရပါတယ်။ တစ်ယောက်ယောက် က ကိုယ့်ကို သဘောမကျဘူး၊ အလုပ်လုပ် ဖို့ ပိုက်ဆံ မရှိဘူးဆိုရင် ချက်ချင်း သိပါတယ်။ တကယ်လို့ ကိုယ့်အပေါ် မရိုးမသား လုပ်နေရင်လဲ တန်းသိသာစေပါတယ်။ 

 Bekah နဲ့ တွေ့ဆုံရတာကလဲ ဒီပုံစံပါပဲ။  Bekah ကို ကြည့်ရတာ အပြောနဲ့ အလုပ် တစ်ထပ်တည်း ကျမယ်ပုံပါ။ ကျွန်မ တို့ သူမ နဲ့ June 15 မှာ တွေ့တုန်းက သူမ မှာ အချိန် သိပ်မရပါဘူး။ သူမ က ဖောိရွေ ပြီး ပွင့်ပွင့်လင်းလင်း ပြောတတ်သူ တစ်ဦးပါ။ သူမက စကားပြောရင် မျက်လုံးကို စိုက်ကြည့် တတ်ပြီး ဒေါက်မြင့် ဖိနပ် နဲ့ လှပတဲ့ ဝတ်ဆုံကို ဝတ်ထားပါတယ်။ သူမ ရဲ့ အရပ်က မြင့်မားပြီး အနီရောင် ဆံပင်၊ ဖျော့တော့တဲ့ အသားအရည် ၊ ကျယ်ပြန့်တဲ့ နဖူး ရဗိပြီး ကြည့်ရတာ ကျန်းမာ သန်စွမ်းသူ တစ်ယောက်ပါ။ သူမ ရဲ့ လက်တွေဟာ နူးညံ့နေပေမယ့် သူ့ရဲ့ လက်ဆွဲ နှုတ်ဆက် တဲ့ပုံက တော့ သန်မာ ပြီး အားအင် အပြည့် ရှိနေတာဟာ သူ့မှာ ရှိနေတဲ့ ရာထူး အာဏာ ကို ပြဆို လိုက်သလိုပါပဲ။

သူမ ဟာ အာဏာ ကြီးမားသူ တစ်ဦးဆိုတာ ကလွဲပြီး သူမ အကြောင်း အဲဒီအချိန် က ကျွန်မ အများကြီး မသိပါဘူး။ သူမ ရဲ့ အသံကို ကွန်ဖရန့် ဖုန်းခေါ်ဆိုမှုတွေက ကြားဖူးပါတယ်။ တိကျ ပြတ်သားတဲ့ အသံ နဲ့ စကားပြောဆို တတ်ပါတယ်။ နောက်ပိုင်းသိရတာက သူမ မှာ ဇီဝဗေဒ နဲ့ သင်္ချာ ပညာရပ် ဘွဲ့၂ ခု ရရှိထားပြီး မဟာဘွဲ့ကိုလဲ  အင်ဂျင်နီယာ ဆိုင်ရာ ဘောဂဗေဒ နဲ့ သုတေသန လုပ်ငန်း ဆိုင်ရာ မှာ ရရှိထားပါတယ်။ သူမ New York ရဲ့ ဘဏ္ဍာရေး ကုမ္ပဏီ တစ်ခု မှာ ရောင်းဝယ်သူ  အဖြစ် ဝင်ရောက်လုပ်ကိုင်ခဲ့ဖူးပါတယ်။ သူမ ကို Mercer မိသားစု ရဲ့ ကြောက်စရာ အကောင်းဆုံး နိုင်ငံရေး သမား အဖြစ် လူသိများပါတယ်။ 

Bekah က သူမ ဘာလို ချင်သလဲ ဆိုတာ ကောင်းကောင်းသိပြီး ၊ အခုဆိုရင် ကျွန်မ က သူလိုချင်တာ ပေးမယ့် အဖွဲ့ရဲ့ အဖွဲ့ဝင် တစ်ဦးဖြစ်နေပါပြီ။ Nix ဆိုရင် Bekah ကို သူ့ရဲ့ အလုပ်ခွင် ဇနီး လို့ကို တင်စားခေါ်ပါတယ်။ သူနဲ့ Bekah နဲ့ ကြားထဲက တူညီမှုတွေက Nix ရဲ့ ဇနီး Olympia ထက်ကို ပိုများနေလို့ပါ။ Nix ကတော့ ပန်းချီ စုဆောငိးတာနဲ့ ပိုလို ကစားတာ အပြင် သူ့ရဲ့ အချိန် တော်တော် များများကို Mercer မိသားစု နဲ့ အတူတူ ရှိနေပါတယ်။ တဖြည်းဖြည်း နဲ့ ကျွန်မ ပိုသိလာတာက Nix ရဲ့ Mercer မိသားစု နဲ့ ရင်းနှီးမှုက သူ့ မိသားစု ထက်ကို ပိုပါတယ်။ 

ကျွန်မ Bekah ကို တွေ့ပြီး နောက် သိလာတာက Bekah က Nix ရဲ့ Cambridge Analytica ကို  2014 Ted Cruz ကမ်ပိန်း နဲ့ ချိတ်ဆက်ပေးခဲ့တယ် ဆိုတဲ့ အကြောင်းဖြစ်ပါတယ်။ 2014 အကုန်ပိုင်းလောက်မှာ Ted Cruz က Nix နဲ့ Steve Bannon ကို တွေ့ဆုံခဲ့ပါတယ်။ Mercer မိသားစု က Ted Cruz အတွက် ဒေါ်လာ ၁၁ သန်းကို ရင်းနှီး မြှုပ် နှံခဲ့ပါတယ်။ 

အဲဒီ အချိန် က Cambridge Analytica မှာ ပရောဂျက် အသေးတွေပဲ ရှိပါတယ်။ Nix အနေနဲ့လဲ သူ အမေရိကား စျေးကွက် ကို စစချင်း ဆီနိတ်တာ ရွေးကောက်ပွဲ၊ ပြည်နယ် အုပ်ချုပ်ရေးမှုး ရွေးကောက်ပွဲ တွေကိုပဲ အာရုံစိုက်မယ်လို့ စိတ်ကူးထားတာပါ။ ဒါပေမယ့် Mercer မိသားစု အတွက် ကတော့ ဒီလောက် နဲ့ မကျေနပ် နိုင်ပါဘူး။ 

သတင်းစာ တွေ ရေးတာက Bekah နဲ့ သူ့အဖေ ရဲ့ ရည်ရွယ်ချက် က ၂၀၁၆ မှာ ဒီမိုကရက် တွေကို ယှဥ်နိုင်မယ့် သမ္မတလောင်းကို ရှာဖွေ ဖို့ပါ။ ဒီ ရီပါဘလီကန် သမ္မတ လောင်းက ပြုပြင်ပြောင်းလဲ နိုင်ရမှာ ဖြစ်ပြီး Washington က အိမ်ဖြူတော် ရဲ့ လုပ်နည်းလုပ်ဟန် တွေကို ပြောင်းလဲ ပစ်နိုင်သူ ဖြစ်ရပါမယ်။ Bekah တို့ သားအစ်ဖ ကို ပြုပြင်ပြောင်းလဲရေး ဘီလီယမ်နာ တွေ အဖြစ်လူသိများလာပါတယ်။ သူတို့ သားအစ်ဖ က နိုင်ငံရေး သမား Pat Caddel ချမှတ် တဲ့ အမေရိကန်ရဲ့ အနာဂတ် လုပ်ငန်းစဥ် တွေ အပေါ် သဘောကျ ကြိုက်နှစ်သက်ကြပါတယ်။ Pat Caddell ရဲ့ မျှော်မှန်းချက် က အမေရိကန် နိုင်ငံရေး မှာ  1947  Mr Smith Goes to Washington ဆိုတဲ့ ရုပ်ရှင် ထဲက James Stewart လို လူမျိုး လိုအပ် နေတယ် လို့ ယူဆတာပါ။ Caddell က  အမေရိကန်  ရဲ့  နိုင်ငံရေး၊ စီးပွားရေး နဲ့ နိုင်ငံသား ဘဝ တွေ အတွက်  ခေါင်းဆောင် မှု ပုံစံ အသစ် တစ်ခု ကို လိုချင် ခဲ့ပါတယ်။ သူ က ဒီလို ခေါင်းဆောင် ကို လိုက်လံ ရှာဖွေ နေပြီး သူ့ရဲ့ ရှာဖွေမှုကို “ Mr Smit ကို အသည်းအသန် ရှာဖွေ ခြင်း “ လို့ နာမည် ပေးခဲ့ပါတယ်”

Bob and Bekah တို့ သားအစ်ဖ ကလဲ Caddell ရဲ့ အယူအဆ ကို လက်ခံပြီး သူတို့လဲ Washington ကိုလာပြီး အဂတိ ချစားမှု တွေတိုက်ဖျက်ပြီး မူဝါဒ စည်းကမ်း  အတိုင်း ခေါင်းဆောင်နိုင်သူ ကို ရှာဖွေ ကြပါတယ်။ 

ဆီနိတ်တာ Ted Cruz ကို Mercer မိသားစု ရွေးချယ်တာ စိတ်ဝင်စားစရာ ကောင်းပါတယ်။ သူ့ရဲ့ စစ်တမ်းတွေ က ဆိုးဆိုးဝါးဝါးပါပဲ။ သူ့ကို လူသိနည်းကြပြီး သူ့ကို သိသူတွေကလဲ သူ့ကို မထောက်ခံကြပါဘူး။ ဆီနိတ်တာ ္Lindsey Graham က  ဆိုရင်  လွှတ်တော် မှာ တစ်ယောက်ယောက် က Ted Cruz ကို သေနတ်နဲ့ လာပစ်ရင် တောင် ဘယ်သူ  မှ လူနာတင်ယဥ် ခေါ်ပေးကြမှာ မဟုတ်ဘူး လို့ ပြောတဲ့အထိပါပဲ။ Bekah နဲ့ Bob တို့ က Ted Cruz ရဲ့ အားနည်းချက် တွေကို ကောင်းကောင်းသိပါတယ်။ ဒါပေမယ့် သူတို့က Cambridge Analytica ကနေ Ted Cruz ကို အိမ်ဖြူတော် ကို ပို့ပေးနိုင်မလားလို့ မျှော်လင့် နေကြတာပါ။ 

Cambridge Analytica ရဲ့ ကြိုးစားမှု တွေက တဖြည်းဖြည်း အရာထင်လာပါတယ်။ Ted Cruz ကမ်ပိန်း မှာ မဲဆွယ် သတင်းစကား ပေးပို့မှုကို ၃၀ % မြှင့်တင် နိုင်ခဲ့ပါတယ်။ လူတော်တော် များများ က Ted Cruz ကို သိလာကြပြီး သူတို့ရဲ့ Cruz အပေါ်ထားတဲ့ အမြင်တွေ ပြောင်းလဲလာပါတယ်။ လူတွေ Ted Cruz နဲ့ ပတ်သတ်တဲ့ အကြောင်းအရာတွေကို click နှိပ်ပြီး ဖတ်လာသလို ကမ်ပိန်း မှာ ပူးပေါင်း ပါဝင်ပြီး ရွေးကောက်ပွဲ ရံပုံငွေ ပါ ထည့်ဝင်လာကြပါတယ်။ Cruz ကို ရီပါဘလီကန် ရဲ့ သမ္မတလောင်း အဖြစ် လက်ခံလာကြပြီး Cambridge Analytica ကိုလဲ လူပိုသိလာပါတယ်။ 

Bob နဲ့ Bekah က တော့ နောက်ကွယ်ကပဲ နေပြီး လူသိမခံ အောင် နေပါတယ်။ လူတစ်ချို့ကတော့ သူတို့ကို ဂျူးဆန့်ကျင်သူ၊ နိုင်ငံခြားသား ဆန့်ကျင်သူ နဲ့ အမုန်းစကား ဖြန့်ဝေသူတွေ အဖြစ် တံဆိပ်ကပ်ကြပါတယ်။ တချို့ကလဲ Bekah ကို နိုင်ငံရေး လောက မှာ အသံမထွက်ဘဲ လှုပ်ရှားနိုင်စွမ်း ရှိသူအဖြစ် ပုံဖော် ပြောဆို ကြပါတယ်။ တချို့သူတွေကတော့ Bekah ကို မကောင်းတာလုပ်တဲ့နေရာ မှာ ညဏ်ကြီးရှင်လို့ သမုတ်ကျပါတယ်။ Bekah က သူမ ကိုယ်သူမ တော့ သိပ္ပံနည်းကျ သုတေသန  လုပ်ငန်း မှာ စိတ်ဝင်စား ပြီး ဘယ်လောက် သေးငယ်တဲ့ နေရာမှာ ဖြစ်ဖြစ် အဂတိ ချစားမှုကို တိုက်ဖျက် မယ့်သူ  ဖြစ်တယ် လို့ ပြောပါတယ်။ 

2015 June မှာ Nix က ကျွန်မ ကို Bekah နဲ့ မိတ်ဆက်ပေးပါတယ်။ နေရာ က Newscorp အဆောက်အဦးရဲ့ ၂၇ ထပ်မှာ ရှိတဲ့ သူမ ရဲ့ ရုံးခန်းမှာပါ။ Nix က ကျွန်မ က အဖွဲ့ဝင် အသစ်တွေ ထဲက ညဏ်ကြီးရှင် တစ်ဦးဖြစ်ကြောင်း၊ ကျွန်မ အနေနဲ့ SCL မှာ အောင်မြင်မှု တွေ ရယူနိုင်ခဲ့ကြောင်း၊ ကုမ္ပဏီ ရဲ့ ပရောဂျက် ရရှိမှုကို ကျွန်မ ပဲ ဦးဆောင်နေကြောင်း ္Bekah ကို ပြောပြပါတယ်။ Bekah က ကျွန်မ ကို ရင်းရင်းနှီးနှိီး ပြန်နှုတ်ဆက်ပါတယ်။ သူ ရုံးဆင်းပြီဖြစ်လို့ မကြာခင် ပြန်ရတော့မယ့် အကြောင်း၊ နောက်လဲ ထပ်ပြီး တွေ့ချင်ပါသေးတယ် ဆိုတာ ပြောပါတယ်။ Bekah မှာ သားသမီး ၄ ဦး ရှိပါတယ်။  ကျွန်မ လဲ Bekah နဲ့ ထပ်မံ ဆုံတွေ့ချင် ပါတယ်။

Nix အခုလို အလုပ်ချိန် ပြီးခါနီး မှာ Bekah နဲ့တွေ့ဖို့ စီစဥ်ရတာ အကြောင်း ရှိပါတယ်။ သူ Bekah ကို သဘောကျ ပေမယ့် တခါမှ လူကိုယ်တိုင် မတွေ့ဖူးသေးပါဘူး။ သူ့ရဲ့ အစီအစဥ်က Bekah ကိုတွေ့တဲ့ အခါ Brondon Muir  , Bekah ရဲ့ ပရဟိတ ရံပုံ ငွေ အဖွဲ့ရဲ့ အမှုဆောင် ဒါရိုက်တာ နဲ့ အတူတူ တွေ့ဖို့ပါ။ Nix က Bekah ရဲ့ ပ​ရောဂျက် အားလုံးကို သဘောကျ တာတော့ မဟုတ်ပါဘူး။ Reclaimed New York ပရောဂျက် ဆိုရင် အစိုးရ ရဲ့ ပွင့်လင်းမြင်သာ မှုကို မြှင့်တင် ဖို့ဆိုပြီး မလိုအပ် ဘဲ လုပ်ထားတာပါ။ Steven Bannon က Mercer ဖောင်ဒေးရှင်း မှာ ၃ မီလီယံ ထည့်ဝင် ထားပါတယ်။ ဒါပေမယ့် Nix က တော့ ဒီ ဖောင်ဒေးရှင်း ကို Bekah ရဲ့ စွမ်းရည် တွေ မလိုအပ်ဘဲ ဖြုန်းတီး နေတယ် လို့ ယူဆ ပါတယ်။ ဒီ အဖွဲ့အစည်း လုပ်နေတာက သတင်းအချက်အလက် လွတ်လပ်ခွင့် ဥပဒေ ကို သုံးပြီး ဘယ်ကုမ္ပဏီ က လမ်းပေါ်က အပေါက် တွေ ဖာဖို့ လုပ်ငန်းကို အဂတိလိုက်စား ပြီး ရယူခဲ့တယ်၊ ဘယ်ကုမ္ပဏီ ကတော့ အစိုးရ ကျောင်း တွေရဲ့ ဖတ်စာအုပ် ကို သွင်းပေးမယ် ဆိုပြီး ရစရာ ပိုက်ဆံ မရ ခဲ့တယ်၊ စတဲ့ ဒီလို အလုပ်တွေ ပဲ လုပ်နေတာပါ။ 

Nix က Bekah ရဲ့ အာရုံစိုက် မှုနဲ့ အချိန် ကို လိုချင်ပါတယ်။ Bekah ရဲ့ အဆက်အသွယ် တွေက တဆင့် client အကြီး တွေကို ချိတ်ဆက် ချင်တာပါ။ အဲဒီ client တွေက Cambridge Analytica ကို ပေးဖို့ ပိုက်ဆံ မတတ်နိုင်ရင် တောင် Bekah က သူတို့ကို အထောက်အပံ့ပေး၊ အလှူငွေ ပေးတာမျိုး လုပ်ရင် CA အတွက် လုပ်စရာ အလုပ်တွေ အများကြီး ရှိလာမှာပါ။ 

ဒါကြောင့် nix က Bekah ကို နေ့ခင်း ပိုင်း အချိန် တွေမှာ မတွေ့ချင် တာပါ။ သူ့ အကြံက   Reclaim New York ပရောဂျက် ရဲ့ အမှုဆောင် ဒါရိုက်တာကို  Bekah ရဲ့ ကစားစရာ ပရောဂျက် တွေ က နေ ထွက်ခွါပြီး  CA နဲ့ ပူးပေါင်း စေချင် လို့ပါ။ 

Brondon Muir က အဲဒီ အချိန် တုန်းက Reclaim New York မှာ လုပ်နေတယ တစ်နှစ် ကျော်ပါပြီ။ သူက တောင်အမေရိက နိုင်ငံ တွေရဲ့ ရွေးကောက်ပွဲ အတွေ့အကြုံ ကောင်းကောင်း ရှိပြီး စပိန် စကား ကောင်းကောင်း ပြောနိုင်တဲ့ အမာခံ ရီပါဘလီကန် ထောက်ခံသူ ဖြစ်ပါတယ်။  သူသာ CA ကို ကူးပြောင်းလာရင် Data ပေါပေါများများ ရနိုင်တဲ့ အမေရိက နယ်မြေ မှာ CA အတွက် အသုံးဝင် သူ ဖြစ်လာနိုင်ပါတယ်။ 

 ကျွန်မ အနေနဲ့ လူတစ်ယောက် ကို ဆွဲဆောင် သိမ်းသွင်းတဲ့ အလုပ် မျိုး တခါမှ မလုပ်ဖူးသေးတဲ့ အတွက် Nix က Brondon ကို ဆွဲဆောင်တဲ့ နေရာ မှာ ကျွန်မ ကို လေ့ကျင့်တဲ့ သဘောမျိုး လုပ်ကြည့်စေချင်ပါတယ်။ Nix က ကျွန်န ကို Brondon နဲ့ မိတ်ဆက်ပေးတဲ့ အခါ CA ရဲ့ ညဏ်ကြီး ရှင်အသစ် လို့ မပြောဘဲ ဒီမိုကရက် ကနေ ဘက်ပြောင်းလာသူ အဖြစ် မိတ်ဆက်ပေးခဲ့ပါတယ်။ 

Nix က ကျွန်မ တို့ အမေရိကား ခရီးစဥ် အတွက် သမိုင်းဝင် အခိုင်အတန့်တစ်ခု ကို ရွေးချယ် ခဲ့ပါတယ်။ ကျွန်မ တို့ Reclaim New York ရုံးကို သွားပြီး နောက်တစ်ရက် ၂၀၁၅ ဇွန်လ ၁၆ ရက်မှာ Donald Trump က Trump tower ရဲ့ စက်လှေကားပေါ်က နေဆင်းလာပြီး သူ အမေရိကန် သမ္မတ ရွေးကောက်ပွဲ မှာ အရွေးချယ် ခံ သမ္မတလောင်း အဖြစ် ယှဥ်ပြိုင်မယ် လို့ ကြေငြာ ခဲ့ပါတယ်။  အဲဒီနေ့က Donald Trump က သူ့သမီး Ivanka Trump စီစဥ်ထားတဲ့ လူအုပ်စု ကို နှုတ်ဆက် ပြီး စင်မြင့်ပေါ်က နေ Neill Young ရဲ့ 1989 rocking in the free world ဆိုတဲ့ သီချင်း ကို အော်ဟစ် သီဆို ခဲ့ပါတယ်။ 

သူပြောတဲ့ မိန့်ခွန်းမှာ " Mexico က သူ့လူတွေ ဒီကို ပို့တဲ့ အခါ အကောင်းဆုံးတွေ ကို ပို့တာ မဟုတ်ဘူး၊ သူတို့က ခင်များတို့ဆီကို ဘာမှ မပေးဘူး၊ ဘာဆို ဘာမှ မပေးဘူး၊ သူတို့ က ကျွန်တော်တို့ နိုင်ငံကို ပြဿနာ တွေ အများကြီး နဲ့ လူတွေကို ပို့နေတယ်၊ ပြဿနာ ပေါင်းစုံကို ကျွန်တော် တို့ဆီ ယူလာတယ်၊ မူးယစ်ဆေးတွေ ယူလာတယ်၊  ပြစ်မှု ကျူးလွန်မှု တွေ လုပိတယ်၊ သူတို့က မုဒိန်းကောင်တွေပဲ၊ အဲ တချို့ကတော့ လူကောင်းတွေလို့ ကျွန်တော် ယူဆ ပါတယ်" 

Donald Trump က သူ နယ်ခြား နံရံကြီး တည်ဆောက်ချင်တယ်လို့ ပြောပါတယ်။ " ဘယ်သူ မှာ ဒီနယ်ခြားနံရံကို ကျွန်တော် ဆောက်သလို ကောင်းကောင်း မဆောက်နိုင်ဘူး၊ ကျွန်တော် တို့ရဲ့ တောင်ပိုင်း နယ်နမိတ် တလျောက်လုံး နံရံ အပြည့်ဆောက် ပစ်မယ်၊ ဒီ လို ဆောက်တဲ့ ကုန်ကျစားရိတ် ကို မက္ကဆီကို က ပေးအောင် ကျွန်တော် လုပ်ပြမယ်"

Trump ရဲ့ သမ္မတ ​အရွေးခံမယ် ဆိုတဲ့ သတင်းဟာ အချိန် တော်တော် ကြာကတည်းက ကျွန်မ တို့လန်ဒန် ရုံးမှာ အတင်း ပြောစရာ ခေါင်းစဥ် တစ်ခု ဖြစ်နေခဲ့တာပါ။ ၂၀၁၅ မတ် မှာ Trump က သူ့ရဲ့ သမ္မတ ရွေးကောက်ပွဲ လေ့လာရေး ကော်မတီ ကို ဖွဲ့စည်းခဲ့ပါတယ်။ မေလ မှာတော့ New Hamshire မှာ သူ့ရဲ့  ရွေးကောက်ပွဲ ခေါင်းဆောင် မှု အဖွဲ့ကို ဖွဲ့စည်းပါတယ်။ New Hamshire ဆိုတာ ပထမဆုံး သမ္မတ အရွေးခံမယ့် သူတိုင်း စတင်  အခြေစိုက် တဲ့ ပြည်နယ် ဖြစ်ပါတယ်။ 

Trump က ကျွန်မ တို့ client Ted Cruz အတွက် ပြိုင်ဘက်ကောင်း ဖြစ်လာမလားဆိုတာ ကျွန်မ သံသယ ရှိပါတယ်။ 

ကျွန်မ အနေနဲ့ Trump ကို သမ္မတ ရွေးကောက်ပွဲ အတွက် လေးလေးနက်နက်  ရှိတယ် လို့ မယူဆဘူး။ ကျွန်မ လိုဘဲ အမေရိကားက လူတော်တော် များများလဲ ဒီလိုဘဲ ယူဆ နေကြပါတယ်။ အဲဒီအချိန် က စစ်တမ်း တစ်ခု အရဆိုရင် အမေရိကားရဲ့ မဲပေးသူ ၁၀ ယောက် မှာ ၇ယောက်၊ မဲပေးသူ စုစုပေါင်းရဲ့ ၅၂ရာခိုင်နှုန်းက Trump ကို မဲ လုံးဝ ပေးမှာ မဟုတ်ဘူးလို့ ဖြေကြပါတယ်။ 

သေချာတာက Trump က CA ရဲ့ client တွေကို  ခြိမ်းခြောက် နိုင်မယ့်သူ မဟုတ်သလို ကျွန်မ အတွက် လဲ ဂရုစိုက်ရမယ့် လူမဟုတ်ပါဘူး။ 

Nix ကလဲ ဒါကို သဘောတူပါတယ်။ ဒါကြောင့် ကျွန်မ တို့ ဇွန် ၁၆ မှာ DC ကို ရောက်နေကြပြီး Steve Bannon ကတဆင့် Trump ကို ဆက်သွယ်ကြခဲ့တာပါ။ ကျွန်မ တို့ အတွက်တော့ Trump က ငွေရလွယ်မယ့် သူ တစ်ဦးဖြစ်ပြီး စီးပွား​ေရး အရရော၊ နိုင်ငံရေး အရ လေ့လာ  စမ်းသပ် ဖို့ အတွက်ရော အသုံးဝင်သူ တစ်ဦး ဖြစ်လာမှာပါ။ 

Steve Bannon  အကြောင်း ကို ကျွန်မ သိသမျှ က သူက Nix, Mercer တို့နဲ့ CA တည်ထောင်သူ တစ်ယောက် ဆိုတာရယ်၊ မီဒီယာ  လုပ်ငန်း မှာ ထင်ရှားသူ ၊  ရုပ်ရှင် ထုတ်လုပ်ရေး လုပ်ငန်း လုပ်ကိုင်သူ တစ်ဦးဆိုတာ ပဲ သိထားခဲ့တာပါ။ Nix ကတော့ Steve အကြောင်း ပြောရင် သူ့ကို လေးစား အထင်ကြီးတဲ့ အကြောင်း အမြဲပြောပါတယ်။ Steve က အာဏာ ပွဲစား တစ်ယောက် ဖြစ်ကြောင်း၊ CA နဲ့ Mercer မိသားစု ရဲ့ ပိုက်ဆံ တွေကို ကြားခံ ချိတ်ဆက်ပေးပြီး CAကို အသက်သွင်းသူ ဖြစ်ကြောင်း ပြောပြလေ့ ရှိပါတယ်။ Steve က CA အတွက် မွေးစား အဖေ လိုပါပဲ။ ကျွန်မ အတွက်တော့ သူနဲ့ တွေ့ရမှာ ဂုဏ်ယူစရာ ကောင်းပေမယ့် သူနဲ့ တွေ့ရမယ့် အကြောင်း တွေးမိတိုင်း နည်းနည်း တုန်လှုပ် မိပါတယ်။ 

Steve ရဲ့ အိမ်က Capitol Hill ရဲ့ အလယ်ခေါင် လမ်း တစ်ခု ပေါ်မှာ ရှိပါတယ်။ ဂျော်ဂျီယာ နယ်က လို အုတ်တွေနဲ့ တည်ဆောက်ထားတဲ့ ၂ ထပ်အိမ် ဖြစ်ပြီး Nix ကတော့ ဒီအိမ်ကို သံရုံး လို့ ခေါ်ပါတယ်။ ကျွန်မ ကြားတာက တော့ ဒီအိမ်ကို Mercer မိသားစု ကပိုင်ပြီး Steve ကို နေခွင့်ပေးထားတယ်လို့ သိရပါတယ်။ Nix မှာ အိမ်သော့ ရှိနေတာနဲ့ ကျွန်မ တို့ ကိုယ်တိုင် ပဲ တခါးဖွင့်ပြီး အိမ်ထဲကို ဝင်လာကြပါတယ်။ အိမ်က မှောင်မဲနေပြီး အိမ်အဝင်ဝ နားက အမေရိကန် အလံ ပုံစံ လုပ်ထားတဲ့ ကောဇော ပုံစံ ကြမ်းခင်းမှာ ကျွန်မ တို့ ရပ်နေကြပါတယ်။ Steve ကတော့ သူ့ရုံးခန်း မှာ အလုပ်လုပ်နေပုံပါ။ Nix နဲ့ ကျွန်မ ကိုယ့်ဘာကို ပဲ ဆက်ဝင်လာပြီ မြေအောက်ခန်းထဲကို ဆင်းလာကြပါတယ်။ အလင်းရောင် ကောင်းကောင်း ပေးမထားတဲ့ အခန်း ထဲမှာ လူငယ် တချို့ သူတို့ရဲ့ ကွန်ပြူတာ တွေနဲ့ အလုပ်လုပ် နေကြတာ ကို တွေ့ရပါတယ်။ 

ကျွန်မ တို့ အစည်းအဝေး ခန်းမ ထဲကို ပြင်သစ် ပုံစံ တခါးပေါက် တွေကို ဖြတ်ပြီး ရောက်လာကြပါတယ်။ ဘယ်သူ မှ မတွေ့တာနဲ့ nix က Steve ဆီဖုန်းခေါ် လိုကိပါတယ်။ မကြာခင် မှာပဲ Steve အစည်းအဝေး ခန်းမ ထဲကို ရောက်လာပြီး Nix ကို နှုတ်ဆက်ပါတယ်။ Steve Bannon က အိမ်နေရင်း အဝတ်အစား နဲ့ပါ။ ကျွန်မ မျှော်လင့်ထားတာ နဲ့ ကွာနေတဲ့အပြင် ကျွန်မ နဲ့ Nix တို့ရဲ့ ရုံးတက် ဝတ်စုံတွေ နဲ့ ယှဥ်ရင် အများကြီး ကွာနေသလို ခံစားရပါတယ်။ သူက ကျွန်မ နဲ့ Nix ကို ခပ်မြန်မြန် ပဲ လက်ဆွဲ နှုတ်ဆက်ပါတယ်။ သူ့ရဲ့ ဆံပင်တွေက မသေမသပ် နဲ့ နဖူးပေါ် ကြနေပါတယ်။  သူ့ မျက်နှာ က အနီရောင် ရဲနေပြီး မျက်လုံးက လဲ သွေးရောင် လွှမ်းနေပါတယ်။ 

Nix က ကျွန်မ ကို သူနဲ့ မိတ်ဆက် ပေးတဲ့အခါ Brondon နဲ့ တုန်းကလိုပဲ ဒီမိုကရက် က ဘက်ပြောင်းလာသူ အဖြစ် မိတ်ဆက်ပေးပါတယ်။ 

" ဒါဆို ကျွန်တော် တို့မှာ သူလျို တစ်ယောက် ရနေတာပေါ့" လို့ ပြောပြီး ရီပါတယ်။ 

သူမ က Obama အဖွဲ့ကပါ၊ Clinton အဖွဲ့က မဟုတ်ဘူး လို့ Nix က ပြောပြီး ကျွန်မ ရဲ့ ၂၀၀၈ ကမ်ပိန်း အလုပ်အကြောင်း ကို Steve ကို ပြောပြ ပါတယ်။ 

"ဒါဆို ခင်များ Hillary Clinton ကို ဆန့်ကျင် ဘက် လုပ်လို့ ရပြီပေါ့" လို့ Steve က ပြောရင်း နဲ့ သူ့ရဲ့ ဖုန်း ကို ထုတ်ပြီး ဗွီဒီယို တစ်ခု ကို ပြပါတယ်။ 

ဗွီဒီယို က စက္ကန့် ၃၀ ကနေ ၄၀ ကြာ ကြော်ငြာ တစ်ခု ဖြစ်ပြီး ကြော်ငြာထဲမှာ သရုပ်ဆောင် အမျိုးသမီး တစ်ယောက် က Hillary Clinton လို ပြင်ဆင် ထားပါတယ်။ သူမရဲ့ ပုခုံးပေါ် ကနေ တစ်စုံ တစ်ဦး နဲ့ သံသယ ကြီးကြီး နဲ့ စာအိတ် တစ်အိတ် လဲလှယ် နေပုံကို ရိုက်ပြထားတာပါ။ 

ဒါက ကျွန်တော် တို့ရဲ့ ဖန်တီးမှု လက်နက် တစ်ခုပဲ လို့ Steve က  မပွင့်တပွင့် ပြုံးလိုက်ပြီး ပြောပါတယ်။ “ခင်များ ကလင်တန် ရဲ့ ပိုက်ဆံတွေ အကြောင်း ဖတ်ပြီးပြီလား၊" သူ မကြာခင် documentary ရုပ်ရှင် ရိုက်မယ့် စာအုပ် အကြောင်းကို ပြောတာပါ။ တဆက်တည်း ကျွန်မ ကို online မှာ ဒီစာအုပ်ကို ဘယ်လို ရှာရမယ် ပြောပြီး ကျွနိမ ကို ဖတ်ဖို့ တိုက်တွန်းပါတယ်။ 

ကျွန်မတို့ ၃ ယောက် အစည်းအဝေးခန်းမ မှာ ထိုင်ပြီး ၁၀ မိနစ် လောက် စကား စမည် ပြောကြပါတယ်။ Nix က CA လက်ရှိ အချိန် မှာ ပစ်မှတ်ထားနေတဲ့ client တွေ အကြောင်း၊ Heritage fund လို ပရဟိတ အဖွဲ့တွေနဲ့၊ အမေရိကား ရဲ့ နိုင်ငံရေး အုပ်စု တွေ အကြောင်း ပြောဖြစ်ကြပါတယ်။ ဒါပေမယ့် ရီပါဘလီကန် ရဲ့ သမ္မတလောင်း အကြောင်း ခေါင်းစဥ် ရောက်လာချိန် မှာတော့ Nix က သူတို့ ၂ ယောက်တည်း သီးသန့် ပြောချင် တဲ့ အတွက် ကျွန်မ ကို ခဏ အခန်းထဲက ထွက်သွားပေးဖို့ မေတ္တာရပ်ခံပါတယ်။ ကျွန်မ ထင်တာကတော့ သူတို့ Trump အကြောင်း ပြောကြ မှာပါ။ Nix က Steve အနေနဲ့ Trump ရဲ့ ကမ်ပိန်း မန်နေဂျာ Corey Lewandowski နဲ့ တွေ့ဆုံဖို့ စီစဥ် ပေးနိုင်မယ် လို့ ယူဆ နေပါတယ်။ 

ကျွန်မ လဲ အစည်းအဝေး ခန်းထဲက ထွက်လာပြီး ကွန်ပြူတာ တွေနဲ့ အလုပ်လုပ် နေတဲ့ လူငယ်လေးတွေကို နှုတ်ဆက် စကားပြောပါတယ်။ သူတို့ကို ကြည့်ရတာ CA က ကျွန်မ ရဲ့ လုပ်ဖောိကိုင်ဘက် တွေကို သတိရ မိပါတယ်။ သူတို့ အားလုံးဟာ ငယ်ရွယ် ပြီး ထက်မြက် တဲ့ အမေရိကန် လူငယ် တွေ ဖြစ်ပါတယ်။ SCL က ဝန်ထမ်း တွေလိုပဲ သူတို့ အလုပ် အပေါ် မှာ အာရုံ စူးစိုက်မှု အပြည့်ထားပြီး အလုပ်လုပ် နေကြပါတယ်။ 

သူတို့ ကိုယ်သူတို့ သတင်းသမား တွေ၊ ဒီဂျစ်တယ် ဒီဖိုင်း ဖန်တီးသူ တွေလို့ ပြောကြပါတယ်။ သူတို့ ထဲက တချို့ကတော့ လူမှုကွန်ယက် ပေါ် အလုပ်လုပ်ကြပြီး သူတို့ လုပိနေတာတွေက Breitbart အတွက်လို့ ပြောပါတယ်။ 

Breitbart ဆိုတာ ဘယ်သူ လဲ မသိပေမယ့် သူတို့ ပြောတာကို ကျွန်မ သိသလို ဟန်ဆောင်ပြီး နေလိုက်ပါတယ်။ အဲဒီ အချိန် က Breitbart ဆိုတဲ့ နာမည် ကျွန်မ တခါမှ မကြားဖူးပါဘူး။ Nix နဲ့ Steve အစည်းအဝေး ခန်းက ထွက်လာချိန် အထိ ကျွန်မ အတွက်တော့ သူတို့ လုပိနေတာ ရီပါဘလီကန် တစ်ယောက် အတွက် website တစ်ခု ဆိုတာ က လွဲလို့ အဲဒီ နာမည် ကို စဥ်းစားလို့ မရသေးပါဘူး။ 

"ကျွန်တော် တို့ အလုပ်တွေ အားလုံး ဒီမှာပဲ လုပ်ကြတယ်" Steve က ပြောပါတယ်။ နောက်ပြီး အားလုံးကိုသူ က ပွဲ တစ်ခု အတွက် အဆင်သင့် ဖြစ်ရမယ်၊ ဒီညနေ မှာ Ann Coulter ရဲ့ စာအုပ် လက်မှတ် ရေးထိုးပွဲ ရှိတယ် လို့ ပြောပါတယ်။ 

ကျွန်မ အတွက် တော့ Ann Coulter ဆိုတဲ့ နာမည် က မနှစ်မြို့စရာပါ။ ကျွန်မ Steve Bannon နဲ့ Breitbart အကြောင်း ကောင်းကောင်း မသိပေမယ့် Ann Coulter ကိုတော့ ကောင်းကောင်း သိပါတယ်။ သူ့နာမည် ကြားတာနဲ့ ကို အံ့ချင် ပါတယ်။ သူမ ရဲ့ စာအုပ် အသစ် ကို  "ထလေ့ အမေရိကန်၊ ဒီမိုကရက် တွေက ငါတို့ နိုင်ငံကို တတိယ နိုင်ငံ  ငရဲတွင်းဆီ ပြောင်းနေပြီ" လို့ ခေါင်းစဥ် ကို မနှစ်မြို့စရာ ပေးထားပါတယ်။  ဒီစာအုပ် အပေါ်  Donald Trump က သံယောင်လိုက်ပြီး တတိယ ကမ္ဘာက  နိုင်ငံတွေကို  ချီးတွင်း နိုင်ငံ ( shitholes countries)  တွေလို့ ထပ်မံ သုံးနှုန်းခဲ့ပါတယ်။ 

Ann Coulter က သု့စာအုပ် မှာ " အမေရိကား ကို ပြောင်းရွှေ့နေထိုင်သူတွေက  တို့လေ ကို အလကား အသက်ရှဖို့တင်ရောက်လာတာ မဟုတ်ဘူး၊ အလကား နေထိုင် ဖို့ပါ ရောက်လာကြတာ" ဆိုပြီး ပြောင်းရွှေ့နေထိုင်သူတွေ အပေါ် ပြင်းပြင်းထန်ထန် ဝေဖန်ပါတယ်။ သူမ ဆက်ပြောတာက Carlos Slim Helu ဆိုတဲ့ မက္ကဆီကို ဖွားရဘီလီယမ်နာက New York Times သတင်းစာကို ဝယ်ယူ ခဲ့တာ အမေရိကန် သတင်းစာ တွေရဲ့ သမိုင်းမှာ တရားမဝင် အမေရိကန် ကို ပြောင်းရွှေ့ဝင်ရောက်လာမှုကို အားပေးချင် လို့ပါ ဆိုပြီး စွပ်စွဲ ပြောဆိုပါတယ်။

Steve က ကျွန်မ တို့ကို Ann နဲ့ တွေ့ဖို့ ရှိနေစေချင်ပါတယ်။ ဒါပေမယ့် Nix က အရေးကြီး အစည်းအဝေး တစ်ခု သွားစရာ ရှိသေးတယ် ဆိုပြီး ငြင်းပယ် လိုက်ပါတယ်။ Steve က ကျွန်မ တို့ဆီ Ann လက်မှတ်ထိုးထားတဲ့ စာအုပ်တွေ ပို့ပေးမယ် လို့ ပြောတဲ့အခါ ကျွန်မ လဲ စိတ်ထဲကနေ ဒီစာအုပ် တွေကို မျက်လုံးစွေပြီးတောင် မကြည့်ဘူးလို့ ပြောလိုက်ပါတယ်။ 

ကျွန်မ တို့ အပြင်ရောက်တာနဲ့ Nix က Ann Coulter ဆိုတာ ဘယ်သူလဲလို့ မေးပါတယ်။ ကျွန်မ လဲ Nix ကို တိုးတိုးလေး ၊ Ann Coulter ဆိုတာ အဆိုးရွားဆုံး စာရေး ဆရာမ ပေါ့လိ့ ပြောလိုက်ပါတယ်။ 

​ကျွန်မ nix ကို Ann Coulter အကြောင်း ပြောပြ အပြီး သူက " ဒါဆို တော်သေးတာပေါ့၊ ကျွန်တော် တို့ ကျည်ဆံ တစ်တောင့် ကို ရှောင်လိုက် နိုင်တာပဲ၊ ဒါပေမယ့် Steve ပို့ပေးတဲ့ သူ့စာအုပ် တွေကိုတော့ ယူပြီး ကျွန်တော့် စာအုပ်စဥ် ပေါ်က ဖက်စစ် စာပေ တွေ နဲ့ အတူတူ ထားရမှာပဲ လို့ ပြန်ပြောပါတယ်။ 

ကျွန်မ Nix နဲ့ ခရီးအတူတူ သွားရတာ ကို သဘောကျပါတယ်။ အမေရိကန် ခရီးစဥ် မှာ ကျွနိမသူ့ အကြောင်း ပိုသိလာတယ်။ သူ့ရဲ့ ပန်းချီ အပေါ် စိတ်ဝင်စားမှုက ရလေရလေ အိုတစ္ဆေ ဆိုသလိုပါပဲ။ ကျွန်မ တို့ သွားသမျှ လမ်းတလျောက် ပန်းချီ ပြခန်း တွေ့တိုင်း ဝင်ကြည့်ကြပါတယ်။ Nix က သားသမီးတွေကို ချစ်တတ်တဲါ အဖေ တစ်ယောက် လဲ ဖြစ်ပါတယ်။ အလုပ် ဘယ်လုပ်ပဲ ရှုပ်နေနေ LEGO , American Girl လို အရုပ်ဆိုင် တွေ တွေ့တိုင်း ကလေး တွေ အတွက် အရုပ် ရွေးပေးဖို့ ကျွန်မ ကို အကူအညီ တောင်းလေ့ ရှိပါတယ်။

Nix မှာ ခရီးသွားတဲ့ အခါ ထူးခြားတဲ့ အကျင့်တစ်ခု ရှိပါတယ်။ တစ်နေရာရာ မှာ နေ့လည် အစည်းအဝေး ပြီးရင်ည မှာ ညစာ စားပ​ွဲ ၊ အသောက်အ စား နည်းနည်း နဲ့ ဆက်ပြီး အလုပ်လုပ် လေ့ရှိသူပါ။ သူ မကြာခဏ ပြောတာက စီးပွားရေး အတွက် လူမှုရေး အရင်လိုတယ် ။ စီးပွားရေး လုပ်တဲ့အခါ အဆက်အသွယ်ကောင်း အတွက်  တူတူ ညစာ စားတာ၊ အတူတူ သောက်ကြတာက သိသာတဲ့ အပြောင်းအလဲ ဖြစ်စေနိုင်တယ်လို့ ယုံကြည် သူ တစ်ဦးပါ။

ကျွန်မ တို့ အမေရိကား မှာ အတူတူ ရှိနေကြပြီးနောက်မှာ တော့ Nix က ကျွန်မ ကို CA ရဲ့ စီးပွားရေး ဖွံဖြိုးမှု (business development) ဌာန ရဲ့ ခေါင်းဆောင် အဖြစ် အသိအမှတ်ပြုလာပါတယ်။  Nix က ကျွန်မ မှာ ကုမ္ပဏီ အတွက် ကြီးမား တဲ့ အနာဂတ် ရှိနေတယ်၊ တစ်ရက် မှာ ခင်များ က CEO ဖြစ်လာမှာပဲ လို့ မကြာခဏ ဆိုသလို ပြောလာပါတော့တယ်။ 

" ကျွန်တော် အသက်ကြီး ပြီး အလုပ်မလုပ်နိုင်တဲ့ အချိနိ ခင်များပဲ ဦးဆောင် ရမှာ" လို့ Nix က ပြောလေ့ ရှိပါတယ်။

Nix က မကြာခင် က မှ အသက် ၄၀ ပြည့်တာပဲ၊ ကျွန်မ အတွက် တော့ သူက အတွေ့အကြုံတွေ ပြည့်နေတဲ့ စီနီယာ ဆရာ တစ်ယောက်ပါ။ CA မှာ ကျွန်မ က သူ့လက်အောက် မှာ နေပြီး သူ့ရဲ့ တိုက်ရိုက် သင်ကြားပေးမှု တွေ ရရှိတဲ့ တစ်ဦးတည်းသော ဝန်ထမ်းဖြစ်ပါတယ်။ ကျွန်မ အနာဂတ် နဲ့ ပတ်သတ်ပြီး သူခန့်မှန်းတာတွေက  တစ်နေ့ မှာ အမှန်တကယ် ဖြစ်လာ နိုင်ခြေ ရှိနေပါတယ်။ 

Steve Bannon နဲ့ တွေ့တဲ့ ညနေ မှာ ကျွန်မ တို့ ညစာ အတူတူ စားပြီး ဟိုတယ် အခန်းကို ပြန်ခဲ့ကြပါတယ်။ ကျွနိမ ကို Steve တိုက်တွန်းခဲ့တဲ့ ကလင်တန် ဖောင်ဒေးရှင်း နဲ့ ပတ်သတ် တဲ့ စာအုပ်ကို ဖတ်ဖို့ ပြင်ဆင်ပါတယ်။ စာအုပ် ခေါင်းစဥ် က " ကလင်တန် ရဲ့ ပိုက်ဆံး နိုင်ငံခြား အစိုးရတွေ စီးပွားရေး လုပ်ငန်း တွေ က Bill Clinton နဲ့ Hillary Clinton ချမ်းသာလာအောင်၊ ဘယ်လို ကူညီခဲ့တယ်၊ ဘာကြောင့် ကူညီ ခဲ့တဲ့ ဆိုတဲ့ ပြောပြလို့ မရတဲ့ အကြောင်းတွေ" ဆိုပြီး စာအုပ် နာမည် ကိုပေးထားပါတယ်။ စာအုပ်ရေးသားသူ က Breitbart ရဲ့ စီနီယာ အယ်ဒီတာ Peter Schweitzer ဖြစ်ပြီး Steve ရိုက်တဲ့ ရုပ်ရှင်လိုပဲ ဒီစာအုပ် နောက်ကွယ် မှာ Mercer မိသားစု ရှိနေပါတယ်။ 

​ဒီစာအုပ်ကို documentary ရုပ်ရှင် ရိုက်တော့ Schweitzer က နောက်ခံ စကားပြောသူ အဖြစ် ပါဝင်ခဲ့ပါတယ်။ May 2016 ရုပ်ရှင် ထွက်လာချိန် မှာ Peter Schweitzer က ကြည့်ရှူသူတွေကို ကလင်တန် ဖောင်ဒေးရှင်း အကြောင်း တဖက်သတ် နားဝင်  တဲ့ပုံစံ မျိုးလုပ်နိုင်ခဲ့ပါတယ်။ ဟီလာရီ နိုင်ငံခြားရေး ဝန်ကြီး ဖြစ်တုန်းက မသင့်လျော် တဲ့ အလှူငွေ တွေကနေ သူက အကျိုးအမြတ် တွေ ရရှိခဲ့တယ် ဆိုတာကို ပေါ်လွင်အောင် ဖော်ပြပါတယ်။ Peter ရဲ့ သဘောထား ကွဲလွဲ စရာ ရှိတဲ့ ပုံပြင် တွေ အရ ကလင်တန် မိသားစု ဟာ သမ္မတ သက်တမ်းပြီးဆုံးလို့ အိမ်ဖြူတော် က ထွက်ခွာရချိန် သူတို့ လက်ထဲ ပိုက်ဆံ မရှိတော့ပါဘူး။ ဟီလာရီ နိုင်ငံခြားရေး ဝန်ကြီး ဖြစ်ချိန် မှာ သူတို့ရဲ့ ဘဏ္ဍာရေး ကို ခိုင်မာ အောင် ပြန်လုပ်ဖို့ အတွက် တတိယ နိုင်ငံ တွေရဲ့ သဘာဝ ဘေးအန္တရာယ် ထောက့်ပံ့ရေး အစီအစဥ် တွေ အတွက် လာဘ်ငွေ ရယူခဲ့တာမျိုး၊ နိုင်ဂျီးရီးယား နဲ့ ဟေတီ တွေမှာ အမေရိကန် ရဲ့ နိုင်ငံခြားရေး မူဝါဒ ပြောင်းလဲ ဖို့ မိန့်ခွန်း အတွက် အခေကြေးငွေ ယူခဲ့တာမျိုးတွေ လုပ်ခဲ့တယ် လို့ ရေးသားထားပါတယ်။ ဒီ  လာဘ်ငွေ တွေကို ကလင်တန် ရဲ့ မိန့်ခွန်း ပြောခ ကို အဆမတန် မြှင့်ထားတဲ့ နှုန်းထား သတ်မှတ်ပြီး ကလင်တန် ဖောင်ဒေးရှင်းက တဆင့် ရယူခဲ့တယ် လို့ ရုပ်ရှင် မှာ ထည့်သွင်း ရိုက်ကူးထားပါတယ်။ ဒါက သာမာန် ဖြစ်ရိုး ဖြစ်စဥ် မဟုတ် တဲ့ ခရိုနီ စီးပွား​ေရး စနစ် တစ်ခု ပဲလို့ ရေးသား ထားပါတယ်။ 

ဒီ စာအုပ်ကို ​ေရာ ရုပ်ရှင်ကို ပါ ကျွန်မ မယုံကြည်မှု တွေ၊ ကိုယ့်ကို ကို သတိပေး မှု တွေနဲ့ ဖတ်ခဲ့၊ ကြည့်ရှုခဲ့ပါတယ်။ ဒီလို ခံစားရတာ က စနိုးစနောင့်တော့ ဖြစ်စေပါတယ်။ ကျွန်မ ကိုယ်တိုင် က ဟီလာရီ ကို အသေအလဲ ထောက်ခံသူ တစ်ဦး တော့ မဟုတ်ပါဘူး။ ဒီစာအုပ် ဖတ်အပြီး  ကျွန်မ မစဥ်းစား ဘဲ မနေနိုင်တာက  ဒီ ထဲက အချက် တွေထဲက တစ်ဝက် ပဲ မှန်ကန် တယ် ထားအုံး၊   ဘာကြောင့် ရီပါဘလီကန် တွေ က ဟီလာရီ သမ္မ တဖြစ်လာမှာကို အသေအလဲ ဆန့်ကျင်နေကြသလဲ ဆိုတာကို ကျွန်မ နားလည် နိုင်လာပါတော့တယ်။ 

Newyork ကို လာတဲ့ ခရီးစဥ် အတွင်းမှာ ကျွန်မ Boston ကို  တခေါက် သွားခဲ့ပါသေးတယ်။ ကျွန်မ ရဲ့Andover မှာ ရှိတဲ့ အထက်တန်းကျောင်းရဲ့ ၁၀ကြိမ်မြောက် ပြန်လည် တွေ့ဆုံပွဲ ကို တက်ရောက်ဖို့ပါ။ 

ကျွန်မ ကို နိုင်ငံ ရေးအင်အားတွေ ပထမဆုံးပေးခဲ့တဲ့ နေရာ ကို ပြန်သွားရတာ စိတ်လှုပ်ရှားစရာ ကောင်းတဲ့ ခရီးစဥ်ပါ။ 

၂၀၀၁ တုန်းက ကျွန်မ က ကျောင်းသူသစ် တစ်ဦးပါ။ ကျွန်မ ရဲ့ ပထမ ဆုံး ကျောင်းတက်ရက်က စက်တင်ဘာ ၁၁ ရက် နေ့မှာ ပါ။ ကျွန်မ ရဲ့ အဆောင် ပြတင်းပေါက် ကနေပြီး ကမ္ဘာကြီး နဲ့ ကျွန်မရဲ့ ပတ်ဝန်းကျင် ကို လှုပ်ကိုင် ခဲ့တဲ့ အဖြစ်အပျက် ကို ကျွန်မ ကြည့်နေမိပါတယ်။ ကျွန်မရဲ့ ကျောင်းနေဘက် တစ်ချို့ သူတို့ရဲ့ ဆွေမျိုးသားချင်း တွေကို  ဆုံးရှံး ကြပါတယ်။  အမွှာမျှော်စင် အဆောက်အအုံ၊ သို့  ပင်တဂွန်ကို ဦးတည် ပျံသန်းပြီး Pennsylvania နယ်ဘက် မှာ ပျက်ကြခဲ့တဲ့ လေယဥ် ပေါ် မှာ ပါသွားပြီးတော့ ဖြစ်ဖြစ် အသက် ဆုံးရှံးခဲ့ကြတာပါ။ 

ဒီအဖြစ်အပျက် တွေက လူတစ်ယောက် ကို ရီပါဘလီကန် ဘက် ယိမ်းဖို့ တွန်း အားပေးကောင်းပေး နိုင်ပါတယ်။ ကျွန်မ အတွက်တော့ ဆန့်ကျင့်ဘက် ရလဒ်ပါ။

ကျွန်မ က လစ်ဘရယ် တစ်ယောက် အနေနဲ့ မွေးဖွားခဲ့တာပါ။ ဒီ အယူအဆ ကပဲ ကျွန်မ အတွက် ဘဝ ကို သဘာဝ အတိုင်း ဖြတ်သန်းစေတဲ့ နည်းလမ်း ဖြစ်လာပါတယ်။ စက်တင်ဘာ ၁၁ အဖြစ်အပျက် အပြီးမှာတော့ ကျွန်မ ရဲ့ နိုင်ငံရေး အယူအဆ က ဒီမိုကရက် ဘက်ကို  ပိုယိမ်းလာပါတယ်။ အမေရိကား မှာ အကြမ်းဖက် ဝါဒ ကို တိုက်ဖျက် တဲ့ ဥပဒေ တွေ နိုးထ လာတဲ့ အချိန် မှာ နိုင်ငံသား လွတ်လပ်ခွင့်တွေ ဆုတ်ယုတ် လာတာကို ကျွန်မ ကောင်းကောင်း သဘောပေါက်ခဲ့ပါတယ်။ 2001 October 26 မှာ ကွန်ဂရက် က USA PATRIOT ဆိုတဲ့ ဥပဒေကို အတည်ပြု ပြဌန်းခဲ့ပါတယ်။ ဒီ ဥပဒေ က  အမေရိကန် နိုင်ငံကို ညီညွတ် ကြံခိုင်စေပြီး အကြမ်းဖက် ဝါဒကို ကာကွယ် တိုက်ဖျက် ဖို့ သင့်လျော် တဲ့ ဘယ်လို နည်းလမ်း၊မဆို အသုံးပြုခွင့် ရှိစေရမယ် ဆိုတဲ့ ဥပဒေမှာ။ အမေရိကန် ကို အကြမ်းဖက်သမားတွေ  တိုက်ခိုက်တာ ပူပူနွေးနွေး ဖြစ်ထားတော့ ဒီ ဥပဒေ ကို ဆန့်ကျင် ကန့်ကွက်တာတွေ အများကြီး မဖြစ်ဘဲ လျောလျောရှူရှူပဲ ကွန်ဂရက် မှာ အတည်ပြုနိုင်ခဲ့ပါတယ်။ ဒီ ဥပဒေ အရ အမေရိကန် နိုင်ငံသား တွေရဲ့  ကိုယ်ရေး အချက်အလက် တွေကို  နိုင်ငံသားတွေ ရဲ့ ခွင့်ပြုချက် ယူစရာ မလိုဘဲ အစိုးရ က စုဆောင်း ခွင့် ရရှိသွားပါတယ်။ တကယ်တော့ ဒါက ၂၀၀၁ ခုနှစ်ရဲ့ အမေရိကန် အစိုးရဲ့ အာဏာ ကိုချဲ့ထွင် တဲ့ လုပ်ရပ် တစ်ခု ဖြစ်ပြီး Data ပမာဏ အများအပြား ကို လူတိုင်းအတွက် အခမဲ့ ရရှိသွားစေတဲ့ အခြေအနေ တစ်ခု ဖြစ်ခဲ့ပါတယ်။ 

တိုင်းပြည် တစ်ပြည် ကို စစ်ရေးအရ ကျူးကျော် သလို ပဲ နိုင်ငံသားတွေရဲ့ ကိုယ်ရေး အချက်အလက် ကို ကြုးကျော် ဝင်ရောက်တာက ကျွန်မ ကို စိတ်အနှောက်အယှက် ဖြစ်စေပါတယ်။ အဲဒီ အချိန် ကပဲ ကျွန်မ နိုင်ငံရေး မှာ စတင် လှုပ်ရှားတဲ့ အချိန် ပါ။ အဲဒီ နှစ် နွေဦး မှာ၊ ကျွန်မ တို့ အတန်းရဲ့ အတော်ဆုံးဆိုတဲ့ ထဲက မိန်းကလေး တစ်ဦး က ကျောင်းသား အားလုံးကို New Hampshire မှာ ပြုလုပ်မယ့် Howard Dean ရဲ့ လူထု တွေ့ဆုံပွဲကို တက်ဖို့ ဖိတ်စာ တွေ လိုက် ဝေပါတယ်။ ကျွန်မ လဲ ချက်ချင်းဆိုသလို တက်ဖို့ စာရင်းပေးသွင်းပြီး ပွဲကျင်းပရာ ဆီကို သွားတဲ့ ဘတ်စ်ကားပေါ် တက်လိုက်ပါတော့တယ်။ Howard Dean က ကြောက်စရာ ကောင်းလောက် အောင် တိုးတက် မှု ရနေတဲ့  နိုင်ငံရေး သမားပါ။ ကျွန်မ Andover က ကျွန်မ အဆောင် ကို ပြန်ရောက်တာနဲ့ သူ့အတွက် ပရဟိတ မဲဆွယ်သူ အဖြစ် အဝေးကနေ စလှုပ်ရှားပါတယ်။ ကျွန်မရဲ့ အခန်းထဲကနေ မပြတ်သားတဲ့ မဲပေးသူ တွေ အတွက် email ရေးသား ပို့လွှတ်ပြီး မဲဆွယ် တဲ့ အလုပ်စလုပ်ခဲ့ပါတယ်။  အဲဒီ အချိန် က ကျွန်မ အသက် ၁၅ နှစ်ပဲ ရှိပါသေးတယ်။

ကျွန်မ ရဲ့ အထက်တန်းကျောင်းသူ နောက်ဆုံးနှစ် မှာတော့ အမေရိကားရဲ့ လူငယ်ခေါင်းဆောင် မှု ပရိုဂရမ် မှာ ခေါင်းဆောင် အဖြစ် ပါဝင် ဖို့ တရားဝင် ဖိတ်ကြားစာ ရရှိခဲ့ပါတယ်။ အဲဒီ မှာ ကျွန်မ ငယ်ရွယ် နုပျိုတဲ့ Barrack Obama နဲ့ စတွေ့တာပါ။ သူက ၂၀၀၄ ဒီမိုကရက် ပါတီ နိုင်ငံလုံးဆိုင်ရာ ညီလာခံ အတွက် Boston မှာ ရောက်နေ ချိန်ဖြစ်ပြီး  ဆိပ်ကမ်း တစ်ခု မှာ ပတ်ဝန်းကျင် ထိန်းသိမ်းရေး နဲ့ ပတ်သတ် တဲ့ မိန်းခွန်း ကို ပြောနေ ပါတယ်။  လူ ၃၀ လောက်ပဲ ရှိတဲ့ ပရိတ်သတ် နဲ့ အတူတူ ကျွန်မ သူ့ရဲ့ စိတ်လှုပ်ရှားစရာ ကောင်းတဲ့ မိန့်ခွန်း နားထောင်အပြီး သူ စင်ပေါ်က ဆင်းလာချိန် ကို နှုတ်ဆက်ဖို့ စောင့်နေလိုက်ပါတယ်။ 

Obama က အဲဒီ အချိန် က အသက် ၃၀ အရွယ် ရှိနေပေမယ့် လက်ရှိ အသက်ထက် ၁၀ နှစ်လောက် ငယ်တယ် ထင်ရပြီး အရပ်ရှည်ရှည် နဲ့ ရုပ်ရည် ပြေပြစ် ချောမောသူ တစ်ဦးပါ။သူက သူ့ပတ်ဝန်းကျင် က လူတိုင်းကို နွေးထွေးမှု နဲ့ မျှော်လင့်ချက် တွေ ဖြန့်ဝေ ပေးနိုင်တဲ့ နှစ်လိုဖွယ်ကောင်းတဲ့ အရည်အသွေး ပိုင်ဆိုင် သူ တစ်ဦး ဖြစ်ပါတယ်။ ကျွန်မ အတွက်တော့ သု့အနားရောက်သွားတာ နဲ့ အရာ အားလုံး အဆင်ပြေ သွားမှာပါ ဆိုတဲ့ ခံစားမှု မျိုး ရပါတယ်။ သူ့ကို တွေ့တော့ ကျွန်မ ကိုယ်ကျွန်မ ချီကာဂိုက ဖြစ်ပြီး Dean အတွက် အလုပ်လုပ်ပေးဖူးတယ် လို့ မိတ်ဆက်လိုက်ပါတယ်။

"ကောင်းတာပေါ့ ၊ ကျွန်တော် လဲ အမေရိကန် ရဲ့ဆီးနိတ် လွှတ်တော် အမတ် နေရာ ဝင်ပြိုင်မှာ၊ ခင်များ ကျွန် တော့် ကမ်ပိန်း မှာ  ပရဟိတ ကူပေးနိုင်မလား မသိဘူး" လို့ Obama က ပြန်ပြောပါတယ်။

သေချာတာပေါ့၊ လုပ်ပေးနိုင်တာပေါ့လို့ ကျွန်မ မဆိုင်းမတွ ပြောလိုက်ပါတယ်။ Obama ရဲ့ ဆီးနိတ် အမတ် ရွေးကောက်ပွဲ အတွက်  ပရဟိတ လုပ်ပေးခဲ့သလို သူ သမ္မတ အရွေးခံတော့လဲ  ကော်လိပ် ကနေ ထွက်ပြီး သူ့ရဲ့ ကမ်ပိန်း မှာ အလုပ်သင်အဖြစ် ဝင်ရောက် လုပ်ကိုင်ခဲ့ပါတယ်။ ကျွန်မ အတွက်တော့ ္Obama အပေါ် ကျွန်မ ရဲ့ အချိန် တွေကို မြှုပ်နှံထားပြီး ကောလိပ်က ခွင့်ယူ ပြီးတော့ကို  နေ့ည မပြတ် သူသမ္မတ ဖြစ်လာဖို့ အတွက်  အာရုံစိုက် အလုပ်လုပ် ပေးခဲ့တာပါ။ ကျွန်မ က Obama ရူးသွပ်သူ တစ်ဦး ဖြစ်ပြီး ကမ်ပိန်း က လုပ်ဖော်ကိုင်ဘက် တွေ စားဖို့အတွက် ကွတ်ကီးကို တောင် Obama မျက်နှာ နဲ့ လုပ်ပေးဖို့ အမေ့ကို ပူစာ ခဲ့သူ ပါ။ 

ဒါက Andover က ကောင်မလေး တစ်ယောက် အကြောင်း၊ ကျွန်မ CA မှာ အလုပ်မလုပ်ခင်က ကျွန်မ ဘဝ ရဲ့ တစိတ်တဒေသ အကြောင်း ဖြစ်ပါတယ်။ 

ကျွန်မရဲ့ အထက်တန်းကျောင်း တွေ့ဆုံပွဲ မတိုင်မီ အတန်းဖော် ဟောင်းတွေက ကျွန်မ အကြောင်း ဘာတွေ များသိနေကြသလဲ လို့ စဥ်းစားနေမိပါတယ်။SCL group အကြောင်းကို ကျွန်မ ရဲ့ LinkedIn မှာရော၊ facebook မှာပါ တင်မထားပါဘူး။ ကျွန်မ ရဲ့ လူမှုကွန်ယက် စာမျက်နှာ တွေ မှာ သူတို့ မြင်နိုင်တာက လန်ဒန် မှာ အရာရှိကြီး တွေ နဲ့ တွေ့ဆုံနေတာရယ်၊ လစ်ဗျားကို ကုန်သွယ်ရေး မစ်ရှင် အဖွဲ့ နဲ့ သွားတာရယ် တွေကိုပဲ တွေ့နိုင်ပါလိမ့်မယ်။ 

တွေ့ဆုံပွဲ မှာ ကျွန်မရဲ့ သူငယ်ချင်း တွေကို ကျွန်မ လက်ရှိ ဘာလုပ်နေလဲ မပြောပြပါဘူး။ သူတို့ကို ကျွန်မ လူမှုရေး လုပ်ငန်း သို့မဟုတ် သံတမန်ရေးရာ တခုခု လုပ်နေတယ်လို့ပဲ ထင်မြင်ယူဆ ခွင့်ပြုထားလိုက်ပါတယ်။ 

တချို့သူငယ်ချင်း တွေကတော့ " နင် ဘွဲ့ရပြီးကတည်းက ဘာတွေ လုပ်နေလဲဆိုတာ ငါတို အရမ်းစိတ်ဝင်စားတာပဲ" လို့ စပ်စု ကြပါတယ်။ 

စိတ်ဝင်စားစရာ ကောင်းမယ် ဆိုတာ ဖြစ်နိုင်ပါတယ်။ ကျွန်မ ဘဝ က မမျှော်လင့်ထားတဲ့ အခြေအနေ တွေနဲ့ စိတ်ဝင်စားစရာ ဖြစ်နေတာပါ။ ကျွန်မ လက်ရှိ ဘဝ နဲ့ ဆန့်ကျင်ဘက် ပြဒါးတလမ်း သံတစ်လမ်း ဘဝ မှာ ကျွန်မ နေထိုင်ခဲ့တာပါ။ လွန်ခဲ့တဲ့ တစ်နှစ်ကပဲ ကျွန်မ အိန္ဒိယ ရဲ့ လူ့အခွင့်အရေး သုတေသန မှာ တက်ကြွ လှုပ်ရှားသူ အဖြစ် လုပ်ကိုင်ခဲ့ပါတယ်။ အခုကြတော့ ချက်ချင်း ဆိုသလို ပဲ CIA နဲ့ အလုပ်အတူတူလုပ်၊ ရီပါဘလီကန် တွေကို အကူအညီ ပေးနေတဲ့ Cambridge Analytica ကစီးပွားရေး ဖွံ့ဖြိုးရေး ဌာန ရဲ့ညွှန်ကြားရေး မှုးဖြစ်နေပါပြီ။ ကျရာ ဇတ်ရုပ်မှာ  ကျွမ်းကျင် စွာ သရုပ်ဆောင်နိုင်သူ လိုပဲ ကျွန်မ ဘဝရဲ့ ကဏ္ဍ အသစ်ထဲ ကို ခြေချ လိုက်ပါပြီ။

သူငယ်ချင်း တွေထဲက တချို့ကိုပဲ ကျွန်မ လုပ်နေတဲ့  အလုပ် အကြောင်း ကို အရိပ်အမွက် ပြောဖြစ်ပါတယ်။ ပြောပြ ဖြစ်သူ တွေက ချမ်းသာ ကြွယ်ဝ သူတွေရဲ့ သားသမီး တွေ ၊ ဒါမှမဟုတ် ကျောင်းတုန်းက နိုင်ငံရေး အယူအဆ ငြင်းခုံဖူးသူ တွေ ဖြစ်ပါတယ်။ 

ကျွန်မ သူတို့ကို နိုင်ဂျီးရီးယား အကြောင်း နဲ့ SCL လုပ်နေတဲ့ ကမ္ဘာတစ်ဝှမ်းက ရွေးကောက်ပွဲ တွေ မှာသုံးတဲ့ စိတ်ပညာရပ်ဆိုင်ရာ ဗျူဟာ တွေ အကြောင်း ပြောတဲ့အခါမှာတော့ သူတို့ အားလုံးက " နင်ပြောတာ အထူးအဆန်း တွေချည်းပဲ၊ နင့်ဆီ ကနေ ဒါမျိုးတွေ ကြားရမယ်လို့ ငါတို့ ဘယ်တုန်းကမှ မထင်ခဲ့ဘူး" လို့ ပြန်ပြော ကြ ပါတယ်။ 

သူတို့ထဲက တချို့ကိုတော့ ကျွန်မ SCL ရဲ့ အမေရိကန် ရုံးခွဲ Cambridge Analytica မှာ လုပ်နေကြောင်း ပြောပြ လိုက်ပါတယ်။

ကျွန်မတို့ရဲ့ Steven Bannon နဲ့ ဒုတိယ အကြိမ် တွေ့ဆုံမှုက ၂၀၁၅ စက်တင်ဘာ အလယ်ပိုင်းလောက် မှာပါ။ Steve က CA မှာ ဘာပရောဂျက် အသစ် တွေ လုပ်နေလို့ သိချင် တဲ့ အတွက် သူ့ကို ရှင်းပြဖို့ ကျွန်မ နဲ့ Nix ရောက်လာကြတာပါ။ 

ဒုတိယအကြိမ် မှာ တော့ ကျွန်မ သူ့အကြောင်း ပိုသိလာပါပြီ။ Breitbart ကနေ ထုတ်ဝေတဲ့ Steve ရဲ့ အစွန်းရောက် အမြင် တွေ ရေးထားတဲ့ စာအုပ် တွေကိုလဲ ကျွန်မ ဖတ်လို့ ပြီးပါပြီ။ သု့ အယူအဆ တွေက ကျွန်မ ခံယူချက် တွေနဲ့ ဆန့်ကျင်ဘက် ဆိုတာလဲ သဘောပေါက် လာပါပြီ။ သူနဲ့ တွေ့ရမှာ အရင် တခေါက်တုန်းကထက် ကို စိတ်လှုပ်ရှားနေပါတယ်။ Steve က တကယ်ပဲ သူရေးသား ခဲ့သမျှ ကို ယုံကြည်တာလား? သူ အားလုံးကို ယုံကြည်တာတော့ မဖြစ်နိုင်လောက် ပါဘူး။  သူ့ကို ကြည့်ရတာ ကျွန်မ အတွက်တော့ ထူးချွန် ထက်မြက်ပြီး ဗျူဟာ အပြည့် ရှိသူပါ။ သူ့ရဲ့ Breitbart.com မှာ ရေးသား နေတဲ့ လူတွေကို ခြောက်လှန့်တဲ့ ဆောင်းပါးတွေက နေ သူဘာများ  ရနိုင်လို့ပါလိမ့် လို့ တွေးနေမိပါတယ်။ 

ဒီ တခေါက် ကျွန်မ နဲ့ Nix သူ့အိမ် ရောက်သွားချိန် မှာ သူကိုယ်တိုင် တခါး ဖွင့်ပေးပါတယ်။ သူ က အားကစား ဘောင်းဘီ တို အဟောင်း နဲ့ အဖြူရောင် တီရှပ် ကို ဝတ်ဆင်ထားပါတယ်။ သူ ကျွန်မ တို့နဲ့ မြေအောက်အစည်းအဝေး ခန်းထဲ တွေ့ချိန် မှာတော့ ဂျင်းဘောင်းဘီ နဲ့ ရှပ်အင်္ကျီ ကို ပြောင်းလဲ ဝတ်ဆင်လာပါတယ်။

ကျွန်မ တို့ အတူတူ ဖြစ်နိုင်ချေ ရှိတဲ့ ပရောဂျက် တွေကို ဆွေးနွေးကြပါတယ်။ Nix က ကျွန်မ တို့ ပြင်သစ် ကို သွားပြီး သမ္မတဟောင်း ္Nikolas Sarkozy ကို တွေ့မယ့် အကြောင်း ပြောပြပါတယ်။ နောက်ပြီး ဂျာမနီ က အဓိပတိ Angel Markel  ရဲ့ Christian Democratic Union ပါတီ နဲ့လဲ အလုပ်လုပ်ဖို့ ရည်ရွယ်ထားကြောင်း Nix က ဂုဏ်ယူစွာနဲ့ပြောပြ ပါတယ်။ 

Steve က ပြင်သစ်ရော ၊ ဂျာမနီ ရော အတွက် သူ့ အမြင်တွေ ပြောပါတယ်။ Steve က သူ့အနေ နဲ့ဆိုရင် ကျွန်မ တို့ကို လက်ယာစွန်းရောက် တဲ့ နိုင်ငံရေး ပါတီ တွေနဲ့ ပိုအလုပ်လုပ်စေချင်ကြောင်း၊ ပြင်သစ် အမျိုးသား ပါတီ က Marine Lepen လိုလူမျိုးကို ပိုဆက်သွယ် စေချင် ကြောင်း ပြော ပါတယ်။ သူ ပြောနေရင်း မှာပဲ သူ့ရဲ့ ဖုန်း ခေါ်ဆို မှု တစ်ခု ဝင်လာပါတယ်။ 

သူက ဖုန်းမျက်နှာပြင် ကို ကြည့်နေရင်း အရမ်း ကျေနပ် တဲ့ မျက်နှာနဲ့ ကျွန်မ တို့ ဘက်ကို ဖုန်းစကရင် ကို ပြလိုက်ပါတယ်။ ဖုန်း ခေါ်ဆို နေသူ က တော့ Donald Trump ပါ။ 

Steve က ဖုန်းကို သူ့နားကို ကပ်ရင်း " Donald , ခင်များကို ကျွန်တော် ဘာကူညီရမလဲ လို့" ဖြေကြားလိုက်ပါတယ်။ သူ့ရဲ့ အသံ မှာ ကျေနပ် အားရ ပြီး အားအင် အပြည့် ရှိနေပါတယ်။ Steve ဖုန်း စပီကာ ကို ဖွင့်လိုက်ချိန် မှာတော့ တဖက် က ပြောနေတဲ့ Donald Trump ရဲ့ အသံကို ကြားရပါတယ်။ ကျွန်မ အတွက် Donald Trump အပေါ် သဘောထား က Ann Coulter တို့ ၊ Marine Lee Pen တို့ အပေါ် မနှစ်မြို့မှုမျိုး နဲ့ အတူတူပါပဲ။ သူ့ရဲ့ ဘယ်သူ့ကိုမှ လူမထင် တဲ့ နှာသံ တဲ့ ပြောတဲ့ စကားသံကို TV အစီအစဥ် တွေမှာ အရင်က ကြားဖူးပါတယ်။

Donald Trump က " ဒီမှာ အီရန် ဆန့်ကျင်ရေး လူထု ချီတက်ပွဲ ကို ပြင်ဆင်နေရတာ ကျုပ် ရူးတော့မယ်" လို့ ပြောပါတယ်။ Trump က New York က သူ့ရဲ့ Trump tower ကနေ ပြောနေပုံရပါတယ်။ 

 Trump  နဲ့ Ted Cruz  သတင်းခေါင်းကြီး ပိုင်းမှာ အတူတူ ယှဥ်တွဲ ပါတော့မယ် လို့ Nix ပြောဖူးပါတယ်။ Trump ကတော့ Ted Cruz နဲ့ ခုလို ယှဥ်တွဲ ခံရတာ စိတ်အနှောက်အယှက် ဖြစ်တယ်လို့ ပြောပါတယ်။ ဒီ အစီအစဥ် ကို Steve က နောက်ကွယ်ကနေ စီစဥ်ခဲ့တာပါ။ ရည်ရွယ်ချက် က Trump အပေါ် ထောက်ခံ မှုကို မြှင့်တင်ရင်း Ted Cruz ကိုလဲ စင်တင်ပေးတာပါ။ ဒါပေမယ့် Trump နဲ့ Ted Cruz ကတော့ တစ်ယောက် နဲ့ တစ်ယောက် ခါးခါး သီးသီး ပါပဲ။ 

Trump က ဖုန်းထဲကနေ Steve ကို " အခု ဒီမှာ မနက်ဖြန် ကို ခင်များ နဲ့ Ted ကို တွေ့ဖို့ ကျုပ်တို့ ပြင်ဆင် နေကြပြီ။ ကျုပ်တို့ အားလုံး အလုပ်အရမ်းရှုပ် နေကြတယ်။ လုပ်ရမယ့် အလုပ်တွေ အရမ်းများလာပြီ၊ ခင်များ ကျုပ်ဆီကို အင်္ဂလိပ် တွေ ပို့ပေးမယ် ဆိုတာ ဘယ်တော့ ပို့ပေးမှာလဲ" ဆိုပြီး အော်ပြော နေပါတယ်။ 

Steve က ကျွန်မ တို့ကို ကြည့်လိုက်ပြီး " အခု ကျွန်တော် က သူတို့ နဲ့ အတူတူ ရှိနေတာ၊ ခင်များအတွက်အ င်္ဂလိပ် တစ်ယောက် နဲ့ Brittany ဆိုတဲ့ အမျိုးသမီး၊ အခု ပဲ ကျွန်တော် သူတို့ ကို ခင်များဆီ လွှတ်လိုက်ရမလား" လို့ ပြန်မေးလိုက်ပါတယ်။

Trump နဲ့ CA ကြား အဆက်အသွယ် ရှိလိမ့်မယ် လို့ ကျွန်မ သဘောမပေါက်ခဲ့ပါဘူး။ အခုပုံအရ CA နဲ့ Trump အလုပ်လုပ် ဖြစ်တော့မယ့်ပုံပါ။  ၂၀၁၅ ဇွန်လမှာ Nix က Corey Lewandowski နဲ့ Trump သမ္မတ အရွေးခံမယ် မကြောငြာခင် ကတည်းက တွေ့ဆုံခဲ့ဖူးပါတယ်။ Nix နဲ့ Corey ကို Steve က မိတ်ဆက်ပေးခဲ့တာပါ။ တွေ့ဆုံပွဲမှာ ပါဝင်သူတိုင်း ကမ်ပိန်း တစ်ခုခု တော့ ရောက်လာတော့မယ် ဆိုတာ အချိန်တော်တော်ကြာကြာ ကတည်းက သိနေခဲ့ကြတာပါ။ Donald Trump သမ္မတ အရွေးခံတာဖြစ်ဖြစ်၊ သူ့ရဲ့ စီးပွားရေး အင်ပါယာ ကြီးကို ချဲ့ထွင်တာပဲ ဖြစ်ဖြစ် ကျွန်မတို့က တော့ ကိုယ့်အလုပ်ကို လုပ်ပြီး ပရောဂျက်ရအောင် လိုက်ရမှာ ဖြစ်ပါတယ်။  Nix နဲ့ Corey ပထမ အကြိမ်တွေ့တဲ့ ဇွန်လ ကနေ ၃ လကြာတဲ့ အထိ ကျွန်မ တို့နဲ့ Corey တို့ တွေ့ဆုံမှုက မဖြစ်မြောက်ခဲ့ပါဘူး။ အခုအချိန် မှာတော့ Trump ကိုယ်တိုင် Steve Bannon ကို သူ့ဆီလာပြီး ကူညီဖို့ အော်ဟစ် အကူအညီ တောင်းနေပါပြီ။ Corey အနေနဲ့ သူ့ဘော့စ်ကို နိုး လို့ ဘယ်ပြောရဲပမလဲ။ နောက်ရက်မနက်  စောစော မှာပဲ ကျွန်မ တို့ Corey နဲ့  Trump tower မှာတွေ့ဖို့ ချိန်းဆို လိုက်ပါတယ်။ Trump ကတော့ " ကျုပ်တို့ မနက်ဖြန် မနက် ၁၀ နာရီ လောက် ကို Capitol Hill ဆီ လေယဥ်နဲ့ ထွက်လာမယ်" လို့ Steve နဲ့ ချိန်းဆိုလိုက်ပါတယ်။

Nix က ကျွန်မ ကို ရီပါဘလီကန် တွေနဲ့ တိုက်ရိုက် ပတ်သတ်စရာ မလိုဘူးလို့ ကတိပေးဖူးပါတယ်။ အခု ထပ်ကတိ ပေးတာက Trump နဲ့ တွေ့ဆုံတာက နိုင်ငံရေး အရ ဖြစ်စရာ မလိုဘူး၊  ဒါက ကြီးမားတဲ့ စီးပွားရေး အဆက်သူအသွယ်လို တစ်ခုပဲ၊  Trump ကို သိမ်းသွင်းနိုင်ရင် ပရောဂျက် တွေ က ဘယ်နေရာ မှ မဆို ရလာနိုင်တယ် လို့ ပြောပါတယ်။ ဒီလို အခွင့်အရေး အကြီးကြီး ကို ကျွန်တော် တို့ ရအောင်လုပ်ရမယ်လို့ ပြောပါတယ်။ 

အဲဒီ နေ့ ညနေ ပဲ ကျွန်မ တို့ New York ကို ရထား စီးပြီး ထွက်လာပါတယ်။ Maryland ရဲ့ မှောင်မဲနေတဲ မြင်ကွင်းတွေ၊ ပြီးတော့ Delaware ရဲ့ မြင်ကွင်းတွေဟာ ရထားပြတင်းပေါက်ကနေ တဆင့်  ဖြတ်သန်းကုန်ဆုံးနေပါတယ်။ ရထားလမ်း ရဲ့ တစ်မိုင်ပြီး တစ်မိုင် အောက်မှာ ည ရဲ့ အချိန် တွေ ကုန်ဆုံး သွားပါတယ်။ 

နောက်ရက် မနက် ကြရင် ကျွန်မ ကို Nix ဘာလုပ်စေချင်လဲ ဆိုတာ ကို ကျွန်မ  အတွေးနယ်ချဲ့နေမိပါတယ်။ " ကျွန်မ ရှင်းလင်း တင်ပြရမှာ  နိုင်ငံရေး အရ ​လား၊ စီးပွားရေး အ

လား၊ ဒါမှ မဟုတ် ၂ ခုစလုံးလား" လို့ Nix ကို မေးလိုက်ပါတယ်။ 

" အမ် ၊ ဘယ်ဟာ တစ်ခုခု ဖြစ်ဖြစ် အဆင်ပြေပါတယ်" လို့ nix က စိတ်ထဲမှ မသေချာ တဲ့ပုံစံ တဲ့ ပြောပါတယ်။ " အဲဒါ က အရေးမကြီးပါဘူး၊ ခင်များ ကျွန်တော့်ကို အံ့အားသင့်အောင် လုပ်ပြဖို့ပဲလိုတယ်" လို့ သူကျွန်မ ကို ပြောနေကြ အတိုင်း ပြောပါတယ်။ 

"ဒါပေမယ့် ကျွန်တော် စိတ်မပူပါဘူး။ Trump က  သမ္မတ အရွေးခံတာ ရုပ်ပြ သဘောလောက်ပဲ၊ စီပွားရေး အရဖြစ်ဖြစ်၊ နိုင်ငံ​ေရး အရဖြစ်ဖြစ် ဘယ်လို ပြောပြော အဆင်ပြေပါတယ်" လို့ Nix က ပြောပါတယ်။ Donald Trump သမ္မတ ဝင်အ​ေရွးခံတဲ့ တကယ့် အကြောင်းရင်း က Trump TV လို့ ခေါ်တဲ့ အရာ တစ်ခု စတင် လုပ်ဆောင်ဖို့ အတွက် အခြေအနေ တစ်ရပ်ကို ဖန်တီးနေတာသာ ဖြစ်တယ်လို့ Nix က ရှင်းပြပါတယ်။ သူ့ရဲ့ သမ္မတ လောင်း ပုံရိပ်ဆိုတာ တကယ်တော့ အပေါ်ယံ ကစားပွဲ တစ်ခုထက် မပိုဘူး။ သူနဲ့ ပတ်သတ်ရင် နိုင်ငံရေး နဲ့ စီးပွားရေးဆိုတာ ခွဲလို့ မရအောင် ဒွန်တွဲ နေမှာပဲလို့ ္Nix က ဆက်ရှင်းပြပါတယ်။ 

ဒီသတင်း က ကျွန်မ ကို တုန်လှုပ်သွားစေပါတယ်။ Trump ရဲ့ ကမ်ပိန်း တစ်ခု လုံးက သမ္မတ လုပ်ဖို့ မဟုတ်ဘူးတဲ့လား? 

လုံးဝ မဟုတ်ဘူး လို့ Nix က ပြောပါတယ်။ Trump သမ္မတ ရွေးကောက်ပွဲ ဝင်တာ သူ့ကို ထောက်ခံတဲ့ ပရိသတ် ကို စိတ်လှုပ်ရှားအောင် လုပ်ပြီး တစ်စုတစ်စည်း တည်း ဖြစ်အောင် လုပ်တာ၊ သူ့ရဲ့ အိမ်နဲ့ မြေယာ စီးပွားရေး အင်ပါယာ ကြီးမှာ ပြိုင်ဘက် တွေကို  ထွက်ခွာသွားအောင် လုပ်တဲ့ ခက်ခက်ခဲခဲ ကြိုးစားမှု၊ နောက် စကား တမျိုးနဲ့ ပြောရရင် ကမ္ဘာ့အကြီးဆုံး မာတီမီဒီယာ အင်ပါယာ ဖန်တီးမှု တစ်ခု ပဲ ဖြစ်ပါတယ်။ 

ဒါတွေက တကယ်ပဲ အမှန်တွေလား? Trump သမ္မတ ဖြစ်လာနိုင်ချေ လုံးဝ ကို ရှိမနေတာလား? 

Nix ရှင်းပြတာက Trump ရဲ့ သမ္မတ ဖြစ်ချင်တယ်ဆိုတဲ့ အတွေးက တကယ်ကို မိုက်မဲ ပြီး၊ အဓိပ္ပာယ် မရှိတဲ့ အတွေးဖြစ်တယ်။ အမေရိကန် က ဘယ်ပြည်သူ မှ သူ့ဘက်က ရပ်တည် မှာမဟုတ်ဘူး။ တစ်နိုင်ငံ လုံးက လဲ လူတွေ အများကြီး တွေးသလို ္Trump သမ္မတ ဖြစ်ဖို့ဆိုတာ အဓိပ္ပာယ် မရှိဘူးလို့ ထင်ကြမှာပဲ။ Cruz သို့ Rubio တစ်ယောက်ယောက် ရီပါဘလီကန် သမ္မတလောင်း ဖြစ်လာပြီး နောက်ဆုံးက သမ္မတ ရေကောက်ပွဲ မှာတော့ Hillary ကို  ရှုံးမှာပဲ။ Trump ရဲ့ ကမ်ပိန်းက အရမ်းကြီးမားတဲ့ စီးပွားရေး လုပ်ငန်း အတွက် ရှေ့ပြေး ပဲ ဖြစ်ပြီး CA အနေနဲ့ က ဒီ  စီးပွားရေး အင်ပါယာ ကြီးရဲ့ အစပထမ နေရာ မှာ သေသေသပ်သပ် ဝင်ယူရမယ် လို့ Nix က ပြောပါတယ်။ 

နောက်ဆုံးမတော့ Trump TV ဆိုတာလဲ data အတွက် ပါပဲ။ ( Trump TV ဆိုတာ အင်တာနက်၊ facebook, Twitter  ပေါ်က နေ အပတ်စဥ် Trump ရဲ့ ကမ်ပိန်း အကြောင်း ၊ trump ရဲ့ လှုပ်ရှားမှုတွေ အကြောင်း ထုတ်လွှင့်တဲ့ အစီအစဥ် ဖြစ်ပါတယ်။ ဒီ အစီအစဥ်ကို Trump ရဲ့ ချွေးမ Laura Trump က ဦးဆောင်ပါတယ်။ ဒီအစီအစဥ်ကို နိုင်ငံရေး ဝါဒ ဖြန့်ချီတယ်လို့ ဝေဖန်ပြောဆိုကြပါတယ်) ။ CA လက်ရှိလုပ်နေတာကတော့ ရီပါဘလီကန် တွေရဲ့ database ကိုချယ်လှယ်ပြီး Trump TV က လက်လှမ်း မမှီနိုင်တဲ့ ထုတ်ကုန် တစ်ခု ရရှိဖို့ ဖြစ်ပါတယ်။ 

ကျွန်မ တို့ကို ္Trump နဲ့ မိတ်ဆက်ပေးလိုက်တာဟာ Steve အတွက်တော့ Trump နိုင်ငံရဲ့ မရှိမဖြစ်လိုအပ်မယ့် သော့ကို ကျွန်မ တို့ကို ပေးလိုက်သလိုပါပဲ။ 

ကျွန်မ တို့ရဲ့ တွေ့ဆုံမှုကို နောက်ရက် မနက် ၈ နာရီ မှာချိန်းဆိုထားပါတယ်။ ကျွန် မ Trump tower ကို တခါမှ မရောက်ဖူးလို့ Nix က ကျွန်မ ကို အဆောက်အဦး အဝင်ဝ မှာ စောင့်ပေးဖို့ ပြောပါတယ်။ အဲဒီ ညက ကောင်းကောင်း အိပ်မပျော် ပါဘူး။  Nix ကျွန်မ ကို ပြောပြတဲ့ လူမသိ တဲ့ အကြောင်းအရာ တွေက ကျွန်မ ရဲ့ စိတ်ကို လွှမ်းမိုးနေပါတယ်။ ကျွန်မ သိသလောက် က Trump TV ရဲ့ နောက်ကွယ် က ပိုက်ဆံတွေက Mercer မိသားစု ရဲ့ ပိုက်ဆံတွေ ဖြစ်ပြီး Steve Bannon က Trump TV ပရောဂျက် ရဲ့ ခေါင်းဆောင်သူ၊ စီစဥ် ညွှန်ကြားသူ ဖြစ်ပါတယ်။ Trump ရဲ့ နာမည်ခံ ကမ်ပိန်းမှာ သူတို့ data တွေ စုဆောင်းပြီး စီးပွားရေး လုပ်ငန်းစု တွေကို တိုက်ရိုက် ပေးပါလိမ့်မယ်။ ဒီလို လုပ်ဖြင်းအားဖြင့် Steve , Bob နဲ့ Bekah တို့ရဲ့ နိုင်ငံရေး အစီအမံတွေကို အတောင်ပံ တပ်ပေးလိုက်သလ်ု ဖြစ်လာပါလိမ့်မယ်။ Nix အတွက် တော့ Trump နဲ့ စာချုပ်ချုပ် ဆိုနိုင်ဖို့က ဦးစားပေး ပါ။ CA က တချိန်တည်းမှာ ပဲ Ted Cruz ကိုလဲ နစ်နာ အောင် လုပ်မှာ မဟုတ်ပါဘူး။ ကျွန်မ တို့ Trump TV နဲ့ အလုပ်လုပ်တာဟာ Cruz ကို ကူညီသလိုတောင် ဖြစ်ပါသေးတယ်။ သူ အရွေးချယ်ခံလိုက်ရတာနဲ့ သူ အသုံးပြု ဖို့ နေရာ တစ်ခု ပေးလိုက်သလိုပါပဲ။ လိုရင်း ကတော့ Nix က ကျွန်မ ကို စိတ်ပူစရာ ဘာမှ မရှိဘူးလို့ ပြောတာပါပဲ။

လူထု တွေ့ဆုံပွဲတိုင်း၊ စကား စစ်ထိုး ပွဲတိုင်း နဲ့ ဘယ်အခမ်းအနား မှာ ဖြစ်ဖြစ် ္Trump ရဲ့ ပါးစပ်က ထွက်လာတဲ့ ဆိုးဆိုးရွားရွား စကားလုံးတိုင်းဟာ သူ့အပေါ် ထောက်ခံ တဲ့ လူအုပ်စုကို  ခွဲခြား သတ်မှတ်ဖို့၊  စုစည်းဖို့ နဲ့ လှုံ့ဆော်ဖို့ သူတမင် တကာ လုပ်နေတာပါ။ မူလ အစ ကမ်ပိန်းက အခြေအနေ တွေ လေ့လာ သုံးသပ် စမ်းသပ်ဖို့ ရည်ရွယ် ပါတယ်။ Donald Trump ရဲ့ ထောက်ခံသူ များပြားလာမှု ထဲမှာ သူ့ရဲ့ ကုန်ပစ္စည်း အသစ်ဖြစ်တဲ့ Trump TV ကို ကြည့်ရှုသူတွေ ပါဝင်လာပါတယ်။ ဒါက ပိုက်ဆံနည်းနည်းပဲ အသုံးပြုရတဲ့ Trump ရဲ့ သား Donald J Trump ရဲ့ ထက်မြက် တဲ့ အိုင်ဒီယာ ဖြစ်ပါတယ်။ Trump ရဲ့ မဲဆွယ် စကား ထိရောက်မှု ကို ကုန်ကျစားရိတ် နည်းနည်း နဲ့ စမ်းသပ်နိုင်ပြီး CA က သူ့ကို ကူညီခြင်းအားဖြင့် အကျိုးအမြတ် ရရှိနိုင်ပါတယ်။ ဒီကနေ တဆင့် စီးပွားရေး  လုပ်ငန်းစု အသစ် တွေရဲ့ Data Analytic ဌာန အတွေ အတွက် အဓိက ဆက်သွယ်ရေး လမ်းကြောင်း တစ်ခု ဖြစ်လာပါတယ်။ 

ကျွန်မ ရောက်နေတဲ့ Fifth Avenue မှာတော့ ကုတ်အင်္ကျီ ဝတ်ထားတဲ့ အမျိုးသားတွေ၊ ရုံးဝတ်စုံ နဲ့  ညှပ်ဖိနပ် စီးထားပြီး ဒေါက်မြင့်ဖိနပ် ကို လက်ကကိုင်ထားတဲ့ အမျိုးသမီး တွေ၊ ခပ်သုတ်သုတ် သွားလာနေကြပါတယ်။ ကျောင်းသား အရွယ် ကလေးတွေ လဲ ကျောင်းသွားနေကြတဲ့ အချိန် ဖြစ်ပါတယ်။ ဘယ်သူ ကမှ အမေရိကား မှာ ဘာတွေ ဖြစ်လာမယ် ဆိုတာ သိပုံမရပါဘူး။ 

Trump Tower ထဲမှာ ကြေးနီရောင် တခါးတွေ ကို ဖြတ်သန်းပြီးတာနဲ့ ကျွန်မ နဲ့ Nix ဓာတ်လှေကား နဲ့ တစ်ထပ်ပြီး တစ်ထပ် အပေါ်ကို တက်လာကြပါတယ်။ ဓာတ်လှေကား တခါးပွင့် သွားတာနဲ့ မြင်လိုက်ရတဲ့ မြင်ကွင်း က ကျွန်မ အတွက် အံ့သြ စရာ ကောင်းအောင် ရင်းနှီးနေပါတယ်။ ဒါပေမယ့် ဘယ်ကြောင့် ဒီမြင်ကွင်းကို ရင်းရင်းနှီးနှီး ဖြစ်နေတယ် ဆိုတာ ကျွန်မ စဥ်းစား လို့ မရပါဘူး။ Corey Landowski ကို သူ့ရုံးခန်းကနေ ထွက်လာတာ မြင်လိုက်ရပါ်တယ်။ သူက အပြာရောင် ကော်လာပါ အင်္ကျီ ကို လက်ခေါက်ပြီး ဝတ်ထားပါတယ်။ သူ့ကို ကြည့်ရတာ ဂုဏ်ယူ မှု ၊ ယုံကြည်ချက် အပြည့် နဲ့ အရေးကြီး အလုပ်တစ်ခု ကို အခုလေးတင် လုပ်နေ ခဲ့တဲ့ ပုံစံ ပေါက်နေပါတယ်။ သူ့ကြည့်ရတာ မတည်မငြိမ် ပုံလဲ ပေါက်နေပေမယ့် ဘာကြောင့် ဆိုတာ ကျွန်မ မစဥ်းစား နိုင်ခဲ့ပါဘူး။ သူ့ကြည့်ရတာ သူ့ခေါင်းထဲ ကိစ္စတွေ အများကြီး ရှိနေတဲ့ ပုံစံ မဟုတ်ပါဘူး။ သူ့ရဲ့  တခဏတာ နာမည်ကျော်ကြား မှု အချိန် တွေကုန်လွန်ခဲ့ပြီးပါပြီ။  သူ့အကြောင်း ပြောရမယ် ဆိုရင် Corey က Ohio က ကွန်ဂရက် အမတ် Bob Ney ရဲ့ ရုံး လက်ထောက် အဖြစ် အလုပ်လုပ်ဖူးပါတယ်။( Bob က နောက်ပိုင်း လောဘီ လုပ်တဲ့နေရာမှာ လာဘ်စား မှုနဲ့ အဖမ်းခံခဲ့ရပါတယ်။ ) Corey ကို အမေရိကား လွှတ်တော် ထဲ သေနတ် ယူဆောင် လာမှု နဲ့ အဖမ်းခံရပါတယ်။ Corey ကတော့ ဒါက မတော်တဆ ဖြစ်မှု တစ်ခုပါလို့ ပြောပေမယ့် တချို့ကလဲ ဒါကို မိုက်မဲ ရူးသွပ်မှုလို့ ပြောကြပါတယ်။ ကျွန်မ အတွက်တော့ သေနတ် ကိုင်ဆောင်တာဟာ အကြမ်းဖက်လို တဲ့ ဆန္ဒရှိတယ်လို့ ယူဆမိပါတယ်။ 

အခု Corey ကျွန်မ တို့ဆီ လာပြီး လက်ဆွဲ နှုတ်ဆက်ပါတယ်။ သူ နှုတ်ဆက် ပုံက စိတ်မပါသလို ဝတ်ကျေ တန်းကျေ နှုတ်ဆက် တဲ့ပုံစံပါ။ ဖြစ်နိုင်တာ က သူ ကျွန်မ တို့ ကို Steve မျက်နှာ ကြောင့်သာ လက်ခံ တွေ့တဲ့ ပုံပါပဲ။ 

ကျွန်မ တို့ ရောက်နေတဲ့ အခန်းပတ်ဝန်းကျင် ကို  တချက်ကြည့်မိပါတယ်။ ကျယ်ဝန်း တဲ့ အခန်းကြီး မှာ ဟယလာဟင်းလင်း ဖြစ်နေပါတယ်။ မျက်နှာကြက် တွေက မြင့်မားပြီး ရွှေရောင် တိုင်လုံးကြီး တွေနဲ့ ဆောက်လုပ်ထားပါတယ်။ ဒီလောက် ကောင်းတဲ့ ရုံးခန်း နေရာမှာ ရုံးဝန်ထမ်း တွေ အလုပ်လုပ်နေတာ မတွေ့ရဘဲ ​ေရွှရောင် နံရံတွေ ပေါ်မှာ " Make America Great again” ဆိုတဲ့ ဆိုင်းဘုတ် တွေပဲ တွေ့ရပါတယ်။ 

ကျွန်မ ဒီနေရာ ကို ရောက်ဖူးတယ် ဆိုတဲ့ ခံစားချက် က ထပ်ဖြစ်လာပါတယ်။ 

Corey က ကျွန်မ  ဖြစ်နေတာကို သတိထား မိပါတယ်။ " ဒီနေရာ နဲ့ ရင်းရင်း နှီးနှီးဖြစ်နေတယ် မဟုတ်လား၊ ခင်များ “ Apparentice ကို ကြည့်ဖူးတယ် မလား၊ " သူက ကျွန်မ ပြန်ဖြေတာကို မစောင့်ဘဲ " သေချာတာပေါ့၊ ခင်များ ကြည့်ဖူးမှာပါ" လို့ ဖြတ်ပြောပါတယ်။ သူ့ကြည့်ရတာ ပြက်လုံးတစ်ခု ပြောနေသလိုပါပဲ။ 

Corey က မက်စာချုးဆက် ပြည်နယ် ၊ လိုဝယ် မြို့ကပါ။ ဝ်ရှင်တန် မှာ နေတာ ကြာနေတာတောင် သူ့ လေသံက မက်စာချုးဆက်နယ်သား တွေ ပြောတဲ့ New England အသံ  ထွက်နေပါသေးတယ်။  သူ့ရဲ့ လက်တွေ ဆန့်တန်းပြီး တက်တက်ကြွကြွ နဲ့ပဲ " ဒီနေရာ ကနေ ကြိုဆိုပါတယ်" လို့ ပြောပါတယ်။ 

Corey က  ကားအဟောင်းအရောင်းသမား တစ်ယောက် နိုင်ငံရေး နယ်ပယ်ကို ရောက်နေတာနဲ့ တူပါတယ်။  သူ့ကား ဘယ်လောက် ကောင်းကြောင်း ရောင်းထွက်ဖို့ ပြောပြနေသလို  သူ့အလုပ်က ဘယ်လောက် အရေးကြီး​ြေကာင်း၊ သူ့ client က ဘယ်လောက်တော်ကြောင်း၊ ကျွန်မ တို့ကိုပြောပါတယ်။ Donald Trump က သူ့အတွက် အကောင်းဆုံး ပါ။ ကျွန်မတို့လဲ ခုလို ကျော်ကြားတဲ့ Trump လို လူမ​ျိုးကို အကူအညီ ပေးဖို့ စကားပြောရတာ ကံကောင်းတယ်လို့ ပြောပါတယ်။ 

ကျွန်မ တို့ Corey ရဲ့ ရုံးခန်း ထဲက ခုံတွေမှာ ထိုင်ပြီး ပြောနေကြတာပါ။ ကျွန်မ အတွက်တော့ သူပြောတာ တွေကို မကြားနိုင်တော့ပဲ တွေးမိနေတာက " Donald Trump ရဲ့ သမ္မတ ရွေးကောက်ပွဲ ကမ်ပိန်း ဌာန ချုပ်ကြီး က သဘာဝ ကျကျဖြစ်ရပ် မှန်ကို ရိုက်ပြတဲ့ TV ( reality TV set) ရိုက်ကွင်း တစ်ခု များလား" ဆိုတာ ပါ။ 

( reality TV ဆိုတာ အမေရိကန် ရုပ်သံဌာန တွေရဲ့ လူတွေ အပြင် မှာ တကယ် နေထိုင်ပြုမူပုံတွေ ကို  ကြိုတင်ရို ဇတ်တိုက်ထားတာ မရှိဘဲ ရိုက်ကူး ထုတ်လွှင့်တဲ့ အစီအစဥ်  တစ်ခု ဖြစ်ပါတယ်) 

ကျွန်မ တို့ Corey နဲ့ စကားပြောနေချိန် Trump  က အခြား အခန်း တစ်ခု မှာ ရှိနေပါတယ်။  သူက ဝါရှင်တန် ဒီစီ ကို သွားဖို့ ပြင်ဆင်နေတာပါ။ ကျွန်မ သူ့ကို မကြာခဏ လှမ်းကြည့်မိပေမယ့် သူနဲ့ တိုက်ရိုက်စကား ပြောတာ၊ မိတ်ဆက်တာ မလုပ်ဖြစ်ခဲ့ပါဘူး။ ကျွန်မ တို့ Corey နဲ့ ညှိနှိုင်း မှုတွေ အကြာကြီး လုပ်နေပြီး ကျွန်မ တို့ ပရောဂျက် ရယူနိုင်ဖို့ ရာအတွက် ဦးစားပေး နေရလို့ပါ။ ကျွန်မ တို့ အတွက်တော့ Corey ရဲ့ သူ့လူ Trump အကြောင်း တွေ မငြီးမငွေ့ပြောနေရတာကို အရင် နားထောင် ဖို့ က ပိုအရေး ကြီးနေပါတယ်။ Corey ကလဲ Trump က ဘယ်လောက်တောင် ထူးခြားပြီး အံ့သြ ဖို့ ကောင်းတယ် ဆိုတာ မမောမပန်း ပြောပြ နေပါတယ်။ 

Corey က  သူနဲ့ Trump  အကြောင်း မမောမပန်း နိုင် ပြောပြီးနောက် မှာတော့ ကျွန်မ တို့ သူ့ကို စကားပြောဖို့ အလှည့်ရောက်လာပါတယ်။ Corey က ရီပါဘလီကန် နိုင်ငံရေး နဲ့မစိမ်းပါဘူး။ ဒါပေမယ့် သူ့ကို ကျွန်မ Data Analytic အကြောင်း ပြောတဲ့ အခါမှာတော့ သူ့ သိပ်ပြီးရင်းနှီး ပုံမပါပါဘူး။ သူ က တော့ ကျွန်မ ပြောနေတာကို ဖြတ်ပြီး သူ့ ဆရာ Trump က ပေါ်ပြူလာ ဖြစ်တဲ့အတွက် အကူအညီ အများကြီး မလိုဘူးလို့ ပြောပါတယ်။ 

ကျွန်မ နဲ့ Nix လဲ ကျွန်မ တို့ လုပ်မယ့် အလုပ်က အရေးကြီးရုံတင် မကဘဲ လိုလဲ လိုအပ်ပါတယ် လို့ ပြန်ပြောပါတယ်။ Donald Trump အနေနဲ့ ပထမ ဆုံး ရီပါဘလီကန် သမ္မတလောင်းဖြစ်ဖို့  ဘယ်လို နည်းနဲ့ ပြိုင်ဘက် ၁၆ ဦး ကို ယှဥ်နိုင်မှာလဲ။ နိုင်ခဲ့ရင်တောင် မှ ဟီလာရီလို ကြောက်စရာ ကောင်းတဲ့ ဒီမိုကရက် ကို ဘယ်လို ယှဥ်မှာလဲ မေးလိုက် ပါတယ်။ 

ကျွန်မ တို့ စကား အပြိုင်အဆိုင် ပြောပြီး မှာတော့ Corey ကြည့်ရတာ ပိုပြီး လိုက်လိုက်လျောလျော ဖြစ်လာပါတယ်။ သူ က Steve Bannon ကို ဖုန်းခေါ် လိုက်ပြီး စပီကာကို ဖွင့်လိုက်ပါတယ်။ 

" Steve, ခင်များရဲ့ အင်္ဂလိပ် တွေ ဒီမှာရောက်နေပြီ၊ ခင်များရသိလား၊ လူတိုင်း ကျွန်တော်တို့ ကမ်ပိန်း မှာ  အသေအလဲ ပါချင်နေကြတယ်၊ သူတို့က အခမဲ့ လုပ်ပေးချင်နေကြတာ။ ခင်များကရော ကျွန်တော် တို့ကို ဘယ်လို ပုံစံ လုပ်ပေးမှာလဲ" 

Targeted Chapter 5:Terms and Conditions

စာချုပ်ပါ အခြေအနေ နဲ့ အချက်အလက် များ 

SCL မှာ ကျွန်မ အမြဲတမ်း ဝန်ထမ်းဖြစ်လာပြီးနောက် အချိန် သိပ်မကြာခင် အတွင်းမှာပဲ ကုမ္ပဏီ ရဲ့ အတွင်းစည်း အကြီးတန်း  အရာရှိ တစ်ယောက် ဖြစ်လာခဲ့ပါတယ်။nix ပို့တဲ့ e-mail တွေထဲ မှာ အမြဲပါတဲ့ သူတွေကတော့ ကျွန်မ၊ alex tylor, Pierre, Kieran and Sabhita တို့ပါပါတယ်။ Nix က ဒီလူစုကို ကုမ္ပဏီ ရဲ့ အ​ေရးကြီး ပြီး ပျော်ဖို့ ကောင်းတဲ့ လူတွေလို့ သတ်မှတ်ပြီး နေ့လည်စာ ကို တစ်ရက် မှာတော့ သူ့အိမ်ရှိ

လန်ဒန် မြို့လည်ခေါင်ကို  ဖိတ်ကျွေးပါတယ်။ 

Holland park မှာ ရှိပြီး ဒါကတော့ မြို့ပုံစံဆောက်ထားတဲ့ အိမ်ပါ။ နယ်ဘက်မှာ ကျောက်တုံးတွေနဲ့ ဆောက်ထားတဲ့ အိမ်တစ်လုံးလည်း ရှိပါသေးတယ်။ ဒီ အိမ်ရဲ့ အတွင်းပိုင်း အပြင်အဆင် က Bucking ham နန်းတော် ရဲ့ သီးသန့် အဖွဲ့ဝင် တွေ အသုံးပြုတဲ့ ကလပ် လိုပဲ ခမ်းနား လှပါတယ်။

ကျွန်မ တို့ အားလုံး Nix အိမ် မှာ နေ့လည် ပိုင်းလောက် က စပြီး ရှမ်ပိန် သောက်ကြ၊ ည ဆိုရင် ညစာ ခန်းမ မှာ ဆက်သောက်ကြ နဲ့  အချိန် တွေ အတူတူ ကုန်ဆုံးကြပါတယ်။ Nix နဲ့ အခြားသူ တွေက အဲလို အချိန်ဆို အာဖရိက မှာ သူတို့ တဖွဲ့လုံး ပါဝင်   ပတ်သတ် ခဲ့ တဲ့ အကြောင်း တွေ  ပြောကြပါတယ်။ ဥပမာ ၂၀၁၂ တုန်းက nix က SCL က အဖွဲ့ တစ်ဖွဲ့ ကိုရော၊ သူ့မိသားစု ကိုယ်တိုင် ပါ ကင်ညာ ကို ပြောင်းရွှေ့နေထိုင်ပြီး ကင်ညာ ရွေးကောက်ပွဲ ကို သူကိုယ်တိုင် ကြီးကြပ် ပါတယ်။ အဲဒီ အချိန် သူ့မှာ လူတွေ အများကြီး မရှိသေးတော့ လုပ်ရ ကိုင်ရ တော်တော် ခက်ခဲပါတယ်။ မဲပေးသူ သုတေသန လုပ်တာမျိုးဆို တစ်အိမ် တက်ဆင်း လုပ်ရတဲ့ နည်းလမ်း ပဲ ရှိပါတယ်။ မဲဆွယ် စကား တွေ ပေးပို့ဖို့ ဆိုတာလဲ တခြား နည်းလမ်း မရှိလဲ ထရပါ ကား ရဲ့ နောက်ခန်း ကို စင်မြင့် အဖြစ် ပြောင်းထားတဲ့ လမ်းပေါ် က မဲဆွယ် ပွဲ တွေကနေ လုပ်ခဲ့ရတာပါ။ 

ဒါကြောင့် " အမေရိကားမှာ  တို့  လုပ်နေတာ တွေက အရမ်းကို စိတ်လှုပ်ရှားစရာ ကောင်းနေတာပေါ့"  လို့ nix က ပြောပါတယ်။ ခုချိန် မှာ တအိမ်တက်ဆင်း တခါးလိုက်ခေါက် ရတာ က Data ကို ယူဖို့ တခုတည်းသော နည်းလမ်း မဟုတ်တော့ဘူး၊ data က နေရာတိုင်း မှာ ရှိနေတယ်။ ဆုံးဖြတ်ချက်  data ပေါ် အခြေခံ ပြီး လုပ်ရမှာပဲ။ 

ကျွန်မ တို့ အားလုံး Nix အိမ် မှာ ညစာ စားချိန် အထိ နေကြပါတယ်။ ပြီးရင် ရီဝေဝေ နဲ့ပဲ နောက်ဘား တစ်ခု မှာ ကော့တေး သောက်၊ နောက် တစ်နေရာ သွားပြီး တစ်ခုခု ထပ်စား၊ ပြီးရင် နောက် ဘား တစ်ခု ကိုသွားပြီး ထပ်သောက်ကြနဲ့  ညနေ ခင်း တွေကို အတူတူ ကုန်ဆုံးကြ ပါတယ်။

ဒါတွေ အားလုံးက ကျွန်မ အတွက် အမှတ်တရ အဖြစ်အပျက် တွေပါ။ နောက်ရက် ရုံးရောက်ရင် အရင် နေ့က အဖြစ်အပျက် တွေ အားလုံးကို ပြန်မမှတ်မိနိုင်အောင်ပါပဲ။ ဒါပေမယ့် Nix ရဲ့ အမေရိကား အပေါ် စိတ်ဝင်စားမှုက မူးလို့ ပြောတဲ့ အပြောမျိုး မဟုတ်ဘဲ သူ တကယ်ကို ဒီ ပရောဂျက် နဲ့ ပတ်သတ် ပြီး စိတ်လှုပ်ရှားနေတယ် ဆိုတာ ကို ကျွန်မ သိလာခဲ့ပါတယ်။

တကယ်တော့ SCL မှာ ကျွန်မ က တခြား နိုင်ငံတွေရဲ့ ပရောဂျက် တွေကို ရှာဖွေ နေချိန် မှာ ကျွန်မ လုပ်ဖော် ကိုင်ဘက် တွေ အားလုံးက တော့ အမေရိက တစ်ခု တည်းကိုပဲ အာရုံစိုက် နေကြတာ တွေ့ရပါတယ်။ သူတို့ အလုပ် တွေကို အခန်းထဲ တင် ကုပ်ပြီး လုပ်နေတာ မဟုတ်တော့ဘဲ သူတို့ရဲ့ client ရဲ့ Ted Cruz အကြောင်း ပြောနေကြတာ တွေကို ကျွန်မ ကြားနေရပါတယ်။ Ted Cruz က ၂၀၁၄ နှောင်းပိုင်း တုန်းက  SCL  နဲ့ အရမ်း မကြီး တဲ့ စာချုပ် ချုပ်ဆိုခဲ့ပြီး အခုအချိန် မှာတော့ ကျွန်မ တို့ဆီ က ဝန်ဆောင် မှု တွေ ပိုယူဖို့ စာချုပ်ကို ဒေါ်လာ ၅ သန်းအထိ တိုးမြှင့်ချုပ်ဆို ထားပါတယ်။ Kieran နဲ့ သူ့ရဲ့ အဖွဲ့ တွေကတော့ Ted Cruz အတွက် မြောက်မြားစွာသော မဲဆွယ် သတင်းစကား တွေ ဖန်တီးနေကြ ပါပြီ။ သူတို့ တွေရဲ့ ကွန်ပြုတာ ပေါ် မှာ မဲဆွယ် ကြော်ငြာ နဲ့ ဗွီဒီယို တွေ ပေါင်းစပ် ထားကြပြီး ဒီဟာ တွေက  တခါတလေ မှာ သူတို့  ဖန်တီးမှု တွေ ရဲ့ ကြွားဝါစရာ ဖြစ်သလို ၊ ဒီ ဖန်တီးမှု တွေ အပေါ် မှာပဲ သူတို့ ငေးကြည့်နေကြပြီး စိတ်မသက်မသာ ဖြစ်ရတဲ့ အရာတွေလဲ ရှိနေပါတယ်။ 

တချိန်တည်းမှာ ပဲ nix က အမေရိက တစ်နိုင်ငံ တည်းကို အာရုံစိုက်ပြီး အလုပ်လုပ်နေပါတယ်။ Ted Cruz နဲ့ ချုပ်တဲ့ စာချုပ် မှာ ပြိုင်ဘက် အတွက် အလုပ်လက်မခံရဆိုတဲ့ အချက် မပါဘဲ နဲ့ ချုပ်ဆို နိုင်ခဲ့လို့ တခြားရွေးကောက်ပွဲ ဝင် အမတ်လောင်း တွေနဲ့လဲ တချိန်တည်း အလုပ်လုပ်ခွင့် ရှိနေပါတယ်။ မကြာခင် အချိန် မှာပဲ နောက်ထပ် အမတ်လောင်း Dr Ben Carson နဲ့ ချုပ်ဆိုနိုင်ပါလိမ့်မယ်။ ပြီးရင် ရီပါဘလီကန် သမ္မတလောင်း ၁၇ ယောက်လုံးကို တစ်ယောက်ပြီး တစ်ယောက် သူ စာချုပ်ချုပ်ဆိုနိုင်ဖို့ ကြိုးစားပါလိမ့်မယ်။ တချိန် တည်းမှာပဲ Jen Bush က တခြား ကုမ္ပဏီ တစ်ခု ကို ငှားရမ်း အသုံးပြုဖို့ စီစဥ်နေပါတယ်။ Nix ပြောတာကတော့ Jeb က လန်ဒန် အထိ လာပြီး သူနဲ့ တွေ့သေးတယ်၊ ဒါပေမယ့် Jeb လိုလူက သူ့ပြိုင်ဘက် အတွက် ပါ အလုပ်လုပ် ပေးနေသူ နဲ့ အလုပ်မလုပ်ချင်ဘူး။ သူ့တစ်ယောက် တည်းကိုပဲ သစ္စာ ရှိရှိ အလုပ်လုပ်ပေးမယ့် သူကို သူက လိုချင် တာ။ 

Cambridge Analytica ရဲ့ Data ဌာန ကတော့ ၂၀၁၆ အမေရိကန် သမ္မတ ရွေးကောက်ပွဲ အတွက် စပြီး အလုပ်များနေပါပြီ။ ၂၀၁၄ ကြားဖြတ် ရွေးကောက်ပွဲ ရဲ့ ရလဒ် တွေ အပေါ် ကနေ အဓိပ္ပာယ် ဖွင့်ဆို ဖို့ ကြိုးစား ကြပါတယ်။ သူတို့ တွေရဲ့ ရုံးခန်း မှာ လေ့လာမှု စာတမ်း တွေ ရေးကြပါတယ်။ John Bolton ရဲ့ Super PAC operations, Thom Thillis ရဲ့ ဆီးနိတ် ရွေးကောက်ပွဲ  နဲ့ မြောက်ကာရိုးလိုင်းနား တစ်နယ်လုံး ရဲ့ ရွေးကောက်ပွဲ တွေနဲ့ ပတ်သတ် တဲ့ အကြောင်းအရာ တွေကို analysis လုပ်ဖို့ အလုပ်လုပ်နေကြတာပါ။ Cambridge ဘယ်လောက် အောင်မြင်လဲ ဆိုတာ ပြဖို့ အတွက် သူတို့ ပစ်မှတ်ထားတဲ့ မဲပေးသူတွေကို အဓိက ရီပါဘလစ်ကန် အမာခံ၊ အားထားလို့ရတဲ့ ရီပပဘလီကန် ထောက်ခံသူ၊ မဲထွက်ပေးဖို့ အဓိက ပစ်မှတ်ထားရမယ့် အုပ်စု၊ ဦးစားပေး ဖြောင်းဖြရမယ့် အုပ်စု နဲ့ မထင်မှတ်ထားသူ များ အစရှိသည် ဖြင့် အုပ်စု အရင်ခွဲပါတယ်။ ပြီးတာနဲ့ အုပ်စု တစ်စုချင်းစီတိုင်းကို နိုင်ငံရဲ့ စီးပွားရေး၊ လုံခြုံရေး နဲ့ လူဝင်မှု ဆိုင်ရာ ပြဿနာ တွေနဲ့ ပတ်သတ်ပြီး ဘယ်လို မဲဆွယ် သတင်းစကား တွေ ပေးပို့ရမလဲ ဆိုတာ ကို စီစဥ် ပါတယ်။ 

Data Analytic lab မှာလဲ Dr Jack Gillet က ကြားဖြတ် ရွေးကောက်ပွဲ ရလဒ် data တွေကို အရောင်စုံ ဘားချပ်တွေ၊ ဂရပ်တွေ၊ မြေပုံ တွေ၊ ဂရပ်ဖစ် တွေနဲ့ data ကို မြင်သာစေမယ့်  presentation တွေ ဖန်တီးပါတယ်။ Dr Alexandar Tylor ကတော့ အမြဲလိုလို ဖုန်းပြောနေပြီး အမေရိကားကနေ data ရောင်းမယ့် ပွဲစားတွေကို ဆက်သွယ်နေပါတယ်။ 

ကျွန်မ ကတော့ SCL အတွက် တခြားနိုင်ငံ က ပရောဂျက် တွေ ရှာဖွေ နေဆဲပါ။ ဒါပေမယ့် တရုံးလုံးက လူတွေက အမေရိကား ရွေးကောက်ပွဲ အတွက် အလုပ်လုပ်နေကြတော့ ကျွန်မ ကိုယ်တိုင်လဲ လျှို့ဝှက် အချက်အလက် တွေ၊ မဲဆွယ် ကြော်ငြာ၊ ဗွီဒီယို ဖိုင်တွေ ကိုသိခွင့်ရတဲ့ အတွင်းစည်းကလူ မမျှော်လင့်ဘဲ ဖြစ်လာပါတယ်။ အဲဒီ အချိန် က ကျွန်မ ကို CA အတွက် ပို့တဲ့ email မှာ ကော်ပီ မပါပေမယ့် ကျွန်မ ပတ်ဝန်းကျင် က ကွန်ပြုတာ ပေါ်မှာ မြင်နေရတာတွေ၊ ရုံးမှာ နေ့ရှိ သ၍ ကြားနေရတဲ့ အကြောင်းတွေကနေ သိလာ ခဲ့တာပါ။ 

ဒါဟာ ကျွန်မ အတွက်တော့ ကိုယ်ကျင့်တရား ဆိုင်ရာ ပဋိပက္ခ ဖြစ်သလိုပါပဲ။ ပြီးခဲ့တဲ့ နွေ ကမှ Allida Black ဆီက Hilary ရဲ့ရွေးကောက်ပွဲ အစီအစဥ် တွေ အကုန်လုံးကို ကျွန်မ နားထောင်ခဲ့ရတာပါ။ ဒါပေမယ့် အခုအချိန် မှာတော့ သူ့ပြိင်ဘက် ရီပါဘလီကန် တွေကို အလုပ်လုပ် ပေးနေတဲ့ ကုမ္ပဏီကနေ ကျွန်မ လစာ ယူနေပါပြီ။ ဒါဟာ ကျွန်မ အတွက်လဲ မကောင်းသလို တခြားသူတွေ အတွက်လဲ မကောင်းဘူးဆိုတာ သိပါတယ်။ 

ဒါနဲ့ ကျွန်မ ကို ဘယ်သူ ကမှ မတိုက်တွန်းရပဲနဲ့ ကျွန်မ နဲ့ မိတ်ဆွေ ဒီမိုကရက် တွေရဲ့ ဆက်ဆံရေးကို ဖြတ်တောက်ပစ်ရပါတော့တယ်။ ကျွန်မ မိတ်ဆွေ တွေကိုတော့ ဘာကြောင့် ဒီလို လုပ်ရတယ် ဆိုတာ ပြောမပြ နိုင်လောက်အောင် ကို ရှက်ရွံ့နေမိပါတယ်။ SCL ဆိုတဲ့ နာမည် ကို ကျွန်မ ရဲ့ LinkedIn ရော၊ facebook profile မှာပါ မထည့်ခဲ့ပါဘူး။ ကျွန်မ မိတ်ဆွေ ဒီမိုကရက် တစ်ယောက်ယောက် အနေနဲ့ သူတို့ဆီက သိခဲ့တဲ့ အချက်အလက် တွေကို သုံးပြီး သူတို့နဲ့ ဆန့်ကျင်ဘက် အလုပ်လုပ် နေတယ် ဆိုတာကို သိသွားပြီး စိတ်အနှောက်အယှက် ဖြစ်မှာကို မလိုလားလို့ပါ။ 

နောက်ဆုံး ကျွန်မ ဆီ ဝင်လာနေကြ Hiliary ကမ်ပိန်း ရံပုံငွေ အဖွဲ့ရဲ့ email တွေ၊ တခြား ဒီမိုကရက် တွေရဲ့ email တွေကို ပြန်စာ ရေးတဲ့ အလုပ်ကို လုံးဝ ရပ်ပစ်လိုက်ပါတယ်။ ကျွန်မ ရဲ့ ရင်းနှီးတဲ့  ဒီမိုကရက်မိ တ်ဆွေ တွေကို ကိုယ်ရေးကိုယ်တာ email ရေးရင်တောင် SCL ဆိုတဲ့ နာမည် မပါဖို့ သတိထား ခဲ့ပါတယ်။ Hiliary ကမ်ပိန်း အတွက် အလုပ်လုပ်နေသူ တွေ ဘက်က ကြည့်ရင်တော့ ကျွန်မ ရဲ့ သူတို့နဲ့ ပတ်သတ် မှုက ပြီးဆုံးသွားပါပြီ။ ကျွန်မ ဆီ အမြဲ ဝင်လာတဲ့ စိတ်လှုပ်ရှားစရာ အစည်းအဝေး ပွဲတွေ၊ အစီအစဥ် တွေ အကြောင်း ကျွန်မ အရမ်းကို သိချင် မိပေမယ့် အားလုံးကို ကျွန်မရဲ့ email ထဲမှာ ဘဲ မဖွင့်တော့ဘဲ အတိတ် ရဲ့ အဖြစ်အပျက် တစ်ခု အနေနဲ့ ထားလိုက်ပါတော့တယ်။ 

တဘက်မှာလဲ ကျွန်မ ရဲ့ Cambridge Analytica က လုပ်ဖော်ကိုင်ဘက် တွေ၊ ရီပါဘလီကန် သမ္မတလောင်းတွေကိုလဲ စိတ်မပူစေချင်ပါဘူး။ နောက်ဆုံးမတော့ ကျွန်မ ဟာ အမေရိက ရဲ့ ရီပါဘလီကန် တွေကို သီးသန့် ဝန်ဆောင် မှုပေးနေတဲ့ ကုမ္ပဏီ ရဲ့ ဒီမိုကရက် တစ်ယောက် ဖြစ်နေပါတော့တယ်။ ကျွန်မ ရဲ့ LinkedIn ကနေ Obama campaign အကြောင်း၊ ပြီးတော့ ကျွန်မ နဲ့ ဒီမိုကရက် တွေရဲ့ ဆက်သွယ်မှု မှန်သမျှ အကြောင်းအရာ တွေကို ဖယ်ရှားခဲ့ပါတယ်။ ဒါတွေဟာ ကျွန်မ အတွက်တော့ နာကျင်စရာ တွေပါ။ ကျွန်မ သုံးနေကြ Twitter account ကိုလဲ အပြီးအတိုင် ပိတ်ပစ်လိုက်ပါတယ်။ ဒီလို ကျွန်မ ဘဝရဲ့ အရေးပါတဲ့ တခါးတွေကို ပိတ်ပစ်ရတာ နာကျင်စရာ ကောင်းပေမယ့်၊ အခု ကျွန်မ လျောက်လှမ်းနေတဲ့ နိုင်ငံရေး နည်းပညာ ဆိုင်ရာ အကြံပေး ဆိုတဲ့ ပရောဖက်ရှင်နယ် ဘဝ အတွက်တော့ ခုလ်ု လုပ်ဖို့ လိုအပ်တယ် ဆိုတာ နားလည် ပါတယ်။ တစ်ရက် ကျရင်တော့ အဲဒီ account တွေ ပြန်ဖွင့်နိုင်ပြီး ကျွန်မ ရဲ့ နဂို ပုံစံ အတိုင်း ပြန်နေနိုင်ကောင်းပါရဲ့။

ကျွန်မ ရဲ့ ပုံစံ တွေကို ပြောင်းလဲ ပစ်တာ Online တစ်ခု တည်းတင် မဟုတ်ပါဘူး။ လန်ဒန် ကို ကျွန်မ အမေ FedEx ကနေ ပို့လိုက်တဲ့ ပါဆယ် ပုံးကြီး ရောက်လာတယ်။ ကျွန်မ အမေ က နိုင်ငံတကာ လေကြောင်း ဌာန မှာ အလုပ်လုပ်တော့ သူ့မှာ နိုင်ငံတကာကို ပစ္စည်းအခမဲ့ ပို့လို့ရတဲ့ အခွင့်အရေး ရှိတယ်။ ကျွန်မ ကို သူ့ အဝတ်ဗီရို ထဲက business suit တွေ တစ်ထည်ပြီး တစ်ထည် ပို့ပေးနေတော့တာပဲ။  ကျွန်မ အမေ Houston မှာ တုန်းက မနက်ခင်း အလုပ်သွားတဲ့ ပုံစံကို မြင်ယောင်လာမိတယ်။ အဲဒီတုန်းက မနက်တိုင်း အမေ က အခု ကျွန်မ ဆီပို့လိုက်တဲ့ စျေးကြီး တဲ့ ဝတ်စုံ ရယ်၊ ဒေါက်မြင့်ဖိနပ်ရယ်၊  မိတ်ကပ်ရယ် နဲ့ အရမ်းကြည့်ကောင်းတာပဲ။ အခုတော့ ဒီ ဝတ်စုံတွေ က ကျွန်မ အတွက် ဖြစ်လာပြီပေါ့။ ကျွန်မ လဲ ဝတ်စုံတွေ ကို Mayfair မှာ ငှားထားတဲ့ တိုက်ခန်းလေးရဲ့ အဝတ်ဗီရို တွေမှာ ချိတ်ထားလိုက်တယ်။

ကျွန်မ တိုက်ခန်းလေး က သေးသေးလေးပါ။ အိပ်ခန်း တစ်ခန်းရယ်၊ မီးဖိုချောင် ရေချိုးခန်း က ခန်းမ တစ်ခု တည်းမှာ ရှိနေတဲ့ တိုက်ခန်း ပုံစံမျိုးပေါ့။ ဒါပေမယ့် ဒီတိုက်ခန်းကို ကျွန်မ ဗျူဟာ ကျကျ ရွေးချယ်ခဲ့တာပါ။ ကျွန်မ အတွက် အလုပ် နဲ့ နီးတဲ့ အပြင် Upper Berkeley street မှာ ရှိနေတဲ့ အတွက် ပတ်ဝန်းကျင် ကောင်းလို့ ဆိုရမှာပေါ့။ တကယ်လို့ ကျွန်မ ရဲ့ client တစ်ယောက်ယောက် အခု ခင်များ ဘယ်မှာ နေလဲ ဆိုပြီး မေးတာ က ကျွန်မ တကယ် နေနေတဲ့ နေရာထက် ကျွန်မ ဘယ်လို လူနေမှု အဆင့်အတန်း မှာ ရှိနေလဲ ဆိုတာ သိချင်လို့ မေးတာ ဖြစ်နိုင်ပါတယ်။ အဲဒီလိုအချိန် မှာ ကျွန်မ အနေနဲ့ တုန့်ဆိုင်း မနေဘဲ ကျွန်မ May Fair မှာ နေတယ် လို့ ချက်ချင်း ပြောနိုင်တာပေါ့။ ကျွန်မ May fair ရပ်ကွက် ရဲ့ စျေးကြီး တဲ့ နေရာမှာ နေနေသလား၊ ကျွန်မ နေရာ က ဘယ်လို မျိုးလဲ ဆိုတာ တွေတော့ သူတို့ ဘာသူတို့ ထပ် တွေးကြည့်ကြပေါ့။ ကျွန်မ တိုက်ခန်းလေး က တကယ့်ကို သေးသေးလေးပါ။ ကျွန်မ အိမ်ပြန်ရောက်လို့ တခါးပေါက် မှာ ရပ်မိတယ် ဆိုရင် တိုက်ခန်းရဲ့ တဝက်လောက် ရောက်နေပါပြီ။ တိုက်ခန်း အလယ်မှာ မတ်တပ်ရပ် ပြီး လက်နှစ် ဘက်ကို ဆန့်တန်း ကြည့်လိုက်ရင်လဲ ဘေး နံရံ တစ်ခုခု ကို လှမ်းထိလို့ ရနေပါတယ်။ 

ကျွန်မ နေရာ ရဲ့ အသေးစိတ် တွေကို ဘယ်သူ့မှ အသိမပေးဘဲ လျှို့ဝှက်ထားလိုက်ပါတယ်။ မနက်တိုင်း အမေ ပို့ထားတဲ့ အကောင်းစား အင်္ကျီ ဝတ်ပြီး အလုပ်သွားဖို့ ထွက်လာတာနဲ့ ပတ်ဝန်းကျင် နဲ့ ရောနှောပြီး တသားတည်း ဖြစ်သွားတာ ပါပဲ။

တစ်ရက် မှာ Nix က ကျွန်မ ကို ခင်များကို ကျွန်တော် ပရောဂျက် ရအောင်ဘ ယ်လို အဆုံးသတ်ရသလဲ ဆိုတာ လေ့လာစေချင် တယ်လို့ ပြောပါတယ်။ ကျွန်မ အနေနဲ့ clients တွေကို စကားပြောလာတာ လပေါင်းများစွာ ကြာပေမယ့် နောက်ဆုံး ပရောဂျက် သဘောတူ ညီချက် တွေ ကိုတော့ Nix နဲ့ Alex Taylor တစ်ယောက်ယောက် ရောက်လာပြီး လုပ်သွားတာ ချည်းပါ။ အခု nix ဆိုလိုတာ က ကျွန်မ တစ်ယောက်တည်း အရည်အချင်းရှိရှိ၊ ယုံကြည်ချက် ရှိရှိနဲ့ ပရောဂျက် ကို အောင်အောင်မြင်မြင်ရယူနိုင်ဖို့ အတွက်ပါ။ 

Nix က ကုမ္ပဏီ ရဲ့ CEO ဖြစ်ပေမယ့် သူ တကယ်လုပ်နေရတာက အရောင်းသမား တစ်ယောက်လို ပါပဲ။ သူကျွန်မ ကို အလုပ်ခွင် ထဲမှာ လိုအပ်တယ် လို့ပြောပါတယ်။ ကျွန်မ အခုအချိန် အထိ client တစ်ယောက် ရဲ့ရှေ့မှာ ပါဝါ ပွိုင့် တက်ဆက်မှု မလုပ်ဖူးသေးပါဘူး။ Nix က ဒီလို presentation လုပ်တာက အနုပညာ တစ်ခု ပဲ၊ ကျွန်တော် ခင်များ ကို သင်ပေးမယ် လို့ ပြောပါတယ်။ 

ကျွန်မ အနေနဲ့  SCL အတွက် နိုင်ဂျီးရီးယား တွေနဲ့ စာချုပ်ရယူ ပေးနိုင်ခဲ့ပေမယ့် ကျွန်မ လုပ်ခဲ့တာ တွေ အတွက် ပြန်စဥ်းစားရမယ့် အချိန် ဖြစ်နေပါတယ်။ ကျွန်မ အနေနဲ့ SCL ရဲ့ အာဖရိက မှာ လုပ်နေတာ တွေနဲ့ ပတ်သတ်ပြီး စိတ်မသက်မသာ ဖြစ်ရပါတယ်။ ကျွန်မ  က ငယ်ရွယ် တဲ့ အမျိုးသမီး တစ်ယောက် ဖြစ်နေတာ နဲ့ပဲ ကျွန်မ နဲ့ တွေ့ခဲ့တဲ့ အာဖရိကန် တွေက ကျွန်မ ပြောတာကို နားမထောင် ချင်ကြသလို ကျွန်မ အပေါ် လဲ လေးစား မှု မရှိကြပါဘူး။ နောက်ပြီး ကျွန်မ လုပ်နေတာနဲ့ ပတ်သတ်ပြီး  ကိုယ်ကျင့်တရား ချိုးဖောက် မိသလား ဆိုတဲ့  စိတ်ပူပန် သောက တွေ ဖြစ်နေပါတယ်။  ကျွန်မ တို့ ချုပ်ဆိုခဲ့တဲ့ စာချုပ် တွေဟာ ပွင့်လင်း မြင်သာမှု မရှိတဲ့ အပြင် တချို့နေရာ တွေမှာ ဥပဒေ နဲ့ မညီတာ တွေ ပါနေတယ် လို့ ယူဆမိပါတယ်။ ဥပမာ ကျွန်မ တို့ လုပ်တဲ့ အလုပ် တွေမှာ ဘယ်သူ မှ သက်သေခံ စာရွက်စာတမ်း ကျန်မှာကို မလိုလားကြပါဘူး။  တခါတရံ မှာ စာနဲ့ အတိအကျ ရေးထားတဲ့ စာချုပ်ဆိုတာ မရှိပါဘူး။ ရှိခဲ့ရင်လဲ စာချုပ်ထဲ မှာ ပါတဲ့ လူနာမည်၊ ကုမ္ပဏီ နာမည် အစစ် တွေကို မသုံးပါဘူး။ အမြဲလိုလို မတိကျ မသေချာ ဘဲ ဘယ်သူမှ ပွင့်ပွင့်လင်းလင်း မသိရတဲ့ နောက်ကွယ် က လက်မည်း အဖွဲ့အစည်း တွေပါ ပါဝင်နေတတ်ပါတယ်။ ကုမ္ပဏီ ရဲ့ ဒီလို လုပ်ပုံကိုင်ပုံတွေပ ကျွန်မ ရဲ့ ကျင့်ဝတ်ပိုင်း အတွက် စိတ်အနှောက်အယှက် ဖြစ်ရသလို ကျွန်မ ရဲ့ တကိုယ်ကောင်း ဆန်မှု ကိုလဲ ဖြစ်ပေါ်စေပါတယ်။ ပရောဂျက် တစ်ခုကို စာချုပ်ချုပ်  နိုင်လိုက်တိုင်း ကျွန်မ  လဲ ကောိမရှင် ခံစားခွင့်ရနေတာကြောင့်  ဒီစာချုပ်က ဘာလို့ ရိုးရိုးသားသား ပွင့်ပွင့်လင်းလင်း မရှိရတာလဲ ဆိုတဲ့ စောဒက တက်တဲ့ မေးခွန်းကို ကျွန်မကိုယ်တိုင် မမေးဖြစ်တော့ပါဘူး။ 

SCL ရုံးမှာ ကျွန်မ နေ့စဥ်လိုလ်ု လေ့လာတာက နိုင်ငံတကာ နိုင်ငံရေး ရဲ့ common practice တွေ အကြောင်းပါ။ ဘယ်အကြောင်းအရာက မှ မရိုးရှင်းပါဘူး။ အစ္စရေး ကာကွယ်ရေး နဲ့ ထောက်လှမ်းရေး ဌာန တွေကို အလုပ်လုပ် ပေးနေတဲ့ ကုမ္ပဏီ တွေနဲ့ ရွေးကောက်ပွဲ  အလွတ်သဘော လေ့လာရေး အကြောင်း ဆွေးနွေးတုန်းကဆိုရင် အဲဒီ ကုမ္ပဏီ တွေက သူတို့ အနေနဲ့ သူတို့ client ရဲ့ ကမ်ပိန်းကို တိုက်ခိုက်မယ့် အစီအစဥ် တွေကို ကြိုတင် သတိပေးတာမျိုး တွေအပြင် ပြိုင်ဘက်ကို တန်ပြန် ထိုးစစ်ဆင် ဖို့ ဆန့်ကျင်ဘက် မဲဆွယ်စကားလုံး တွေ ရှာဖွေ ပေးတာ မျိုး တွေ လုပ်ပေးနိုင်ခဲ့တယ်လို့ ခပ်ကြွားကြွား ပြောနေတာကို ကျွန်မ ကြားခဲ့ရပါတယ်။ အစ ပထမ မှာတော့ ဒါတွေ အားလုံးဟာ ကျွန်မ အတွက် သိမ်သိမ်မွေ့မွေ့ နဲ့ အရမ်းကို ကောင်းမွန် တဲ့ အရာတွေလိုပါပဲ။ အဲဒီ ကုမ္ပဏီ က SCL လိုပဲ ရွေးကောက်ပွဲ တွေ ကို ဝန်ဆောင် မှု ပေးတဲ့ ကုမ္ပဏီပါ။ သူတို့ အတွေ့အကြုံက nix လောက် နီးပါး ရှိပါတယ်။ သူတို့ အလုပ်လုပ် ပေးနေ ကြတဲ့ အထဲ ပြိုင်ဘက် client တွေလဲ ပါနေတတ်ပါတယ်။  ကျွန်မ အနေနဲ့ SCL လို ကုမ္ပဏီ တွေရဲ့ ဗျူဟာ ကို လေ့လာလေလေ၊ ဒီ ကုမ္ပဏီ တွေဟာ ပရောဂျက်ရဖို့၊ အောင်မြင်ဖို့ ဘာပဲ ဖြစ်ဖြစ် လုပ်မယ် ဆိုတာ သိလာလေ ပါပဲ။ 

ပရောဂျက်ရဖို့ ဘာပဲ ဖြစ်ဖြစ် လုပ်မယ် ဆိုတဲ့ မရှင်းလင်း တဲ့ အပိုင်း ကို တွေးမိတိုင်း  ကျွန်မ  စပြီး စိတ်အနှောက်အယှက် ဖြစ်လာပါတော့တယ်။ ကျွန်မ SCL ကို အဲဒီ ကုမ္ပဏီ နဲ့ အလုပ်တူတူ လုပ်ရင် client အတွက် ပိုကောင်းတဲ့ ရလဒ် တွေ ထွက်လာမှာပဲ လို့ အကြံပေးဖူးပါတယ်။ ဒါပေမယ့် အဲလို အကြံပေးလိုက်တာနဲ့ ကျွန်မ ကို အဲဒီ client နဲ့ ပတ်သတ် တဲ့ ဆက်သွယ် မှု တွေကန ဖယ်ထုတ်လိုက်တာပါပဲ။ ဒါကလဲ Nix လုပ်လေ့လုပ်ထ ရှိတဲ့ ပုံစံ ဖြစ်ပြီး သူတို့ client ကို ကတိပေးထားတဲ့ ရလဒ် တွေ ဘာတွေ ဖြစ်နေပြီလဲ ဆိုတာ ကျွန်မ အနေနဲ့ သိခွင့် မရတော့ပါဘူး။

ကျွန်မ ရဲ့ တန်ဖိုးတွေကို ပြသပြီး ကျွန်မ ရဲ့ ပထမ ဆုံး ပရောဂျက် ကို အပြီးသတ် ဖို့ ကြိုးစား နေချိန် မှာပဲ ကျွန်မ ဒီ အစ္စရေး ကုမ္ပဏီ ကို နိုင်ဂျီးရီးယား တွေနဲ့ မိတ်ဆက်ပေးခဲ့ပါတယ်။ ဒါပေမယ့် ရလဒ်က ကျွန်မ မျှော်လင့်သလို ဖြစ်မလာပါဘူး။ နိုင်ဂျီးရီးယား တွေ ဘက် က အစ္စရေး ကုမ္ပဏီ ကို SCL နဲ့ ပူးပေါင်း လုပ်ဆောင် စေမယ့် အခြေအနေ ကို မရွေးချယ် ဘဲ သူတို့ချည်း ပဲ သီးသန့် အလုပ်လုပ်မယ့် ပုံစံကို ရွေးချယ် သွားပါတယ်။ ကျွန်မ နောက်ပိုင်း ပြန်ကြားရတာက အစ္စရေး ကုမ္ပဏီ ကို အသုံးချပြီး ပြိုင်ဘက် သမ္မတ လောင်း ဘူဟာရီ ရဲ့ အတွင်း သတင်း တွေ ရယူဖို့ ကြိုးစား ခဲ့တယ်လို့ သိရပါတယ်။ သူတို့ အဲလို လုပ်ခဲ့တာ အောင်မြင်ခဲ့ပြီး ဘူဟာရီ ရဲ့ အတွင်းသတင်း တွေကို SCL အတွက် ပေးအပ်နိုင်ခဲ့ပါတယ်။ SCL က ဒီ သတင်းအချက်အလက် တွေကို သုံးပြီး ပြိုင်ဘက် ဘူဟာရီ အပေါ် အပုပ်ချတာ၊ လူတွေ ကို ကြောက်စိတ် ဝင်လာစေမယ့် သတင်း အချက်အလက် မီဒီယာ တွေ ထုတ်ပြန်တာ လုပ်နိုင်ခဲ့ပါတယ်။ SCL ရဲ့ Sam Pattern က နိုင်ဂျီးရီးယား မြေပေါ် မှာ မဲဆွယ် ကမ်ပိန်း အလုပ်ပြပြီး နောက်ကွယ်က SCL အဖွဲ့သား တွေက ပြိုင်ဘက် ဘူဟာရီ ကို ထိုးနှက် ဖို့ လုပ်ဆောင်ခဲ့ကြတာပါ။ ဒါပေမယ့် အစ္စရေး ကုမ္ပဏီရော၊ SCL ရော ၂ ခုပေါင်းပြီး နိုင်ဂျီးရီးယား ရွေးကောက်ပွဲ မှာ Jonathan ကို သမ္မတ ဖြစ်လာအောင် မစွမ်းဆောင် နိုင်ခဲ့ပါဘူး။  ကမ်ပိန်း က ၁ လတောင် မကြာခဲ့ပါဘူး။ Jonathan လဲ ပြိုင်ဘက် ဘူဟာရီ ကို မဲ ၂.၅ သန်း ကွာဟ ချက် နဲ့ ရှုံးနိမ့်ခဲ့ပါတယ်။ ဒီရွေးကောက်ပွဲ လဲ မကောင်းသတင်း နဲ့ ကျော်ကြားလာပါတယ်။ ဘာလို့လဲဆိုတော့ ဒီ ရွေးကောက်ပွဲ က လက်ရှိ အာဏာရ သမ္မတ ပထမ ဆုံး အနေနဲ့ ရှုံးနိမ့်တဲ့ ပွဲ ဖြစ်တဲ့ အပြင် အာဖရိက တစ်တိုက်လုံး အတိုင်းအတာ နဲ့ဆို ကုန်ကျစားရိတ် အကြီးဆုံး ရွေးကောက်ပွဲ ဖြစ်ခဲ့လို့ပါ။ 

ဒါပေမယ့်အဲဒီ အချိန် ကုမ္ပဏီ ရဲ့ ကျင့်ဝတ်နဲ့ ပတ်သတ်ပြီး ကျွန်မ စိတ်အဝင်စား ဆုံးမေးခွန်း က SCL အနေနဲ့ နိုင်ဂျီးရီးယား တွေက ပေးတဲ့ ပိုက်ဆံကို ဘယ်လို များ သုံးလိုက်လဲ ဆိုတဲ့ မေးခွန်းပါ။ Ceris ပြောပြချက် အရဆိုရင် နိုင်ဂျီးရီးယား တွေ ပေးတဲ့ 1.8 million ထဲက ကုန်ကျစားရိတ် က စုစုပေါင်း ဒေါ်လာ ၈ သိန်းပဲ ရှိပါတယ်။ ဒါဆို ဒိ ပရောဂျက် အပေါ်ကနေ SCL ရလိုက်တဲ့ အမြတ် က မနည်းမနော ပါပဲ။

ဒါဆို ကျွန်မ ကုမ္ပဏီ အတွက် ချုပ်ဆို နိုင်ခဲ့တဲ့ ပိုက်ဆံ ပမာဏ ထဲက ဒေါ်လာ ၁ သန်း က Nix အတွက် အမြတ်လို ဖြစ်သွားတာပေါ့။ တခြား အလုပ် တွေမှာဆို   စံအနေနဲ့ ပရောဂျက်  တစ်ခုရဲ့ အမြတ် က  ၁၅% ကနေ ၂၀% အထိ ယူလေ့ယူထ ရှိကြပါတယ်။ ဒီ  ရာခိုင်နှုန်း ပမာဏ ဆိုတာကို တော်တော် များနေပါပြီ။ ဒါဟာ ကျွန်မ အတွက်တော့ Client တစ်ယောက် ကို ပရောဂျက် စျေးနှုန်း ထုတ်မပြောရဲ အောင် ကို ဖြစ်စေပါတယ်။ ကျွန်မ တို့ဆီ လာတဲ့ လူမှန်သမျှကလဲ ကုန်ချင် သလောက်ကုန်ပါစေ၊ နိုင်ရင် ပြီးရော ဆိုတဲ့ လူစား မျိုးတွေ ချည်းပဲ ဆိုတော့။ ပရောဂျက် တစ်ခု မှာ client ကျေနပ်လို့ အမြတ် အများကြီး ယူတာ က ပြဿနာ မဟုတ်ပါဘူး၊ တရားဝင်ပါတယ်။ ဒါပေမယ့် ဒီကိစ္စ မှာ SCL ဖောက်ဖျက် ခဲ့တာက ကိုယ်ကျင့်တရား ပါ။ Nix က နိုင်ဂျီးရီးယား တွေကို ပိုက်ဆံ အားလုံး သုံးလို့ ကုန်ပြီ၊ ရွေးကောက်ပွဲ ရက် နောက်ကျ သွားလို့ SCL ကို အဲဒီ ရက်အထိ နေစေချင်ရင် ထပ်ပေးရမယ် လို့ ပြောခဲ့တာက ကျင့်ဝတ်ပိုင်းဆိုင်ရာ ဖောက်ဖျက်ရာ ရောက်ပါတယ်။  ကျွန်မ ဒီ ကိစ္စ နဲ့ ပတ်သတ်ပြီး အမြတ် ပမာဏကို ကျွန်မ သိပါတယ် လို့ Nix ကို မပြောရဲခဲ့ပါဘူး။ ဒီကိစ္စ အပေါ် မှာ သူ့ကို အတိုက်အခံ မလုပ်မိခဲ့ တဲ့ အ​ြေခအနေ ကလဲ  ကျွန်မ ကို ခြောက်လှန့် နေပါတော့တယ်။ 

ရိုးရိုးသားသား ပြောရရင် SCL ရဲ့ ဥရောပ နိုင်ငံ တချို့ မှာ ချုပ်ဆို နိုင်ခဲ့တာတွေ ကလဲ ရိုးသား ပွင့်လင်းမှု မရှိပါဘူး။ လစ်သူရေးနီးယား ၊ Vilnius ရဲ့ မြို့တော် ဝန် ရွေးကောက်ပွဲ တုန်းကဆို SCL ဝန်ထမ်း တစ်ယောက် က Nix ရဲ့ လက်မှတ် အတု လုပ်ပြီး သူ့သဘောနဲ့ သူ ချုပ်ဆိုခဲ့ပါတယ်။ ကျွန်မ နောက်ပိုင်း သိရတာက အဲဒီ စာချုပ် က လစ်သူရေးနီးယား ဥပဒေ နဲ့ ဆန့်ကျင်နေပါတယ်။ လစ်သူရေးနီးယား မှာ ရွေးကောက်ပွဲ နဲ့ ပတ်သတ်တာ မှန်သမျှ တင်ဒါ ခေါ်ရမယ် လို့ ဥပဒေ ပြဌန်း ထားပေမယ့် တခြား ကုမ္ပဏီ တွေ တင်ဒါ တင်ဖို့ ပြင်ဆင် နေကြတဲ့ အချိန် မှာပဲ SCL ကို ဒီ ပရောဂျက် ပေးလိုက်ပြီဆိုတဲ့ သတင်း ထွက်လာခဲ့တာပါ။ 

Nix က သူ့လက်မှတ် ကို အတုလုပ်ပြီး ဒီစာချုပ်က တရားမဝင်တာ သိသိချင်းပဲ ကျွန်မ ကို ကျူးလွန်ခဲ့သူကို အလုပ်ထုတ် ဖို့ တာဝန်ပေးပါတယ်။ အတု လုပ်ခဲ့သူကတော့  Eton  ကသူ့ သူငယ်ချင်းရဲ့ အမျိုးသမီး ပါ။ ကျွန်မ လဲ သူပြောတဲ့ အတိုင်း အဲဒီ အမျိုးသမီး ကို အလုပ်ထုတ် ပစ်ခဲ့ပါတယ်။ နောက်ပိုင်း မှာ ကျွန်မ ထင်ထင်ရှားရှား သိလာတာ က Nix တကယ် စိတ်ဆိုးတာ က သူ့လက်မှတ် ကို အတုထိုးပြီး စာချုပ်ချုပ် ခဲ့တာ ကြောင့် မဟုတ်ဘဲ ဒီ ဝန်ထမ်း အမျိုးသမီးက လစ်သူရေးနီးယား နိုင်ငံရေး ပါတီ တွေ ဆီက ရစရာ ပိုက်ဆံ တွေကို ရအောင် မယူနိုင်ခဲ့လို့ပါ။ Nix က ကျွန်မ ကို ရစရာ ပိုက်ဆံ တွေ ပြန်ရအောင် လိုက်တောင်းခိုင်းပါတယ်။ သူက ကျွန်မ ကို နိုင်ဂျီးရီးယား အကြောင်း ခဏ မေ့ထားပြီး အားလုံးရဲ့ နောက်လ လစာ ပေးဖို့ အတွက် ရစရာ ပိုက်ဆံ တွေ တောင်းဖို့ ကိစ္စ ကို သာ အာရုံစိုက်ထားပါလို့ ပြောပါတယ်။ 

ဒီကိစ္စ တွေ အားလုံး က ကျွန်မ အပေါ် လွှမ်းမိုးနေ ပြီး စိတ်လှုပ်ရှား မိနေပါတယ်။  ကျွန်မ ခေါင်းထဲ မှာတော့ SCL မှာ ကျွန်မ အရည်အချင်း တွေ အသုံးချနိုင်မယ့် လူမှုရေး ပရောဂျက် တွေ  လုပ်နိုင်မယ့် နေရာ တွေကို လိုက်ရှာနေမိပါတယ်။  Data နဲ့ ပတ်သတ်ပြီး ကျွန်မ လေ့လာစရာ တွေ ကျွန်မ ဘက် ကပြန် ပေးဆပ်စရာ တွေ အများကြီး ကျန်ပါသေးတယ်။ ကျွန် မရဲ့ အကောင်းဆုံး အရည်အချင်း တွေကို မရိုးသားတဲ့ client တွေ အတွက် အသုံးပြုပေးရမှာ ၊ အဲလို လုပ်ပေးရတဲ့ အတွက် ကျွန်မ ရဲ့ Phd သုတေသန မပြီး မှာ တွေ မဖြစ်စေရဘူးလို့ တွေးထားလိုက်ပါတယ်။ 

အကောင်းဘက် က တွေးရင်တော့ အမေရိကား မှာ စိတ်လှုပ်ရှားစရာ ကောင်းတဲ့ တီထွင် ဆန်းသစ် မှု တွေ ဖြစ်ပေါ်နေပါတယ်။ အခွင့်အရေး တွေလဲ အများကြီးပါ။ ကျေးဇူးတင်စရာ ကောင်းတာက ဒီ တိုးတက် မှု တွေ အားလုံး လိုလို ရီပါဘလီကန် တွေ နဲ့ မသက်ဆိုင်တာပါပဲ။ ဥရောပ၊ အာဖရိက နဲ့ တခြား နိုင်ငံ တွေမှာ SCL ရဲ့ data အပေါ် အသုံးပြု နိုင်မှုက ကန့်သတ်ချက် တွေ အများကြီး ရှိနေပါတယ်။ ဘာလို့လဲဆိုတော့ အဲဒီ နိုင်ငံတွေရဲ့ ICT အခြေခံ အဆောက်အဦး ( Data infrastructures)က မတိုးတက်သေးလို့ပါ။  SCL မှာ အခုအချိန်ထိ  တီထွင် ဆန်းသစ် ထားတဲ့ နည်းပညာ တွေ ၊ SCL ရဲ့ အကောင်းဆုံး လုပ်နည်း လုပ်ဟန် တွေ ( best practices) တွေ ကို ပေါင်းစပ်ပြီး  လုပ်ရမယ့် ပရောဂျက် တွေ  မလုပ်ဖူးသေးပါဘူး။

Nix ကတော့ မကြာသေးခင် ကပဲ အမေရိကား ရဲ့ အကြီးဆုံး အလှုငွေ ရှာဖွေရေး အတွက် စာချုပ်ချုပ် ဆိုနိုင်လု နီးပါး ဖြစ်နေပြီလို့ ပြောနေပါတယ်။ ကျွန်မ လဲ ဒီ ပရောဂျက် ရဖို့ Nix ကို ကူညီ ပါတော့တယ်။  ဒီလို ပရဟိတ အဖွဲ့တွေ အတွက် အလုပ်လုပ်ပေးရာမှာလဲ အလှုရှင် အသစ်ကို ရှာဖွေ သတ်မှတ်တဲ့ အပိုင်းတွေ ပါပါတယ်။ ကျွန်မ နဲ့ ရင်းနှီး ကျွမ်းဝင်ခဲ့တဲ့  အလှုငွေ ရှာဖွေရေး လုပ်ငန်း တွေမှာ data ကို အသုံးချပြီး နည်းလမ်း အသစ်တွေ နဲ့ လုပ်ရမှာ တကယ် ကို စိတ်ဝင်စားစရာပါ။ နိုင်ငံရေး ဘက်မှာဆိုလဲ SCL က ရေကာတာ ဆည်ဆောက်တာ၊ မြန်နှုန်းမြင့် ရထားလမ်း တည်ဆောက်တာလို လူတွေရဲ့ ဘဝ တိုးတက် ကောင်းမွန် လာစေဖို့ လုပ်တဲ့ ပရောဂျက် တွေမှာလဲ ပါဝင်နေပြန်ပါတယ်။ အဲဒါတွေ အပြင် ကုမ္ပဏီ အနေနဲ့ စီးပွားရေး ကြော်ငြာတွေ ကစလို့ သတင်းစာ၊ ကျန်းမာရေး အထောက်အကူ ပစ္စည်း ရောင်းတဲ့ လုပ်ငန်း မျိုးတွေမှာလဲ  data ကို သုံးပြီး  အကြံပေး လုပ်ဆောင် တဲ့ အလုပ်မျိုးတွေ ကို ပါဝင် လုပ်ဆောင် နေပါတယ်။ 

ဒီ data တွေကို ဘယ်လို ခွဲခြမ်းစိတ်ဖျာတယ် ( Analytic) ဆိုတာကို ကျွန်မ သင်ယူချင်ပါတယ်။ ကျွန်မ တို့ရဲ့ အောင်မြင်မှု တွေကို ဘယ်လို တိုင်းတာ နိုင်တယ်၊ ဘယ်နေရာ တွေ မှာ မြင်ရမယ်၊ ဘယ်နေရာ တွေမှာ လူတွေ ရိူးရိုးသားသား နဲ့ ပွင့်လင်း မြင်သာ စွာနဲ့ အလုပ်လုပ်ကြတယ် ဆိုတာကို ကျွန်မ သိချင်ပါတယ်။ ကျွန်မ Barrack Obama နဲ့ အတူတူ အလုပ်လုပ်ခဲ့တာကို ပြန်သတိရမိပါတယ်။ Obama က ဂုဏ်သိက္ခာ ရှိသူ တစ်ဦး ဖြစ်ပြီး သူ့ကိုယ်ကျင့်တရား က စံနမူနာ ပြုစရာ ကောင်းလောက်အောင် ကို အစွန်းအထင်း မရှိသူပါ။ သူ တစ်ဦး ထဲတင်မဟုတ်ဘဲ သူ့အနား က သု့အဖွဲ့ဝင် တွေလဲ ကိုယ်ကျင့်တရား နဲ့ ပတ်သတ်ရင် မှတ်ကျောက်တင်ခံ နိုင်သူတွေပါ။  သူတို့ ရွေးကောက်ပွဲ ကမ်ပိန်း လုပ်ခဲ့တဲ့ ပုံစံက တကယ်ကို ကိုယ်ကျင့်တရား ကို အလေးထား ခဲ့တဲ့ ပုံစံနဲ့ပါ။ Obama ရဲ့ ကမ်ပိန်း မှာ ပိုက်ဆံ အများကြီး လှုသူ မရှိပါဘူး။ Obama ကိုယ်တိုင်လဲ ပြိုင်ဘက်ကို အပုပ်ချ တိုက်ခိုက်တဲ့ မဲဆွယ် နည်းကို ပြင်းပြင်း ထန်ထန် ရှုံချ ပါတယ်။  သူ့ရဲ့ ဒီမိုကရက်တစ်  ပြိုင်ဘက် တွေကို လုံးဝ မတိုက်ခိုက်ခဲ့တဲ့ အပြင် ရီပါဘလီကန် သမ္မတ လောင်းတွေ အပေါ်လဲ အောက်တန်းကျ တဲ့ စကားလုံး တွေ သုံးနှုန်းတာ မရှိခဲ့ပါဘူး။  ကျွန်မ အတွက် တော့ အဲဒီ အချိန် တုန်းက ရွေးကောက်ပွဲ တစ်ခု အတွက် မဲဆွယ် လုပ်ငန်း ဆိုတာ သတ်မှန်ထားတဲ့ စည်းမျဥ်း တွေ အပြင် ကိုယ်ကျင့်တရား နဲ့ လူ့ကျင့်ဝတ် တွေကိုပါ ထည့်သွင်း လုပ်ဆောင်ရတယ် ဆိုတာ သိခဲ့တဲ့ အတွက် ပျော်ရွှင် စိတ်လှုပ်ရှားခဲ့ရပါတယ်။ 

ကြည့်ရပုံအရ တော့ ကျွန်မ ရဲ့ အနာဂတ် ကသာ ဒီ ကုမ္ပဏီ မှာ ရှိနေသေးရင် အနှေး နဲ့ အမြန် ဆိုသလို အမေရိက အတွက် အလုပ်လုပ် ရမယ့် ပုံစံပါပဲ။ 

ကျွန်မ nix ကို Cambridge Analytica ရဲ့ ပ​ေရာဂျက် တွေ ရယူ တဲ့ အပိုင်းကို လေ့လာချင်တယ်၊ စိတ်ဝင်စားတယ် လို့ ပြောခဲ့ပါတယ်။ ဒီလ်ု လုပ်ဖို့ ရွေးချယ် လိုက်တာက ကျွန်မ အတွက်တော့ သတိပေး ခေါင်းလောင်းတွေ၊ ခရာ တွေ အပြည့် ရှိနေတဲ့ ကုမ္ပဏီ မှာ အလုပ်ဝင်လိုက်ရသလို ပါပဲ။

Dr alex tylor လုပ်နေတဲ့ Cambridge Analytica ရဲ့ အောင်မြင်မှု တွေဟာ Data Analytic အပေါ် လုံးဝ မှီခို နေတယ် ဆိုတာ မသိသေးခင်တော့ ကျွန်မ အတွက် nix ရဲ့ စွမ်းဆောင် မှု မှန်သမျှ ဟာ အထင်ကြီး လေးစားစရာ ပါပဲ။ Taylor ရဲ့ တင်ဆက် ပြသမှု က ပိုပြီး နည်းပညာ ဆန်ပြီး၊ Data Analytic ရဲ့ အရမ်းကို အသေးစိတ် တဲ့ အပိုင်းတွေ ပါဝင်ပါတယ်။ သူ ပြောပြတာက Cambridge Analytica ရဲ့  အောင်မြင်မှု ရဲ့ လျှို့ဝှက်  ချက် က   တစ်ခု တည်းမဟုတ် ဘဲ ကုမ္ပဏီ ကို တခြား လုပ်ငန်းတူ တွေ နဲ့ ကွဲထွက် နေအောင် သူတို့ မှာ တခြား လျှို့ဝှက် ချက်တွေလဲ ပိုင်ဆိုင်ထားတယ် ဆိုတာ သိလိုက်ရပါတယ်။ Nix မကြာခဏ ပြောသလိုဘဲ " ကျွန်တော်တို့ရဲ့ လျှို့ဝှက် နည်းပညာ က  ဟင်းချက်ရာမှ ပါဝင်တဲ့ ပစ္စည်း တွေ အများကြီး အတွက် သုံးနိုင်တယ်၊ အဲဒီ ပါဝင် ပစ္စည်း တွေ ပေါင်းစပ်လိုက်ရင် ကိတ်ကောင်းကောင်း တစ်လုံး ဖြစ်လာတာပေါ့"

CA နဲ့ တခြား ကုမ္ပဏီ တွေရဲ့ အရေးကြီး ဆုံး ကွာခြားချက် က CA ပိုင်ဆိုင်ထားတဲ့ database ရဲ့ အရွယ်အစား ဖြစ်နိုင်ပါတယ်။ Taylor ရှင်းပြပုံ အရဆိုရင် ဒီ database က လက်ရှိ ခေတ် မှာ တခါမှ မရဖူးသေးတဲ့ အရွယ်အစား၊ အဘက်ဘက် က ရနေတဲ့ data တွေနဲ့ တစ်နေ့ တခြား ကြီးလာနေပါတယ်။ ဒီ database အတွက် data တွေကို အမေရိကန် နိုင်ငံသားတွေ ပိုင်ဆိုင် နေတဲ့ ကိုယ်ရေး အချက်အလက် တွေကို ဝယ်တာပဲ ဖြစ်ဖြစ် ၊ လိုင်စင် ရယူတဲ့ နည်းနဲ့ ဖြစ်ဖြစ် ကျွန်မ တို့ ရယူထားတာပါ။ ဒီ data တွေကို Experian, Axiom, info group အစရှိတဲ့ ကုမ္ပဏီ တွေကနေ ရသမျှ ဝယ်ထားခဲ့တာပါ။ နောက်ပြီး အမေရိကန် ရဲ့ ဘဏ္ဍာရေး ကုမ္ပဏီ တွေ ဆီကလဲ ဝယ်ပါသေးတယ်။ ဒီ data တွေကနေ အမေရိကန် နိုင်ငံသားတွေ ဘယ်နေရာမှာ စျေးဝယ်ကြလဲ၊ ဘယ်လောက် သုံးလဲ၊ ဘယ်နေရာ ကို အားလပ်ရပ် ခရီးထွက်ကြလဲ၊ ဘယ်လို စာအုပ်မျိုးတွေ ဖတ်ကြလဲ ဆိုတာ ကျွန်မ တို့ သိနေတာပေါ့။ 

ဒီ data တွေ အားလုံးကို သူတို့ရဲ့ နိုင်ငံရေး အချက်အလက် တွေ ဖြစ်တဲ့ သူတို့ရဲ့ မဲပေးပုံ အလေ့အထ data တွေနဲ့ တွဲပါတယ်။ တခါ ထပ်ပြီး ဒီ တွဲထားတဲ့ data တွေကိုပဲ သူတို့ရဲ့ facebook အချက်အလက် တွေ ဖြစ်တဲ့ ဘယ် ပို့စ်ကို သူတို့ Like ပေးလဲ၊ ဘယ် ပုံကို သဘောကျလဲ အစရှိတဲ့ အချက်အလက် တွေနဲ့ တခါ ထပ်တွဲ ပါတယ်။ facebook တစ်ခု တည်းကနေ ပဲ လူတစ်ယောက် နဲ့ ပတ်သတ် တဲ့ အကြောင်းအရာ ပေါင်း ၅၇၀ ကိုရပါတယ်။ ဒီ data တွေကို အပေါ် မှာဖော်ပြ ခဲ့တဲ့ ဝယ်ယူလို့ရတဲ့ data တွေနဲ့ ပေါင်းလိုက်ရင် အသက် ၁၈ နှစ် အထက် အမေရိကန် နိုင်ငံသား ပေါင်း သန်း ၂၄၀ ရဲ့ တစ်ယောက်ချင်းစီ အတွက် အချက်အလက် ပေါင်း ၅၀၀၀ ကျော်ကို Database ထဲ မှာ ရလာပါတော့တယ်။ 

Tyler ပြောစကား အရ ဒီ database က အချက်အလက် တွေ ပေါ် အခြေခံ ပြီး လူတွေကို ဆက်သွယ် မယ့် နည်းလမ်းကိုတော့ Facebook ကို အဓိက ထားသုံးပါတယ်။ ကျွန်မ တို့ စုဆောင်းရရှိထားတဲ့ အချက်အလက် တွေ ရှိနေတဲ့ လူတွေကို ဆက်သွယ်ဖို့ Facebook ကနေ လုပ်ပါတယ်။ 

ကျွန်မ SCL ကို ရောက်ခါစ အချိန် မှာပဲ Nix က ကျွန်မ ကို ပွဲ ၂ ခုကို အာရုံစိုက်ဖို့ ပြောပါတယ်။ 2014 December ရဲ့ တစ်ရက် မှာ SCL ရဲ့ အကြီးတန်း Data Scientist Suraj Gosai က ကျွန်မ ကို သူ့ ကွန်ပြူတာ နား လာခဲ့ဖို့ ခေါ်ပါတယ်။ သူ့ စားပွဲနားမှာ Phd research လုပ်နေသူ တစ်ဦး နဲ့ SCL ရဲ့ စိတ်ပညာ ရှင် ၄ ယောက် အတူတူ ရှိနေပါတယ်။ 

သူတို့ထဲက ၃ ယောက် က ကိုယ်ရေး အချက်အလက် ဆိုင်ရာ ပဟေဠိ ပရိုဂရမ် တစ်ခု ကို တီထွင်ထားပါတယ်။ Sex compass လို့ ခေါ်ပါတယ်။ ကျွန်မ အတွက်တော့ ဒီနာမည် က ရီစရာ ပါ။ ဒီ ပဟေဠိ ပရိုဂရမ် ကနေ လူတွေ ရဲ့ လိင်ပိုင်းဆိုင်ရာ ကြိုက်နှစ်သက်မှု စစ်တမ်းကို ကောက်ယူမှာပါ။ အိပ်ယာ ထဲမှာ ဆို ဘယ်လို အနေအထားကို ကြိုက်လဲ အစရှိတဲ့ မေးခွန်း တွေ ပါတာပေါ့။ ဒီ ပဟေဠိ စစ်တမ်း က ​ြေဖဆိုသူတွေ အတွက် အပျော် စစ်တမ်း တစ်ခု မဟုတ်ဘူးဆိုတာ ကျွန်မ နားလည်လာပါတယ်။ ဒီ ပဟေဠိ ​ြေဖဆိုသူ တွေကို သူတို့ရဲ့ အဖြေ အပေါ် မူတည် ပြီး သူတို့ရဲ့ လိင်ပိုင်းဆိုင်ရာ ကိုယ်ရည် ကိုယ်သွေး အချက်အလက် အပြင်၊ သူတို့ရဲ့ အမူအကျင့်၊ အလေ့အထ တွေကိုပါ နှိုက်ယူနိုင်ဖို့ ပါ။ SCL အတွက်တော့ ဖြေဆို သူ တစ်ဦး တည်းတင်မကဘဲ ဖြေဆိုသူ ရဲ့ သူငယ်ချင်း တွေရဲ့ အချက်အလက် တွေကိုပါ လက်ရှိရှိပြီးသား database ထဲက အချက်အလက် တွေနဲ့ ပေါင်းစည်းဖို့ အခွင့်အရေး ရသွားတာပါ။ 

နောက်ထပ် စစ်တမ်း တစ်ခု ဖြစ်တဲ့ Musical Walrus ဆိုတာကလဲ အတူတူပါပဲ။  ကာတွန်း ဇတ်ကောင် ပင်လယ်ဖျံ လေးက နေ အသုံးပြုသူ တွေကို ဂီတ နဲ့ ပတ်သတ်တဲ့ သူ့ရဲ့ ကြိုက်နှစ် သက်မှု တွေ မေးပြီး ဖြေဆိုသူရဲ့ ဂီတ အမျိုးအစား က pop လား၊ rock လားဆိုပြီး နောက်ဆုံး အဖြေထုန်ပေးတဲ့ ပုံစံပါ။ ဒီ ကနေလဲ SCL အတွက် data အမြောက်အမြား ရခဲ့ပါတယ်။ 

Taylor က တခြား online ပေါ်က ပဟေဠိ တွေ၊ စစ်တမ်း တွေကနေ လဲ လူတစ်ယောက်ချင်းစီ ရဲ့ အချက်အလက် ပေါင်း ၅၇၀ ကို ရယူနိုင်ကြောင်းပြောပြပါတယ်။ facebook ကိုယ်တိုင် က အသုံးပြု သူ ရယ်၊ သူ့ရဲ့ facebook သူငယ်ချင်း တွေရဲ့ အချက်အလက် တွေကို ရယူပြီး သားပါ။ ဥပမာ facebook အသုံးပြု သူတစ်ယောက် က candy crush ကို မကစားခင် သဘောတူညီချက် ္terms and conditions ကို yes လို့ နှိပ်လိုက်တာနဲ့ အသုံးပြုသူရဲ့ ကိုယ်ရေး အချက်တွေရော၊ သူငယ်ချင်း တွေရဲ့ ကိုယ်ရေး အချက်တွေကိုရောပါ ပရိုဂရမ် ကိုတီထွင် သူထံ အလကားပေးမယ်၊ ပရိုဂရမ် တီထွင်သူ ကနေ ဒီ အချက်အလက် တွေကို သူကြိုက်တဲ့ ဘယ်သူ့ကို မဆို လွှဲပြောင်း နိုင်တယ် ဆိုတာ သဘောတူလိုက်တာပါပဲ။ facebook က ဒီလို data ရယူမှုကို friend API လို့ ခေါ်တဲ့ ပေါ်တယ် ကနေ ရယူခွင့်ပြုထားပါတယ်။ ဒီဟာ က နောက်ပိုင်းမှာတော့ နာမည် ဆိုးနဲ့ ကြော်ကြားလာပြီး နိုင်ငံ တွေရဲ့ သတင်းအချက်အလက် ဥပဒေ နဲ့ ထိပ်တိုက် တွေ့လာပါတယ်။ အရွယ်ရောက်ပြီးသူ တစ်ယောက်ရဲ့ ကိုယ်ရေး အချက်အလက် ကို သူ့ကိုယ်စား လွှဲပြောင်းရယူခွင့် ရှိသလား ဆိုတဲ့ အပိုင်းက အမေရိကားမှာရော နိုင်ငံ တော်တော် များများမှာပါ ဥပဒေ ကြောင်းအရ ကန့်သတ် ထားတာ မရှိသေးပါဘူး။  ဘယ်သူ မဆို တွေးကြည့်ရင် သိသာပါမယ်၊ ဒီ friend API ကို အသုံးပြု သူများလေလေ Facebook အတွက်တော့ ဝင်ငွေ ကောင်းလေလေ ပါ။ ဒီ ဟာကွက် ကို အသုံးချပြီး Cambridge Analytica အပါအဝင် ကုမ္ပဏီ တော်တော်များများ က Facebook အသုံးပြု သူတွေ သိတောင် မသိလိုက်ဘဲ သူတို့ရဲ့ ကိုယ်ရေး အချက်အလက် တွေ ရရှိသွားပါတော့တယ်။ 

Cambridge Analytica ကတော့ Data တွေကို အမြဲ ပုံမှန် စုဆောင်းနေပြီး  လူတွေ အခုအချိန် မှာ ဘာကို အာရုံစိုက် နေကြတယ် ဆိုတာ အမြဲ သိအောင် လုပ်နေပါတယ်။ Data တွေကို ပြည့်စုံ သထက် ပြည့်စုံအောင် ဝယ်တဲ့ နည်းကိုလဲ သုံးသလို website တွေရဲ့ cookies ကို လက်ခံ အသုံးပြုမလား ကို Yes လို့ ပြောတာမျိုး၊ online ပေါ်က တစ်ခုခု သုံးဖို့ terms and conditions ကို agree လို့ နှိပ်လိုက်တာမျိုး ၊ အဲလို နည်းလမ်း တွေကနေ လဲ data တွေက တစ်ရက်ပြီး တစ်ရက် တိုးပွားလို့ နေပါတော့တယ်။ 

Cambridge Analytica က Experian လို ကုမ္ပဏီ ကနေ Data အသစ် စက်စက် တွေ ဝယ်ပါတယ်။ Experian က အသုံးပြုသူ ရဲ့ Digital live ကို အမြဲ ထောက်လှမ်းနေပြီး online ပေါ်ကနေ ဘာဝယ်လိုက်တယ်၊ ဘယ်လို ဝန်ဆောင် မှုမျိုး ရယူလိုက်တယ် ဆိုတာ တွေကို မှတ်သားထားပြီး အသုံးပြုသူကို သူ့ရဲ့ အသုံးစာရင်း ထုတ်ပေးတဲ့ အပြင် ဒီ အချက်အလက် တွေကို အသုံးပြုသူက ပြန်ရောင်းမယ် ဆိုလဲ ပြန်ဝယ်ပါတယ်။ Experian ကတော့ ဒီ သတင်းအချက်အလက် တွေကို CA ကို ပြန်ရောင်းပြီး အမြတ်ငွေ ရှာတာပေါ့။ တခြား Data ပွဲစားတွေ ဖြစ်တဲ့ Axiom, Macgellan, Label and lists တို့ လုပ်ပုံကလဲ အတူတူပါပဲ။ 

ဒီလို data စုဆောင်းယူ တာတွေ အတွက် အသုံးပြုသူဘက် က တသီးတသန့် သဘောတူ နေစရာ မလိုပါဘူး။ ဘယ်သူမှ ပြီးအောင် မဖတ်မယ့် သဘောတူညီချက် အရှည်ကြီး ရေးထားတာ၊ အသုံးပြုသူဘက်ကနေ agree လို့ လုပ်ရမယ့် လေးထောင့်ကွက် သေးသေးလေး ထားပေးလိုက်တာ၊ အစရှိတဲ့ နည်းလမ်း တွေကို data တွေကို အလွယ်တကူပဲ စုဆောင်းရယူနိုင်ပါတယ်။ ဒီ သဘောတူ ညီချက် တွေကို အသုံးပြူသူ အနေနဲ့ သူကစားချင်တဲ့ ဂိမ်း ကစားရဖို့၊ သူ သွားချင်တဲ့ Website ပေါ်က ဝန်ဆောင် မှု တစ်ခုခု ကို သွားဖို့ အတွက် မဖြစ်မနေ သဘောတူ ရတယ် ဆိုတဲ့ ဖိအားပေး တဲ့ နည်းလမ်း တွေ သုံးပါတယ်။ 

Data နဲ့ ပတ်သတ်ပြီး ထိတ်လန့် စရာ အကောင်းဆုံးကတော့ ကျွန်မ Dr Tylor ဆီကနေ Data တွေ ဘယ်က လာလဲ သိလိုက်ရတဲ့ အချိန်ပါ။ ကျွန်မ အခု စာဖတ် နေသူ ကို မပြောပြချင်ပါဘူး။ ဒါပေမယ့် အခု ဒီ စာအုပ်ကို Amazon ကနေ e book version ဖြစ် ဖြစ် ၊ စကားပြော ဖြစ်ဖြစ် ဝယ်လိုက်တာနဲ့ ဝယ်ယူသူ ရဲ့ ကိုယ်ရေး အချက်အလက် တွေ တော်တော် များများ ကို ကမ္ဘာပေါ် က data ပွဲစားတွေ၊ ကြော်ငြာ ကုမ္ပဏီ တွေ လက်ထဲ ပေးအပ်လိုက်တာပါပဲ။ 

ဒီ စာအုပ်ကို မဝယ်ခင် online မှာ အရင် ရှာထားတဲ့ search recordတွေ၊ web page တစ်ခု စီမှာ အချိန် ဘယ်လောက်သုံးတယ်၊ ဘယ် ကဒ်နဲ့ ပိုက်ဆံ ပေးချေတယ်၊  အစရှိတာတွေ အတွက် ကိုယ့်ကွန်ပြုတာ ရဲ့ cookies တွေက တဆင့် ထောက်လှမ်း ခံလိုက်ရပါပြီ။ 

Cookies တွေ အကြောင်းပြောရရင်  web page တွေက cookies တွေကိုလက်ခံ ဖို့ မေးနေချိန် မှာ ဘယ်လို အချက်အလက် တွေပါ တောင်းဆို နေသလဲ ဆိုတာ တွေးမိဖူးလား၊ ဒီလ်ု cookies တွေကို လက်ခံလိုက်တာက လူမှုရေး အရ လက်ခံ နိုင်တဲ့ spyware တစ်ခု ထည့်သွင်းလိုက်သလိုပါပဲ။ ဒါမျိုး ကိုလဲ ကျွန်မ တို့ နေ့စဥ် လိုလို လုပ်မိကြတယ်။ ဒါက ကျွန်မ တို့ အပေါ် သကာရည် အုပ်ထားတဲ့ စကားလုံး လှလှ လေး သုံးလိုက်သလိုပါပဲ။ တကယ်ကတော့ သူ့ရည်ရွယ်ချက် ကို သံသယ မဖြစ်တဲ့ သုံးစွဲ သူတွေ အပေါ် ကနေ ချသမျှ အချက်အလက် ကို ထောက်လှမ်း ဖို့ပါပဲ။ 

Cookies တွေက ကွန်ပြုတာ တွေ ဖုန်းတွေပေါ် က အသုံးပြုသူ လုပ်သမျှ အရာမှန်သမျှ ကို ထောက်လှမ်းပါတယ်။ Mozilla lightbeam, Cliqz international Ghostery, Electronic frontier foundation privacy badger တို့လို ပရိုဂရမ် တွေသုံးပြီး ကုမ္ပဏီ ဘယ်နှစ်ခုက ကိုယ့်ကိုယ်ရေး အချက်အလက် တွေကို ထောက်လှမ်း နေတယ် ဆိုတာ စစ်ကြည့်လို့ရပါတယ်။ ၅၀ ထက် မနည်း တဲ့ ကုမ္ပဏီ တွေ ကျွန်မ တို့ကို ထောက်လှမ်းနေတာ တွေ့ရမှာပါ။ ကျွန်မ ကိုယ်တိုင် lightbeam ကိုသုံးပြီး စစ်ကြည့်တုန်းကဆိုရင် ကျွန်မ တစ်မိနစ် အတွင်း ဝင်ကြည့်တယ် ဆိုရုံလေး ဝင်ကြည့်မိတဲ့ website 2 ခုကနေ တခြား website 172 ခုကို ကျွန်မ ရဲ့ အချက်အလက် တွေ ဆက်သွယ် ထောက်လှမ်းနေတာကို တွေ့လိုက်ရပါတယ်။ အဲဒီ website တွေကနေ Rocket Fuel, Lotame တို့လို Big Data ကုမ္ပဏီ ကြီး တွေကို ရောင်းချပါတယ်။ ကျွန်မ တို့ရဲ့အချက်အလက် တွေက သူတို့ အတွက်တော့ ကြော်ငြာ စက်ကြီး အတွက် လိုအပ်နေတဲ့ လောင်စာဆီ လိုပါပဲ။ ဒီ အချက်အလက် တွေကို သုံးပြီး ထိရောက်တဲ့ စီးပွားရေး ကြော်ငြာ တွေကို ဖန်တီးကြပါတယ်။ ကျွန်မ တို့ရဲ့ ကိုယ်ရေး အချက်အလက် data ကို ထိမိသူ မည်သူမဆို အမြတ် တခုခုတော့ ရသွားကြတာချည်းပါ။ 

အခု ကျွန်မ ရေးတဲ့ စာအုပ်ကို Amazon kindle ကဖြစ် ဖြစ် google book ကနေ ဖြစ် ဖြစ် ipad မှာ ဖတ်နေတယ် ဆိုပါစို့။ ဒီလိုဖတ်နေတာ နဲ့ ကို စာမျက် မှာ တစ်မျက် နှာ ကို ဘယ်လောက်ကြာအောင် ဖတ်လဲ၊ ဘယ်နားမှ ခဏ နားလဲ၊ ဘယ်လောက် ကြာကြာ နားလဲ၊ ဘယ်စာပိုဒ်ကို တော့ အမှတ်အသား လုပ်ထားလဲ အစရှိတဲ့ အရမ်းတိကျ တဲ့ data တွေ ထုတ်ပေးနေသလို ပါပဲ။ ဒီစာအုပ် ကို ဝယ်ဖို့ တဲ့ စာဖတ်သူ ပထမ ဆုံးရှာခဲ့တဲ့ စကားလုံး တွေ နဲ့ အပေါ်က အချက်အလက် တွေ ပေါင်းစပ် ပြီး ကုမ္ပဏီ တွေက ဒီ data တွေကို ရောင်းစား ပါလိမ့်မယ်။ အဲလို ရောင်းချပြီးတာနဲ့ စာဖတ်သူ အတွက် ရောင်းချ လို့ရမယ့် ကုန်ပစ္စည်း အသစ် ရဲ့ ကြော်ငြာ လက်ခံ ရရှိပါတော့မယ်။ စျေးရောင်းမယ့် သူအဖို့ ကတော့ စားသုံးသူ နဲ့ ပတ်သတ် တာကို နည်းနည်းလောက် သိတယ် ဆိုရင်ပဲ သူတို့ အရောင်း ပိုင်းမှာ လိုအပ်တဲ့ ပြောင်းလဲ မှု တွေ လုပ်နိုင်ပါလိမ့်မယ်။ ဒီလို data စုဆောင်းတဲ့ အဖြစ်အပျက် တွေဟာ စားသုံးသူရဲ့ အသိ မပါဘဲ နဲ့ နောက်ကွယ် မှာ ဒီအတိုင်း ဖြစ်နေကြတာပါ။ 

တကယ်လို့ စာဖတ်သူ က ဒီ စာအုပ်ကို  Online က မဝယ်ဘဲ စာအုပ်ဆိုင်က ဝယ်တယ် ထားပါအုံး။ စာအုပ်ဆိုင်ကို လာတဲ့ လမ်းမှာ ဖုန်းက ္GPS ဖွင့်ပြီး Google map ကိုသုံးနေမယ်။ ဒီလ်ု အခြေအနေ မျိုးဆိုရင် ကိုယ့်ရဲ့ တည်နေရာပြတဲ့ data တွေကို ninth decimal လို ကုမ္ပဏီမျိုးက ရသွားပါပြီ။ ဖုန်းက စာအုပ်ဆိုင် လမ်းတလျောက် ဖြတ်သန်းလာတာတွေကို မှတ်သားထားပြီး၊ စာအုပ်ဆိုင် ရောက်ဖို့ ဘယ်လောက်ကြာတယ်၊ စာအုပ်ဆိုင်မှာ စာအုပ် တစ်အုပ်ချင်းစီ ကို ဘယ်လောက်ကြာကြာ ကြည့်တယ်၊ ဘာစာအုပ် တွေကို ကြည့်တယ်၊ ဘယ်စာအုပ် ကိုတော့ မရွေးဘဲ နဲ့ ဒီစာအုပ်ကို တော့ ရွေးလိုက်တယ် အစရှိတဲ့ အချက်အလက် တွေကို မှတ်သား ထောက်လှမ်း ပါလိမ့်မယ်။ စာအုပ်ဖိုးကို ခရက်ဒစ် သို့ ဒက်ဘစ် ကဒ်နဲ့ပေးချေ တဲ့အခါ ဒီ ဝယ်ယူမှုကို ကိုယ့်အသုံးစာရင်း မှတ်တမ်း မှာ မှတ်တမ်းတင်ပါမယ်။ ဒီအချက်အလက် တွေကို ဘဏ် သို့ ခရက်ဒစ် ကဒ် ကုမ္ပဏီ တွေက data အကြီးအကျယ် စုဆောင်း တဲ့ ကုမ္ပဏီ တွေ ကို ရောင်းချ ပြီး ဒီ ကုမ္ပဏီ တွေကလဲ သူတို့ တတ်နိုင်သလောက် လက်ဆင့်ကမ်း ရောင်းချ ကြပါတယ်။ 

အခု စာဖတ်သူ က အိမ်ပြန်ရောက်ပြီး စာအုပ်ကို ဖတ်နေပြီ ဆိုပါစို့။ အိမ်မှာ ရှိတဲ့ ရိုဘော့ ဖုန်စုပ်စက် က ထိုင်နေတဲ့ ကုလားထိုင် သို့ ဆိုဖာ ရဲ့ တည်နေရာ ကို ထောက်လှမ်း မှတ်သားနေပါတယ်။ တကယ်လို့ အိမ်မှာ Alexa, Cortana , google assistance လိုမျိုး ပစ္စည်း တွေရှိရင် သူတို့က စာဖတ်သူ စာဖတ်ရင်း အကျယ်ကြီး အော်ရယ် လိုက်တာ၊ ငိုချလိုက်တာ အစရှိတဲ့ အသံ တွေကို ထောက်လှမ်း မှတ်သားပါတယ်။ တကယ်လို့ စာဖတ်သူ အိမ်မှာ စမတ် ရေခဲသေတ္တာနဲ့ ကော်ဖီ ဖျော်စက် ပါ ရှိရင်တော့ စာဖတ်ရင်း ကော်ဖီ ဘယ်နှစ်ခွက် သောက်လဲ ဆိုတာ ကိုပါ သိနေမှာပါ။ 

ဒီ data တွေကို အပြုအမူ ဆိုင်ရာ data တွေလို့ ခေါ်ပါတယ်။ Data ပေါင်းစပ် သူတွေက ဒီ data တွေကို အသုံးချပြီး သင် ဘယ်လ်ု လူမျိုးဆိုတာ ပုံဖော် နိုင်ပါတယ်။ ဒါက အရမ်းကို တိကျ ပြီး အဆုံးမရှိ အသုံးဝင်ပါတယ်။ ဒီ အချက်အလက် တွေကို သုံးပြီး ကုမ္ပဏီ တွေက သင့်ရဲ့ နေ့စဥ် လူနေမှု ပုံစံ နဲ့ကိုက်ညီ မယ့် ပစ္စည်းတွေ ထုတ် ကြပါတော့တယ်။ နိုင်ငံရေး သမားတွေကလဲ ဒီ အပြုအမူ ဆိုင်ရာ data တွေကို သုံးပြီး သင့်ဆီကို သင့်တော် တဲ့ အချိန် မှာ သတင်းစကားတွေ ပေးပို့ပါလိမ့်မယ်။ သင့်အနေနဲ့ကတော့ ဒီသတင်းစကား တွေကို မှန်လှချည်လား ဆိုပြီး တန်းလက်ခံ သွားမှာပါ။ သင့် ကလေးကို ကျောင်းက နေ ပို့ပြီးပြီးချင်း မှာ ရေဒီယို ကနေ ပညာရေး နဲ့ ဆိုင်တဲ့ ကြော်ငြာ တွေ လာတာ နားထောင် ဖူးပါသလား၊ ဒါတွေ အားလုံးဟာ တိုက်ဆိုင်တာ မဟုတ်ပါဘူး။ စနစ် တကျ စီစဥ် ဆောင်ရွက် ထားတာ တွေချည်းပါ။ 

နောက် အရေးကြီး တဲ့ အချက် တစ်ခုက သင့် data တွေကို ကုမ္ပဏီ တွေက ဝယ်လိုက်ပြီဆိုရင် သူတို့ ဝယ်ယူလိုက်တဲ့ ကုန်ကျစားရိတ် က ကြော်ငြာ ကုမ္ပဏီ တွေ က ဒီ data ကို ပြန်အသုံးပြု တဲ့ တန်ကြေး နဲ့ ယှဥ်ရင် မပြောပလောက်ပါဘူး။ သင့်ရဲ့ Data တွေက ဘယ်နေရာ က ဘယ်သူ မဆိုကို သင့်ကို ပစ်မှတ်ထားပြီး ကြော်ငြာ ပို့ဖို့အတွက် ခွင့်ပြုတာချည်းပါ။ သင့်ကို နိုင်ငံရေး၊ စီးပွားရေး၊ လူမှုရေး၊ အစရှိတဲ့ သတင်းစကား တွေကို သင့်တော်တဲ့ အချိန် မှာ သင့်တော် တဲ့ သတင်းစကား ပေးပို့နိုင်ဖို့ အတွက် အသုံးပြုပါတယ်။ 

ဒီလို သင့်ရဲ့ကိုယ်ရေး အချက်အလက် တွေကို ရောင်းချင် သလို ရောင်း​ ၊ သုံးချင်သလို သုံးနေတာ သိပေမယ့် သင့်အနေနဲ့ ဆန့်ကျင်ဖို့ အင်အား မရှိပါဘူး။ ဘာလို့လဲ ဆိုတော့ အခုအချိန် မှာ ဘာလုပ်လုပ် online ကနေ လုပ်ရတာ အရမ်းအဆင်ပြေ နေတာကိုး။ သင့်ရဲ့ ဒီလို အဆင်ပြေမှု အတွက် ပေးလိုက်ရတဲ့ ကုန်ကျစားရိတ် ကတော့ အရမ်းကို ကြီးမားပါတယ်။ သင့်ရဲ့ တန်ဖိုး ရှိတဲ့ data တွေကို အခြားသူ ကို အခမဲ့ပေးရတဲ့ အပြင် ဒီ အချက်အလက် အပေါ်ကနေ အမြတ်အစွန်း ပေါင်းများစွာ ရယူနေတာကိုလဲ ဒီအတိုင်းပဲ ထိုင်ကြည့်နေရတာပါပဲ။ သင်သတိမထား မိလိုက် တဲ့ မိနစ် တိုင်း မှာ အလကားပေးမိနေတဲ့ data တွေ  အပေါ် မှာ ထရီလီယံ နဲ့ ချီတဲ့ ဒေါ်လာ တန်ဖိုး တွေ  နဲ့ အကျိုးအမြတ် ရနေကြသူ တွေ အများကြီးပါ။ သင့်ရဲ့ data က မယုံနိုင်စရာ ကောင်းအောင် တန်ဖိုးကြီး ပါတယ်။ ဒါကို Cambridge Analytica က သင့်ထက်ရော၊ တချို့ client တွေထက်ရော ပိုသိနေပါတယ်။ 

Alexandra Tylor က ကျွန်မ ကို Cambridge Analytica ဘာလုပ်နိုင်လဲ လို့ သင်ပေးတုန်းက ကျွန်မ ထပ်သိလာတာ က ကျွန်မ တို့ ကုမ္ပဏီ က Big Data ရောင်းတဲ့ သူတွေဆီ က data ကို ဝယ်ယူသလို Client ရဲ့ သီးသန့် data တွေကိုလဲ အသုံးပြုပါတယ်။ client ရဲ့ သီးသန့် Data ဆိုတာ အပြင် Data စျေးကွက် မှာ ဝယ်လို့ မရနိုင်ဘဲ သူတို့အဖွဲ့ အစည်း အတွက် သူတို့ ကိုယ်တိုင် ရှာဖွေ ပြုစုထားတဲ့ Data ကို ဆိုလိုတာပါ။ ကျွန်မ တို့ရဲ့ ညှိနှိုင်း မှု အပေါ် မူတည်ပြီး ဒီ client ရဲ့ သီးသန့် data တွေဟာ သူတို့ ကိုယ်ပိုင် အဖြစ် ဆက်တည်ရှိ နိုင်သလို တခါတရံ မှာ ကျွန်မ တို့ ကုမ္ပဏီ ရဲ့ ညာဏ ပိုင်ဆိုင်ခွင့် ဖြစ်လာပါတယ်။ အဓိပ္ပာယ်ကတော့ ကျွန်မ တို့ရဲ့ ညာဏ ပိုင်ဆိုင်ခွင့် ဖြစ်လာရင် ဒီ data တွေကို ကျွန်မ တို့  ရဲ့ ကိိုယ်ပိုင်လို အသုံးပြုတာ၊ ရောင်းချတာ၊ တွေ ပြုလုပ်နိုင်ပါတယ်။ 

ဒါက အမေရိက အတွက် ထူးခြားတဲ့ အခွင့်အရေး ဖြစ်ခဲ့ပါတယ်။ ယူကေ၊ ဂျာမနီ၊ ပြင်သစ် နိုင်ငံ တွေရဲ့ Data ဥပဒေအရ ဒီလို လွတ်လပ်ခွင့် မရှိပါဘူး။ အမေရိကားက Cambridge Analytica အတွက် တော့ စားကျက်မြေ လိုဖြစ်လာပါတယ်။ Nix ကတော့ အမေရိကား ရဲ့ Data စျေးကွက် ကို Wild West လို့ ခေါ်နေတော့တာပါပဲ။ 

Cambridge Analytica က ရှိပြီးသား data တွေကို နောက်ရလာတဲ့ data point တွေ နဲ့ ပေါင်းစပ် ပြီး ပုံမှန် အပ်ဒိတ် လုပ်နေချိန် မှာပဲ ကျွန်မ တို့ client  တွေ၊ data ရောင်းချသူတွေ  နဲ့ သဘောတူညီ မှု ရပါတယ်။ သဘောတူညီ ချက် အပေါ် မူတည် ပြီး Data sets တွေက မီလီယံ ဒေါ်လာ တန်နိုင်သလို တစ်ပြားမှ မတန် တာမျိုးလဲရှိပါတယ်။ ဘာလို့လဲ ဆိုတော့ CA ရဲ့ သီးသန့် data ကိုလဲ တခြား ကုမ္ပဏီ ရဲ့သီးသန့် data နဲ့ အပြန်အလှယ် လဲလှယ် တဲ့ သဘောတူညီ ချက် တွေလဲ ရှိတတ်လို့ပါ။ ဥပမာ info group ဆိုရင်ပ ရဟိတ အဖွဲ့အစည်း တွေနဲ့ data လဲလှယ် တဲ့ ပူးပေါင်းဆောင်ရွက် မှု ရှိပါတယ်။ ပရဟိတ အဖွဲ့တွေက info group ကို သူတို့ဆီ မှာ ရှိပြီးသား အလှုရှင် တွေရဲ့ အချက်အလက် တွေ ဖြစ်တဲ့ တစ်ယောက်ချင်းစီရဲ့ အလှုငွေ စာရင်း ကို ပေးလိုက်ရင် အပြန် အလှန် အနေနဲ့ into group က သူတို့ စုဆောင်းထားတဲ့ အလှုရှင် စာရင်းကို ပြန်ပေးပါတယ်။ အလှုရှင် စာရင်း အပြင် အလှုရှင် တွေရဲ့ အမူအကျင့်၊ သူတို့ရဲ့ နှစ်စဥ် လှူနိုင်မယ့် ပမာဏ၊ သူတို့ လှုလေ့လှူထ ရှိတဲ့ လူမှုရေး ခေါင်းစဥ် တွေ အစရှိသဖြင့်ပေါ့။ 

Cambridge Analytica ရဲ့ နေရာ အသီးသီး က စုဆောင်းရရှိထားတဲ့ Data တွေ ကနေ ဖြစ်ပေါ်လာတဲ့ ဧရာမ database ကြီး က CA နဲ့ ပြိုင်ဘက် တွေ ကွာခြားစေတဲ့ အကြောင်းချင်းရာ ပါပဲ။ ကျွန်မ တို့ ပိုင်ဆိုင် နေတဲ့ Data ပမာဏ ကြီးက ကျွန်မ တို့ အလုပ်အတွက် အရေးကြီး တဲ့ အ​ြေခခံ အုတ်မြစ် ဖြစ်ပါတယ်။ ဒီ data တွေကနေ ခွဲခြမ်း စိတ်ဖျာတာကို ကျွန်မ တို့ Psychographic ( စိတ်ပညာရပ်ဆိုင်ရာ အုပ်စု ဖွဲ့ခြင်း) လို့ ခေါ်ပါတယ်။ ဒါကပဲ CA ရဲ့ အလုပ်တွေ တိကျ ပြီး ထိရောက် စေဖို့ အကူအညီ ပေးနေတာပါ။ 

Psychographic ဆိုတဲ့ အသုံးအနှုန်းကို  ဖန်တီးခဲ့တာက လူတစ်ဦးချင်းရဲ့ ကိုယ်ရည် ကိုယ်သွေး အမှတ်ပေးစနစ် ကို ကျွန်မ တို့ မှာ ရှိနေတဲ့ Database အပေါ် အသုံးချ ပြီး ထွက်ပေါ်လာတဲ့ ရလဒ် တစ်ခုပါ။ Analytic Tools တွေကို သုံးပြီး လူတစ်ဦးချင်းစီ ရဲ့ ရှုပ်ထွေးတဲ့ ကိုယ်ရည် ကိုယ်သွေး အမူအကျင့် ကို ခွဲခြမ်းစိတ်ဖြာပါတယ်။  ပြီးတော့ CA ရဲ့ စိတ်ပညာရှင် တွေက  နေ ဒီ မတူတဲ့ ကိုယ်ရည် ကိုယ်သွေး ရှိတဲ့ လူတစ်ယောက် စီ  တုန့်ပြန် နိုင်မယ့် လှုံဆော် မှု တွေကို ရှာဖွေ ပါတယ်။ နောက်ဆုံး CA ရဲ့ ဖန်တီးမှု ဆိုင်ရာ ဌာန က မတူ ကွဲပြားတဲ့ ကိုယ်ရည်ကိုယ်သွေး ရှိသူ တစ်ဦးချင်း စီကို ပစ်မှတ်ထားတဲ့ သတင်းစကား တွေကို မီဒီယာ မျိုးစုံ သုံးပြီး ဖန်တီးပါတယ်။ ဒါကို အပြုအမူဆိုင်ရာ အသေးစိတ် ပစ်မှတ်ထားခြင်း behavioral Micro Targeting လို့ ခေါ်ပါတယ်။ 

ဒီ ္brhavioral microtargeting ဆိုတဲ့ စကားလုံးကို CA က ပထမမဆုံး ကုန်အမှတ် တဆိပ် မှတ်ပုံတင် အသုံးပြုခဲ့တာပါ။ ဒီနည်းလမ်း နဲ့ ပစ်မှတ်ထားရမယ့် လူအုပ်စု ကို သူတို့ရဲ့ တူညီ တဲ့ ကိုယ်ရည်ကိုယ်သွေး အမူအကျင့် တွေ အပေါ် မှာ သီးသန့် ပြင်ဆင် ထားတဲ့ သတင်းစကား ကို ထပ်ခါ ထပ်ခါပို့ပါတယ်။ သတင်းစကား ပေးချင်တဲ့ Message တစ်ခုတည်းကိုပဲ  မသိမသာ နည်းနည်း ပြုပြင်လိုက်၊ ပုံစံ နည်းနည်း ပြောင်းလိုက်နဲ့ လိုချင် တဲ့ ရလဒ် မထွက်မချင်း ပေးပို့နေ တဲ့ နည်းလမ်းပါ။  ရွေးကောက်ပွဲ မှာတော့ ကျွန်မ တို့ ပနေနဲ့ လူတွေကို ရွေးကောက်ပွဲ ရံပုံငွေ ထည့်ချင်တယ်၊ ကိုယ့် ဘက် က ကိုယ်စားလှယ်လောင်း အကြောင်း နဲ့ လက်ရှိ ဖြစ်နေတဲ့ ပြဿနာ တွေကို လူတွေ သိစေချင်တယ်၊ နောက်ဆုံး လူတွေ ရွေးကောက်ပွဲ နေ့မှာ မဲရုံကို ရောက်လာပြီး ကျွန်မ တို့ရဲ့ ကိုယ်စားလှယ် ကိုပဲ မဲပေးရမယ်။ ဒီလို ရလဒ် တွေ အတွက် အပြုအမူ ဆိုင်ရာ အသေးစိတ် ပစ်မှတ်ထားခြင်း နည်းလမ်း ကို အသုံးပြုခဲ့ပါတယ်။ တချို့ ကမ်ပိန်း တွေ မှာ တော့ တချို့ လူအုပ်စု ကို မဲရုံ မသွားဖြစ် အောင် တားဆီး ရတာ မျိုးလဲ ရှိပါတယ်။ 

Taylor ဖြစ်စဥ် တစ်ခုလုံးမှာ အသေးစိတ် ရှင်းပြခဲ့သလို CA အနေန ဲ့ Facebook အသုံးပြုသူတွေရဲ့ Data တွေကို Sex compass, Musical Walrus တို့လို ကိုယ်ရည် ကိုယ်သွေး စစ်တမ်း နဲ့ ရယူနိုင်ခဲ့တယ်။ ဒီ ပရိုဂရမ် တွေကို တခြား အပြင် က ပရိုဂရမ်မာ တွေ နဲ့ ရေးဆွဲ ခဲ့ပြီး ရလာတဲ့ data တွေကို Experian လို Data ရောင်းချ သူတွေ က ရတဲ့ Data တွေနဲ့ ပေါင်းစပ်ခဲ့ပါတယ်။ ပြီးတော့ သန်းနဲ့ချီ ရှိတဲ့ လူတွေကို သူတို့ တစ်ဦးချင်းစီရဲ့ ကိုယ်ရေး အချက် တစ်ထောင် ကျော် ပေါ်ကနေ OCEAN အမှတ်ပေး စနစ် ကို သုံးပြီး အမှတ် ပေးခဲ့ပါတယ်။ 

OCEAN အမှတ် ပေးနည်းဆိုတာ တက္ကသိုလ် တွေရဲ့ အပြုအမူ ဆိုင်ရာ သုတေသန နဲ့ လူမှုရေး စိတ်ပညာ ရပ်တို့ ပေါင်းစပ် ပြီး ပေါ်ထွက်လာတဲ့ အမှတ်ပေးနည်း စနစ် ဖြစ်ပါတယ်။ CA ကတော့ ဒီ နည်းကို သုံးပြီး လူတစ်ဦးချင်းစီရဲ့ ကိုယ်ရေး အတ္ထုပတ္တိ ကို တည်ဆောက်ပါတယ်။ ကိုယ်ရည် ကိုယ်သွေး စစ်တမ်း တွေနဲ့ ရရှိခဲ့တဲ့ တစ်ဦးချင်းဆိုင်ရာ အချက်အလက် တွေ ပေါ် မူတည် ပြီး CA အနေဲ့ လူတစ်ဦးချင်းစီ ရဲ့ ကိုယ်ရည်ကိုယ်သွေးကို အခုလို ခွဲခြမ်းစိတ်ဖြာ ပါတယ်။ O - open ပွင့်လင်း တဲ့ ပုံစံလား၊ C- conscientious ၊ စေ့စပ်သေချာ သူလား၊ E-extroverted၊ အပေါင်းအသင်းဆန့်ပြီး ဖော်ရွေ သူလား၊ A- Agreeable ၊ သဘောတူ လွယ်သူလား၊ N-Neurotic ၊စိတ်ပူပန် တတ်သူလား ဆိုတဲ့ အချက် တွေ အပေါ် လူတစ်ဦးချင်းရဲ့  ကိုယ်ရည်ကိုယ်သွေး အတိမ်အနက် ဒီဂရီ ကို အမှတ်ပေးပါတယ်။ CA က OCEAN ပုံစံ တည်ဆောက် ပြီးတာနဲ့ Database ထဲ မှာ ရှိပြီးသား လူတွေ ရဲ့ အချကိအလက် တွေကို ခွဲခြမ်းစိတ်ဖြာပြီး အုပ်စု ခွဲပါတယ်။ CA က လူသန်းပေါင်းများစွာ ကို ရရှိထားတဲ့ Data တွေနဲ့ OCEAN အမှတိပေး နည်းကို သုံးပြီး လူ တစ်ဦးချင်းက O ,C, E, A,N ထဲက ဘယ်လို အမျိုးအစား လဲ ၊ ဒါမှ မဟုတ် တစ်ခု ထက်ပိုတဲ့ ပုံစံ ပေါင်းစပ် နေသူ တွေလား၊ ဥပမာ လူတစ်ယောက် က OC လား၊ OA လား၊ EA လား အစရှိသည်ဖြင့် ခွဲခြားလို့ ရသွားပါတယ်။ 

ဒီ ္OCEAN အမှတ်ပေး စနစ် ကနေ တဆင့် CA  က လူတွေ ရဲ့ အကြောင်း ကို လေ့လာဖို့ အဆင့် ၅ ဆင့် နဲ့ ချည်းကပ်နည်း ပုံစံကို ကျင့်သုံးခဲ့ပါတယ်။ 

ပထမ အဆင့် အနေနဲ့ CA က လူတွေ ကို အုပ်စု ခွဲရာမှာ ဘယ်ကုမ္ပဏီ မှ မလုပ်နိုင်တဲ့ အဆင့်အတန်းမြင့်ပြီး ပိုပြီး အသေးစိတ် ကျတဲ့ အချက် တွေ ပေါ် အခြေခံ ပြီး အုပ်စု ခွဲ နိုင်ခဲ့ပါတယ်။ တခြား ကုမ္ပဏီ တွေ အနေနဲ့လဲ  လူတွေ ကို အုပ်စု ခွဲရာမှာ သူတို့ရဲ့ နေရပ်၊ လိင်၊ လူမျိုး၊  အစရှိတဲ့ အခြေခံ အချက် တွေထက် ပိုတဲ့ နည်းလမ်း တွေနဲ့ ခွဲခြားနိုင်ပါတယ်။ ဒါပေမယ့် သူတို့ အနေနဲ့ လူတွေကို သူတို့ရဲ့ နိုင်ငံရေး ပါတီ ထောက်ခံမှု၊ လက်ရှိ ပြဿနာ ရပ်တွေ အပါ် ထင်မြင် မှု တွေ အပေါ် အုပ်စု ခွဲတော့မယ် ဆိုရင် လူထု စစ်တမ်းလို မျိုးတွေ ပြုလုပ်ပြီး ခွဲခြားပါတယ်။ OCEAN အမှတ်ပေးစနစ် က အသေးစိတ် ဆန်ပြီး သိမ်မွေ့တော့ CA အနေနဲ့ လူတွေ ရဲ့ အကြောင်းကို အချိန် ကာလ တစ်ခု တည်း အတွက် တင်မဟုတ်ဘဲ  အုပ်စု တစ်ခုစီ မှာရှိတဲ့ လူတွေ ရဲ့ ဘဝ တလျောက် လုံး အကြောင်းအရာ တွေပါ  စိသလို ဖြစ်နေပါတယ်။ တချို့ လူတွေက မွေးကတည်းက ပွင့်လင်း ပြီး အလွယ် တကူ သဘောတူညီ မှု ရယူနိုင်တဲ့ ပုံစံပါ။ တချို့ကြတော့ စိတ်ပူပန် တတ်ပေမယ့် လူမှု ဆက်ဆံရေး ကောင်းမွန်ပြီး ဖော်ရွေ ကြပါတယ်။ တချို့ ကြပြန်တော့ စေ့စပ်သေချာ ပြီး ပွင့်လင်း တဲ့ အမျိုးအစား ဖြစ်ပါတယ်။ ဒီ OCEAN ကို တွဲကြည့်ရင် စုစုပေါင်း အုပ်စု ၃၂ ခု ရှိပါတယ်။ လူတစ်ယောက် ရဲ့ ပွင့်လင်းမှု အမှတ် က ဒီလူဟာ အတွေ့အကြုံ သစ်တွေကို နှစ်ခြိုက်သူလား၊ ဒါမှမဟုတ် ရိုးရာ အစဥ်အလာ တွေကိုပဲ ပိုပြီး ဂရူစိုက် နှစ်ခြိုက်သလားဆိုတာ ကို ညွှန်ပြပါတယ်။ C- စေ့စပ်သေချာ မှု အမှတ်ကတော့ ဒီလူဟာ အစီအစဥ် တွေဆွဲပြီး လုပ်ရတာ ကြိုက်သလား၊ ရုတ်တရက် ထလုပ်ရတာမျိုးကို နှစ်ခြိုက်လားဆိုတာ ကို ညွှန်ပြ ပါတယ်။ E- လူမှု ဆက်ဆံရေး အမှတ်ကတော့ ဒီလူက အခြားလူတွေနဲ့ ဆက်ဆံရတာ ကြိုက်နှစ်သက်လား၊ အဖွဲ့အစည်း နဲ့ အတူတူ အလုပ်လုပ်ချင်သလား ဆိုတာ ပြပါတယ်။ A- သဘောတူညီမှု အမှတ်ကတော့ လူတစ်ယောက် က ကိုယ့်ထက် သူများကို ဦးစားပေး စဥ်းစား တတ်သလားဆိုတာ ကို ညွှန်ပြပါတယ်။ N- စိတ်ပူပန် မှု အမှတ်ကတော့ လူတစ်ယောက် က ဆုံးဖြတ်ချက် ချရတော့မယ့် အချိန် မှာ သူ့ရဲ့ အကြောက်တရား က ဘယ်လောက် လွှမ်းမိုးလဲ ဆိုတာ ကို ပြဆို နေပါတယ်။ 

လူတွေကို ခွဲခြား ပြီး စီထားတဲ့ အုပ်စုခွဲ တွေ ပေါ်မူတည် ပြီးတော့ CA က လူတွေ စိတ်ဝင်စားမှု ပြတဲ့ ပြဿနာ တွေကို တစ်ဦးချင်း စီရဲ့ အချက်အလက် မှာ ထပ်ပေါင်းထည့်ပါတယ်။ လူတွေ ဘယ်ပြဿနာ ကို စိတ်ဝင်စားလဲ ဆိုတာ ကိုတော့ facebook ရဲ့ ဘယ်အကြောင်းအရာ ကို Like ပေးတယ်၊ ဘယ်အရာ ကိုတော့ love ပေးတယ် အစရှိတဲ့ data တွေကနေ ရယူပါတယ်။ ပြီးတော့ အုပ်စု တစ်ခု စီကို ပိုပြီး အနုစိတ် တဲ့ အုပ်စုတွေ အဖြစ် ထပ်ခွဲ ပါတယ်။ ဥပမာ အသက် ၃၄ နှစ်ရှိ လူဖြူ အမျ်ုးသမီး ၂ ဦး မေစီ ဆိုင်မှာ စျေးဝယ်တယ် ဆိုတဲ့ data ကိုကြည့်ရင် ဒိ အမျိုးသမီး ၂ ဦးက တစ်ယောက်တည်း ၊ တစ်ပုံစံတည်း လိုပါပဲ။ ထပ်ပြီး စိတ်ခံစားမှု ပရိုဖိုင်၊ သူတို့ရဲ့ လူနေမှု ပုံစံ data ၊ သူတို့ရဲ့ မဲပေး မှတ်တမ်း၊ Facebook ရဲ့ like ပေးမှု နဲ့ အကြွေးစာရင်း မှတ်တမ်း တွေပါ ထည့်စဥ်းစားလ်ုက်မယ် ဆိုရင် ဒီ အမျိုးသမီး ၂ ဦး က မတူ ခြားနား တဲ့ သဘောသဘာဝ 

ရှိသူ ၂ ဦး ဆိုတာ ပေါ်လွင်လာပါတယ်။  တစ်ယောက် နဲ့ တစ်ယောက် တူပါတယ် ဆိုတဲ့ လူတွေတောင် တကယ် အုပ်စုခွဲ ကြည့်ရင် မတူတာ တွေ့ရပါတယ်။ အဲလို မတူ ကွဲပြားနေသူ တွေကို သတင်းစကား တစ်ခု တည်း ပို့လို့မရပါဘူး။ ဒီ လူ လူအချင်းချင်း မှာ မတူကွဲပြားတာတွေရှိတယ်၊ မတူသူတွေကို သတင်းစကား တခုတည်း ပို့လို့မရဘူးဆိုတဲ့ အယူအဆ က ကြော်ငြာ ကုမ္ပဏီ မှာ အရင်ကတည်း က ရှိပါတယ်။ ဒါပေမယ့် မတူကွဲ ပြားသူတွေကို ဘယ်လ်ု ခွဲခြားမယ် ဆိုတာ သူတို့ မသိခဲ့ကြတာပါ။ 

ဒုတိယ အနေနဲ့ CA က နိုင်ငံရေး ၊ စီးပွားရေး client တွေကို တိကျ ပြီး ခန့်မှန်းနိုင်တဲ့ တွက်ချက် မှု ထုတ်ပေးပါတယ်။ ဒီ တွက်ချက် မှုကပဲ CA နဲ့ တခြား ကုမ္ပဏီ တွေ ကွာသွားတဲ့ အချက်ပါ။ Dr Alex Taylor, Dr Jack Gillet နဲ့ တခြား data scientists တွေက တွက်ချက် မှု အသစ် တွေ တစ်ခုပြီး တစ်ခု စမ်းသပ်ပြီး စိတ်ပိုင်းဆိုင်ရာ အမှတ် ထက်ပို တဲ့ တွက်ချက် အမှတ်ပေးပုံကို ထုတ်လုပ်နိုင်ခဲ့ကြပါတယ်။ အမေရိကား မှာ ရှိနေတဲ့ လူတိုင်း အတွက် အမှတ်တွေကို တွက်ချက် နိုင်ခဲ့ပါတယ်။ သူတို့တွက်ချက် အမှတ်ပေးပုံက ဥပမာ လူတစ်ယောက် မဲပေးဖို့ ရာခိုင်နှုန်းကို အမှတ် ၀ ကနေ ၁၀၀ အထိ တွက်ပြတာမျိုးပါ။ ဒါ့အပြင် လူတစ်ယောက် က ဘယ်နိုင်ငံရေး ပါတီ ပေါ်ထောက်ခံနေလဲ ကနေ ဘယ်သွားတိုက်ဆေး တံဆိပ် ကြိုက်သလဲ ဆိုတာ အထိ သူတို့ တွက်ချက်နိုင်ပါတယ်။ CA အနေနနဲ့ လူတစ်ယောက် က online မှာ ပိုက်ဆံ လှူဖို့ အတွက် နှိပ်ရမယ့် ခလုတ်က အနီရောင် ဆို ပိုလှုဖြစ်လား၊ အပြာရောင် ဆိုရင်​ရော လှူဖြစ်မှာလား ဆိုတာ အထိ သိနေပါတယ်။ ပတ်ဝန်းကျင် ဆိုင်ရာ ပြဿာနာနဲ့ သေနတ် အခွင့်အရေး ဘယ်ဟာကို ပိုစိတ်ဝင်စား လဲ ဆိုတာကိုလဲ သိတာပါပဲ။ လူတွေကို ခန့်မှန်း တွက်ချက်ထားတဲ့ အမှတ်တွေအရ လူတွေကို အုပ်စုခွဲပါတယ်။ CAရဲ့ ဒစ်ဂျစ်တယ် ဗျူဟာ အဖွဲ့နဲ့ Data scientists တွေ သူတို့ ရဲ့ တွက်ချက် မှု အပေါ် ထပ်ခါ ထပ်ခါ ပြန်လည် မွမ်းမံကြပြီး သူတို့ ပေးလိုက်တဲ့ အမှတ်တွေ အပေါ် ယုံကြည်မှု ၉၅%အထိ ရှိလာအောင် လုပ်နိုင်ခဲ့ကြပါတယ်။ 

ဒီလ်ု အမှတ် နဲ့ ခွဲလိုက်တဲ့ လူအုပ်စုတွေကို CA မှာတော့ Audience , ပရိတ်သတ် လို့ ခေါ်ပါတယ်။ 

တတိယ အနေန ဲ့ တွက်ချက် မှုတွေ ကို လေ့လာပြီးတော့ CA က ကြားခံ အဖြစ် ္Twitter, Facebook, Pandora ( သီချင်း ) , youtube တို့ကို သုံးပြီး ပစ်မှတ်ထားမယ့် လူတွေ သူတို့ရဲ့ အချိန် တွေကို ဘယ်မှာ အသုံးပြုလဲဆိုတာ ကို ထောက်လှမ်းပါတယ်။ လူတစ်ယောက် စီကိုဆက်သွယ်ဖို့ ဘယ်နေရာက အကောင်းဆုံး နည်းလမ်း လဲ?  လူကိုယ်တိုင် ဒါမှမဟုတ် စာတိုက်ကနေ စာထည့်တဲ့ နည်းဖြစ်ချင် ဖြစ်မယ်။ TV ကြော်ငြာ သို့မဟုတ် Google search engine ကို သုံးရင်း ပေါ်လာတဲ့ ကြော်ငြာလဲ ဖြစ်နိုင်ပါတယ်။ CA  က google ကနေ အသုံးပြုသူတွေ ရှာတဲ့ စကားလုံး စာရင်းကို ဝယ်လိုက်တော့ Google  အသုံးပြုသူတွေ သူတို့ ရှာချင် တဲ့ စကားလုံး ရိုက်ထည့်လိုက်တာနဲ့ CA က နေ တန်းပြီး ကြော်ငြာ ၊ သတင်းဆောင်းပါး အစရှိတာတွေကို သူတို့ရဲ့ အင်တာနက် ဘရောက်စာ မှာ ပေါ်အောင် ပေးပို့ ပါတော့တယ်။ 

စတုတ္ထ အဆင့် ကတော့ CA ကို ပြိုင်ဘက် တွေထက်၊ ကမ္ဘာပေါ် က နိုင်ငံရေး အကြံပေး ကုမ္ပဏီ တွေထက် ခေါင်းတစ်လုံးသာ စေတဲ့ အဆင့် ဖြစ်ပါတယ်။ CA အနေနဲ့ ပစ်မှတ်ထားသူ တွေကို ဆက်သွယ်နိုင်မယ့် နည်းလမ်း တွေ သိရုံအပြင် ဒီ နည်းလမ်း တွေရဲ့ ထိရောက်မှုကို စမ်းသပ်နိုင်ခဲ့မှုပါ။ CA က တီထွင်ထားတဲ့ Rippon လို ပရိုဂရမ် မျိုးပေါ့။ Rippon က တအိမ်တက်ဆင်း မဲဆွယ် မယ့်သူတွေ၊ ဖုန်း နဲ့ မဲဆွယ် မယ့်သူတွေ အတွက်ပါ။ သူတို့ မဲဆွယ် မယ့် အိမ်တခါးဝ မရောက်ခင်၊ ဖုန်း ခေါ်ဆိုမှု မလုပ်ခင် မှာကို သူတို့ ဆက်သွယ်မယ့် သူရဲ့ ကိုယ်ရေး အချက်အလက် အားလုံးကို Rippon ကထုတ်ပေး ပါတယ်။ Data တွေကို မြင်သာ အောင် လုပ်ထားတဲ့ ပရိုဂရမ် တွေကလဲ အိမ်တစ်အိမ် ကို တခါးသွားမခေါက်ခင်၊ ဖုန်းခွက် ကို မကိုင်လိုက်ခင် မှာ ဒီ အိမ်နဲ့ ပတ်သတ် ပြီး ဘယ်လို မဲဆွယ် ဗျူဟာ ချမှတ် ရမယ် ဆိုတာ ကို အကူအညီပေး ပါတယ်။ 

အဲဒီနောက် မှာ ကမ်ပိန်း တစ်ခု လုံးကို CA ရဲ့ ဒီဇိုင်းဌာန က ပြင်ဆင်ထားတဲ့ မဲဆွယ် သတင်းစကား တွေ နဲ့ ပြင်ဆင်ပါတယ်။ နောက်ဆုံး ပဥ္စမ မြောက် အဆင့်ကတော့ Micro Targeting , အနုစိတ် ပစ်မှတ်ထားခြင်း ဗျူဟာ ပါ။ ဗွီဒီယို၊ အသံ၊ သီချင်း၊ ကြော်ငြာ စာရွက် တွေ အသုံးပြုပြီး ပစ်မှတ်ထားရမယ့် သူ တစ်ဦးချင်းဆီ ကို ဆက်သွယ်ပါတယ်။  အသုံးပြုတဲ့ မဲဆွယ် သတင်းစကား တွေကို အလျိုအလျောက် ပြောင်းလဲ တဲ့ စနစ်ကို သုံးပြီး တခါနဲ့ တခါ မနူအောင် ပြုပြင်ပါတယ်။ ဒီလို လုပ်ချင်း အားဖြင့် ပစ်မှတ်ထားလိုက် တဲ့သူ က ဒီ သတင်းစကား တွေကို အဓိပ္ပာယ် ရှိရှိ နဲ့နောက်ဆုံးမှာ လက်ခံလာမယ် ဆိုတာ ကို ကျွန်မ တို့ နားလည် ကြပါတယ်။  သတင်းစကား တစ်ခု တည်းကိုပဲ ပုံစံ ကွဲ ပေါင်း ၂၀ ကနေ ၃၀ အထိ ပြုပြင်ပြီး  လူမှု မီဒီယာ တွေရဲ့ တခါနဲ့ တခါ  မတူညီ တဲ့နေရာ တွေ ကနေ တဆင့် လူတစ်ဦးတည်းကို  အကြိမ်ရေ ၃၀ ထက်မနည်း ပို့တာပါ။ ကျွန်မ တို့ CA ရဲ့ တီထွင် ဖန်တီးဌာန က ဒီ သတင်းစကား တွေကို အမြဲ ဆန်းသစ် အောင် တီထွင် နေပြီး ဒီ လူတစ်ယောက် တည်းကို နောက်တကြိမါ ပို့ရင် ဘယ်နည်းလမ်း နဲ့ ပို့ရမလဲ ဆိုတာ သိပါတယ်။ 

CA ရဲ့ ကမ်ပိန်း ထိန်းချုပ်ရေး အခန်း မှာတော့ ရှုပ်ထွေး အဆင့်အတန်း မြင့်တဲ့ Data dashboard ်တစ်ခု ရှိပါတယ်။ အဲဒီမှာ အချိန် နဲ့ တ​ြေပးညီ ဖြစ်ပေါ်နေတဲ့ Data အခြေအနေ တွေ ဖော်ပြနေပါတယ်။ ကမ်ပိန်း မန်နေဂျာ တွေအတွက် ပေးပို့လိုက်တဲ့ သတင်းစကား တစ်ခု က အလုပ်ဖြစ်နေလား၊ ဒီ ပေးပို့လိုက်တဲ့ အပေါ် လူတွေက  ကလစ်နှိ ပ်ပြီး ကြည့်ကြလား၊ Share သို့မဟုတ် comment ပေးကြလားဆိုတာ တွေ အချိန်နဲ့ တပြေးညီ တိုက်ရိုက် ထုတ်လွှင့်နေပါတယ်။ 

ဒီ အခန်းထဲ မှာ ရှိသူအားလုံးရဲ့ မျက်စိရှေ့မှာပဲ ဘယ်ဟာ ကတော့ အလုပ်ဖြစ်တယ်၊ ဘယ်ဟာ အလုပ်မဖြစ်ဘူး၊ သူတို့ လိုချင်တဲ့  ရလဒ်အတိုင်း ဖြစ်လာလား၊ ပိုကောင်းအောင် ဗျုဟာ ကို ဘယ်လ်ုချမှတ်ရမလဲ ဆိုတာ တွေကို screen မှာ တိုက်ရိုက် တွေ့နေရပါတယ်။ ဒီလို နည်းပညာ တွေသုံးပြီး CA အနေနဲ့ ကမ်ပိန်း တစ်ခု အောက်မှာ ရှိတဲ့ ကမ်ပိန်း အခွဲပေါင်း ၁ သောင်းကျော် ရဲ့ အခြေအနေကို အခန်း တခန်းတည်းကနေ စောင့်ကြည့်နေလို့ ရပါတယ်။ 

CA လုပ်ခဲ့သမျှက သက်သေ ပြနိုင်တဲ့ အရာချည်းပါပဲ။ CA က သူ့ရဲ့ client ကို ဘာတွေ လုပ်ခဲ့လဲ၊ ဘယ်သူတွေကို ဆက်သွယ်ခဲ့လဲ၊ ပစ်မှတ်ထားသူတွေရဲ့ ရာခိုင်နှန်း ဘယ်လောက် က ကိုယ်ဖြစ်စေချင် တဲ့ ရလဒ်အတိုင်း တုန့်ပြန် ကြတဲ့ အစရှိတဲ့ ရှင်းလင်း ပြတ်သား တဲ့ ရလဒ်ကို ပြနိုင်ပါတယ်။ 

ဒါတွေ အားလုံးက ခေတ်ပြောင်းတော်လှန်ရေးလိုပါပဲ။ 

Alex Taylor ကျွန်မ ကို ဒါတွေ အားလုံးပြောပြချိန် က ကျွန်မ ဘာပြောရမှန်းမသိအောင် ဆွံ့အ နေခဲ့ပြီး တချိန်တည်းမှာပဲ ဒီလုပ်ငန်း တွေအပေါ် အရမ်းကို စိတ်ဝင်စားခဲ့ပါတယ်။ ကျွန်မ အတွက်တော့ Edward Snowden ပြောခဲ့ဖူးတဲ့ အမေရိကားမှာ အကြီးအကျယ် စောင့်ကြည့်မှုကြီး ဖြစ်နေတယ် ဆိုတဲ့ စကားကို ပြန်ကြားယောင်မိပေမယ့် အမေရိကားရဲ့ Data တွေကို ဘယ်လို စုဆောင်းနေတယ် ဆိုတာ မသိခဲ့ပါဘူး။ Taylor ကတော့ ကျွန်မ ကို အခု ကျွန်မ မြင်နေရတာတွေ အားလုံးဟာ  ဒီလို ပဲ ဖြစ်ရမှာပဲလို့ ပေါ့ပေါ့ပါးပါးပါး ရှင်းပြပါတယ်။ 

ဒါတွေ အားလုံးက အဓိပ္ပာယ်မရှိ တာ မဟုတ်သလို အရာအားလုံးက စိတ်ညစ်စရာ အမှောင်ဘက်ခြမ်း မှာ ရှိနေတာတော့ မဟုတ်ပါဘူး။  Data စီးပွားရေး  ဆိုတာ ဒီလိုပဲ စီးဆင်းနေရမှာ ဖြစ်ပါတယ်။ မကြာခင် ကျွန်မ နားလည်လာတာက ကျွန်မ ရဲ့ ရည်ရွယ်ချက် တွေ အထမြောက်ဖို့ Big Data ရဲ့ အခန်း ကဏ္ဍ မပါဘဲ လဲ ခဲယဥ်းတယ် ဆိုတာကိုပါ။ ကျွန်မ လူသိခံချင်တယ်၊ ကြော်ကြားချင်တယ်၊ အရာရောက်ချင်တယ်၊ ဟုတ်ပါတယ်၊ အဲဒီအချိန် ကတော့ ကျွန်မ ဖြစ်ချင်တာတွေထက် ပိုပြီး မစဥ်းစား နိုင်ခဲ့ပါဘူး။ 

CA ရဲ့ အဆင့် ၅ ဆင့် အောင်မြင်မှု ပြီးမှာတော့ 2015 မှာပဲ အပြောင်းအလဲ တစ်ခု ဖြစ်ခဲ့ပါတယ်။ Facebook က April 30 ကနေ စပြီး သူ့ရဲ့ အသုံးပြုသူ data တွေကို ပြင်ပ ကုမ္ပဏီ တွေ Friend API ကတဆင့် ယူသုံးနေတာကို ရပ်တန့်ပစ်မယ် ဆိုတဲ့ သတင်းပါ။ ဒါက Dr Taylor တို့ရဲ့ facebook ကနေတဆင့် Data စုဆောင်းခြင်းကို အများကြီး ထိခိုက်စေပါတယ်။ Dr Taylor အနေနဲ့ Friend API ကတဆင့် Facebook အသုံးပြုသူ data တွေ မရနိုင်တော့သလို Sex compass, Musical Walrus ပရိဂရမ် တွေကနေလဲ မရနိုင်တော့ပါဘူး။ 

April 30 မတိုင်ခင် သူ့အနေနဲ့ ရသမျှ Data တော့ ရအောင်ယူရမှာပဲ လို့ Dr Taylor က ကျွန်မ ကို ပြောပါတယ်။ 

ဒီလို ဖြစ်တာ CA တစ်ခုတည်း မဟုတ်ပါဘူး။ တကမ္ဘာလုံးက Data စုဆောင်းသူ တွေ အားလုံး ဝရုန်းသုံးကား ဖြစ်ကုန်ကြပါတယ်။ Facebook က တံတိုင်းတွေ ကာရံထားတဲ့ ဥယျဥ် ကြီးလို ဖြစ်သွားပါပြီ။ April 30 နောက်ပိုင်း မှာတော့ data စုဆောင်းတဲ့ ကုမ္ပဏီ တွေ က သူတို့ မှာ စုဆောင်းပြီးသား data ကို ဆက်အသုံးပြုနိုင်ပါမယ်။ ဒါပေမယ့် Data အသစ်တွေကိုတော့ သူတို့ ထပ်ပြီး မရနိုင်တော့ပါဘူး။ 

Taylor က စုဆောင်းဖို့ ကျန်နေသေးတဲ့ ထောင်နဲ့ချီတဲ့ အသုံးပြုသူ data အုပ်စုတွေကို ကျွန်မ ကိုပြပါတယ်။ facebook ကနေ တိုက်ရိုက်ရတာ မဟုတ်ဘဲ Facebook ပေါ်မှာ ပရိုဂရမ် တည်ဆောက်သူ တစ်ဦးစီကနေရတာပါ။ CA အနေနဲ့ facebook ကနေ တိုက်ရိုက် မရနိုင်တော့ပေမယ့် Facebook ရဲ့ တခြား App တီထွင်သူ တွေ ရောင်းချတဲ့ data တွေကို ဝယ်ယူလို့ ရနေပါသေးတယ်။ Taylor အနေနဲ့ တခြားနေရာတွေကလဲ အလွယ်တကူ ဝယ်လို့ ရနေပါသေးတယ်။ သူကတော့ ဝယ်ရတာ အရမ်းလွယ်တယ်လို့ ပြောပါတယ်။ ကျွန်မ ဒီအပေါ် မှာ မေးခွန်း မထုတ်မိပါဘူး။ 

ရွေးချယ်စရာ Data တွေကအများကြီးပါ။ လူတစ်ဦးချင်းစီရဲ့ ဘယ် စားသောက်ကုန်ကို ကြိုက်လဲ၊ ဘယ်ဖက်ရှင် ပုံစံကို သဘောကျလဲ ဆိုတဲ့ အကြောင်းအရာ တွေကနေ ကမ္ဘာ့ရာသီဥတု ပြောင်းလဲ မှု ကို ယုံကြည်သလား ၊ မယုံကြည် ဘူးလားဆိုတဲ့ အကြောင်းအရာ တွေအထိ ပါပါတယ်။ ကျွန်မ ကတော့ Data စာရင်းကို ကြည့်ပြီး ကျွန်မ တို့ ရဲ့ client ဖြစ်လာနိုင်မယ့်သူတွေ အသုံးဝင်မယ့် အုပ်စုတွေကို စာရင်းတို့ထားလိုက်ပါတယ်။ Taylor က ဒီ စာရင်းကို CA ရဲ့ တခြား ဝန်ထမ်းတွေကိုလဲ ပေးပြီး သူတို့ စိတ်ဝင်စားမယ့် အုပ်စု ကိုရွေးချယ်ဖို့ ပြောပါတယ်။ 

များလေလေ ကောင်းလေလေ ပဲလို့ သူက ပြောပါတယ်။ 

ကျွန်မ သိတာက ဒီလို လုပ်တာဟာ facebook ရဲ့ ပေါ်လစီ နဲ့ ဆန့်ကျင်ရာရောက်ပါတယ်။ Taylor ရဲ့ နောက်ဆုံး ဝယ်ယူမှုက May 6 2015 , facebook ဘက်ကနေ ယူလို့မရတော့ဘူးလို့ ကြော်ငြာပြီး တပတ်အကြာ မှာပါ။ ကျွန်မ အတွက်တော့ API က ပိတ်သွားပြီး တာတောင် Data တွေ ရနေသေးတာ ဘယ်လိုပါလိမ့်၊ ထူးဆန်းလိုက်တာ လို့ တွေးမိပါတယ်။ 

Dr Taylor နဲ့ အချိန် အတော်ကြာ အလုပ်လုပ်ပြီး တဲ့ နောက် ကျွန်မ ရဲ့ CA ပရောဂျက် တင်ဆက်မှုကို ပြင်ဆင်ပါတယ်။ Nix နဲ့ Taylor တို့ရဲ့ slides တွေကိုငှားပြီး ကျွနိမ ကိုယ်ပိုင် idea တွေနဲ့ ပေါင်းစပ်ပြီး ပြင်ဆင်ပါတယ်။ ကျွန်မ တို့ရုံးရဲ့ နေ့လည်ခင်း တစ်ခု မှာ ကျွနိမ ရဲ့ presentation ကို Nix ကို ခေါ်ပြလိုက်ပါတယ်။ ကျွန်မ ရဲ့ တင်ဆက်မှု အပြီး မှာ Nix က " ခင်များ ကောင်းကောင်းလုပ်ထားတာပဲ ၊ ဒါပေမယ့် client အခုထက် ပိုပြီး ရှင်းလင်းဖို့ရယ်၊ ယုံကြည်မှုရဖို့ရယ်၊ တချို့ အသေးစိတ် အချက်လေးတွေကို ခင်များ အခုထက် ပို အာရုံစိုက်လုပ်သင့်တယ်" လို့ ပြောပါတယ်။ 

" အရေးအကြီး ဆုံးက ခင်များကိုယ် ခင်များ ရောင်းနိုင်ဖို့ပဲ" Nix က သတိပေးပါတယ်။ Client က ခင်များကို သဘောကျ ပြီဆိုတာနဲ့ Data ရောင်းဝယ်ရေး က သူ့အလိုလ်ု နောက်ကလိုက်လာမှာပဲ" Nix က ကျွန်မ ကို ရုံးမှာ ရှိတဲ့ လုပ်ဖော်ကိုင်ဖက် တွေအားလုံးကိုလဲ ကျွန်မ ရဲ့ presentation ကိုပြခိုင်းပါတယ်။ ဒီလို လုပ်ရတဲ့ အတွက် ကျွန်မ ကုမ္ပဏီ နဲ့ လုပ်ဖော်ကိုင်ဖက် တွေ အကြောင်းပိုသိလာပါတယ်။ 

krystyna Zawal ဆိုတဲ့ ပိုလန် က ပရောဂျက် မန်နေဂျာဆိုရင် ကျွန်မ ရဲ့ presentation မှာ John Bolton ရဲ့ ရွေးကောက်ပွဲ ရံပုံငွေ ပရောဂျက် နဲ့ မြောက်ကာရိုလိုင်းနား ကြားဖြတ် ရေကောက်ပွဲ တွေ အကြောင်း ထည့်သွင်း ပြင်ဆင်ပေးပါတယ်။ ဒီလို လုပ်ပေးတဲ့ အတွက် သူ့ကို ချောကလတ် ပဲ ဝယ်ကျွေးခိုင်းပါတယ်။ 

အီတလီ က စိတ်ပညာရှင် Bianca Independente ဆိုရင် ကျွန်မ ကို  OCEAN  အမှတ်ပေး မော်ဒယ် အကြောင်း အသေးစိတ် ရှင်းပြပါတယ်။ သူ ရှင်းပြတာက CA ရဲ့ ဒီအပိုင်းရဲ့ ပညာရှင် တွေက SCL ရဲ့ ပရဟိတ ဌာန ခွဲကနေ ရောက်လာကြတာ ဖြစ်တယ်။ အဲဒီ ဌာန ကို Cambridge တက္ကသိုလ် ရဲ့ သုနေသန စင်တာကို အပြုအမူ ဆိုင်ရာ သုတေသန ဌာန  ၊ Behavioural Dynamic Institute , BDI လို့ခေါ်တယ်။ BDI က တက္ကသိုလ် ပေါင်း ၆၀ ကျော်လောက်နဲ့ ချိတ်ဆက်ထားတယ်။ သူမ ကိုယ်တိုင်လဲ လက်နွေ့သုတေသန တွေ ပြုလုပ်ပြီး သူ့ရဲ့ အသိပညာ ကို တိုးပွားအောင် လုပ်နေတယ်လို့ ပြောပြပါတယ်။ 

Harris McCloud နဲ့ ္Sebastian Richard တို့ဆိုရင် သတင်းစကား ဖြန့်ချီရေးရဲ့ ကျွမ်းကျင် ပညာရှင် တွေ။ သူတို့ဆီ ကနေ ပြီး သာမာန် လူတွေအတွက် ရှုပ်ထွေးနဲ့ နည်းပညာ အယူအဆ တွေကို ဘယ်လို ရှင်းပြရမလဲ ဆိုတာ ကျွန်မ လေ့လာခွင့်ရတယ်။  သုတေသန ဘက်Jက ordon ဆိုရင်လဲ  ဒီ သတင်းစကား ပေးပို့တဲ့ အယူအဆ တွေကို မြင်သာတဲ့ စလိုက် တွေနဲ့ သေချာ ရှင်းပြတယ်။ Kieran ကလဲ ကျွန်မ အတွက် စလိုက်အသစ်တွေ တောင် ပြင်ဆင်ပေးလိုက်သေးတယ်။ 

ကျွန်မ ရဲ့ လုပ်ဖော်ကိုင်ဖက် အားလုံးက ကျွန်မ ကို သူတို့ ကျွမ်းကျင်ရာ အပိုင်း တွေနဲ့ ကူညီ လိုက်ကြပါတယ်။ သူတို့ အားလုံး ကျွနိမ ကို ကြိုးကြိုးစားစား ရှင်းပြ ခဲ့ကြတယ် ဆိုတာ ကို ကျွန်မ ္Nix ဆီ ဒုတိယ အကြိမ် presentation လုပ်ဖို့ ရောက်သွားချိန် မှာ ကျွန်မ ခံစားလိုက်ရပါတယ်။ 

ကျွန်မ ကိုယ်ကျွန်မ client အစစ် နဲ့ တွေ့သလို သဘောထားပြီး အဝတ်အစား သေသေချာချာ ပြင်ဆင်သွားပါတယ်။  တောက်ပတဲ့ အနီရောင် နှုတ်ခမ်းနီ လဲ ဆိုးတားပါတယ်။ ကျွန်မ အခန်းရဲ့ မီးရောင်ကို နည်းနည်း မှိန်လိုက်ပြီး Presentation စလုပ်ပါတယ်။ 

မင်္ဂလာ နေ့လည်ခင်းပါ

Cambridge Analytica က အမေရိက ရဲ့ အဆန်းသစ်ဆုံး နဲ့ အထူးခြားဆုံး နိုင်ငံရေး အခင်းအကျဥ်း ဖြစ်ပါတယ်။ ကျွန်မ တို့ အထူးပြုတာက သိပ္ပံ ပညာရပ် ရဲ့ အပြုအမူပြောင်းလဲ ခြင်းဆိုင်ရာ ဆက်သွယ်ရေး ပါ။ ဘာကို ဆိုလိုတာလဲ ဆိုတော့ 

ကျွန် မ slide အသစ်တစ်ခု ကိုဖွင့်လိုက်ပါတယ်။ အဲဒီ စလိုက်မှာ အရွယ်တူ ပဟေဠိ အစိတ်အပိုင်း ၂ ခုက တစ်ခု နဲ့ တစ်ခု သေသေသပ်သပ် ဆက်စပ် နေတဲ့ ပုံရှိပါတယ်။ 

ကျွန်မ တို့ လူတွေရဲ့ အပြုအမူ ဆိုင်ရာ ပြောင်းလဲမှုကို လက်တွေ့ အသုံးချ စိတ်ပညာ၊ စိတ်ရောဂါ ပညာ နည်းလမ်း တွေ အသုံးပြုပြီးတော့ ကမ္ဘာ့ အဆင့်မီ Data Analytic နည်းလမ်း တွေနဲ့ ပေါင်းစပ် အသုံးပြုခြင်း ဖြစ်ပါတယ်။ 

ကျွန်မ နောက် စလိုက် တစ်ခု ဖွင့်ပြီး ဆက်ပြောပါတယ်။

ကျွန်မ တို့ဆီ မှာ အတော်ဆုံးဆိုတဲ့ data scientist တွေ၊ ပါရဂူ ဘွဲ့ရတွေနဲ့ စိတ်ပညာရှင် တွေ အတူတူ အလုပ်လုပ်ပြီး DATA ပေါ် အခြေခံ တဲ့ မဟာဗျူဟာ တွေ ချမှတ်ပြီး အလုပ်လုပ် ပါတယ်။ ဒါဘာကို ဆိုလို လဲဆိုတော့ ကျွန်မ တို့ရဲ့ ဆက်သွယ် တဲ့ နည်းလမ်း မှန်သမျှ က ခန့်မှန်းပြီး လုပ်တာ မဟုတ်ပါဘူး။ ဆက်သွယ် မှု မဟာဗျူဟာ မှန်သမျှ က သိပ္ပံ နည်းကျ လေ့လာထားတဲ့ ရလဒ် တွေပါ။ 

ဆက်ပြီး အားလုံးကို လွှမ်းခြုံပြီး အချက်အလက် ပေးတဲ့ ကြော်ငြာ နည်းက အသုံးမဝင်ကြောင်း၊ SCL က သမာရိုးကျ ကြော်ငြာ နည်းလမ်း တွေက နေ ဖောက်ထွက် ခဲ့ပြီး ဖြစ်ကြောင်း ဆက်ပြောပါတယ်။ CA အနေ နဲ့ Top downအပေါ်ကနေ အောက်ကို သတင်းစကား ပေးနည်းအစား bottom up , အောက်ကနေ အပေါ် ကို သွားတဲ့ နည်းလမ်း ကျင့်သုံးကြောင်း ပြောပါတယ်။ ဒီနောက် စလိုက် အသစ် တစ်ခု ဖွင့်ပြ ပြီး စစ်တမ်းကောက် တဲ့ နည်းလမ်း နဲ့ ္OCEAN အမှတ်ပေး ပုံစံကို ရှင်းပြ လိုက်ပါတယ်။ 

ကျွန်မ တို့က လူတွေကို သူတို့ ဘယ်လို ပုံစံ ရှိတယ်၊ ဘယ်အရာကို ကြိုက်လောက်မယ် ဆိုတဲ့ ယူဆ ချက် တွေနဲ့ သူတို့ကို ကျွန်မ တို့ ခွဲခြားထားတဲ့ အုပ်စုတွေ ထဲ အတင်းမထည့်ပါဘူး၊ ကျွန်မ တို့ အုပ်စုခွဲထည့်တဲ့ ပုံစံက သူတို့ ကို ဖြောင်းဖျ လို့ ဘယ်လောက်ရနိုင်မလဲ၊ သူတို့ကို ပြောင်းလဲ ဖို့ ဘယ်အရာက လှုံ့ဆော်သလဲ ဆိုတဲ့ အချက် တွေပေါ် မှာ အုပ်စု ခွဲတာပါ။ 

ကျွန်မ တို့ရဲ့ ရည်ရွယ်ချက် က လူတွေရဲ့  မဲပေး နိုင်ခြေ ခန့်မှန်းမှု  ပြကိန်း ရယ် နဲ့ Database ထဲမှာ ရှိတဲ့ ဒီမိုကရက် သို့ ရီပါဘလီကန် ဘက် ယိမ်းသူတွေကို ဘယ်လောက် အထိ ဖြောင်းဖျ နိုင်မလဲ ဆိုတဲ့ partisan score  ကို တိတိကျကျ ခန့်မှန်းနိုင်ဖို့ ရည်ရွယ်ပါတယ်။ ဒါက Swing Voter လို့ ခေါ်တဲ့ ကြားနေ မဲဆန္ဒရှင် ပြည်သူကို ပစ်မှတ်ထားဖို့ ကူညီပါလိမ့်မယ်။ ကျွန်မ တို့ အထူးအာရုံစိုက် အလုပ်လုပ်တာလဲ ကြားနေ မဲဆန္ဒရှင် လူထု အပေါ်မှာပါ။ 

ကျွနိမ slide တစ်ခု ပြ တစ်ခု ဖွင့်ပြ ပြီး OCEAN အမှတ် အရ ခွဲထားတဲ့ အုပ်စု တွေရယ်၊ ရာနဲ့ချီ ရှိတဲ့ အခြား တွက်ချက် မှုတွေက ထွက်ပေါ်လာတဲ့ " Persuadables” , ဆွဲဆောင် သိမ်းသွင်းနိုင်မယ့် အုပ်စု တွေရယ်ကို ဆက်ပြောပြပါတယ်။ ကျွန်မ တို့ ဒီ အုပ်စု တွေကို နောက်ထပ် အုပ်စုခွဲ တွေ အဖြစ် ဘယ်လို ခွဲခြားတယ်၊ ကျွန်မ တို့ရဲ့ တွက်ချက် မှုကို အကြိမ်ကြိမ် ပြောင်းလဲ ပြီး တိကျ မှု ၉၅ % နှုန်း အထိ ရောက်အောင် လုပ်ခဲ့ပုံတွေကို ရှင်းပြပါတယ်။ 

ကျွန်မ တို့ရဲ့ လုပ်ငန်းစဥ် တွေကို ရှင်းလင်း စေဖို့ Nix ကျွန်မ ကို ပေးခိုင်းတဲ့ ဥပမာ က အမေရိက ရဲ့ သေနတ် အခွင့်အရေး အပေါ် လူထု ဆန္ဒခံယူပွဲ ဖြစ်ပါတယ်။ 

ကျွန်မ တို့မှာ မဲပေးနိုင်သူ စုစုပေါင်း 3.25 သန်း ရဲ့ အချက်အလက် တွေ Database ထဲမှာ ရှိတယ် ဆိုရင် ၁.၅ သန်း က လူထု ဆန္ဒ ခံယူပွဲကို ဆန့်ကျင် မဲပေးကြမယ်၊ လူပေါင်း ၁ သန်းကတော့ထောက်ခံမဲပေးမယ်၊ လူပေါင်း ၇၅၀၀၀ ကတော့ ကြားနေ မဲဆန္ဒရှင် တွေ ဖြစ်နေမယ် ဆိုတာ ကျွန်မ တို့ သိလာပါမယ်။ ဒီနောက် ဒီ မဲပေးသူတွေကို သူတို့ရဲ့ စိတ်ပိုင်းဆိုင်ရာ အမှတ်တွေနဲ့ အုပ်စုခွဲပြီး အုပ်စုရတစ်ခုချင်းစီ ကို ဘယ်လို သတင်းစကား ပို့နိုင်တယ်ဆိုတာ ကို ရှင်းပြပါတယ်။ 

ကျွန်မ စလိုက် တွေထဲက စိတ်ဝင်စားစရာ အကောင်းဆုံးက ကြားနေ မဲပေးသူတွေကို နှိုင်းယှဥ်တဲ့ အပိုင်းမှာ။ ကြားနေ မဲပေးသူ တွေရဲ့ အုပ်စု တစ်ခုက စေ့စပ်သေချာပြီး သဘောတူ လွယ်သူတွေ၊ C and A တွေ ဖြစ်တယ်။ ဒီလို လူတွေ အတွက်ဆိုရင် သူတို့ရမယ့် သေနတ် နဲ့ဆိုင်တဲ့ ကြော်ငြာ မှာ ရိုးရာနဲ့ မိသားစု ကို တန်ဖိုးထားတဲ့ စာသားတွေ ပုံတွေ ပါနေမယ်။ 

ကျွန်မ ရဲ့ စလိုက် တစ်ခုထဲက အဖေ နဲ့ သား ညနေ နေဝင်ရီတရော မှာ ဘဲ တွေကို အမဲလိုက် နေတဲ့ ပုံတစ်ပုံ ပြလိုက်ပါတယ်။ ပုံမှာပါတဲ့ စာသား က " အဖေ ကနေ သားအထိ၊ ငါတို့ နိုင်ငံတော် မွေးဖွားချိန် ကတည်းက" ဆိုတဲ့စာသားပါ။ ဒီ ပုံနဲ့ စာသား က  သေနတ် တစ်လက်ကို လူတွေ  သူတို့ ချစ်တဲ့ သူတွေ နဲ့ ကို မျှဝေ နိုင်တဲ့ အရာ တစ်ခု အဖြစ် ပြနိုင် တယ် ဆိုတဲ့ အချက်  ကို ရှေ့တန်းတင်ထားတာပါ။ ဥပမာ ဆိုရင် ကျွန်မ အဖိုးက ကျွန်မ ကလေးဘဝ ကတည်းက သေနတ် ဘယ်လိုပစ်ရတယ် ဆိုတာ သင်ပေးခဲ့တာပါ။ 

နောက် တစ်ပုံကတော့ ကွဲပြားတဲ့ လူအုပ်စု အတွက်ပါ။ Extroverted and Disagrerable. လူမှုဆက်ဆံရေး ကောင်းပြီး သဘောမတူ သူတွေ အတွက်ပါ။ အဲဒီ စလိုက်မှာ အမျိုးသမီး ပုံ တစ်ပုံ ပါပါတယ်။ 

ဒီ လူမှုရေးကောင်းပြီး သဘောမတူသူ တွေအတွက် သတင်းစကား က ဒီ အမျိုးသမီး ရဲ့ ကိုယ်ပိုင် အခွင့်အ​ေ ကို ယုံယုံကြည်ကြည် ကျင့်သုံးနိုင်မယ့် အမျိုးသမီး ရဲ့ အရည်အချင်း ဖြစ်ပါတယ်။ ဒီလို မဲပေးသူ တွေက ဘယ်အကြောင်းအရာ မျိုးမှာ မဆို သူတို့ရဲ့ အသံ၊ သဘောထားကို သိစေချင်ကြတယ်။ သူမ အနေနဲ့ သူမ အတွက် ဘာအကောင်းဆုံးလဲဆိုတာ သိပါတယ်။ သူမ မှာ ခိုင်မာ တဲ့ စိတ်ဓာတ်ရှိနေပြီး သူမကို ဘာလုပ်ပါလို့ ပြောတာကို မကြိုက်ဘူး၊ အထူးသဖြင့် အာဏာပိုင်တွေက ပြောတာကိုပေါ့။ 

စလိုက် မှာပါတဲ့ အမျိုးသမီး က သေနတ် အသေးတစ်လက်ကို ကိုင်ပြီး ချိန်ရွယ်ထားပြီး သူ့မျက်နှာ မှာ ရန်လိုတဲ့ အမူအရာ ရှိနေပါတယ်။ သူ့ပုံအောက်က စာသား မှာတော့ " ငါ့ရဲ့ သေနတ် ကိုင်တဲ့ အခွင့်အရေး ကိုမေးခွန်း မထုတ်နဲ့၊ ငါလဲ မင်းကို မိုက်မဲရကောင်းလားဆိုပြီး မေးခွန်း ထုတ်မှာ မဟုတ်ဘူး" လို့ရေးထားပါတယ်။ 

ကျွန်မ ကိုယ်တိုင် သေနတ် တစ်လက် မှ မပိုင်ဆိုင် ဖူးပေမယ့် ဒီပုံကို ကြည့်ပြီး ကျွန်မ ရဲ့ တစိတ်တပိုင်းကို ဒီအမျိုးသမီး မှာ တွေ့လိုက်ရသလ်ုပါပဲ။ 

​ကျွန်မ nix ရဲ့ မျက်လုံးကို ကြည့်ရင်းနဲ့ပဲ တင်ဆက်မှုကို အဆုံးသတ် ပါတယ်။ Cambridge Analytica က မှန်ကန် တဲ့ အချိန်၊ မှန်ကန်တဲ့ လူအုပ်စု၊ ကို မှန်ကန် တဲ့ သတင်းအရင်းအမြစ် တွေကနေ မှန်ကန် တဲ့ နည်းလမ်း သုံးပြီး သင့်တော်မယ့် သတင်းစကား ပေးနိုင်ပါတယ်၊ ဒါကပဲ သင်အနိုင်ရဖို့ နည်းလမ်းတွေပါ" လို့ ပြောပြီး အဆုံးသတ်လိုက်ပါတယ်။ 

ကျွန်မ လဲ Nix ဘာပြောမလဲ ဆိုတာ ရပ်ပြီးစောင့်နေပါတယ်။ nix က နေရာ ပြင်ထိုင်လိုက်ပြီး တခဏ တိတ်ဆိတ် နေပါတယ်။ 

ကျွန်မ သူ့ကို ကြည့်နေမိပြီး သူ့ရဲ့ မှတ်ချက် က ကျွန်မ ရဲ့ အနာဂတ် ကို အများကြီး သက်ရောက်မှု ရှိနိုင်တယ် ဆိုတာ တွေးနေပါတယ်။ ကျွန်မအနေနဲ့ သူကျေနပ် ဖို့ အစွမ်းကုန် ကြိုးစား ခဲ့ပါတယ်။ လွန်ခဲ့တဲ့ ရက်သတ္တပတ် တွေက ကျွန်မ ရဲ့ လုပ်ဖော်ကိုင်ဖက် တွေရဲ့ အကူအညီ ရဖို့ ကျွန်မ ရုံးမှာ မိုးချုပ် တဲ့အထိ နေခဲ့ပါတယ်။ ညပိုင်းရောက်လာရင် ညစာ စား၊ ဘားသွားပြီး ညနက် တဲ့အထိ တူတူ ရှိနေခဲ့ကြပါတယ်။ 

ကျွန်မ ရဲ့ ဘဝ က ပြောင်းလဲ ​နေပြတယ်။ ကျွန်မ က ကမ္ဘာသစ် တစ်ခု ရဲ့ အစိတ်အပိုင်း တစ်ခု ဖြစ်လာပါတယ်။ အဲဒီ ကမ္ဘာ က ဖိအားတွေ နဲ့ ကခုန်နိုင်ရပြီး နေ့စဥ် အလုပ်စွဲနေသူလ်ု လုပ်၊ ညရောက် မှာ ကိုယ့်စိတ်ကို အပြီးတိုင် အနားရတဲ့ ကမ္ဘာသစ်ပါ။ ကျွန်မ အနေနဲ့ကတော့ ဒါက အလုပ်ကြိုးစားလုပ်၊ လစာ များများ ယူဆို တဲ့ သဘောလား မသေချာပါဘူး။ Nix ကတော့ အမြဲ အားပေးစကား ပြောတဲ့အခါ ကျွန်မ တို့ အားလုံးနဲ့ သူငယ်ချင်း ဖြစ်ခဲ့ရမှာလို ပြောလေ့ရှိပါတယ်။ 

Nix က သူ့အပြူအမူနဲ့ပတ်သတ် ပြီး အစွန်းအထင်း မရှိတဲ့ နောက်ခံက လာခဲ့တာပါ။ သူ့ရဲ့ အရက်ပုလင်းတွေကို တခါနလေ ရုံးရဲ့ ရေခဲသေတ္တာ ထဲမှာ ထားလေ့ရှိပါတယ်။ သူ့မှာ သတင်းကောင်း တခု မျှဝေ စရာ ရှိရင်  ကျွန်မ တို့ အားလုံးနဲ့ ပုလင်းဖောက်ပြီး အောင်ပွဲခံလေ့ ရှိပါတယ်။ မနက်ရောက်ရင်တော့ ္Nix က ဘယ်သူ့ကြည့်ရတာ အရက်နာ အကျဆုံးလဲဆိုပြီး နောက်ပြောင်လေ့ရှိပါတယ်။ သူကိုယ်တိုင် ကတော့ အရက်မူးလွန်တာ ကို လျင်လျင်မြန်မြန် ပြန်ကုစားနိုင်ပုံရပါတယ်။ တခါတရဲ ညနက် အထိ ကျွန်မ တို့ သောက်ပြီး နောက်ရက် မနက် ကြရင် သူက ရုံးကိုတန်းမလာဘဲ အပြင်က အစည်းအဝေး ရှိရာကို တန်းသွားပါတယ်။ ကျွန်မ တို့ကတော့ ဒီလို သွားစရာ မရှိတော့ တစ်နေကုန် အလုပ်လုပ်၊ ညကျရင် ပါတီ ပွဲဆင်နွဲ၊ နောက်ရက် မနက် ရုံးပြန်တက် အလုပ်လုပ် နဲ့ပဲ ရက်တွေကို ဖြတ်ကျော်ကြပါတယ်။ 

Nix လူရွေးဖိတ် တဲ့ ပိုလို ကစား ပွဲဆိုရင် စျေးကြီးတဲ့ ရှမ်ပိန် အရက် တွေက ကြိုက်သလောက် သောက်လို့ ရပါတယ်။ ရာသီဥတု က နွေးလာပြီး ပိုလိုရာသီ ရောက်လာတာနဲ့ ကျွန်မ တို့ရဲ့ သီတင်းပတ် ကုန်ဆုံးရက် တွေကို ဘုရင်မ ရဲ့ ပိုလိုကွင်း၊ ္Guards polo club လို့ ခေါ်တဲ့ နေရာ မှာ ကုန်ဆုံးကြပါတယ်။ ္Nix  က အဲဒီ ကလပ်ရဲ့ အဖွဲ့ဝင်ဖြစ်ပြီး သူကစားတာကို ကျွန်မ တို့ ကြည့်ကြတာပေါ့။ 

ကျွန်မ ပိုလို ကစား ပွဲနဲ့ပတ်သတ်ပြီး ဘာမှ မသိပါဘူး။ ကျွန်မ သိတာက ္Nix  က သူ့ဘဝ တလျောက်လုံး ပိုလို ကစားခဲ့ပြီး သူ့ အသင်းကလဲ ကျွမ်းကျင်ပြီး မှတ်တမ်းကောင်း တွေရှိတဲ့ အသင်းဖြစ်ပါတယ်။ သူ့ အသင်းရဲ့ အဖွဲ့ဝင် တွေက ဗြိတိန် ရဲ့ အထက်တန်းလွှာ တွေ ဖြစ်ပြီး အာဂျင်တီးနားနဲ့ အခြား နိုင်ငံ တွေက နာမည်ကျော် ကစား သမားတွေလဲ ပါပါတယ်။ ကျွန်မ ကစားပွဲ အကြောင်း နည်းနည်းပဲ နားလည် ပါတယ်။ ဒါနဲ့ ကစားပွဲ အကြောင်း သိအောင် ကြိုးစား နေမယ့်အစား Nix စီးနေတဲ့ ကြွက်သားတွေ အပြည့်နဲ့ မြင်းကြီးကို ပွဲကြည့်စဥ် ပေါ်ကနေ ကလပ်က ဧည့်ခံ တဲ့ အစားအသောက် တွေ စားပြီး ကြည့်နေရတာ ကို ပိုသဘောကျမိပါတယ်။ ကစား ပွဲနားတဲ့ အချိန် Nix အတွက် ရှမ်ပိန် ငှဲ့ပေးပါတယ်။ Nix က မြင်းစီး တာကို  ပိုနီ လေးတစ်ကောင် ကို မင်းသားလေး တစ်ပါး စီးသလ်ိုစီးပြီး  မြင်းပေါ်ကနေ ရှမ်ပိန် ကို လှမ်းသောက်ပါတယ်။ 

ညနေခင်းမှာ တော့ Nix ရဲ့ ကျေးလက် အိမ် လေးမှာ ကျွန်မ တို့ အားလုံး ညနက် တဲ့အထိ သောက်ကြ၊ ကလိုက်ကြ၊ စကားတွေ ပြောလိုက်ကြနဲ့ ညမအိပ် ဖြစ်တဲ့အထိ ပျော်ရွှင်ခဲ့ကြပါတယ်။ ကျွန်မ ကိုယ်တိုင်လဲ ဒါက ငါလိုချင်တဲ့ ကမ္ဘာ လေး တစ်ခုပဲ လို့တွေးမိပါတယ်။ ဒီ ကမ္ဘာလေး မှာ သက်တောင့်သက်သာ ရှိမှု တွေ အောင်မြင်မှု တွေ ရှိနေတယ်။ ကျွန်မ လဲ ဒီလို အောင်မြင်မှုတွေကို  တခြားဘာမှ မရချင် နေ ဒီလို ဘဝ မျိုးကို ငါရအောင် ယူမယ်လို့ စိတ်ဆုံးဖြတ်ချက် ချမိပါတယ်။ 

အခု ကျွန်မ ရဲ့ တင်ဆက်မှု အပြီး ရုံးခန်း ထဲမှာပဲ Nix ကကျွန်မ လုပ်ခဲ့တာ အတွက် ကောင်းချီးပေးမယ်လို့ မျှော်လင့် မိပါတယ်။ ကျွန်မ တို့ ရှမ်ပိန် ပုလင်း ဖွင့်ပြီး အောင်ပွဲခံကြတော့မှာလား။

နောက်ဆုံးမှာတော့ Nixက ရှေ့ကို ကိုင်းညွှတ်လိုက်ပြီး စိတ်ချ ယုံကြည် တဲ့ အမူအရာ နဲ့  " Brittany , ခင်များ လုပ်နိုင်ခဲ့ပြီ၊ ခင်များ တင်ဆက်တာ အရမ်းကို ကောင်းတာပဲ၊ နောက်ဆုံးတော့ ကျွန် တော် ခင်များကို အမေရိကားကို ခေါ်သွားဖို့ ခင်များ အဆင်သင့် ဖြစ်သွားပြီ" လ်ု့ ပြောလိုက်ပါတော့တယ်။