सफल डेटा प्रोग्राम बनाने के 4 चरण

डेटा-चालित होना सभी की जिम्मेदारी है

21वीं सदी में प्रतिस्पर्धी बने रहने के लिए हर संगठन को डेटा-चालित होना चाहिए। डेटा-चालित होने का मतलब लोगों की नौकरियाँ स्वचालित करना नहीं, बल्कि उन्हें अपने कार्यों में अधिक प्रभावी बनने के लिए आवश्यक उपकरण और सूचनाएँ देना है।

हम इसे संगठन में सभी की जिम्मेदारी मानते हैं कि वे अधिक डेटा-चालित बनें। आखिरकार, हममें से हर कोई, आपकी भूमिका चाहे जो भी हो, किसी न किसी तरह डेटा को छू रहा है। हम लगातार उन अलग-अलग अवसरों को देखते हैं जिनसे हम संसाधनों को अपस्किल कर सकें और उन्हें इस यात्रा में आगे बढ़ा सकें।—Rachel Alt-Simmons, AXA XL

डेटा प्रोग्राम की सफलता के मापदंड आपके उद्योग और संगठन पर निर्भर करते हैं

डेटा प्रोग्राम के लिए कोई एक ही ढांचा सब पर लागू नहीं होता। प्रत्येक डेटा प्रोग्राम के उद्देश्य उद्योग, कंपनी के आकार, और टीम संरचना जैसे कारकों पर निर्भर करते हुए अलग होंगे।

आइए AXA XL का उदाहरण लें। 2018 में AXA Group द्वारा अधिग्रहित AXA XL एक बड़ी कमर्शियल और स्पेशल्टी इंश्योरेंस कंपनी है जो जटिल प्रोजेक्ट्स का आकलन करती है। वर्तमान में वे दुनिया भर में 13,000 लोगों को नियुक्त करते हैं जो वितरित टीमों में काम करते हैं, यानी उनकी कई टीमें अपने अधिकांश सदस्यों के साथ वास्तव में साथ नहीं काम करतीं। वैश्विक स्थानों पर वर्चुअल सहयोग महत्वपूर्ण है, और एक बीमा कंपनी होने के नाते, उनकी डेटा आवश्यकताएँ बड़े पैमाने पर कागज़ और PDF पर निर्भर हैं।

हमारा व्यवसाय कागज़ पर चलता है। हम कानूनी दस्तावेज़ बेचते हैं—बीमा पॉलिसी मूलतः एक कानूनी दस्तावेज़ ही है। हम कागज़ लेते हैं और कागज़ ही बनाते हैं। होता यह है कि, उदाहरण के लिए, आपको किसी क्लाइंट से एक सबमिशन मिलता है, उसमें फाइलों और जानकारी का ढेर लगा होता है। आपको वह जानकारी PDF में, Word दस्तावेज़ों में, Excel फाइलों में, और शायद उनके हर तरह के रूपांतर में मिल सकती है। वह दस्तावेज़ कैसे आता है इसमें कोई मानकीकरण नहीं है, तो न कोई एक मानक PDF है न कोई एक मानक फाइल। हर क्लाइंट के लिए यह सब अलग होता है।

क्योंकि उनका बहुत सारा डेटा PDF में होता है और डेटा एंट्री मैन्युअल है, सभी व्यक्तिगत डेटा तत्व कैप्चर नहीं हो पाते। काफी जानकारी खो जाती है या आसानी से प्राप्त नहीं होती। इन चुनौतियों से निपटने के लिए, AXA XL प्राकृतिक भाषा प्रक्रमण जैसी क्षमताओं का उपयोग करता है ताकि दस्तावेज़ों से जानकारी आसानी से निकाली जा सके।

डेटा प्रोग्राम कैसे लागू करें

1. टॉप-डाउन या बॉटम-अप दृष्टिकोण चुनें

डेटा प्रोग्राम बनाने का टॉप-डाउन दृष्टिकोण किसी संगठन के व्यापक डेटा और एनालिटिक्स पहलों से जुड़ा होता है। इसमें आपकी प्रोग्राम रूपरेखा को रणनीतिक रूप से इस तरह बनाना शामिल है कि विश्लेषणात्मक मॉडल और वर्कफ़्लो टीमों में मानकीकृत तरीक़े से एकीकृत हों।

बॉटम-अप दृष्टिकोण का उद्देश्य डेटा और एनालिटिक्स करियर पाथ में सभी कर्मचारियों की क्षमताओं और कौशल स्तरों को समग्र रूप से बढ़ाना है। उदाहरण के लिए, AXA XL की Analytic DNA पहल विभिन्न तकनीक और एनालिटिक्स क्षेत्रों में विशेषज्ञों की पहचान करती है, और पूरे संगठन में व्यापक स्तर पर स्केल करने के लिए उनके विचारों का लाभ उठाती है।

अच्छी बात यह है कि लोग आगे आकर अपना मार्गदर्शन और विशेषज्ञता देने के लिए बहुत इच्छुक रहे हैं, और इससे हमें अपने प्रोग्राम को ऐसा आकार देने में मदद मिलती है जो प्रासंगिक हो और हमारी रणनीतिक पहलों के अनुरूप हो।

2. पर्सोना विकसित करें और उनके लक्ष्यों की पहचान करें

DataCamp में, हमने कई डेटा-संबंधित पर्सोना या भूमिकाएँ पहचानी हैं जो हमारे ग्राहक प्रायः उपयोग करते हैं: Data Consumer, Leader, Data Analyst, Citizen Data Scientist, Data Scientist, Data Engineer, Database Administrator, Statistician, Machine Learning Scientist, और Programmer। हम अपने प्रशिक्षकों को सलाह देते हैं कि वे अपने कोर्स बनाते समय संबंधित पर्सोना पर विचार करें, और हम अपने बिज़नेस ग्राहकों को सलाह देते हैं कि वे अपने डेटा प्रोग्राम बनाते समय संबंधित पर्सोना पर विचार करें। हर पर्सोना का डेटा से संबंध अलग होता है।

AXA XL के दो प्रमुख पर्सोना हैं Actuaries और Data Scientists, और वे वर्तमान में दोनों भूमिकाओं के आवश्यक कौशलों को अभिसरित करने पर केंद्रित हैं ताकि व्यवसाय को आगे बढ़ाया जा सके।

कई [बीमा] संगठनों में हमेशा से एक्चुअरियल पृष्ठभूमि और जिसे मैं अधिक शुद्ध डेटा साइंस या एनालिटिक पृष्ठभूमि कहूँगा, उनके बीच दिलचस्प विभाजन रहा है। हमारे संगठन में, हम इन दोनों चीजों को साथ ला रहे हैं। हम वास्तव में एक्चुअरीज़ को कुछ अधिक सांख्यिकीय मशीन लर्निंग तकनीकें सिखा रहे हैं जिन्हें वे अपनी एक्चुअरियल प्रक्रियाओं में लागू कर सकें। अब यह “हम बनाम वे” नहीं रहा। यह “हम इन क्षमताओं को साथ कैसे लाएँ” है, जो काफ़ी रोमांचक है।

3. प्रत्येक पर्सोना की कमियों की पहचान करें

हम अपने सभी ग्राहकों को कौशल मैट्रिक्स के माध्यम से इन-हाउस डेटा कौशल का व्यापक आकलन करने की सलाह देते हैं। यह कई रूप ले सकता है, लेकिन सामान्यतः संगठन, विभाग, टीम, या व्यक्तिगत स्तर पर ताकतों और कौशल अंतरालों का विज़ुअलाइज़ेशन शामिल होता है।

AXA XL की Rachel सलाह देती हैं कि आप प्रत्येक पर्सोना के लिए ये प्रश्न पूछकर कमियों की पहचान कर सकते हैं:

• आप क्या जानना चाहते हैं?
• आप किस चीज़ की अधिकता चाहेंगे?
• हम और क्या प्रदान कर सकते हैं, जैसे प्रशिक्षण, हायरिंग, कौशल विकास, या प्रोजेक्ट-आधारित कार्य?
• क्या हम इन क्षमताओं को अपनी रणनीतिक परियोजनाओं के साथ सही ढंग से संरेखित कर रहे हैं?

डेटा विश्लेषक, डेटा वैज्ञानिक और डेटा इंजीनियर जैसे एनालिटिक्स पेशेवरों के लिए, कंपनियाँ यह जाँच करना चाहेंगी कि महत्वपूर्ण कौशलों में कोई कमी तो नहीं है, जैसे डेटा आयात करना, स्प्रेडशीट में डेटा विश्लेषण करना, प्राकृतिक भाषा प्रक्रमण, और डेटा पाइपलाइनों का निर्माण व रखरखाव। यहाँ डेटा पेशेवरों के लिए हमारा तैयार किया हुआ एक नमूना स्किल मैट्रिक्स है।

Data Consumers और Leaders के लिए, सफलता हेतु आवश्यक कौशलों में संप्रेषण जैसी सॉफ्ट स्किल्स, डेटा विज़ुअलाइज़ेशन की समझ, और डिज़ाइन थिंकिंग शामिल हैं।

डिज़ाइन थिंकिंग [का मतलब] समाधान बनाना है, चाहे वह तकनीकी हो, डेटा हो, [या] मॉडल। आप उसे ग्राहक के लिए प्रासंगिक तरीके से कैसे करते हैं? फिर, परिणामों को प्रभावी ढंग से कैसे संप्रेषित करते हैं?

4. प्रत्येक पर्सोना के लिए लर्निंग जर्नी बनाएँ

समग्र लर्निंग दृष्टिकोण के लिए प्रभावी लर्निंग जर्नी बनाने में डिज़ाइन थिंकिंग का उपयोग आवश्यक है। यह केवल तकनीकी कौशलों के निर्माण के बारे में नहीं है—बल्कि महत्वपूर्ण व्यावसायिक कौशलों के निर्माण के बारे में भी है। उदाहरण के लिए, AXA XL अपने एक्चुअरीज़ से अपेक्षा करता है कि वे डेटा को अर्थपूर्ण शब्दों में अनुवाद कर सकें ताकि अंडरराइटर्स जैसे निर्णयकर्ता, जो बीमा जोखिम का आकलन करते हैं, किसी कंपनी के जोखिम आकलन को संदर्भ में रखकर उपयोगी निष्कर्ष निकाल सकें, जैसे कितना जोखिम लेना है। एक्चुअरीज़ की लर्निंग जर्नी में डेटा का संदर्भीकरण और उसके निहितार्थों को व्यापक दर्शकों तक पहुँचाने की क्षमता शामिल होनी चाहिए।

संगठनों को अपनी टीम के पर्सोना-आधारित डेटा कौशल स्तर का पता लगाने में मदद के लिए, हम एक निःशुल्क स्किल ऑडिट एक बेंचमार्क रिपोर्ट के माध्यम से प्रदान करते हैं। व्यक्ति अपने प्रगति को ट्रैक करने के लिए हमारे Signal स्किल असेसमेंट दे सकते हैं।

कौशलों का आकलन करने के बाद, हम संगठनों को कस्टम ट्रैक्स बनाने की सलाह देते हैं ताकि हर कोई अपने पर्सोना या भूमिका के लिए आवश्यक आधारभूत कौशल स्तर तक पहुँच सके। Data Consumers और Leaders के लिए लर्निंग ट्रैक्स हमारे थ्योरी कोर्सेज़ की ओर झुक सकते हैं, जबकि डेटा पेशेवर हमारे हैंड्स-ऑन कोडिंग कोर्सेज़ लेते हैं। उदाहरण के लिए, चूँकि AXA XL का काफी डेटा PDF में है, उनके एक्चुअरीज़ और डेटा वैज्ञानिकों की लर्निंग जर्नी में हमारे नेचुरल लैंग्वेज प्रोसेसिंग पर कई कोर्स शामिल हैं। शुरुआती-करियर एक्चुअरीज़ के लिए, हम ये R कोर्सेज़ Predictive Analytics Exam पास करने के लिए सुझाते हैं।

अपने डेटा प्रोग्राम के लाभ उठाएँ

Rachel कहती हैं कि आपके डेटा प्रोग्राम की सफलता को इस प्रश्न का उत्तर देकर आसानी से मापा जा सकता है: क्या इसने आपको अधिक लाभदायक बनने में मदद की है? यदि डेटा सही ढंग से निर्णयों में फ़ीड हो रहा है, तो आपका निचला स्तर (बॉटम लाइन) इसे दर्शाएगा। इसलिए यदि आपके कर्मचारियों के कौशल विकसित हो रहे हैं और आपकी कंपनी सूचित निर्णय ले रही है, तो संभवतः उत्तर है: हाँ।

सफल डेटा प्रोग्राम बनाने के बारे में अधिक जानने के लिए, ऑन-डिमांड वेबिनार देखें।