IPTOP के साथ संगठनात्मक डेटा प्रवाहता हासिल करना

स्वचालित कारों को शक्ति देने से लेकर गो जैसे खेलों में जीत दर्ज करने तक—संगठनों ने डेटा साइंस की मदद से पहले असंभव लगने वाले कामों को संभव बनाकर सुर्खियाँ बटोरी हैं। इसी कारण एक छिपी हुई डेटा साइंस क्रांति पर ध्यान नहीं जाता: कंपनियाँ अब जो संभव है, उसे व्यापक रूप से संभव बना रही हैं। दूसरे शब्दों में, अधिक कंपनियाँ मजबूत संगठनात्मक डेटा प्रवाहता की कोशिश कर रही हैं। DataCamp में प्रोडक्ट रिसर्च के VP रमणाथ वैद्यनाथन के अनुसार, किसी संगठन का डेटा प्रवाहता तक पहुँचना पाँच स्तंभों पर निर्भर करता है: इंफ्रास्ट्रक्चर, लोग, टूल्स, संगठन और प्रक्रियाएँ (IPTOP)। पिछले महीने के एक वेबिनार में, उन्होंने एक डेटा प्रवाहता ढाँचा साझा किया जिसे कोई भी संगठन अपनी डेटा परिपक्वता को डेटा रिएक्टिव से डेटा स्केलिंग, डेटा प्रोग्रेसिव और अंततः डेटा फ्लूएंट तक ले जाने के लिए अपना सकता है।

डेटा रिएक्टिविटी से आगे बढ़ने के लिए, डेटा कल्चर बनाइए

डेटा रिएक्टिव कंपनी डेटा परिपक्वता की सीढ़ी के सबसे निचले पायदान पर होती है। ऐसी कंपनी बहुत कम ही डेटा तक पहुँचती, उसे उपयोग करती और प्रस्तुत करती है, जिससे डेटा कल्चर का अभाव बना रहता है। यह अलग-अलग लेगेसी टूल्स से साइलो में डेटा इकट्ठा करती है और एड-हॉक डेटा प्रक्रियाएँ चलाती है। साथ ही, यह आंतरिक रूप से डेटा प्रतिभा विकसित करने के लिए डेटा अपस्किलिंग रणनीति और डेटा इंफ्रास्ट्रक्चर में निवेश नहीं करती। कंपनी अपने संगठनात्मक डेटा साक्षरता को डेटा रिएक्टिव से डेटा स्केलिंग तक बढ़ा सकती है यदि वह अपना डेटा कल्चर और डेटा इंफ्रास्ट्रक्चर बनाए। ऐसे डेटा कल्चर को संप्रेषित करने के लिए, कंपनी को आसान और त्वरित अवसरों पर ध्यान देना चाहिए ताकि हितधारक डेटा साक्षरता का मूल्य देख सकें। इनमें प्रूफ-ऑफ-कॉन्सेप्ट डैशबोर्ड और ग्राहक चर्न मॉडलिंग जैसे एनालिटिक्स प्रोजेक्ट शामिल हैं। कंपनी अपनी डेटा आर्किटेक्चर और डेटा संग्रह प्रक्रियाएँ विकसित करना भी शुरू कर सकती है।

उचित इंफ्रास्ट्रक्चर और संगठनात्मक मॉडल के साथ डेटा स्केलिंग से आगे बढ़ें

डेटा रिएक्टिव कंपनी के विपरीत, डेटा स्केलिंग कंपनी के पास किसी न किसी रूप में डेटा रणनीति और कल्चर होता है। फिर भी इसकी कमियाँ स्पष्ट रहती हैं। बहुत कम कर्मचारियों के पास आत्मविश्वास के साथ डेटा का विश्लेषण, रिपोर्टिंग और प्रस्तुति देने के लिए आवश्यक कौशल और पहुँच होती है, जिसके कारण डेटा कल्चर कमजोर रहता है। इसके अलावा, इसमें केंद्रीकृत डेटा स्टोरेज और टीमें नहीं होतीं, जिससे डेटासेट और डेटा प्रक्रियाएँ अत्यधिक साइलो में बँट जाती हैं।

इन कमियों को देखते हुए, डेटा स्केलिंग कंपनी को अपनी संगठनात्मक डेटा साक्षरता में सुधार करना चाहिए। इसके लिए, उसे अपने डेटा इंफ्रास्ट्रक्चर पर काम करके और केंद्रीकृत डेटा स्टोरेज बनाकर डेटा एक्सेस सक्षम करना होगा। ऐसा डेटा इंफ्रास्ट्रक्चर उच्च-गुणवत्ता वाला डेटा क्लाउड में संग्रहीत करने और सभी हितधारकों द्वारा आसानी से एक्सेस करने की सुविधा देता है। उपयुक्त डेटा स्टोरेज और एक्सेस के साथ, कर्मचारी डेटा गुणवत्ता मानक विकसित करने में सक्षम होते हैं। उदाहरण के लिए, DataCamp अपना डेटा Amazon Redshift—एक क्लाउड-आधारित केंद्रीकृत डेटा वेयरहाउस—में संग्रहीत करता है और Apache Airflow का उपयोग करके डेटा पाइपलाइनों का प्रबंधन करता है। यह कठिनाई से मेल खाने योग्य साइलो वाले डेटा से दूरी बनाता है और एकल स्रोत-सत्य की दिशा में मार्ग प्रशस्त करता है।

DataCamp के केंद्रीकृत डेटा स्टोरेज का सरल दृश्य

डेटा स्केलिंग कंपनी को अपनी डेटा परिपक्वता के हिस्से के रूप में डेटा वैज्ञानिकों के लिए एक स्पष्ट संगठनात्मक मॉडल भी विकसित करना चाहिए। कुछ कंपनियाँ केंद्रीकृत मॉडल बनाती हैं, जिसमें एक डेटा साइंस टीम होती है जो सेंटर ऑफ एक्सीलेंस के रूप में कार्य करती है और वित्त, मार्केटिंग और इंजीनियरिंग जैसी विभिन्न फ़ंक्शनों से आने वाले अनुरोधों को संभालती है। अन्य कंपनियाँ विकेंद्रीकृत मॉडल अपनाती हैं, जहाँ डेटा वैज्ञानिक फ़ंक्शनों के भीतर सम्मिलित होते हैं और उसी फ़ंक्शन की डेटा आवश्यकताओं को विशेष रूप से संभालते हैं। कंपनी को वही मॉडल अपनाना चाहिए जो उसके डेटा और व्यावसायिक आवश्यकताओं के अनुकूल हो।

डेटा टूल्स और प्रक्रियाओं के साथ डेटा प्रोग्रेसिव से ट्रांज़िशन करें

कंपनी के डेटा प्रवाहता पथ में अगला माइलस्टोन डेटा प्रोग्रेसिव की अवस्था है। डेटा प्रोग्रेसिव कंपनी में हर टीम में कम से कम एक डेटा-फ्लूएंट कर्मचारी होता है जो अपने डेटा का विश्लेषण, रिपोर्टिंग और प्रस्तुति दे सकता है। फिर भी, परिपक्व होती डेटा इंफ्रास्ट्रक्चर के कारण डेटा गुणवत्ता और खोजयोग्यता में सुधार की गुंजाइश बनी रहती है। साथ ही, कर्मचारियों के पास कुछ स्तर की डेटा साक्षरता होने के बावजूद, डेटा लगभग पूरी तरह रिपोर्टिंग के लिए उपयोग होता है और इस प्रकार उसका पूरा लाभ नहीं उठाया जाता। डेटा टूल्स और प्रक्रियाओं तक पहुँच में कठिनाई के कारण डेटा लोकतंत्रीकरण का अभाव भी डेटा के मूल्य को दबाता है।

डेटा प्रोग्रेसिव अवस्था से डेटा प्रवाहता की ओर बढ़ने के लिए, संगठन को IPTOP डेटा प्रवाहता ढाँचे के अनुरूप एक साथ अपने डेटा इंफ्रास्ट्रक्चर, लोग, टूल्स, संगठन और प्रक्रियाओं का विकास करना चाहिए।

डेटा प्रवाहता में ट्रांज़िशन के लिए, कंपनी अपनी लोगों के लिए उपयुक्त अपस्किलिंग रणनीतियाँ विकसित और उनमें निवेश करके डेटा कल्चर को मजबूत कर सकती है। इसमें लगातार चलने वाली डेटा शिक्षा शामिल है जो विभिन्न डेटा पर्सोना और कंपनी के व्यावसायिक लक्ष्यों की ज़रूरतों को पूरा करती है। उदाहरण के लिए, AT&T के व्यापक टैलेंट ओवरहॉल में 10 वर्षों में 140,000 कर्मचारियों को अपस्किल करने के लिए $1B का निवेश किया गया। कंपनियाँ डेटा-चालित व्यवहारों को प्रोत्साहित करके और उन डेटा इवेंजेलिस्ट्स को पुरस्कृत करके जो सक्रिय रूप से कंपनी के डेटा कल्चर को बढ़ावा देते हैं, एक मजबूत डेटा कल्चर से लाभ उठा सकती हैं।

कंपनी अपने डेटा साक्षरता कार्यक्रम के हिस्से के रूप में डेटा प्रक्रियाओं को ऑपरेशनलाइज़ करने वाले आंतरिक डेटा प्रोडक्ट भी बना सकती है। ये डेटा प्रोडक्ट डेटा गुणवत्ता मानकों को सुधारने और व्यावसायिक लक्ष्यों की निगरानी करने में उपयोगी हो सकते हैं। उदाहरण के लिए, DataCamp के पास ऐसे आंतरिक फ्रेमवर्क हैं जो हितधारकों को न्यूनतम कोड के साथ व्यवसायिक मेट्रिक्स के प्रेजेंटेशन-रेडी विज़ुअलाइज़ेशन बनाने की अनुमति देते हैं।

आंतरिक फ्रेमवर्क के साथ आसानी से विकसित किए गए DataCamp डैशबोर्ड

जैसे-जैसे कंपनी संगठनात्मक डेटा साक्षरता में आगे बढ़ती है, वह प्रायः एक हाइब्रिड मॉडल की ओर जाती है, जहाँ डेटा वैज्ञानिक न केवल केंद्रीकृत डेटा टीम में होते हैं बल्कि किसी फंक्शनल टीम में भी शामिल होते हैं। इससे डेटा साइंस टीम ऐसे डेटा टूल्स बना और साझा कर सकती है जो फंक्शनल व्यावसायिक लक्ष्यों के साथ संरेखित हों।

डेटा प्रवाहता हासिल करने के लिए संगठनों को डेटा को अपनी प्रक्रियाओं का अभिन्न हिस्सा बनाना होता है। ऐसी प्रक्रियाएँ डेटा से मूल्य निकालने में घर्षण कम करती हैं और संगठन के भीतर डेटा का लोकतंत्रीकरण करती हैं। उदाहरण के लिए, AirBnb की डेटा क्वालिटी पहल कंपनी भर में डेटासेट की गुणवत्ता को परिभाषित और लागू करती है, जिससे डेटा में हितधारकों का भरोसा बनता है और डेटा कल्चर मजबूत होता है। Netflix हितधारकों के लिए प्रभावी नोटबुक बनाना सहज बनाता है विभिन्न लक्षित पर्सोना के अनुरूप नोटबुक टेम्पलेट्स को कस्टमाइज़ करके।

IPTOP फ्रेमवर्क के साथ डेटा-फ्लूएंट बनें

अंततः, डेटा प्रवाहता कंपनी की डेटा परिपक्वता की आदर्श अवस्था है। डेटा-फ्लूएंट कंपनी में हर कर्मचारी के पास वह डेटा एक्सेस और समझने की क्षमता होती है जिसकी उन्हें अपने काम के लिए ज़रूरत है। उन्हें भरोसेमंद डेटा इंफ्रास्ट्रक्चर और टूल्स सशक्त बनाते हैं, जो डेटा-चालित निर्णय लेने को सहज बनाते हैं। साथ ही, कंपनी के पास ऐसी डेटा प्रक्रियाएँ और संगठनात्मक मॉडल होते हैं जो क्रॉस-डिपार्टमेंटल सहयोग को सक्षम करके कुशलतापूर्वक स्केल करने में मदद करते हैं।

स्पष्ट है, किसी संगठन का डेटा प्रवाहता तक पहुँचना रैखिक नहीं होता। इसके लिए स्पष्ट डेटा रणनीति और मजबूत डेटा साक्षरता ढाँचा चाहिए। नीचे दिया गया चार्ट IPTOP फ्रेमवर्क का उपयोग करके डेटा साक्षरता को डेटा रिएक्टिव से डेटा-फ्लूएंट तक ले जाने के लिए संगठन को उठाने वाले कदमों का सार प्रस्तुत करता है।

डेटा परिपक्वता को स्केल करने के मार्ग पर अधिक जानकारी के लिए, हमारा वेबिनार देखें या डेटा परिपक्वता आकलन लें।