डेटा गवर्नेंस क्या है?
हाल ही के एक वेबिनार में, Microsoft के डेटा साइंटिस्ट Aaren Stubberfield ने बताया कि डेटा गवर्नेंस किस तरह स्केलेबल डेटा साइंस को सक्षम बनाती है, जहाँ उन्होंने सबसे पहले इस बुनियादी प्रश्न से शुरुआत की कि डेटा गवर्नेंस है क्या।
डेटा मैनेजमेंट एसोसिएशन (DAMA) की परिभाषा के अनुसार, डेटा गवर्नेंस डेटा परिसंपत्तियों के प्रबंधन पर अधिकार और नियंत्रण (योजना, निगरानी, और प्रवर्तन) का प्रयोग है।
(1) योजना: वे नियम बनाना जिनका डेटासेट्स को पालन करना है (उदा. दिनांक फ़ील्ड्स के फ़ॉर्मेट का मानकीकरण जैसे YYYY-MM-DD)
(2) निगरानी: योजना चरण में परिभाषित नियमों के अनुपालन को मापना (उदा. उन ‘Date’ फ़ील्ड्स का प्रतिशत ट्रैक करना जिनमें मान अनुपलब्ध हैं)
(3) प्रवर्तन: डेटा नियमों के उल्लंघन की स्थिति में सुधारात्मक कार्रवाइयाँ (उदा. यदि सोशल सिक्योरिटी नंबर जैसे महत्वपूर्ण डेटा फ़ील्ड्स में बड़ी विसंगतियाँ पाई जाती हैं, तो तत्काल सुधारात्मक कार्रवाई)
यद्यपि विभिन्न डेटा गवर्नेंस फ़्रेमवर्क उपलब्ध हैं, वे सभी लोगों पर (अर्थात् डेटा स्टूवर्ड्स और हितधारक जो डेटा गवर्नेंस प्रोग्राम की देखरेख करते हैं), प्रक्रियाओं पर (अर्थात् डेटा नीतियाँ और प्रक्रियाएँ जो वे नियम बनाती हैं जिनका डेटासेट्स को पालन करना है), संबंधित डेटासेट्स पर, और टूल्स पर (अर्थात् प्रौद्योगिकी और अवसंरचना जो नीतियों की निगरानी और प्रवर्तन को संभव बनाती हैं) केंद्रित रहते हैं।
डेटा गवर्नेंस महत्वपूर्ण क्यों है?
डेटा को एक रणनीतिक परिसंपत्ति के रूप में उपयोगी बनाने के लिए, उसे औपचारिक प्रक्रियाओं और जवाबदेही के माध्यम से अनुपालक, स्वच्छ, और सुलभ रखना आवश्यक है। डेटा गवर्नेंस का उद्देश्य उन तरीकों, प्रक्रियाओं और जिम्मेदारियों की स्थापना करना है जो संगठनों को अपने डेटा की गुणवत्ता, अनुपालन, और प्रयोज्यता सुनिश्चित करने में सक्षम बनाती हैं।
डेटा की गुणवत्ता डेटा साइंस के लोकतंत्रीकरण के लिए इसलिए निर्णायक है क्योंकि संगठन-व्यापी विश्वास अत्यंत महत्वपूर्ण है। जैसे उपभोक्ता उन रिटेलर्स के उत्पाद नहीं खरीदते या इस्तेमाल नहीं करते जिन पर उनको भरोसा नहीं, वैसे ही व्यावसायिक हितधारक और डेटा विशेषज्ञ भी उस डेटा (या उससे निकली अंतर्दृष्टियों) को निर्णय लेने में उपयोग करने से हिचकेंगे जिस पर उनका भरोसा नहीं है।
अंततः, सबसे सफल व्यवसाय वही हैं जो डेटा को एक विश्वसनीय परिसंपत्ति के रूप में प्रभावी ढंग से प्रबंधित करते हैं और सर्वोत्तम डेटा साइंस क्षमताओं को सर्वोत्तम डेटा गुणवत्ता के साथ जोड़ पाते हैं।
अच्छी डेटा गुणवत्ता कैसी दिखती है?
डेटा गवर्नेंस प्रोग्राम डेटा गुणवत्ता की स्केलेबिलिटी और रखरखाव सुनिश्चित करते हैं—लेकिन वास्तव में अच्छी डेटा गुणवत्ता कैसी होती है? Atlan ने इसे निम्नलिखित सात विशेषताओं में अच्छी तरह समेटा है:
- सटीक
- उपलब्ध और सुलभ
- पूर्ण
- प्रासंगिक और विश्वसनीय
- समय पर
- उचित स्तर की सूक्ष्मता प्रदान करती है
- निर्णय लेने में सहायक
डेटा गवर्नेंस के क्या लाभ हैं?
यदि सही ढंग से लागू किया जाए, तो एक ठोस डेटा गवर्नेंस फ़्रेमवर्क कंपनियों को कई महत्वपूर्ण लाभ दिला सकता है:
-
कॉमन डेटा लैंग्वेज — मीट्रिक्स और डेटासेट्स के आसपास एक समान शब्दावली संगठन भर में आसानी से उपयोग और समझी जाने वाली साझा डेटा भाषा और सुसंगत पारिभाषिकी बनाती है।
-
डेटा गुणवत्ता पर बढ़ा भरोसा — अच्छी डेटा गवर्नेंस से सुधरी डेटा गुणवत्ता, डेटा और उसके संबंधित दस्तावेज़ों में विश्वास को बढ़ाती है, जिससे निर्णय लेते समय डेटा के उपयोग में वृद्धि होती है।
-
डेटा की पुन: प्रयोज्यता में सुधार — डेटा गवर्नेंस उद्यम-व्यापी डेटा का मानकीकरण और मैपिंग करती है। इससे अलग-अलग व्यावसायिक इकाइयों और विविध उपयोग मामलों में डेटा के पुन: उपयोग के माध्यम से दक्षता में उल्लेखनीय वृद्धि होती है।
-
बेहतर डेटा प्रबंधन तंत्र — केंद्रीय नियंत्रण तंत्र डेटा उपयोग से जुड़ी श्रेष्ठ प्रथाओं और आचार संहिता को दिशा देने वाली स्पष्ट नीतियाँ और नियम स्थापित करते हैं। यह अनुपालन और सुरक्षा जैसे प्रमुख क्षेत्रों के सुसंगत प्रबंधन के लिए समग्र दृष्टि देता है, साथ ही समग्र डेटा प्रबंधन लागतों को भी कम करता है।
-
स्केलेबल अनुपालन — एक मजबूत डेटा गवर्नेंस प्रोग्राम सुनिश्चित करता है कि संगठन नियामक दबावों (उदा. California Consumer Privacy Act (CCPA) और General Data Protection Regulation (GDPR)) के अनुरूप रहें कि व्यक्तिगत डेटा की गोपनीयता और निजता का सही तरीके से प्रबंधन कैसे किया जाए।
-
Single Source of Truth — डेटा गवर्नेंस अलग-अलग डेटा स्रोतों के एकीकरण को सुगम बनाती है ताकि डेटा साइलोज़ में बँटा न रहे। इससे ग्राहक प्रोफ़ाइलों (या अन्य प्रमुख संस्थाओं की प्रोफ़ाइलों) का एक सुसंगत और पूर्ण स्रोत-ए-ट्रुथ स्थापित होता है, जिस पर व्यवसायिक हितधारक बेहतर सामूहिक निर्णय लेने के लिए सहमत हो सकते हैं।
-
डेटा लोकतंत्रीकरण से बढ़ी फुर्ती — अच्छी गवर्नेंस से बनी उच्च गुणवत्ता वाली डेटा गैर-तकनीकी इकाइयों के लिए भी अपने व्यावसायिक लक्ष्यों हेतु तुरंत उपलब्ध हो जाती है। डेटा का यह लोकतंत्रीकरण, स्व-सेवा एनालिटिक्स के माध्यम से व्यावसायिक इकाइयों को अधिक फुर्तीला बनने में सक्षम करेगा।
इन सभी लाभों से कंपनियाँ दक्षता में सुधार के जरिए लागत कम कर सकेंगी, विवेकपूर्ण डेटा उपयोग से जोखिम घटाएँगी, डेटा संबंधी विनियमों का अनुपालन बनाए रखेंगी, और डेटा-चालित निर्णय लेने के सुसंगत उपयोग से व्यावसायिक प्रदर्शन को अधिकतम करेंगी।
डेटा गवर्नेंस को व्यवहार में कैसे उतारें?
हाल के एक KPMG अध्ययन में बताया गया कि केवल 35% डेटा लीडर्स को अपने डेटा पर भरोसा है, जबकि Gartner के एक सर्वे ने खुलासा किया कि 42% डेटा लीडर्स अपनी कंपनियों की डेटा गवर्नेंस संरचनाओं का आकलन या निगरानी ही नहीं करते।
यह दर्शाता है कि अनेक संगठन अभी भी अपनी डेटा गुणवत्ता यात्रा में पीछे हैं। वेबिनार में, Aaren ने संगठनों के लिए डेटा गवर्नेंस को ऑपरेशनलाइज़ करने की राह पर आरंभ करने हेतु कई श्रेष्ठ प्रथाएँ बताईं।
-
सही लोगों से शुरुआत करें — सफल डेटा गवर्नेंस सही लोगों द्वारा तय किए गए एजेंडे पर टिकी होती है। शुरुआत में ही श्रेष्ठ प्रतिभाओं और प्रमुख हितधारकों को शामिल कर वह कोर टीम बनाना महत्त्वपूर्ण है जो डेटा गवर्नेंस के क्रियान्वयन को आगे बढ़ाए।
-
अपने मीट्रिक्स ट्रैक करें — डेटा गुणवत्ता मीट्रिक्स की पहचान और निगरानी शुरुआत से ही होनी चाहिए ताकि डेटा गवर्नेंस प्रणालियों की प्रगति और मूल्य का आकलन किया जा सके। उदाहरण के लिए डेटा ग्लॉसरी की प्रतिशत पूर्णता, और संपर्क विवरणों का वह प्रतिशत जो पूर्ण, मान्य और सटीक हैं।
-
संचार है कुंजी — डेटा गवर्नेंस प्रोग्राम को निरंतर समर्थन और प्रायोजन, प्रमुख व्यावसायिक हितधारकों के साथ सफलताओं, चुनौतियों और प्रगति का नियमित और रचनात्मक संप्रेषण पर निर्भर करता है।
-
लंबी दूरी के लिए तैयार रहें — डेटा गवर्नेंस प्रोग्राम लागू करना दीर्घकालिक निवेश है, जिसके लिए निरंतर काम चाहिए। यानी डेटा गवर्नेंस का ऑपरेशनलाइज़ेशन एक क्रमिक प्रक्रिया के रूप में लिया जाना चाहिए जो निरंतर सुधार की ओर बढ़े, न कि एक तदर्थ पहल के रूप में।
-
डेटा गवर्नेंस टूल्स में निवेश करें — लगातार बढ़ते डेटा वॉल्यूम्स के बीच डेटा गवर्नेंस गतिविधियाँ मैन्युअली करना असंभव है। यहीं डेटा गवर्नेंस टूल्स काम आते हैं, जो गवर्नेंस परिचालन और डेटा स्टूवर्डशिप प्रयासों के स्वचालन में महत्वपूर्ण सक्षमकर्ता बनते हैं।
-
शुरू से शुरू करने से बचें — प्रभावी डेटा गवर्नेंस के सफल उपयोग-मामलों, फ़्रेमवर्क्स और उदाहरणों पर बहुत सारे संसाधन उपलब्ध हैं, इसलिए बिल्कुल शून्य से शुरू करने की आवश्यकता नहीं। उदाहरण के लिए, DAMA, EDM Council, और PwC के फ़्रेमवर्क्स हैं जिन्हें संगठन अपनाकर अपनी आवश्यकताओं के अनुरूप ढाल सकते हैं।
एक व्यापक डेटा गवर्नेंस फ़्रेमवर्क का उदाहरण | स्रोत: PwC
बिज़नेस केस तैयार करना
दीर्घकालिक बदलाव लाने और डेटा गवर्नेंस पहलों पर नेतृत्व-स्तर की सहमति प्राप्त करने के लिए, हितधारकों के सामने एक ठोस बिज़नेस केस रखना महत्त्वपूर्ण है ताकि मजबूत एक्जीक्यूटिव समर्थन बना रहे। इसके लिए पहले उन दर्द-बिंदुओं की पहचान करें जहाँ कमज़ोर डेटा गुणवत्ता समस्या है। उदाहरण के लिए, अपूर्ण ग्राहक संपर्क विवरणों के कारण बिक्री के अवसरों का उल्लेखनीय नुकसान हो सकता है।
इसके बाद, डेटा गवर्नेंस प्रयासों से सुधरी डेटा गुणवत्ता से मिलने वाले व्यावसायिक लाभों (उदा. राजस्व में वृद्धि, ग्राहक अनुभव में सुधार आदि) को स्पष्ट रूप से रेखांकित और संप्रेषित किया जा सकता है।
डेटा स्किल्स सफल डेटा गवर्नेंस को सक्षम बनाती हैं
एक BCG अध्ययन में दिखाया गया कि 60% से अधिक कंपनियों ने अपनी डेटा गवर्नेंस क्षमताओं को ‘अविकसित’ आँका, जिसके चलते वे अपने व्यवसाय में उन्नत एनालिटिक्स का लाभ नहीं उठा सकीं। यह दर्शाता है कि सफल डेटा गवर्नेंस लागू करने में अनेक चुनौतियाँ हैं, जैसे अपर्याप्त डेटा स्टूवर्ड प्रतिनिधित्व, डेटा गवर्नेंस तत्वों की असंगत स्वामित्व-व्यवस्था, और संगठन में कम प्राथमिकता।
इन चुनौतियों की एक सामान्य थीम यह है कि इसे साकार करने के केंद्र में संगठन के लोग ही होते हैं। डेटा गवर्नेंस के परिणाम हासिल करने के लिए, संगठन के लोगों को संबंधित गवर्नेंस कार्य सँभालने हेतु सही कौशल से सशक्त करना होगा। सफल डेटा गवर्नेंस सक्षम करने के लिए, संगठनों को अपने लोगों को विभिन्न डेटा स्किल्स—डेटा साक्षरता से लेकर डेटा क्लीनिंग और एक्सप्लोरेशन आदि—में अपस्किल करने पर ध्यान देना चाहिए।
आख़िरकार, डेटा गवर्नेंस पूरे उद्यम में साझा डेटा भाषा पर आधारित एक टीम प्रयास है।