आपकी समग्र डेटा रणनीति में डेटा संस्कृति कितनी महत्वपूर्ण है? हमारे DataFramed पॉडकास्ट में, Taras Gorishnyy ने किसी संगठन के भीतर डेटा साइंस, AI और डेटा रणनीति के प्रमुख स्तंभ पहचाने:
- नेतृत्व का समर्थन
- एनालिटिक्स के लिए दृष्टि
- मजबूत डेटा नींव
- शुरुआती चरण में एनालिटिक्स के प्रभाव की स्थापना
- डेटा कौशल का प्रसार और डेटा संस्कृति
“संस्था में कोई भी, चाहे C-लेवल हो या एंट्री लेवल, सभी को डेटा में उसी तरह डूबना-उतरना चाहिए, जैसे 20 साल पहले आपसे ईमेल इस्तेमाल करना शुरू करने की उम्मीद की जाती थी।” — Tanya Cashorali, संस्थापक, TCB Analytics
अपने संगठन में डेटा दक्षता का निर्माण करें
एक डेटा-दक्ष संगठन वह है जिसमें हर कोई जानता है कि अपने काम के लिए जरूरी डेटा में कैसे उतरना है। उदाहरण के लिए, हमारी VP of Marketing को SQL या कोई भी कोड लिखने की आवश्यकता नहीं हो सकती, लेकिन अपना काम अच्छी तरह करने के लिए, उन्हें एनालिटिक्स डैशबोर्ड्स तक पहुंचना और उनसे इंटरैक्ट करना आना चाहिए। उन्हें यह भी पता होना चाहिए कि डेटा वैज्ञानिकों से सही सवाल कैसे पूछें और वे जो परिणाम दें, उनका उपयोग कैसे करें। DataCamp में हम इसे नीचे दिए गए चित्र में संक्षेपित करते हैं:
मजबूत डेटा नींव के लिए पहले एक डेटा इंजीनियर से शुरुआत करनी होती है, फिर डेटा वैज्ञानिक और डेटा विश्लेषक नियुक्त किए जाते हैं। इसके बाद, हम बिज़नेस एनालिस्ट्स और अन्य विभागों को भी साथ ला सकते हैं। यह प्रक्रिया सभी को डेटा साक्षर बनाती है, जिससे कंपनी 100% डेटा-दक्ष हो जाती है। कंपनी में डेटा टूल्स और संसाधनों की बुनियादी समझ सहकर्मियों के बीच बातचीत की गुणवत्ता को काफी बेहतर बनाती है, टीमों को बेहतर अनुरोध करने में मदद करती है, और सभी को स्वायत्त रूप से निर्णय लेने में सक्षम बनाती है।
उद्योगों में डेटा दक्षता की स्थिति को समझने के लिए, हमने एक सर्वेक्षण किया जिसमें हमने 300 से अधिक संगठनों से पूछा कि वे डेटा-दक्ष बनने के लिए किस हद तक कदम उठा चुके हैं:
बाईं ओर वे परिपक्व कंपनियां हैं जिनमें डेटा दक्षता की क्षमताएं परिपक्व हैं, और दाईं ओर अपरिपक्व क्षमताएं। परिपक्व कंपनियों में, केवल 39% ने डेटा के संदर्भ में प्रक्रिया पुन:डिज़ाइन और संस्कृति परिवर्तन लागू किया था और केवल 7% अपरिपक्व कंपनियों ने ऐसा किया था। यहां सुधार की भारी गुंजाइश है।
अपने कर्मचारियों को शामिल करें
डेटा रणनीति बनाते समय अपने कर्मचारियों को भविष्य के काम के लिए तैयार करना महत्वपूर्ण है। इसके लिए आपके सभी कर्मचारियों के साथ लगातार बातचीत जरूरी है—कौन-से कार्य स्वचालित होंगे और कौन-से नहीं, आपकी कार्यबल स्वचालित कार्यों के साथ कैसे सह-अस्तित्व में रहेगी, और वह मानव-मशीन इंटरफ़ेस वास्तव में कैसा दिखेगा। कुछ भूमिकाओं में हमें नौकरी स्वचालन दिखेगा, लेकिन बड़े पैमाने पर चुनौती कार्य-स्तरीय स्वचालन होगी, क्योंकि किसी की नौकरी के कुछ हिस्से स्वचालित हो सकते हैं। इन कर्मचारियों को उच्च-स्तरीय, अधिक अर्थपूर्ण काम में स्थानांतरित करने के लिए अपस्किलिंग और रिस्किलिंग का रास्ता निकालना कहीं बेहतर है।
कर्मचारियों की अपस्किलिंग को प्राथमिकता दें
हमारे 300 संगठनों के सर्वेक्षण में हमने एक और सवाल पूछा, “कौन-सी व्यावसायिक चुनौतियां कंपनियों को डेटा दक्षता बनाने या सुधारने से रोकती हैं?” अधिकांश संगठनों ने शीर्ष प्रतिभा को नियुक्त करने में कठिनाई को चिह्नित किया, क्योंकि आजकल बहुत-सा डेटा टैलेंट टेक में काम करना चुनता है। इसका मतलब है कि आप उतने “यूनिकॉर्न्स” नियुक्त नहीं कर पाएंगे जितना आप चाहते हैं, इसलिए आपको अपने संगठन में सभी की अपस्किलिंग और रिस्किलिंग को प्राथमिकता देनी चाहिए।
डेटा कौशल विकसित करने के लिए, जिन कई संगठनों का हमने सर्वेक्षण किया, उन्होंने निम्नलिखित विकल्पों पर विचार किया है:
- डेटा यूनिवर्सिटीज़ या सेंटर ऑफ एक्सीलेंस की स्थापना
- इन-पर्सन प्रशिक्षण
- ऑनलाइन लर्निंग प्लेटफ़ॉर्म
- सीखने को बढ़ावा देने और प्रोत्साहित करने के लिए आंतरिक अभियान
- भर्ती
- वेंडर्स से समाधान प्राप्त करना
DataCamp वेबिनार पर किए गए हमारे पोल्स में, 50% से अधिक उत्तरदाताओं ने कहा कि उनके डेटा कार्य का 50% से कम वास्तव में निर्णय लेने में इस्तेमाल होता है। यह लीकेज संस्कृति के कारण है!
कार्रवाई के लिए आह्वान
अपने संगठन में डेटा कार्य के तीन से पाँच आउटपुट सूचीबद्ध करें और यह ऑडिट करें कि निर्णय लेने में आपका संगठन उन्हें वास्तव में कितनी हद तक उपयोग करता है। अक्सर, संगठन बेहतरीन डेटा विश्लेषकों और डेटा वैज्ञानिकों को डैशबोर्ड और मशीन लर्निंग मॉडल बनाने के लिए नियुक्त करते हैं, लेकिन सांस्कृतिक चुनौतियों के कारण उनका इच्छित तरीके से उपयोग नहीं होता। यह सारा अच्छा काम व्यर्थ जा सकता है, जिससे निवेश पर रिटर्न खराब हो जाता है।
अपनी डेटा संस्कृति बनाने की सर्वोत्तम प्रथाओं के बारे में और जानें यहाँ: The Definitive Guide to Machine Learning for Business Leaders.
