क्यों डेटा अपस्किलिंग डिजिटल ट्रांसफॉर्मेशन की रीढ़ है

डेटा ट्रांसफॉर्मेशन, डिजिटल ट्रांसफॉर्मेशन की बुनियाद है

पिछले दो दशकों में, Uber, Amazon, Airbnb, और Stripe जैसी डिजिटल-फर्स्ट स्टार्टअप्स ने परिवहन, वाणिज्य, यात्रा, और बैंकिंग जैसे महत्वपूर्ण उद्योगों में बदलाव ला दिया है। सभी उद्योगों के संगठन नई सूचना अर्थव्यवस्था में प्रतिस्पर्धा करने के लिए डिजिटल ट्रांसफॉर्मेशन की आवश्यकता को समझ चुके हैं। यह COVID-19 अर्थव्यवस्था में विशेष रूप से सच है, जिसने प्रक्रियाओं और सेवाओं के डिजिटलीकरण को तेज कर दिया है (PwC)। व्यापक डिजिटलीकरण निवेश के बावजूद, सच्चाई यह है कि लगभग 70% डिजिटल ट्रांसफॉर्मेशन पहलें अपने घोषित लक्ष्य तक नहीं पहुंच पातीं (McKinsey)।

डिजिटल ट्रांसफॉर्मेशन कार्यक्रमों के असफल होने के कई कारण हो सकते हैं, पर एक प्रमुख कारण यह है कि टिकाऊ डेटा ट्रांसफॉर्मेशन को सफल डिजिटल ट्रांसफॉर्मेशन के लिए पूर्वापेक्षा के रूप में नहीं पहचाना जाता। Gartner पाता है कि 50% से कम प्रलेखित कॉर्पोरेट रणनीतियाँ, एंटरप्राइज-स्तरीय मूल्य देने के लिए डेटा एनालिटिक्स को महत्वपूर्ण साधन के रूप में उल्लेख करती हैं।

नेताओं को अपने डिजिटल उपक्रमों में सफल होने के लिए सबसे पहले डेटा पर ध्यान देना चाहिए, न कि उसे बाद में आने वाले तदर्थ प्रोजेक्ट्स में मददगार के रूप में देखना चाहिए। —माइक रॉलिंग्स, रिसर्च वाइस प्रेसिडेंट, Gartner

सफल डेटा ट्रांसफॉर्मेशन के कई साधन हैं—डेटा इंफ्रास्ट्रक्चर में निवेश से लेकर, डेटा टूल्स, बेहतर प्रक्रियाओं और चुस्त संगठनात्मक संरचनाओं तक। हालांकि, संगठन-व्यापी डेटा फ्लुएंसी कौशल में निवेश किए बिना इनमें से कोई भी साधन डेटा ट्रांसफॉर्मेशन को आगे नहीं बढ़ा सकता।

कई संगठनों ने डेटा साइंस और एनालिटिक्स टीम बनाकर डेटा फ्लुएंसी कौशल विकसित करने की कोशिश की है। लेकिन केवल डेटा वैज्ञानिकों की भर्ती करने से, डेटा साइंस एक सर्विस सेंटर तक सीमित रह जाता है और इससे संगठन-व्यापी डेटा फ्लुएंसी नहीं आती। इसके अलावा, जैसे-जैसे डेटा वैज्ञानिकों की मांग बढ़ती है, मात्र भर्ती के जरिये डेटा फ्लुएंसी कौशल अंतर को पाटना टिकाऊ नहीं है।

डेटा-चालित संगठन में, डेटा साइंस—और व्यापक रूप से, डेटा फ्लुएंसी—संगठनात्मक प्रश्नों के उत्तर देने की एक समावेशी कार्यप्रणाली है, जहाँ हर कोई डेटा के साथ प्रश्नों का उत्तर देने में सक्षम होता है। विघटनकर्ताओं और पारंपरिक खिलाड़ियों के बीच मुख्य अंतर तकनीक नहीं, बल्कि उनकी डेटा-चालित संस्कृति, सेवाओं की समीक्षा और पुनरावृत्ति के दौरान डेटा से निकाली गई अंतर्दृष्टि, और विकसित की गई डेटा फ्लुएंसी क्षमताएँ हैं।

संक्षेप में, आपकी डिजिटल ट्रांसफॉर्मेशन की सफलता, पूरे संगठन में उपयुक्त डेटा फ्लुएंसी कौशल होने पर निर्भर करती है।

डेटा फ्लुएंसी कौशल अंतर को पाटना

दरअसल, कई संगठनों ने अपने डेटा फ्लुएंसी कौशल अंतर को दूर करने की आवश्यकता को पहचाना है। विभिन्न उद्योगों के एक हज़ार से अधिक व्यवसायों के McKinsey सर्वे में पाया गया कि सबसे तात्कालिक कौशल अंतर डेटा एनालिटिक्स का है—जहाँ 43% उत्तरदाताओं का मानना है कि अपस्किलिंग के संदर्भ में यह सबसे प्राथमिकता वाला क्षेत्र है। इसी तरह, PwC के 2019 वार्षिक CEO सर्वे में 34% CEOs का मानना है कि डेटा एनालिटिक्स में कौशल अंतर उनके संगठन के लिए सबसे गंभीर खतरा है।

दूरंदेशी संगठन डिजिटल युग में प्रतिस्पर्धा करने के लिए अपने लोगों को अपस्किल करने में पहले से ही निवेश कर रहे हैं। उदाहरण के लिए, Marks & Spencer ने 1,000 से अधिक कर्मचारियों को अपस्किल करने के लिए एक रिटेल डेटा अकादमी बनाई। Amazon ने अपने इंजीनियरों को अपने उत्पादों और सेवाओं में बड़े पैमाने पर मशीन लर्निंग तैनात करने के लिए आवश्यक कौशल देने हेतु Machine Learning University शुरू की। Airbnb ने संगठन के हर स्तर को डेटा-आधारित निर्णय लेने के लिए आवश्यक कौशल देने हेतु अपनी Data University विकसित की। AT&T ने 1 अरब डॉलर, 10-वर्षीय परियोजना शुरू की, ताकि अपने 2,50,000 कर्मचारियों में से आधे से अधिक को अपस्किल किया जा सके।

समष्टि स्तर पर, डेटा फ्लुएंसी अपस्किलिंग के प्रयास फल दे रहे हैं। एक अन्य McKinsey अध्ययन के अनुसार, अपस्किलिंग में निवेश करने वाले 70% संगठन ऐसे सकारात्मक व्यावसायिक प्रभाव दर्ज कर रहे हैं जो प्रारंभिक निवेश से अधिक हैं। उदाहरण के लिए, 48% संगठनों ने अपस्किलिंग के कारण निचली पंक्ति की वृद्धि पर मध्यम से महत्वपूर्ण सकारात्मक प्रभाव की रिपोर्ट की है—और 73% संगठनों ने कर्मचारी संतुष्टि में मध्यम से पर्याप्त सुधार दर्ज किए हैं। उद्योगों में फैले 300 से अधिक L&D नेताओं के DataCamp सर्वे में पाया गया कि परिपक्व डेटा फ्लुएंसी क्षमताओं में निवेश करने वाली कंपनियाँ, राजस्व वृद्धि, बाजार हिस्सेदारी, लाभप्रदता और अन्य मानकों पर कम डेटा-फ्लुएंट समकक्षों से बेहतर प्रदर्शन कर रही हैं।

डेटा फ्लुएंसी बनाते समय L&D की चुनौतियाँ

पारंपरिक लर्निंग और डेवलपमेंट पहलों के विपरीत, जो अक्सर विशिष्ट कौशल के लिए एकमुश्त प्रशिक्षण के रूप में होती हैं, डेटा फ्लुएंसी व्यापारिक प्रश्नों के उत्तर देने की एक कार्यप्रणाली है जिसे संगठनों को समय के साथ तराशना चाहिए। सीखने की यात्राएँ इस पर निर्भर करते हुए भिन्न होंगी कि अलग-अलग व्यक्तियों का डेटा से कितना और कैसा संपर्क है। उदाहरण के लिए, एक मार्केटिंग विश्लेषक जो नियमित रूप से Excel के साथ काम करता है, उसे अपने काम में सफल होने के लिए R या Python सीखने की आवश्यकता हो सकती है, जबकि किसी प्रबंधक या नेता को केवल डेटा के आधार पर सूचित निर्णय लेना आना पर्याप्त हो सकता है। संक्षेप में, डेटा फ्लुएंसी के मामले में कोई एक-सा समाधान सब पर लागू नहीं होता।

इसीलिए भूमिका-आधारित, पर्सोना-चालित लर्निंग जर्नी, डेटा फ्लुएंसी प्रशिक्षण कार्यक्रमों को स्केल करने में अधिक प्रभावी होती है। हर पर्सोना का डेटा के साथ अलग संबंध होता है और डिजिटल युग में फलने-फूलने के लिए उसे अलग टूल्स में दक्षता और भिन्न कौशल विकसित करने की आवश्यकता होती है।

DataCamp में, हमने उन विभिन्न प्रकार के टूल्स की पहचान की है जिनकी डेटा के साथ काम करते समय सफलता के लिए आवश्यकता होती है। इससे भी महत्वपूर्ण, हमने हर डेटा-चालित संगठन में पाई जाने वाली 8 प्रमुख डेटा पर्सोनाओं की पहचान की है, साथ ही वे किन कौशलों के स्वामी होने चाहिए, और आम तौर पर किन टूल्स का उपयोग करते हैं।

यदि आप इन डेटा पर्सोनाओं के बारे में और जानना चाहते हैं और यह समझना चाहते हैं कि वे आपके संगठन में कैसे फिट बैठते हैं, तो हमारा श्वेतपत्र डाउनलोड करें।