डिजिटल ट्रांसफ़ॉर्मेशन डेटा से शुरू होती है और डेटा पर ही समाप्त
हमारे VP ऑफ़ कॉर्पोरेट सेल्स, Sam Hedberg, का मानना है कि किसी कंपनी की डिजिटल ट्रांसफ़ॉर्मेशन को पूरा करने के लिए एक सुदृढ़ डेटा रणनीति आवश्यक है:
डेटा वह जीवनरेखा है जो आपकी डिजिटल ट्रांसफ़ॉर्मेशन में प्रवाहित होती है। इसके बिना, आपकी डिजिटल ट्रांसफ़ॉर्मेशन मर जाएगी।
हमारे पॉडकास्ट DataFramed के एपिसोड 30 में, उस समय McKinsey में सीनियर एनालिटिक्स मैनेजर Taras Gorishnyy ने डेटा रणनीति बनाने के लिए आवश्यक घटकों की पहचान की:
- कंपनी की रणनीति के अनुरूप एनालिटिक्स की एक विज़न बनाना
- मजबूत C-लेवल समर्थन स्थापित करना, जैसे वकालत, फंडिंग, और उत्साह
- एक मज़बूत डेटा फ़ाउंडेशन बनाना जो एकीकृत, विश्वसनीय और समय पर डेटा प्रदान करे
- कई उपयोग मामलों से शुरुआती चरण में ही मूल्य निकालना
- पूरी कंपनी में सही डेटा कौशल मिश्रण सुनिश्चित करने के लिए प्रक्रिया पुनर्रचना और सांस्कृतिक परिवर्तन लागू करना
आइए देखें कि डेटा रणनीति बनाने के इन प्रत्येक चरणों से आप अपनी डिजिटल ट्रांसफ़ॉर्मेशन को सफलतापूर्वक कैसे अंजाम दे सकते हैं।
1. कंपनी रणनीति के अनुरूप एनालिटिक्स की विज़न बनाएं
McKinsey कहता है कि कई कंपनियाँ अपनी एनालिटिक्स यात्रा यह पता लगाकर शुरू करती हैं कि उनके पास कौन-सा डेटा है और उसे कहाँ लागू किया जा सकता है। लेकिन यह दृष्टिकोण स्केलेबल नहीं है। इसके बजाय, कंपनियों को अपनी समग्र रणनीति के संदर्भ में उन निर्णय-निर्धारण प्रक्रियाओं की पहचान से शुरू करना चाहिए जिन्हें बेहतर बनाकर अतिरिक्त मूल्य उत्पन्न किया जा सके।
ये किसी कंपनी के महत्वपूर्ण रणनीतिक क्षेत्र होते हैं और आमतौर पर क्रॉस-फ़ंक्शनल तालमेल की आवश्यकता होती है। लेकिन कभी-कभी, बड़ी कंपनियाँ बहुत सारे डेटा वैज्ञानिकों को नियुक्त करने और पायलट प्रोजेक्ट्स शुरू करने जैसी डेटा रणनीति से शुरुआत करती हैं। अक्सर, ये प्रयास अंततः स्केल नहीं होते, क्योंकि यह घोड़े से पहले गाड़ी रखने जैसा है। साइलो में काम करने वाली एनालिटिक्स टीमें सीमित आउटपुट देंगी।
हमारे एक ग्राहक, एक वित्तीय संस्थान, ने महसूस किया कि ओपन सोर्स भाषाएँ भविष्य हैं और निर्णय लिया कि पूरी कंपनी को डेटा की भाषा बोलने में सक्षम होना चाहिए। इसलिए उन्होंने विभागों और हर स्तर पर डेटा कौशल को स्केल करने में मदद के लिए DataCamp का रुख किया। अपनी कंपनी-व्यापी अपस्किलिंग पहल के साथ, उन्होंने सैकड़ों कर्मचारियों को ऑनबोर्ड किया, हमारे “टीम्स” फ़ंक्शन का उपयोग करते हुए विभाग, लर्निंग उद्देश्यों और कौशल स्तरों के अनुसार कस्टम लर्निंग प्लान विकसित किए। वे विभिन्न टीमों के लिए असाइनमेंट भी बनाते हैं, जिससे कर्मचारी संलग्न और सक्रिय रूप से सीखते रहते हैं।
2. मजबूत C-लेवल समर्थन स्थापित करें
बड़ी संगठनों में, अलग-अलग विभाग अक्सर साथ काम करने के लिए डिज़ाइन नहीं होते। एक बड़े पैमाने की ट्रांसफ़ॉर्मेशन पहल के लिए, पूरी कंपनी में एक एकीकृत मिशन स्थापित करने हेतु शीर्ष नेतृत्व का समर्थन अत्यंत महत्वपूर्ण है।
2018 में, Salesforce ने डिजिटल ट्रांसफ़ॉर्मेशन पर एक अध्ययन किया, जिसमें पता चला कि 75% निर्णय-निर्माताओं ने कहा कि उनकी डिजिटल ट्रांसफ़ॉर्मेशन पहलों को एग्ज़ीक्यूटिव स्पॉन्सरशिप का समर्थन प्राप्त था। डेटा और एनालिटिक्स में एग्ज़ीक्यूटिव समर्थन अधिक निवेश, निष्पादन की अधिक संभावना और बेहतर संगठनात्मक संरेखण के कारण सफलता की संभावना बढ़ा देता है।
हमारे एक ग्राहक, एक राष्ट्रीय सरकारी एजेंसी, ने इस वर्ष अपने कमिश्नर के समर्थन से डिजिटल ट्रांसफ़ॉर्मेशन पहल शुरू की। एग्ज़ीक्यूटिव समर्थन के साथ, वे तीन वर्षों में अपनी डिजिटल ट्रांसफ़ॉर्मेशन पूरी करने की उम्मीद करते हैं, जिसमें उनके डिजिटल प्लेटफ़ॉर्म का पुनर्निर्माण और DataCamp के माध्यम से R में अपस्किलिंग पर केंद्रित ऑनलाइन लर्निंग की ओर कदम शामिल हैं।
3. एकीकृत, विश्वसनीय और समय पर डेटा के लिए मजबूत डेटा फ़ाउंडेशन बनाएं
सभी डिजिटल ट्रांसफ़ॉर्मेशन पहलों की साझा कड़ी डेटा है। किसी संगठन की सभी प्रणालियाँ—प्रोसेस फ़्लो से लेकर एप्लिकेशन और डेटा सेंटर्स तक—उच्च-गुणवत्ता वाले डेटा पर निर्भर करती हैं। हर संगठन के पास अपना डेटा उपयोग करने की प्रक्रियाएँ और क्षमताएँ होनी चाहिए। इसमें डेटा क्वालिटी मैनेजमेंट शामिल है, जैसे विभिन्न स्रोतों से डेटा लाना और उसे शुद्ध करना ताकि शुद्धता सुनिश्चित हो, साथ ही GDPR और CCPA जैसे डेटा गोपनीयता नियमों के अनुपालन हेतु गवर्नेंस भी।
इसीलिए हमारे सह-संस्थापक और CEO Martijn Theuwissen ने AiThority को दिए साक्षात्कार में कहा: “कंपनियों को ठोस डेटा फ़ाउंडेशन की आवश्यकता है और डेटा को एक्सट्रैक्ट, लोड और ट्रांसफ़ॉर्म (ETL) करने के टूल्स, साथ ही असमान स्रोतों से डेटा को साफ़ करने और एकत्रित करने के टूल्स चाहिए।”
और यही कारण है कि DataCamp के डेटा वैज्ञानिक और शिक्षक Dr. Hugo Bowne-Anderson का मानना है कि डेटा वर्कफ़्लो में डेटा तैयारी उतनी ही महत्वपूर्ण है जितनी मशीन लर्निंग, डीप लर्निंग और AI। आखिरकार, “आपके मॉडल उतने ही अच्छे होते हैं जितना आपका डेटा।” बुनियादी पुर्जों को नज़रअंदाज़ नहीं किया जा सकता—उन्हें सावधानी से स्रोत, इंस्टॉल और टेस्ट करना होता है ताकि आपका डेटा इंजन सही ढंग से चल सके।
4. कई उपयोग मामलों से शुरुआती चरण में ही मूल्य निकालें
ऐसी महत्वाकांक्षी डेटा रणनीति को अमल में लाने के लिए जो वास्तविक व्यावसायिक परिणाम दे, एंटरप्राइज़ को सफल उपयोग मामलों की ओर संकेत करने में सक्षम होना चाहिए। सफल उपयोग मामलों का प्रदर्शन पूरी संस्था में मूल्य और तात्कालिकता संप्रेषित करने के लिए महत्वपूर्ण है। McKinsey कहता है कि प्रोजेक्ट्स को त्वरित सफलताओं के माध्यम से जल्दी और बार-बार मूल्य दिखाना चाहिए, इसलिए अलग-अलग डेटा पहलें समानांतर में चल सकती हैं:
[एक] डेटा एग्ज़ीक्यूटिव ने बताया कि, अलग-अलग प्रणालियों को तुरंत जोड़ने या एक मास्टर सिस्टम बनाने की कोशिश करने के बजाय, जिसमें वर्षों लग सकते थे, उन्होंने मौजूदा प्रणालियों के ऊपर एक “लेयर” रखी जो किसी प्रक्रिया का संपूर्ण दृश्य प्रस्तुत करती थी, जैसे किसी बैंक में उधारी प्रक्रिया, जो कई प्रणालियों के माध्यम से होती है। उन्होंने अलर्ट बनाए जो संकेत दें कि प्रक्रिया में कब-कब चरण पूरे होते हैं (जैसे ऋण स्वीकृत होने पर, जब आवेदक को स्वीकृति की सूचना देने के लिए ईमेल भेजा जाता है, आदि), ताकि भले ही प्रत्येक चरण किसी अलग प्रणाली द्वारा पूरा किया जाए, टीमें पूरी प्रक्रिया को ऐसे देख सकें मानो प्रणालियाँ एक साथ काम कर रही हों।
यह उदाहरण दर्शाता है कि डेटा से मूल्य निकालना और उसके साथ सहयोग करना एक मज़बूत डेटा इकोसिस्टम बनाने वाले पिछले चरण से गहराई से जुड़ा है।
5. प्रक्रिया पुनर्रचना और सांस्कृतिक परिवर्तन लागू करें
ShopRunner के CEO, Sam Yagan, का मानना है कि उनकी कंपनी ने डेटा फ़्लुएंसी को अपनी संस्कृति में शामिल कर लिया है:
क्योंकि हमारी संस्कृति में डेटा इतनी गहराई से समाहित है, ज़्यादा समय नहीं लगता जब किसी को एहसास हो जाता है कि उनके बगल में या सामने बैठा व्यक्ति अपने खुद के रिपोर्ट चला रहा है और अपना खुद का डेटा एक्सेस कर रहा है।
DataCamp हर कंपनी को कंपनी-व्यापी डेटा फ़्लुएंसी के इस स्वर्ण मानक तक पहुँचने में मदद कर सकता है। हमारा ऑनलाइन लर्निंग वातावरण डेटा रणनीति के निष्पादन का समर्थन करता है और कंपनियों को किसी भी स्तर और हर विभाग में डेटा फ़्लुएंसी को लोकतांत्रिक बनाने में मदद करता है।
हमने 300 से अधिक लर्निंग एंड डेवलपमेंट (L&D) नेताओं का एक सर्वे किया और पाया कि 89% कंपनियों के लिए डेटा फ़्लुएंसी का निर्माण प्राथमिकता है। इसे बड़े पैमाने पर हासिल करने की कुंजी सिर्फ़ शीर्ष प्रतिभा को नियुक्त करना नहीं है—यह है अपनी वर्कफ़ोर्स को अपस्किलिंग और रिस्किलिंग की संस्कृति बनाना।
2017 तक, अमेरिका की 77% कंपनियाँ पहले से ही ऑनलाइन लर्निंग का उपयोग कर रही थीं। आज जब दुनिया की बड़ी आबादी घर से काम कर रही है, ऑनलाइन लर्निंग पहले से कहीं अधिक प्रासंगिक हो गई है।
ऑनलाइन लर्निंग डिजिटल ट्रांसफ़ॉर्मेशन का एक प्रमुख हिस्सा है, और DataCamp आपकी कंपनी में डेटा कौशल को लोकतांत्रिक बनाने के लिए सीखते-करते जाने का दृष्टिकोण प्रदान करता है। अधिक जानने के लिए कि हम आपकी कंपनी की डिजिटल ट्रांसफ़ॉर्मेशन पूरी करने हेतु स्केलेबल डेटा रणनीति कैसे लागू करने में मदद कर सकते हैं, datacamp.com/discover/enterprise पर जाएँ।