उपाख्यान को वास्तविक अंतर्दृष्टि से बदलना
आयरिश गणितज्ञ, भौतिक विज्ञानी और इंजीनियर लॉर्ड केल्विन ने हमें कई वैज्ञानिक आविष्कारों और ज्ञान के इन अद्भुत शब्दों के साथ छोड़ दिया: “जो परिभाषित नहीं है उसे मापा नहीं जा सकता। जो मापा नहीं जाता, उसे सुधारा नहीं जा सकता। जिस चीज़ में सुधार नहीं होता, उसका हमेशा पतन होता है।”
पिछली चार किस्तों में, हमने सफल परिवर्तन को एक रैखिक, एक बार के परिवर्तन के रूप में नहीं बल्कि चक्रीय प्रयासों के रूप में देखा है जो वृद्धिशील और मापने योग्य मूल्य प्रदान करते हैं और बदलती परिस्थितियों के लिए पाठ्यक्रम-सही करने के लिए पर्याप्त रूप से चुस्त हैं। अंतिम किस्त में, हम देखेंगे कि डेटा, रिपोर्टिंग और अनुभवजन्य निर्णय लेने के लिए एक संरचित और जानबूझकर दृष्टिकोण का उपयोग संगठनात्मक वास्तविकताओं को रणनीतिक अनिवार्यताओं के साथ संरेखित करने और परिवर्तन एजेंडा को चलाने के लिए कैसे किया जा सकता है।
कई वित्तीय संस्थानों ने रणनीतिक योजना और लक्ष्य-निर्धारण बुनियादी ढांचे, बजट, निवेश योजना प्रक्रियाओं और त्वरित वितरण ढांचे को औपचारिक रूप दिया है। लेकिन वे अभी भी इन प्रक्रियाओं में अपर्याप्तताओं से पीड़ित हो सकते हैं, और उन्हें एक साथ लाने वाले एक सामान्य स्तंभ का अभाव है।
यह स्तंभ यथासंभव कम अंतराल के साथ कठिन डेटा का उपयोग करके संगठन के स्वास्थ्य को मापता है। किसी संगठन की रणनीति में डेटा के महत्व की व्यापक समझ के बावजूद, निर्णय लेने के लिए जानकारी आम तौर पर दो तरीकों से एकत्र की जाती है:
- उपाख्यान. संगठन अक्सर ग्राहकों या आंतरिक हितधारकों द्वारा उत्पन्न दबाव से संचालित होते हैं। जबकि ग्राहक सेवा एक सराहनीय लक्ष्य है, पहले किसे सेवा देनी है इस पर अव्यवस्थित या खंडित दृष्टिकोण अक्सर व्यवधान पैदा कर सकता है। ये संगठन जरूरतमंदों के बजाय कमरे में सबसे ऊंची आवाजों को प्राथमिकता देते हैं। पहल गलत परिभाषित लक्ष्यों और खराब समझे गए आरओआई के साथ की जाती हैं। एक बार पूरा होने पर, व्यावसायिक परिणामों और प्रदर्शन डेटा के वस्तुनिष्ठ मूल्यांकन के विपरीत, मील के पत्थर या परियोजना-प्रबंधन टोल गेटों के सफल निष्पादन के आधार पर जीत का दावा किया जाता है।
- तदर्थ डेटा. वित्तीय सेवाओं में यह आम बात है कि प्रबंधकों को नवीनतम मुद्दे या विषय-वस्तु पर चर्चा करते हुए तुरंत प्रस्तुतियाँ देने के लिए कहा जाता है। लेकिन आगे संभावित परेशानी है. जल्दबाजी में एकत्र किए गए "पॉइंट-इन-टाइम" डेटा पर भरोसा करके, ये प्रस्तुतियाँ उन प्रतिकूल प्रभावों को पहचानने में विफल रहती हैं जो अधूरा या संदर्भ से बाहर का डेटा निर्णय लेने और रणनीतिक योजना पर पड़ सकता है। इस प्रकार का डेटा आम तौर पर दो रूपों में से एक में आता है:
- किसी विशिष्ट सिस्टम, उत्पाद या उपयोगकर्ता यात्रा की वर्तमान स्थिति दिखाने के लिए एप्लिकेशन टीमों द्वारा प्रदान किया गया उत्पादन डेटा अर्क। इस प्रकार का डेटा अपने स्वयं के जोखिमों और अंतरालों के साथ आता है, जिसमें व्यावसायिक संदर्भ की कमी जिसमें डेटा पर विचार किया जाना चाहिए, प्रश्न में डेटा सेट के आकार और नमूना विशेषताओं, स्रोत डेटा अस्पष्टता और विलंबता शामिल है। इनसे महत्वपूर्ण भ्रम और व्याकुलता पैदा होती है जबकि सही डेटासेट की पहचान की जाती है और एकत्र किया जाता है।
- उत्पादन सहायता टीमों से प्राप्त घटना या समस्या डेटा, कुछ परिचालन मानदंडों को पूरा करने वाली घटनाओं के ऐतिहासिक स्नैपशॉट का प्रतिनिधित्व करता है। यह जानकारी अक्सर पूर्णता की कमी के साथ-साथ उत्तरजीविता और पुष्टिकरण पूर्वाग्रहों के माध्यम से अलंकरण के जोखिम से ग्रस्त होती है। रिकॉर्ड इंगित करते हैं कि उत्पादन चुनौतियों को हल करने के लिए समय और संसाधनों का निवेश किया गया है, लेकिन अक्सर मूल कारण अस्पष्ट होता है।
ये दोनों दृष्टिकोण अधिक मजबूत निगरानी और मापने के दृष्टिकोण को शॉर्ट सर्किट करने के लिए संसाधनों के अकुशल उपयोग का कारण बनते हैं। अधिक चिंता की बात यह है कि आवश्यक मानवीय हस्तक्षेप का स्तर डेटा के विरूपण के लिए उत्तरदायी है, या तो प्रमुख डेटा बिंदुओं की परिभाषा में अंतर या डेटा द्वारा प्रदान किए गए मूल संदेश के साथ असुविधा के कारण।
दोनों ही मामलों में, डेटा से सार्थक जानकारी प्राप्त करने के लिए आवश्यक कार्य की मात्रा और इसकी गलत व्याख्या से जुड़े जोखिम इसे नवोन्मेषी नेता बनने की चाह रखने वाले वित्तीय संस्थानों के लिए बहुत अधिक मूल्य से रहित प्रस्ताव बनाते हैं। स्वाभाविक रूप से पुरस्कार-सामना करने वाला यह दृष्टिकोण संगठन को केवल रियरव्यू मिरर में देखकर कार चलाने के लिए मजबूर करता है।
संरचित डेटा की इस कमी की समस्या को हल करने के बारे में एक आम ग़लतफ़हमी टेबलौ या माइक्रोसॉफ्ट पावर बीआई जैसे विशिष्ट उपकरणों पर बहुत अधिक निर्भरता है। वास्तव में, मुद्दे केवल विश्लेषण या विज़ुअलाइज़ेशन टूलींग की कमी से कहीं अधिक गहरे हैं; वे रणनीतिक योजना प्रक्रिया के शुरुआती चरणों से लेकर डिलीवरी और सामान्य गतिविधि के रूप में व्यवसाय तक विस्तारित होते हैं।
हमारे अनुभव में, सफल संगठन विश्वसनीय निगरानी और माप क्षमताओं का निर्माण करने के लिए निम्नलिखित क्षेत्रों में उच्च स्तर की दक्षता विकसित करते हैं:
1. जो मायने रखता है उसे मापना. मौजूदा बाजार स्थितियां, ग्राहकों की अपेक्षाएं, उभरती प्रौद्योगिकियां, प्रतिस्पर्धी व्यवधान और नियामक परिवर्तन वित्तीय संस्थानों के लिए लगातार बदलते परिचालन परिदृश्य का निर्माण करते हैं। निर्णय लेने को मान्य करने और अधिक अनुकूली व्यवसाय योजना को सक्षम करने में मदद करने के लिए दूरंदेशी उद्देश्यों और प्रमुख प्रदर्शन संकेतकों को समझना महत्वपूर्ण है।
इसका मतलब है कि किसी नई पहल को मंजूरी देने से पहले एक साधारण पांच साल के राजस्व या लागत में कटौती के पूर्वानुमान से अधिक की आवश्यकता होती है। इसका मतलब है संगठन के रणनीतिक उद्देश्यों और वितरण और परिचालन टीमों के काम के बीच ऊपर से नीचे तक कनेक्टिविटी बनाना। यह ढाँचा एक वित्तीय संस्थान की निगरानी और मापने की क्षमता के मूल को स्थापित करता है और इसे दरकिनार नहीं किया जा सकता है।
2. डेटा इंजीनियरिंग और एनालिटिक्स. डैशबोर्ड बनाने से पहले, यह सुनिश्चित करने के लिए आधारभूत कार्य किया जाना चाहिए कि डेटा के सभी स्रोतों की पहचान की गई है और प्रासंगिक व्यावसायिक मेट्रिक्स प्राप्त करने के लिए डेटापॉइंट सूचीबद्ध किए गए हैं। सभी हितधारकों के लिए यह समझना भी बेहद महत्वपूर्ण है कि डेटा का उपयोग किस लिए किया जाएगा और यह उनके लिए आवश्यक मेट्रिक्स को चलाने में कैसे मदद करता है। उदाहरण के लिए: क्या पुष्टिकरण समय बुकिंग के समय से किसी व्यापार की पुष्टि करने में लगने वाले समय की मात्रा है, या उस समय से जब यह पुष्टिकरण स्टैक में प्रवेश करता है? यह पहचान भ्रम को रोकने और पुनर्कार्य को कम करने में मदद करती है। यह प्रक्रिया ऊपर स्थापित ढांचे से क्रमिक रूप से निर्मित होती है और संगठन के रणनीतिक उद्देश्य की निगरानी और पुष्टि करने के लिए आवश्यक भौतिक डेटा मॉडल और बुनियादी ढांचे का प्रतिनिधित्व करती है।
3. डेटा गवर्नेंस. सभी डेटा सेट को संगठनात्मक डेटा नीतियों के अनुरूप होना चाहिए। हालाँकि ये व्यवसाय मॉडल, ग्राहक और उत्पाद सेट के आधार पर व्यापक रूप से भिन्न होते हैं, प्रभावी डेटा प्रशासन के प्रमुख सिद्धांत सुसंगत हैं और वे हमेशा व्यवसाय की आवश्यकता को सबसे आगे रखकर शुरू करते हैं। विचार करने योग्य प्रश्नों में शामिल हैं:
- डेटा उपलब्धता. व्यवसाय के मापन और निगरानी उद्देश्यों का समर्थन करने के लिए किस ग्रैन्युलैरिटी और आवृत्ति पर डेटा की आवश्यकता है? जबकि प्रदर्शन आवश्यकताओं के कारण डैशबोर्ड उच्च-स्तरीय डेटा पर सबसे अच्छा काम करते हैं, एकत्रित डेटा मूल कारण विश्लेषण के लिए उपयुक्त नहीं होता है क्योंकि व्यक्तिगत लेनदेन की पहचान नहीं की जा सकती है। इसका मतलब यह है कि एक ऐसा आर्किटेक्चर जो प्रत्येक संगठन की आवश्यकताओं के लिए सबसे उपयुक्त हो, उसे जानबूझकर चुना और डिज़ाइन किया जाना चाहिए। यह परिभाषित करते समय सावधानी बरतनी चाहिए कि डेटा को कितनी बार ताज़ा किया जाना चाहिए। KRI आमतौर पर वास्तविक समय में या दैनिक रूप से अपडेट किए जाते हैं, जबकि KPI को धीमी गति से ताज़ा किया जा सकता है। बुनियादी ढांचे की लागत और प्रदर्शन संबंधी विचारों के साथ संतुलित होने पर तेज़ आवृत्ति अक्सर बेहतर नहीं होती है।
- डेटा अखंडता। एक विशिष्ट डेटा स्रोत का मालिक कौन है और वह डेटा संगठन के डेटा बुनियादी ढांचे के भीतर कहां रहेगा? जब कोई संगठन उपभोक्ताओं को यह आश्वस्त नहीं कर पाता कि वे सही स्रोतों से आने वाले सही डेटा तक पहुंच रहे हैं, तो रणनीतिक निर्णय लेना कमजोर हो जाता है। एंटी-पैटर्न तब बन सकते हैं जब कोई संगठन व्यवस्थित रूप से व्यवसाय के सभी क्षेत्रों में अद्वितीय डेटा और एनालिटिक्स क्षमताओं का निर्माण करता है, प्रत्येक डेटा सोर्सिंग और भंडारण के लिए अद्वितीय तरीकों के साथ। केंद्रीय रूप से परिभाषित भूमिकाओं और जिम्मेदारियों के साथ संयुक्त डेटा के लिए स्पष्ट स्वामित्व और जवाबदेही महत्वपूर्ण सफलता कारक हैं।
- डाटा सुरक्षा. कोई संगठन यह सुनिश्चित करने के लिए क्या कर सकता है कि डेटा गोपनीयता और सुरक्षा नियम लागू हैं और उनका व्यापक रूप से पालन किया जाता है? एक डेटा गवर्नेंस मॉडल बनाना जो यह सुनिश्चित करता है कि संवेदनशील व्यावसायिक जानकारी केवल उन लोगों द्वारा ही पहुंच योग्य है जिनके पास जानने की परिचालन आवश्यकता है, कभी-कभी अनावश्यक बाधाएं खड़ी करके प्रतिकूल हो सकता है। सफल परिवर्तन संगठन इस चुनौती को पहचानते हैं और डेटा संग्रह, अस्पष्टीकरण और विज़ुअलाइज़ेशन के कई कार्यों को केंद्रीकृत करते हैं। यह महत्वपूर्ण है, विशेष रूप से लेन-देन-स्तर के डेटा से निपटने के दौरान जो ग्राहक की वित्तीय गतिविधि और व्यक्तिगत रूप से पहचान योग्य जानकारी में अंतर्दृष्टि प्रदान करता है।
4. बिजनेस इंटेलिजेंस संस्कृति. यह डेटा विज्ञान का उपयोगकर्ता-सामना वाला तत्व है और आमतौर पर सबसे अधिक ध्यान आकर्षित करता है। ऐसी संस्कृति को बढ़ावा देना जहां उपयोगकर्ता सक्रिय रूप से पहले से दुर्गम जानकारी का उपयोग करते हैं, संगठनात्मक प्रदर्शन का विश्लेषण करने और उसे बढ़ाने के लिए संभावनाओं की एक दुनिया खोलता है। दुर्भाग्य से, ऐसे अधिकांश उपकरणों का उपयोग इच्छित उद्देश्य के अनुसार नहीं किया जाता है, बल्कि तथ्य के बाद, मुद्दों का विश्लेषण करने के लिए किया जाता है। संगठनों के लिए सक्रिय प्रदर्शन प्रबंधन टूल के रूप में एनालिटिक्स टूल के उपयोग को बढ़ावा देना अनिवार्य है जिसका उपयोग रुझानों का पहले से अनुमान लगाने के लिए किया जा सकता है।
मुख्य बात विभिन्न उपयोग के मामलों की पहचान करना और विभिन्न उपयोगकर्ता आधारों के लिए विश्लेषण की कई परतें बनाना है। आमतौर पर, मध्यम स्तर के प्रबंधकों को छोटे कार्यों में अधिक विवरण की आवश्यकता होती है, जबकि वरिष्ठ प्रबंधन को पूरे व्यवसाय में उच्च स्तरीय मेट्रिक्स की आवश्यकता होती है। डेटा, KPI, विज़ुअलाइज़ेशन और संगठनात्मक डिज़ाइन को संरेखित करना डेटा-संचालित निर्णय लेने और चपलता की संस्कृति का निर्माण करता है।
निष्कर्षतः, एक बार जब ये क्षमताएं पूरे संगठन में उपलब्ध हो जाती हैं, तो वे कई तरीकों से भुगतान करती हैं। नेतृत्व टीमें अपने व्यवसाय में उन क्षेत्रों का पता लगा सकती हैं जो परिवर्तन के लिए सबसे उपयुक्त हैं या जिनमें परिवर्तन की सबसे अधिक आवश्यकता है। परिवर्तन टीमें वास्तविक समय में अपने प्रयासों के आउटपुट को ट्रैक कर सकती हैं। और स्पेक्ट्रम के दोनों सिरों को एक सुविचारित ओकेआर ढांचे द्वारा निर्बाध रूप से जोड़ा जा सकता है।
अंततः, निगरानी और माप के लिए एक प्रगतिशील दृष्टिकोण - एक फुर्तीला, डेटा-संचालित व्यवसाय मॉडल को सक्षम करना - जो कई सबसे सफल परिवर्तन संगठनों को अलग करता है। वे आज के अति-प्रतिस्पर्धी और तेजी से बदलते कारोबारी माहौल में भविष्य के लिए सर्वोत्तम निर्णय लेने के लिए अपने डेटा और चपलता की संस्कृति का उपयोग करते हैं।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- प्लेटोईएसजी. ऑटोमोटिव/ईवीएस, कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- BlockOffsets. पर्यावरणीय ऑफसेट स्वामित्व का आधुनिकीकरण। यहां पहुंचें।
- स्रोत: https://www.finextra.com/blogposting/24722/the-dna-of-a-successful-transformation-organization-part-5?utm_medium=rssfinextra&utm_source=finextrablogs
