ডেটা কেন্দ্রিকতায় জীবনকে ঢেকে দেওয়া (সঞ্জীব নারগোত্র)

ডেটা কেন্দ্রিকতার উল্লেখ ছাড়া আজ কোনও বোর্ড রুম এজেন্ডা সম্পূর্ণ হয় না, তবুও ডেটা কেন্দ্রিকতা আসলে কী তা নিয়ে এখনও কেউ আঙুল তুলতে পারেনি। বেশিরভাগ সংস্থা, এমনকি যারা গত 100 বছর ধরে ব্যবসা করছে,
হঠাৎ ডাটা কেন্দ্রিকতার ধারণা জেগে ওঠে। ডেটার উপর ফোকাস সাম্প্রতিক ঘটনা নয়, সামাজিক এবং মেশিন ডেটা ডেটা বিস্ফোরণের দিকে পরিচালিত করেছে। সংস্থাগুলি ডেটা বিস্ফোরণের আগেও ডেটা মাইনিংয়ে পারদর্শী ছিল এবং এর চেয়ে ভাল উদাহরণ আর কী হতে পারে
একটি বার্ষিক প্রতিবেদন আমরা কি ডেটা কেন্দ্রিকতার উল্লেখ করতে পারি?

ডেটা কেন্দ্রিকতার চারপাশে সমস্ত গুঞ্জন থাকা সত্ত্বেও, ই-কমার্স শিল্প ছাড়া, অন্য কোনও শিল্প এখনও কার্যকরভাবে সামাজিক ডেটা ব্যবহার করতে সক্ষম হয়নি। প্রশ্ন হল কতটা ডেটা খনন করা হচ্ছে এবং এমনকি বিশ্লেষণের জন্যও উপযোগী। বাস্তব ব্যবহারের ক্ষেত্রে ছাড়া,
ব্যবসার ন্যায্যতা, ডেটার আশেপাশে যে কোনও প্রোগ্রাম একটি পাইপড্রিম থেকে যাবে। যদিও সবাই ডাটা সেন্ট্রিসিটি সম্পর্কে কথা বলে, তবে এটি অর্জনের জন্য একটি যৌক্তিক ক্রম স্থাপনের কোন বাস্তব প্রচেষ্টা করা হয়নি। ডেটা আধুনিকীকরণ যাত্রা শুরু করেছে এমন কোনও সংস্থাকে জিজ্ঞাসা করুন
গত এক দশক বা তারও বেশি সময়ে, বন্ধ দরজার আড়ালে স্বীকার করবে যে মাটিতে আসলে কিছুই পরিবর্তন হয়নি। ডেটা কেন্দ্রিকতার নামে, ডেটা প্ল্যাটফর্ম, লেক, মার্ট এবং ভল্ট বাস্তবায়নের মাধ্যমে প্রযুক্তিগত ঋণ বেড়ে গেলেও ব্যবসায়িকরা তাদের চকচকে হিসাবে দেখেন।
প্রযুক্তির নতুন খেলনা। সংস্থাগুলি ডেটা প্ল্যাটফর্মগুলিকে লিভারেজ করার জন্য লড়াই করে কারণ কেউই ব্যবসার প্রেক্ষাপট স্থাপন এবং ব্যবসাকে সাথে নিয়ে যাওয়ার কথা ভাবেনি যার ফলস্বরূপ খুব ব্যবহারকারীরা যারা উদ্দিষ্ট সুবিধাভোগী ছিলেন তারা এটি ফেলে দেন।

ডেটা কেন্দ্রিকতা প্রযুক্তির সমাধান দাবি করে না বরং ব্যবসার মালিকানা, প্রভাব এবং ফলাফলের জন্য চিৎকার করে। নিটি-গ্রিটিটিতে প্রবেশ করা প্রায়শই বেদনাদায়ক এবং এটিই ডেটা কেন্দ্রিক দৃষ্টিভঙ্গির সাফল্য এবং ব্যর্থতাকে সংজ্ঞায়িত করে।

আসুন নীচের ডেটা কেন্দ্রিকতার পিরামিডটি দেখি এবং বুঝতে পারি কীভাবে ডেটা কেন্দ্রিকতার হ্যাকনিড ধারণার মধ্যে জীবন ঢেলে দেওয়ার জন্য বিভিন্ন স্তরগুলিকে সাবধানে একত্রিত করা দরকার। এই ব্লগে, আমি প্রথম দুটি স্তর অর্থাৎ স্তম্ভ এবং কার্ডিনাল স্পর্শ করব৷
সংগঠন হিসাবে নীতিগুলি প্রায়শই প্রথম পা ঠিক রাখতে লড়াই করে।

*আমার পরের ব্লগে স্তম্ভ এবং মূল নীতিগুলির সাথে ভিত্তিগত ক্ষমতা এবং ডেটা নিয়ন্ত্রণের গভীরে বিস্তারিত আলোচনা করব।

ডেটা কেন্দ্রিকতার স্তম্ভ:

• খরচ এবং মান: কোন অন্তর্নিহিত মূল্য এবং গুরুত্ব ছাড়া একটি সম্পদ কি? যেহেতু ডেটা একটি সম্পদ হিসাবে স্বীকৃত, তাই সংস্থাগুলির জন্য ডেটার মূল্যে পৌঁছানো এবং প্রয়োজনীয় নিয়ন্ত্রণ স্থাপন করা গুরুত্বপূর্ণ। এটি ব্যবহারিকও নয়
  বা সমস্ত ডেটা সম্পদের উপর ফোকাস করার পরামর্শ দেওয়া হয় না, সবচেয়ে গুরুত্বপূর্ণ ডেটা সম্পদগুলির সনাক্তকরণ এবং অগ্রাধিকার দেওয়া অত্যন্ত সুপারিশ করা হয়।
• স্বাক্ষরতা: গ্রাহক কেন্দ্রিকতা, সম্মতি, রাজস্বের মতো মূল মেট্রিক্স এবং কেপিআইগুলিকে সংজ্ঞায়িত এবং পরিমাপের জন্য ডেটার ধরন, আকার এবং ব্যবহার ছাড়াও ব্যবসার প্রেক্ষাপট সম্পর্কে জ্ঞান গুরুত্বপূর্ণ।
• গণতন্ত্রীকরণ: অন্তর্দৃষ্টি তৈরি করার জন্য এটিকে খনি করতে প্রয়োজন এমন লোকেদের হাতে ডেটা অবাধে উপলব্ধ না হওয়া পর্যন্ত, একটি সম্পদ কোনো বাস্তব মূল্য ছাড়াই ধারনা থেকে যায়। সময়মত বিশ্বস্ত তথ্যের প্রাপ্যতা স্ব-পরিষেবার সাফল্যের চাবিকাঠি
  সক্ষমতা
• রেসিডেন্সি: কীভাবে ডেটা সংগ্রহ করা হয়, ভাগ করা হয় এবং ব্যবহার করা হয় দেশের আইন দ্বারা চালিত হয়. সংস্থাগুলি বহু ভূগোল ল্যান্ডস্কেপে কাজ করে এবং ডেটা সুরক্ষা এবং গোপনীয়তার জন্য সংশ্লিষ্ট দেশের আইন দ্বারা আবদ্ধ। ডেটা
  শেয়ারিং এবং অ্যাক্সেস তাই ডেটা কেন্দ্রিকতার দৃষ্টিভঙ্গি অর্জনের জন্য গুরুত্বপূর্ণ।
• সংস্কৃতি: কৌশল বা প্রযুক্তি বিনিয়োগের কোনো স্তরই ডেটা কেন্দ্রিকতা আনতে পারে না যদি না তৃণমূল স্তরের লোকেরা ডেটা পরিচালনার গুরুত্ব এবং ফলাফলগুলি উপলব্ধি করতে শুরু করে।

ডেটা কেন্দ্রিকতার মূল নীতি

• মালিকানা: দায়বদ্ধতা প্রতিষ্ঠা এবং ডেটা ডোমেনগুলি সঠিকভাবে সংজ্ঞায়িত করা হয়েছে এবং ব্যবসার চাহিদা অনুযায়ী ডেটা পণ্যগুলি সরবরাহ করা হয়েছে তা নিশ্চিত করার জন্য মালিকানা মূল বিষয়। মালিকানা অবশ্যই ডেটার সমালোচনার সাথে দেখা উচিত। একটি সাধারণ
  মালিকানা ম্যাট্রিক্স একটি প্রতিষ্ঠানের জটিলতা এবং বাস্তবতা বিবেচনা করতে পারে না। ব্যবসার বাস্তবতা প্রতিফলিত করার জন্য প্রতিটি অপ মডেলের প্রাসঙ্গিকতা প্রয়োজন।
• হারমোনাইজেশন: একাধিক সংজ্ঞা মুছে ফেলুন, সাধারণ মান, সংজ্ঞা এবং নীতিগুলি প্রতিষ্ঠা করা ডেটা সামঞ্জস্যের ক্ষেত্রে অনেক দূর এগিয়ে যায়। মার্কেটিং, কমপ্লায়েন্স, সার্ভিসিং টিমের গ্রাহকের ভিন্ন সংজ্ঞা থাকতে পারে না। 
• traceability: প্রবিধানগুলি নিরীক্ষাযোগ্যতা এবং সন্ধানযোগ্যতার উপর বর্ধিত ফোকাস রেখেছে। e2e প্রক্রিয়াগুলি বোঝা এবং আন্ডারলাইন প্রক্রিয়াগুলিতে ডেটা প্রবাহকে ম্যাপ করা গুরুত্বপূর্ণ। ডেটা লাইফসাইকেল বোঝার প্রয়োজনীয়তা প্রদান করবে
  অন্তর্দৃষ্টি
• কাজের জন্য উপযুক্ত: যদি আস্থা ছাড়া ব্যবহার করা না যায় তবে ডেটা কী ব্যবহার করা হয়। ইনসাইটের গুণমান ইনপুট ডেটার গুণমানের মতোই ভালো। তাই ডেটার গুণমান নিশ্চিত করতে কঠোর ডেটা গভর্নেন্স এবং ডেটা ম্যানেজমেন্ট অপরিহার্য। উপাত্ত গুণমান
  ব্যবসা এবং প্রযুক্তি উভয় ধারণাকে কভার করে একটি সামগ্রিক পদ্ধতির প্রয়োজন। সত্য থেকে দূরে আর কিছুই হতে পারে না যে DQ সরঞ্জামগুলি স্থাপন করার মাধ্যমে, ডেটা গুণমান অর্জন করা হয়েছে এবং এখন যা অন্বেষণ করা দরকার তা হল AI/ML।  
• সুরক্ষিত: ডেটা নিরাপত্তা আর বাধ্যতামূলক নয় কিন্তু ব্যবসার অস্তিত্বের জন্য গুরুত্বপূর্ণ। শুধুমাত্র একটি নিরাপত্তা নীতি নির্ধারণ করে এবং অত্যাধুনিক সরঞ্জাম সংগ্রহ করে নিরাপত্তা অর্জন করা যায় না। সমস্ত স্পর্শ এ তথ্য নিরাপত্তা প্রয়োজন দেখা দেয়
  সংগ্রহ, প্রক্রিয়াকরণ, ব্যবহার, অ্যাক্সেস, স্টোরেজ থেকে অভ্যন্তরীণ এবং বাহ্যিকভাবে ভাগ করে নেওয়ার পয়েন্ট। গোপনীয়তা এবং শাসনের সাথে ডেটা সুরক্ষা সারিবদ্ধ করা লুপটি বন্ধ করতে সহায়তা করবে৷

একবার সংস্থা স্তম্ভ এবং নীতিগুলি খুঁজে বের করার পরে, ক্ষমতা এবং নিয়ন্ত্রণ স্থাপন করা অনেক সহজ হয়ে যায়। এর পরবর্তী ব্লগে আলোচনা করা যাক.