ایک کامیاب تبدیلی کی تنظیم کا ڈی این اے (حصہ 5)

Anecdata کو حقیقی بصیرت سے بدلنا

آئرش ریاضی دان، ماہر طبیعیات، اور انجینئر لارڈ کیلون نے ہمیں بے شمار سائنسی ایجادات اور حکمت کے یہ حیرت انگیز الفاظ چھوڑے: "جس چیز کی تعریف نہیں کی جاتی ہے اس کی پیمائش نہیں کی جا سکتی۔ جس چیز کی پیمائش نہیں کی جاتی، اسے بہتر نہیں کیا جا سکتا۔ جو بہتر نہیں ہوتا وہ ہمیشہ تنزلی کا شکار رہتا ہے۔

پچھلی چار قسطوں میں، ہم نے کامیاب تبدیلی کو ایک لکیری، ایک بار کی تبدیلی کے طور پر نہیں بلکہ چکراتی کوششوں کے طور پر دیکھا جائے گا جو کہ بڑھتی ہوئی اور قابل پیمائش قدر فراہم کرتی ہے اور بدلتے ہوئے حالات کے لیے درست طریقے سے کافی چست ہے۔ آخری قسط میں، ہم دیکھتے ہیں کہ کس طرح ڈیٹا، رپورٹنگ، اور تجرباتی فیصلہ سازی کے لیے ایک منظم اور جان بوجھ کر طریقہ کار کو تنظیمی حقائق کو تزویراتی ضروریات کے ساتھ ہم آہنگ کرنے اور تبدیلی کے ایجنڈے کو آگے بڑھانے کے لیے استعمال کیا جا سکتا ہے۔

بہت سے مالیاتی اداروں نے اسٹریٹجک منصوبہ بندی اور اہداف کے تعین کے بنیادی ڈھانچے، بجٹ، سرمایہ کاری کی منصوبہ بندی کے عمل، اور فرتیلی ترسیل کے فریم ورک کو باقاعدہ بنایا ہے۔ لیکن وہ اب بھی ان عملوں میں کمی کا شکار ہو سکتے ہیں، اور ان میں ایک مشترکہ ستون کی کمی ہے جو انہیں اکٹھا کرے۔

یہ ستون مشکل ڈیٹا کا استعمال کرتے ہوئے تنظیم کی صحت کی پیمائش کرتا ہے جہاں تک ممکن ہو تھوڑا وقفہ ہوتا ہے۔ کسی تنظیم کی حکمت عملی کے لیے ڈیٹا کی اہمیت کے بارے میں وسیع پیمانے پر سمجھ کے باوجود، فیصلہ سازی کے لیے معلومات کو عام طور پر جمع کرنے کے دو طریقے ہیں:

• کہانی تنظیمیں اکثر مؤکلوں یا اندرونی اسٹیک ہولڈرز کے ذریعہ پیدا ہونے والے دباؤ سے چلتی ہیں۔ اگرچہ کلائنٹ کی خدمت ایک قابل تعریف مقصد ہے، لیکن سب سے پہلے کس کی خدمت کرنی ہے اس پر ایک غیر منظم یا بکھرا ہوا نقطہ نظر اکثر خلل کا باعث بن سکتا ہے۔ یہ تنظیمیں ضرورت مند کی بجائے کمرے میں بلند ترین آوازوں کو ترجیح دیتی ہیں۔ اقدامات غیر متعین اہداف اور ناقص سمجھے گئے ROIs کے ساتھ کیے جاتے ہیں۔ ایک بار مکمل ہوجانے کے بعد، کامیابی کا دعویٰ سنگ میل یا پروجیکٹ مینجمنٹ ٹول گیٹس کے کامیاب نفاذ کی بنیاد پر کیا جاتا ہے، جیسا کہ کاروباری نتائج اور کارکردگی کے اعداد و شمار کے معروضی جائزے کے برخلاف۔

• ایڈہاک ڈیٹا. مالیاتی خدمات میں مینیجرز سے کہا جاتا ہے کہ وہ فوری طور پر تازہ ترین مسئلے یا موضوع کے بارے میں بحث کرنے والی پیشکشیں جمع کریں۔ لیکن آگے ممکنہ پریشانی ہے۔ عجلت میں جمع کیے گئے "پوائنٹ ان ٹائم" ڈیٹا پر انحصار کرتے ہوئے، یہ پیشکشیں ان منفی اثرات کو پہچاننے میں ناکام رہتی ہیں جو نامکمل یا سیاق و سباق سے باہر ڈیٹا فیصلہ سازی اور اسٹریٹجک منصوبہ بندی پر پڑ سکتے ہیں۔ اس قسم کا ڈیٹا عام طور پر دو میں سے ایک شکل میں آتا ہے:

1. کسی مخصوص سسٹم، پروڈکٹ، یا صارف کے سفر کی موجودہ حالت دکھانے کے لیے ایپلیکیشن ٹیموں کے ذریعے فراہم کردہ پروڈکشن ڈیٹا کے نچوڑ۔ اس قسم کا ڈیٹا اپنے خطرات اور خلاء کے ساتھ آتا ہے، بشمول کاروباری سیاق و سباق کی کمی جس میں ڈیٹا پر غور کیا جانا چاہیے، سوال میں سیٹ کیے گئے ڈیٹا کے سائز اور نمونے لینے کی خصوصیات، ماخذ ڈیٹا کی الجھن، اور تاخیر۔ یہ اہم الجھن اور خلفشار کا باعث بنتے ہیں جبکہ صحیح ڈیٹاسیٹ کی شناخت اور جمع کی جاتی ہے۔
2. پروڈکشن سپورٹ ٹیموں سے حاصل کردہ واقعہ یا مسئلہ کا ڈیٹا جو کچھ آپریشنل معیارات پر پورا اترنے والے واقعات کے تاریخی اسنیپ شاٹ کی نمائندگی کرتا ہے۔ یہ معلومات اکثر مکمل ہونے کی کمی سے دوچار ہوتی ہیں، نیز زندہ بچ جانے اور تصدیقی تعصبات کے ذریعے زیبائش کا خطرہ۔ ریکارڈ اس طرف اشارہ کرتے ہیں کہ پیداواری چیلنجوں کو حل کرنے کے لیے وقت اور وسائل کہاں خرچ کیے گئے ہیں، لیکن اکثر اس کی بنیادی وجہ کو غیر واضح کر دیتے ہیں۔

یہ دونوں نقطہ نظر زیادہ مضبوط نگرانی اور پیمائش کے نقطہ نظر کو شارٹ سرکٹ کرنے کے لیے وسائل کے غیر موثر استعمال کا باعث بنتے ہیں۔ مزید تشویشناک بات یہ ہے کہ انسانی مداخلت کی مطلوبہ سطح خود کو ڈیٹا کی تحریف کا باعث بنتی ہے، یا تو کلیدی ڈیٹا پوائنٹس کی تعریف میں فرق کی وجہ سے یا ڈیٹا کے فراہم کردہ بنیادی پیغام میں تکلیف کی وجہ سے۔

دونوں صورتوں میں، اعداد و شمار سے بامعنی معلومات حاصل کرنے کے لیے درکار کام کی مقدار اور اس کی غلط تشریح کرنے سے وابستہ خطرات اسے ایک ایسی تجویز بنا دیتے ہیں جو جدت کے رہنما بننے کے خواہاں مالیاتی اداروں کے لیے بہت زیادہ اہمیت سے خالی ہیں۔ فطری طور پر انعام کا سامنا کرنے والا، یہ نقطہ نظر تنظیم کو مجبور کرتا ہے کہ وہ صرف ریئر ویو آئینے میں دیکھ کر کار کو آگے بڑھائے۔

سٹرکچرڈ ڈیٹا کی کمی کے مسئلے کو حل کرنے کے بارے میں ایک عام غلط فہمی مخصوص ٹولز جیسے ٹیبلو یا Microsoft Power BI پر بہت زیادہ انحصار کرنا ہے۔ درحقیقت، مسائل صرف تجزیات یا ویژولائزیشن ٹولنگ کی کمی سے کہیں زیادہ گہرے ہیں۔ وہ اسٹریٹجک منصوبہ بندی کے عمل کے ابتدائی مراحل سے لے کر، ترسیل کے ذریعے اور معمول کی سرگرمی کے طور پر کاروبار میں پھیلتے ہیں۔

ہمارے تجربے میں، کامیاب تنظیمیں قابل اعتماد نگرانی اور پیمائش کی صلاحیتوں کو بنانے کے لیے درج ذیل شعبوں میں اعلیٰ سطح کی مہارت پیدا کرتی ہیں۔

1. اہمیت کی پیمائش کرنا. مارکیٹ کے موجودہ حالات، گاہک کی توقعات، ابھرتی ہوئی ٹیکنالوجیز، مسابقتی رکاوٹ، اور ریگولیٹری تبدیلی مالیاتی اداروں کے لیے مسلسل بدلتے ہوئے آپریٹنگ منظر نامے کو تخلیق کرتی ہے۔ فیصلہ سازی کی توثیق کرنے اور مزید موافقت پذیر کاروباری منصوبہ بندی کو فعال کرنے میں مدد کے لیے مستقبل کے مقاصد اور کارکردگی کے اہم اشاریوں کو سمجھنا بہت ضروری ہے۔

اس کا مطلب ہے کہ کسی نئے اقدام کو منظور کرنے سے پہلے ایک سادہ پانچ سالہ آمدنی یا لاگت میں کمی کی پیشن گوئی کی ضرورت ہوتی ہے۔ اس کا مطلب ہے تنظیم کے اسٹریٹجک مقاصد اور ترسیل اور آپریشنل ٹیموں کے کام کے درمیان اوپر سے نیچے تک رابطہ قائم کرنا۔ یہ فریم ورک ایک مالیاتی ادارے کی نگرانی اور پیمائش کی صلاحیت کا بنیادی حصہ قائم کرتا ہے اور اس سے انکار نہیں کیا جا سکتا۔   

 2. ڈیٹا انجینئرنگ اور تجزیات. ڈیش بورڈ بنانے سے پہلے، اس بات کو یقینی بنانے کے لیے بنیاد رکھی جانی چاہیے کہ ڈیٹا کے تمام ذرائع کی نشاندہی کی گئی ہے اور متعلقہ کاروباری میٹرکس حاصل کرنے کے لیے ڈیٹا پوائنٹس کی کیٹلاگ ہیں۔ تمام اسٹیک ہولڈرز کے لیے یہ سمجھنا بھی انتہائی اہم ہے کہ ڈیٹا کس لیے استعمال کیا جائے گا اور یہ ان کی ضرورت کے میٹرکس کو چلانے میں کس طرح مدد کرتا ہے۔ مثال کے طور پر: کیا تصدیق کا وقت بکنگ کے وقت سے، یا تصدیقی اسٹیک میں داخل ہونے کے بعد سے تجارت کی تصدیق کرنے میں جتنا وقت لگتا ہے؟ یہ شناخت الجھن کو روکنے اور دوبارہ کام کو کم کرنے میں مدد کرتی ہے۔ یہ عمل اوپر قائم کردہ فریم ورک سے بتدریج بناتا ہے اور تنظیم کے اسٹریٹجک مقصد کی نگرانی اور اس کی تصدیق کے لیے درکار جسمانی ڈیٹا ماڈلز اور انفراسٹرکچر کی نمائندگی کرتا ہے۔

3. ڈیٹا گورننس. تمام ڈیٹا سیٹس کو تنظیمی ڈیٹا کی پالیسیوں کے مطابق ہونا چاہیے۔ اگرچہ یہ کاروباری ماڈل، کلائنٹ اور پروڈکٹ سیٹس کے لحاظ سے بڑے پیمانے پر مختلف ہوتے ہیں، لیکن مؤثر ڈیٹا گورننس کے کلیدی اصول ایک دوسرے سے مطابقت رکھتے ہیں اور وہ ہمیشہ کاروبار کی ضرورت کو سامنے رکھتے ہوئے شروع کرتے ہیں۔ غور کرنے کے سوالات میں شامل ہیں:

• ڈیٹا کی دستیابی کاروبار کی پیمائش اور نگرانی کے مقاصد کو سپورٹ کرنے کے لیے ڈیٹا کی کس گرانولیریٹی اور فریکوئنسی کی ضرورت ہے؟ اگرچہ ڈیش بورڈز کارکردگی کے تقاضوں کی وجہ سے اعلیٰ سطح کے ڈیٹا پر بہترین کام کرتے ہیں، لیکن مجموعی ڈیٹا بنیادی وجہ کے تجزیہ کو قرض نہیں دیتا کیونکہ انفرادی لین دین کی شناخت نہیں کی جا سکتی۔ اس کا مطلب ہے کہ ایک ایسا فن تعمیر جو ہر تنظیم کی ضروریات کے مطابق ہو اسے جان بوجھ کر منتخب اور ڈیزائن کیا جانا چاہیے۔ ڈیٹا کو کتنی بار ریفریش کیا جانا چاہیے اس کی وضاحت کرتے وقت احتیاط کا استعمال کرنا چاہیے۔ KRIs عام طور پر حقیقی وقت میں ہوتے ہیں یا روزانہ اپ ڈیٹ ہوتے ہیں، جبکہ KPIs کو آہستہ آہستہ تازہ کیا جا سکتا ہے۔ بنیادی ڈھانچے کے اخراجات اور کارکردگی کے تحفظات کے مقابلے میں متوازن ہونے پر تیز تر تعدد اکثر ضروری نہیں ہوتا۔

• ڈیٹا کی سالمیت. ایک مخصوص ڈیٹا سورس کا مالک کون ہے اور وہ ڈیٹا تنظیم کے ڈیٹا انفراسٹرکچر میں کہاں رہے گا؟  تزویراتی فیصلہ سازی اس وقت ختم ہو جاتی ہے جب کوئی تنظیم صارفین کو یہ یقین نہیں دلاتی کہ وہ صحیح ذرائع سے آنے والے صحیح ڈیٹا تک رسائی حاصل کر رہے ہیں۔ اینٹی پیٹرن اس وقت بن سکتے ہیں جب کوئی تنظیم آرگنائزی طور پر کاروبار کی لائنوں میں منفرد ڈیٹا اور تجزیاتی صلاحیتوں کو تشکیل دیتی ہے، ہر ایک ڈیٹا کو سورسنگ اور اسٹور کرنے کے منفرد طریقے کے ساتھ۔ مرکزی طور پر متعین کرداروں اور ذمہ داریوں کے ساتھ مل کر ڈیٹا کے لیے واضح ملکیت اور جوابدہی کامیابی کے اہم عوامل ہیں۔ 

• ڈیٹا سیکورٹی. ایک تنظیم اس بات کو یقینی بنانے کے لیے کیا کر سکتی ہے کہ ڈیٹا پرائیویسی اور سیکیورٹی کے قواعد موجود ہیں اور ان پر وسیع پیمانے پر عمل کیا جا رہا ہے؟ ڈیٹا گورننس ماڈل بنانا جو اس بات کو یقینی بناتا ہے کہ کاروباری حساس معلومات صرف ان لوگوں کے لیے قابل رسائی ہیں جن کو جاننے کی آپریشنل ضرورت ہے بعض اوقات غیرضروری رکاوٹیں کھڑی کر کے الٹا نتیجہ خیز ہو سکتا ہے۔ کامیاب تبدیلی کی تنظیمیں اس چیلنج کو تسلیم کرتی ہیں اور ڈیٹا اکٹھا کرنے، ابہام اور تصور کے بہت سے کاموں کو مرکزیت دیتی ہیں۔ یہ کلیدی چیز ہے، خاص طور پر جب لین دین کی سطح کے ڈیٹا سے نمٹ رہا ہو جو کلائنٹ کی مالی سرگرمی اور ذاتی طور پر قابل شناخت معلومات فراہم کرتا ہے۔

 4. کاروباری ذہانت کی ثقافت. یہ ڈیٹا سائنس کا صارف کا سامنا کرنے والا عنصر ہے اور عام طور پر سب سے زیادہ توجہ حاصل کرتا ہے۔ ایسی ثقافت کو فروغ دینا جہاں صارفین پہلے سے ناقابل رسائی معلومات کو فعال طور پر استعمال کرتے ہیں تنظیمی کارکردگی کا تجزیہ کرنے اور اسے بڑھانے کے امکانات کی ایک دنیا کھولتا ہے۔ بدقسمتی سے، زیادہ تر اس طرح کے ٹولز کو مقصد کے مطابق استعمال نہیں کیا جاتا، بلکہ حقیقت کے بعد، مسائل کا تجزیہ کرنے کے لیے۔ تنظیموں کے لیے یہ ضروری ہے کہ وہ تجزیاتی ٹولز کے استعمال کو فعال کارکردگی کے انتظام کے ٹولز کے طور پر آگے بڑھائیں جن کا استعمال رجحانات کا پیشگی اندازہ لگانے کے لیے کیا جا سکتا ہے۔

کلید مختلف استعمال کے معاملات کی نشاندہی کرنا اور مختلف صارف اڈوں کے لیے تجزیات کی متعدد پرتیں بنانا ہے۔ عام طور پر، درمیانی سطح کے مینیجرز کو فنکشنز کی ایک چھوٹی چوڑائی میں مزید تفصیل کی ضرورت ہوتی ہے جبکہ سینئر مینجمنٹ کو پورے کاروبار میں اعلیٰ سطحی میٹرکس کی ضرورت ہوتی ہے۔ ڈیٹا، KPIs، ویژولائزیشن، اور تنظیمی ڈیزائن کو سیدھ میں لانا وہی ہے جو ڈیٹا پر مبنی فیصلہ سازی اور چستی کا کلچر تخلیق کرتا ہے۔

آخر میں، ایک بار جب یہ صلاحیتیں پوری تنظیم میں دستیاب ہو جاتی ہیں، تو وہ متعدد طریقوں سے ادائیگی کرتی ہیں۔ قیادت کی ٹیمیں اپنے کاروبار میں ایسے علاقوں کی نشاندہی کر سکتی ہیں جو تبدیلی کے لیے موزوں ترین ہیں یا جن کی ضرورت ہے۔ تبدیلی کی ٹیمیں قریب قریب حقیقی وقت میں اپنی کوششوں کے نتائج کو ٹریک کر سکتی ہیں۔ اور سپیکٹرم کے دونوں سروں کو ایک اچھی طرح سے سوچے گئے OKR فریم ورک کے ذریعے بغیر کسی رکاوٹ کے جوڑا جا سکتا ہے۔ 

بالآخر، نگرانی اور پیمائش کے لیے ایک ترقی پسند نقطہ نظر - ایک فرتیلا، ڈیٹا سے چلنے والے کاروباری ماڈل کو فعال کرنا - وہ ہے جو بہت ساری کامیاب تبدیلی کی تنظیموں کو الگ کرتا ہے۔ وہ آج کے انتہائی مسابقتی اور تیزی سے بدلتے ہوئے کاروباری ماحول میں آگے آنے والی چیزوں کے لیے بہترین فیصلے کرنے کے لیے اپنے ڈیٹا اور چستی کی ثقافت کا استعمال کرتے ہیں۔

• SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
• پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
• پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
• پلیٹو ای ایس جی۔ آٹوموٹو / ای وی، کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
• بلاک آفسیٹس۔ ماحولیاتی آفسیٹ ملکیت کو جدید بنانا۔ یہاں تک رسائی حاصل کریں۔
• ماخذ: https://www.finextra.com/blogposting/24722/the-dna-of-a-successful-transformation-organization-part-5?utm_medium=rssfinextra&utm_source=finextrablogs