7.3 विश्लेषिकी और बिज़नेस इंटेलिजेंस
अवलोकन और प्रेरणा
विश्लेषिकी (analytics) और बिज़नेस इंटेलिजेंस शासित, इंजीनियर किए गए डेटा को समझ और कार्रवाई में बदलते हैं। बिज़नेस इंटेलिजेंस (BI) पारंपरिक रूप से रिपोर्टिंग, डैशबोर्ड, और सेल्फ़-सर्विस टूल का मतलब है जो लोगों को यह देखने देते हैं कि व्यवसाय में क्या हो रहा है। विश्लेषिकी डेटा के साथ प्रश्न पूछने और उत्तर देने का व्यापक अभ्यास है, अतीत के सरल विवरणों से लेकर उन मॉडलों तक जो सुझाते हैं कि आगे क्या करना है। साथ में, ये वह तरीका हैं जिससे कोई संगठन स्वयं को देखता है।
बड़ी टीमों के लिए, यह परत वह जगह है जहाँ डेटा या तो अपनी उपयोगिता कमाता है या भ्रम का स्रोत बन जाता है। जब हज़ारों कर्मचारी अपनी खुद की रिपोर्ट बना सकते हैं, तो जोखिम बहुत कम जानकारी का नहीं बल्कि बहुत अधिक परस्पर विरोधी जानकारी का है: तीन डैशबोर्ड तीन अलग-अलग राजस्व संख्याएँ दिखा रहे हैं, हर एक बचाव-योग्य, कोई भी आधिकारिक नहीं। उद्यम बोर्ड डेक और नियामक फ़ाइलिंग में संख्याओं पर जीते और मरते हैं। सरकारी एजेंसियाँ विधानसभाओं, निगरानी निकायों, और जनता को रिपोर्ट करती हैं। दोनों में, एक मीट्रिक जिसका मतलब अलग-अलग लोगों के लिए अलग-अलग चीज़ें हैं, एक देयता है। एक चार्ट जो गुमराह करता है, भले ही निर्दोष रूप से, महंगे गलत निर्णयों को प्रेरित कर सकता है या सार्वजनिक विश्वास को क्षीण कर सकता है।
पैमाने पर इसे नियंत्रित करने का मुख्य विचार semantic layer है: मीट्रिक और आयामों की एक शासित, केंद्रीय परिभाषा जिससे हर टूल और रिपोर्ट खींचती है, ताकि “सक्रिय ग्राहक” या “मासिक राजस्व” की गणना हर जगह एक सहमत तरीके से हो। उस विचार के चारों ओर ईमानदार विज़ुअलाइज़ेशन, जानबूझकर डैशबोर्ड डिज़ाइन, और उस फैलाव के प्रबंधन के अनुशासन बैठते हैं जो सेल्फ़-सर्विस अनिवार्य रूप से पैदा करती है। यह अध्याय आपको दिखाता है कि लोगों को सत्य के एकल संस्करण को छोड़े बिना डेटा तक व्यापक पहुँच कैसे दी जाए।
मुख्य सिद्धांत
- हर महत्वपूर्ण मीट्रिक की एक शासित परिभाषा होनी चाहिए, जो हर जगह उपयोग हो।
- विश्लेषिकी के प्रकार को प्रश्न से मिलाएँ: वर्णन करें, निदान करें, भविष्यवाणी करें, या निर्धारित करें।
- सेल्फ़-सर्विस शक्तिशाली है लेकिन मीट्रिक फैलाव को रोकने के लिए इसे शासित होना चाहिए।
- चार्ट ईमानदार होने चाहिए; लक्ष्य समझ है, विकृति द्वारा राज़ी करना नहीं।
- डैशबोर्ड को निर्णयों को प्रेरित करना चाहिए, केवल डेटा प्रदर्शित नहीं करना चाहिए।
- विश्वसनीय सामग्री को प्रमाणित करें ताकि उपभोक्ताओं को पता हो कि किस पर भरोसा करना है।
- क्यूरेट करें और रिटायर करें; अधिक डैशबोर्ड अधिक अंतर्दृष्टि नहीं है।
- विश्लेषिकी को वहाँ एम्बेड करें जहाँ निर्णय लिए जाते हैं, केवल एक अलग BI पोर्टल में नहीं।
अनुशंसाएँ
विश्लेषिकी के चार प्रकारों को समझें
वर्णनात्मक (descriptive) विश्लेषिकी रिपोर्ट करती है कि क्या हुआ। नैदानिक (diagnostic) विश्लेषिकी बताती है कि यह क्यों हुआ। प्रेडिक्टिव एनालिटिक्स यह पूर्वानुमान लगाती है कि क्या होने की संभावना है। प्रिस्क्रिप्टिव एनालिटिक्स यह सुझाव देती है कि इसके बारे में क्या करना है। अधिकांश संगठन वर्णनात्मक डैशबोर्ड में अति-निवेश करते हैं और निदान और कार्रवाई में कम-निवेश करते हैं। जानबूझकर अपने काम को इस सीढ़ी पर ऊपर धकेलें। हर महत्वपूर्ण मीट्रिक को कारणों में खोजबीन करने की क्षमता के साथ जोड़ें, और भविष्यवाणियों को ठोस निर्णयों और हस्तक्षेपों से जोड़ें। इस तरह विश्लेषिकी व्यवहार को बदलती है बजाय केवल इसका वर्णन करने के।
एक सिमैंटिक लेयर बनाएँ और मीट्रिक को गवर्न करें
मीट्रिक और आयामों को एक बार, एक केंद्रीय सिमैंटिक लेयर में परिभाषित करें, और हर BI टूल, नोटबुक, और एम्बेडेड रिपोर्ट को उन परिभाषाओं से गणना करने दें। यह भिन्न संख्याओं की क्लासिक समस्या को समाप्त कर देता है। यह मीट्रिक लॉजिक को वर्ज़न-नियंत्रित, परीक्षण-योग्य, और समीक्षा-योग्य भी बनाता है। मीट्रिक को एक API की तरह गवर्न करें: हर प्रमाणित मीट्रिक का एक मालिक, एक स्पष्ट परिभाषा, और एक चेंजलॉग होता है। प्रमाणित मीट्रिक को प्रयोगात्मक मीट्रिक से अलग रखें, ताकि उपभोक्ताओं को पता हो कि क्या आधिकारिक है।
गार्डरेल के भीतर सेल्फ़-सर्विस सक्षम करें
विश्लेषकों और व्यावसायिक उपयोगकर्ताओं को डेटा का अन्वेषण करने के लिए सेल्फ़-सर्विस पहुँच दें। केंद्रीय BI टीमें हर प्रश्न का उत्तर नहीं दे सकतीं, और अड़चनें लोगों को केवल स्प्रेडशीट की ओर धकेलती हैं। लेकिन गार्डरेल प्रदान करें: क्यूरेट किए गए प्रमाणित डेटासेट, सुसंगत मीट्रिक के लिए सिमैंटिक लेयर, टेम्पलेट, और प्रशिक्षण। लक्ष्य सरल है: आसान रास्ते को शासित परिभाषाओं का उपयोग करने वाला बनाएँ। सामग्री के स्तरों (प्रमाणित, टीम-समर्थित, और व्यक्तिगत) को चिह्नित करें ताकि अन्वेषण की स्वतंत्रता आधिकारिक सत्य के रूप में प्रच्छन्न न हो।
निर्णयों के लिए डैशबोर्ड डिज़ाइन करें
हर डैशबोर्ड को उस निर्णय से शुरू करें जिसका यह समर्थन करता है और उस दर्शक से जो इसे लेता है। उन कुछ मीट्रिक के साथ अगुवाई करें जो मायने रखते हैं। संदर्भ (लक्ष्य, रुझान, तुलनाएँ) प्रदान करें ताकि संख्याएँ व्याख्या-योग्य हों, और निदान के लिए ड्रिल-डाउन सक्षम करें। हर उपलब्ध चार्ट को एक पेज पर ठूँसने की इच्छा का विरोध करें। एक डैशबोर्ड जो “क्या हम ट्रैक पर हैं, और यदि नहीं, तो मुझे कहाँ देखना चाहिए?” का उत्तर देता है, पचास मीट्रिक दिखाने वाले डैशबोर्ड से कहीं अधिक मूल्यवान है जिन पर कोई कार्रवाई नहीं करता।
ईमानदार डेटा विज़ुअलाइज़ेशन का अभ्यास करें
ऐसे चार्ट प्रकार चुनें जो डेटा के अनुकूल हों: समय के साथ रुझानों के लिए रेखाएँ, श्रेणियों में तुलना के लिए बार। कुछ हिस्सों से अधिक के लिए पाई चार्ट से बचें। बार-चार्ट अक्षों को शून्य से शुरू करें, स्केल को सुसंगत रखें, और दोहरे अक्षों से बचें जो झूठे सहसंबंध बनाते हैं। रंग का उपयोग उद्देश्यपूर्ण और सुलभ रूप से करें, सजावटी रूप से नहीं। स्पष्ट रूप से लेबल करें, और जहाँ मायने रखे वहाँ अनिश्चितता दिखाएँ। परीक्षण सरल है: क्या एक जानकार दर्शक उसी निष्कर्ष पर पहुँचेगा जिसका डेटा समर्थन करता है, या क्या डिज़ाइन ने उसे किसी अलग निष्कर्ष की ओर धकेला है?
सामग्री को क्यूरेट करें और फैलाव से लड़ें
बिना क्यूरेशन के सेल्फ़-सर्विस हज़ारों बासी, डुप्लिकेट, और परित्यक्त डैशबोर्ड पैदा करती है। लाइफ़साइकिल प्रबंधन लागू करें: उपयोग को ट्रैक करें, अप्रयुक्त सामग्री को संग्रहीत करें, डुप्लिकेट हटाएँ, और समय-समय पर जो बचा है उसे फिर से प्रमाणित करें। प्रमाणित कैटलॉग को ढूँढ़ने में आसान बनाएँ, ताकि लोग विश्वसनीय सामग्री का पुनः उपयोग करें बजाय इसे फिर से बनाने के। विश्वसनीय, अच्छी तरह से बनाए रखे गए डैशबोर्ड का एक छोटा सेट एक फैलते हुए कब्रिस्तान से बेहतर है।
विश्लेषिकी और परिचालन रिपोर्टिंग को एम्बेड करें
सभी विश्लेषिकी एक अलग पोर्टल में नहीं होती। प्रासंगिक मीट्रिक और रिपोर्ट को सीधे उन परिचालन एप्लिकेशन में एम्बेड करें जहाँ लोग पहले से काम करते हैं, जैसे CRM (customer relationship management सिस्टम), केस-प्रबंधन सिस्टम, या टिकटिंग टूल, ताकि अंतर्दृष्टि निर्णय के बिंदु पर पहुँचे। सख्त latency या फ़ॉर्मैटिंग आवश्यकताओं (चालान, स्टेटमेंट, नियामक फ़ाइलिंग) वाली परिचालन रिपोर्टिंग के लिए, उद्देश्य-निर्मित रिपोर्टिंग का उपयोग करें। इंटरैक्टिव डैशबोर्ड को ऐसा काम करने के लिए न खींचें जिसमें वे ठीक से फ़िट नहीं होते।
व्यापार-नापने: फ़ायदे और नुकसान
| विकल्प | फ़ायदे | नुकसान | सबसे उपयुक्त |
|---|---|---|---|
| केंद्रीकृत BI टीम | सुसंगत, शासित, गुणवत्ता-नियंत्रित | अड़चन, प्रतिक्रिया में धीमी | विनियमित रिपोर्टिंग |
| सेल्फ़-सर्विस BI | तेज़, स्केलेबल, उपयोगकर्ताओं को सशक्त बनाती है | फैलाव, असंगत मीट्रिक | व्यापक अन्वेषण |
| सिमैंटिक लेयर | एक सत्य, पुनः-उपयोग-योग्य, शासित | प्रारंभिक मॉडलिंग और रखरखाव | छोटे पैमाने से आगे कोई भी संगठन |
| एम्बेडेड विश्लेषिकी | निर्णय के बिंदु पर अंतर्दृष्टि | इंजीनियरिंग लागत, गवर्न करना कठिन | परिचालन वर्कफ़्लो |
| समृद्ध डैशबोर्ड | व्यापक दृष्टिकोण | भारी-भरकम, कम कार्रवाई दर | शायद ही कभी आदर्श |
| केंद्रित डैशबोर्ड | निर्णयों को प्रेरित करता है | संपादकीय अनुशासन की आवश्यकता | अधिकांश उपयोग-मामले |
मुख्य तनाव पहुँच बनाम स्थिरता है। BI को एक केंद्रीय टीम के अंदर बंद करना सुसंगत संख्याओं की गारंटी देता है, लेकिन यह संगठन को समय पर उत्तर से वंचित करता है और छाया स्प्रेडशीट पैदा करता है। पूर्ण सेल्फ़-सर्विस सभी को सशक्त बनाती है, लेकिन यह परस्पर विरोधी मीट्रिक और बासी सामग्री को गुणा करती है। आपको कोई पक्ष चुनने की ज़रूरत नहीं है। व्यापक सेल्फ़-सर्विस पहुँच को एक शासित सिमैंटिक लेयर और प्रमाणन के साथ मिलाएँ, ताकि लोग अन्वेषण करने के लिए स्वतंत्र हों जबकि महत्वपूर्ण संख्याएँ एकवचन और विश्वसनीय बनी रहें।
अपनी टीम के साथ चर्चा करने योग्य प्रश्न
क्या आपने एक सिमैंटिक लेयर में निवेश किया है, और क्या आप हर प्रमाणित मीट्रिक को एक मालिक, एक परिभाषा, और एक चेंजलॉग के साथ एक API की तरह गवर्न कर रहे हैं? अध्याय का केंद्रीय विचार हर मीट्रिक की एक शासित परिभाषा है जिससे हर टूल, नोटबुक, और एम्बेडेड रिपोर्ट गणना करती है, जो तीन डैशबोर्ड में तीन राजस्व संख्याएँ दिखाने की क्लासिक समस्या को समाप्त करता है। उन उद्यमों के लिए जिनके बोर्ड डेक और नियामक फ़ाइलिंग एक एकल आँकड़े पर निर्भर करते हैं, और उन एजेंसियों के लिए जिनके सार्वजनिक विज्ञप्तियों को आंतरिक संख्याओं से मेल खाना चाहिए, एक भिन्न मीट्रिक एक प्रत्यक्ष देयता है। व्यापार-नापना वास्तविक है: सिमैंटिक लेयर को प्रारंभिक मॉडलिंग और चालू रखरखाव की आवश्यकता है। सबूत लाएँ: गिनें कि आज आपके सबसे महत्वपूर्ण मीट्रिक की कितनी परिभाषाएँ मौजूद हैं और वर्तमान में एक सुलह (reconciliation) की विश्लेषक घंटों में कितनी लागत आती है। यदि गिनती एक से अधिक है, तो सिमैंटिक लेयर अपने आप के लिए भुगतान करती है, और मालिकों और चेंजलॉग के साथ मीट्रिक को गवर्न करना इसे समय के साथ एकवचन रखता है।
सेल्फ़-सर्विस स्वतंत्रता और मीट्रिक फैलाव के बीच रेखा कहाँ है, और कौन से गार्डरेल आसान रास्ते को एक शासित रास्ता रखते हैं? अध्याय तर्क देता है कि आपको लॉक-डाउन केंद्रीय BI और निर्बाध सेल्फ़-सर्विस के बीच चुनना नहीं चाहिए: केंद्रीय टीमें अड़चनें बन जाती हैं जो लोगों को स्प्रेडशीट की ओर धकेलती हैं, जबकि पूर्ण सेल्फ़-सर्विस परस्पर विरोधी मीट्रिक और बासी डैशबोर्ड को गुणा करती है। समाधान प्रमाणित डेटासेट, सिमैंटिक लेयर, टेम्पलेट, और स्पष्ट सामग्री स्तरों (प्रमाणित, टीम-समर्थित, व्यक्तिगत) के ऊपर व्यापक पहुँच है ताकि अन्वेषण आधिकारिक सत्य के रूप में प्रच्छन्न न हो। ठोस संकेत लाएँ: कितने डैशबोर्ड मौजूद हैं, कितने वास्तव में उपयोग किए जाते हैं, और क्या उपभोक्ता विश्वसनीय सामग्री को प्रयोगों से बता सकते हैं। यदि लोग नहीं बता सकते, तो प्रमाणन और लाइफ़साइकिल प्रबंधन (उपयोग ट्रैक करना, अप्रयुक्त को संग्रहीत करना, बाकी को फिर से प्रमाणित करना) स्थायी अभ्यास बनना चाहिए, क्योंकि एक छोटा विश्वसनीय सेट एक फैलते हुए कब्रिस्तान से बेहतर है।
क्या आपके चार्ट जाँच से बचने के लिए पर्याप्त ईमानदार हैं, और कौन जाँचता है कि डिज़ाइन उस निष्कर्ष का समर्थन करता है जिसकी डेटा वास्तव में गारंटी देता है? अध्याय एक स्पष्ट परीक्षण निर्धारित करता है: क्या एक जानकार दर्शक उसी निष्कर्ष पर पहुँचेगा जिसका डेटा समर्थन करता है, या क्या डिज़ाइन ने उसे कहीं और धकेला है? कटे हुए अक्ष, झूठा सहसंबंध बनाने वाले दोहरे अक्ष, और 3D पाई नामित नुकसान हैं। नागरिकों के लिए सरकारी विज्ञप्तियों और विनियमित फ़ाइलिंग के लिए, एक निर्दोष रूप से गुमराह करने वाला चार्ट सार्वजनिक विश्वास को क्षीण करता है या एक निष्कर्ष को आमंत्रित करता है, इसलिए यहाँ ईमानदारी एक गवर्नेंस चिंता है, केवल स्वाद नहीं। एक उदाहरण लाएँ जहाँ आपके संगठन में एक चार्ट ने अपने दर्शकों को गुमराह किया, और तय करें कि क्या आपको प्रकाशित सामग्री पर लागू विज़ुअलाइज़ेशन मानकों (शून्य-आधारित बार अक्ष, सुसंगत स्केल, दिखाई गई अनिश्चितता) की आवश्यकता है। उत्तर को इमारत से बाहर जाने वाली किसी भी चीज़ के लिए समीक्षा अपेक्षाएँ निर्धारित करनी चाहिए।
आपके कौन से डैशबोर्ड वास्तव में किसी निर्णय को बदलते हैं, और उस डैशबोर्ड को रिटायर करने का आपका मानदंड क्या है जो नहीं बदलता? अध्याय ज़ोर देता है कि एक डैशबोर्ड को उस निर्णय से शुरू होना चाहिए जिसका यह समर्थन करता है, फिर भी अधिकांश बड़े संगठन वैनिटी डैशबोर्ड जमा करते हैं जिन्हें देखा जाता है और कभी कार्रवाई नहीं की जाती, डेटा-संचालित संस्कृति समझ ली जाती है। यह पैमाने पर मायने रखता है क्योंकि हर डैशबोर्ड एक छिपी हुई लागत रखता है: इसे बनाए रखा जाना चाहिए, इसके मीट्रिक को सिमैंटिक लेयर के साथ सुसंगत रखा जाना चाहिए, और इसकी उपस्थिति उन रिपोर्टों से ध्यान भटकाती है जो वास्तव में कार्रवाई प्रेरित करती हैं। प्रतिस्पर्धी खिंचाव यह है कि लोग अधिक दृश्यता के साथ अधिक सुरक्षित महसूस करते हैं, और कोई भी टीम अपने डैशबोर्ड को संग्रहीत होते देखना पसंद नहीं करती। उपयोग टेलीमेट्री (हर डैशबोर्ड को कौन, कितनी बार खोलता है, और क्या कोई डाउनस्ट्रीम कार्रवाई होती है) और आपके शीर्ष डैशबोर्ड को सूचित करने वाले निर्णयों की एक स्पष्ट सूची लाएँ। उद्यमों के लिए यह पोर्टफ़ोलियो क्यूरेशन और लाइसेंस-लागत नियंत्रण को फ़ीड करता है; एक सरकारी एजेंसी के लिए, यह इस निगरानी प्रश्न का भी उत्तर देता है कि क्या रिपोर्टिंग खर्च मापने योग्य परिचालन मूल्य पैदा करता है बजाय उन स्क्रीन के जिन्हें कोई नहीं पढ़ता।
क्या आप अतीत का वर्णन करने में अति-निवेशित हैं जबकि मूल्य निदान, भविष्यवाणी, और निर्धारण में है, और क्या एक मुख्य मीट्रिक को उस सीढ़ी पर ऊपर ले जाएगा? अध्याय चार विश्लेषिकी प्रकार (वर्णनात्मक, नैदानिक, प्रेडिक्टिव, प्रिस्क्रिप्टिव) को तैयार करता है और चेतावनी देता है कि अधिकांश संगठन वर्णनात्मक डैशबोर्ड जमा करते हैं जबकि उस निदान और कार्रवाई में कम-निवेश करते हैं जो वास्तव में परिणामों को बदलते हैं। एक बड़ी टीम के लिए, वर्णन में अटके रहने का मतलब है कि विश्लेषक अपना समय उसी को फिर से रिपोर्ट करने में बिताते हैं जो सभी पहले से जानते हैं, जबकि यह कठिन सवाल कि यह क्यों हुआ और आगे क्या करना है, अनुत्तरित रहता है। तनाव यह है कि नैदानिक और भविष्यसूचक काम को गहरे डेटा इंजीनियरिंग, मॉडल गवर्नेंस, और विश्लेषक कौशल की आवश्यकता है, इसलिए एक और डैशबोर्ड को वित्तपोषित करना आसान है। अपने विश्लेषिकी प्रयास का चारों प्रकारों में वर्तमान विभाजन और एक मीट्रिक लाएँ जहाँ कारणों में खोजबीन करना या पूर्वानुमान लगाना प्रदर्शनीय रूप से किसी निर्णय को बदल देगा। एक उद्यम में यह विश्लेषिकी को मार्जिन और जोखिम से जोड़ता है; एक सार्वजनिक एजेंसी में, भविष्यसूचक और प्रिस्क्रिप्टिव काम (उदाहरण के लिए किसी सेवा की माँग का पूर्वानुमान लगाना) को नागरिकों के बारे में निर्णयों को सूचित करने से पहले व्याख्या-योग्यता और निष्पक्षता सुरक्षा उपाय भी ले जाने चाहिए।
अंतर्दृष्टि को उन टूल के अंदर कहाँ पहुँचने की आवश्यकता है जिनमें लोग पहले से काम करते हैं, और आपको डैशबोर्ड के बजाय उद्देश्य-उपयुक्त परिचालन रिपोर्टिंग का उपयोग कहाँ करना चाहिए? अध्याय इंटरैक्टिव BI को एम्बेडेड विश्लेषिकी से और चालान, स्टेटमेंट, और नियामक फ़ाइलिंग जैसी उद्देश्य-निर्मित परिचालन रिपोर्टिंग से अलग करता है, और एक डैशबोर्ड को ऐसा काम करने के लिए खींचने के खिलाफ़ चेतावनी देता है जिसमें वह ठीक से फ़िट नहीं होता। यह बड़ी टीमों के लिए मायने रखता है क्योंकि फ्रंटलाइन स्टाफ़ शायद ही कभी एक अलग BI पोर्टल से परामर्श करने के लिए अपने CRM या केस-प्रबंधन सिस्टम को छोड़ते हैं, इसलिए वह अंतर्दृष्टि जो केवल एक पोर्टल में रहती है निर्णय के क्षण में अप्रयुक्त रह जाती है। प्रतिस्पर्धी विचार इंजीनियरिंग लागत और गवर्नेंस हैं: परिचालन ऐप में मीट्रिक एम्बेड करना बनाना कठिन है और प्रमाणित परिभाषाओं के साथ सुसंगत रखना कठिन है, जबकि पिक्सेल-परफ़ेक्ट रिपोर्टिंग को सख्त latency और फ़ॉर्मैटिंग की आवश्यकता है जिसकी डैशबोर्ड टूल गारंटी नहीं दे सकता। यह मानचित्र लाएँ कि निर्णय वास्तव में कहाँ लिए जाते हैं और उनमें से कितनों के लिए वर्तमान में किसी को संख्या ढूँढ़ने के लिए टूल बदलना पड़ता है। एक उद्यम के लिए यह इंजीनियरिंग प्रयास कहाँ निवेश करें इसे आकार देता है; एक सरकारी एजेंसी के लिए, वैधानिक फ़ाइलिंग और नागरिक-सामने वाले स्टेटमेंट में अक्सर कानूनी फ़ॉर्मैटिंग और रिटेंशन नियम होते हैं जो उद्देश्य-निर्मित रिपोर्टिंग को वैकल्पिक के बजाय अनिवार्य बनाते हैं।
सेक्टर लेंस
स्टार्टअप। अपने मुट्ठी भर मुख्य मीट्रिक को एक बार परिभाषित करें, यहाँ तक कि एक हल्के टूल में भी, ताकि बोर्ड डेक और उत्पाद डैशबोर्ड कभी असहमत न हों। एक भारी सिमैंटिक-लेयर प्लेटफ़ॉर्म छोड़ें: परिभाषाओं का एक साझा स्रोत और विश्वसनीय डैशबोर्ड की एक छोटी सूची पर्याप्त है जबकि टीम छोटी है। यहाँ गति पॉलिश से अधिक मायने रखती है, इसलिए किसी ऐसी चीज़ पर एक होस्टेड BI टूल को प्राथमिकता दें जिसे आप आज अपने वेयरहाउस पर इंगित कर सकते हैं बजाय किसी ऐसी चीज़ के जिसे आपको बनाना पड़े।
छोटा व्यवसाय। बिना किसी समर्पित BI विशेषज्ञ के, उन टूल में पहले से एम्बेडेड विश्लेषिकी पर भरोसा करें जिनके आप मालिक हैं, जैसे आपका CRM या अकाउंटिंग सॉफ़्टवेयर, बजाय एक अलग प्लेटफ़ॉर्म खड़ा करने के। चुनाव को खरीदो बनाम बनाओ के रूप में तैयार करें और डिफ़ॉल्ट रूप से खरीदो को जीतने दें; आपका जोखिम एक स्प्रेडशीट संस्कृति है जहाँ हर व्यक्ति एक अलग “राजस्व” संख्या रखता है, इसलिए उन कुछ परिभाषाओं पर सहमत हों जो मायने रखती हैं और उन्हें लिख लें। उन टूल को प्राथमिकता दें जो प्रमाणित रिपोर्ट को साझा करना आसान और गलती से फ़ोर्क करना कठिन बनाते हैं।
उद्यम। मुख्य समस्या कई टीमों में स्थिरता है: एक शासित सिमैंटिक लेयर में निवेश करें, विश्वसनीय सामग्री को प्रमाणित करें, और डैशबोर्ड फैलाव को मालिकों, उपयोग ट्रैकिंग, और पुनः-प्रमाणन के साथ एक चालू लाइफ़साइकिल के रूप में प्रबंधित करें। हर प्रमाणित मीट्रिक को एक परिभाषा, एक मालिक, और एक चेंजलॉग के साथ एक API की तरह मानें, और प्रमाणित सामग्री को प्रयोगात्मक से अलग करें ताकि सेल्फ़-सर्विस आधिकारिक सत्य के रूप में प्रच्छन्न न हो। मॉडलिंग और क्यूरेशन प्रयास का स्पष्ट रूप से बजट बनाएँ, क्योंकि पैमाने पर विकल्प विश्लेषकों का अनिश्चित काल तक भिन्न संख्याओं को सुलझाना है।
सरकार। प्रकाशित आँकड़ों को आंतरिक आँकड़ों से मेल खाना चाहिए और सार्वजनिक तथा विधायी जाँच से बचना चाहिए, इसलिए एक शासित सिमैंटिक लेयर और लागू विज़ुअलाइज़ेशन मानक (शून्य-आधारित अक्ष, ईमानदार स्केल, दिखाई गई अनिश्चितता) जवाबदेही आवश्यकताएँ हैं, सुविधाएँ नहीं। खरीद नियम यह सीमित कर सकते हैं कि आप कौन से BI टूल खरीद सकते हैं और डेटा पोर्टेबिलिटी की माँग कर सकते हैं, इसलिए किसी एकल विक्रेता के मालिकाना मीट्रिक लॉजिक में लॉक-इन से बचें। प्रमाणित सार्वजनिक विज्ञप्तियों को प्रयोगात्मक विश्लेषण से अलग रखें, और नागरिकों को इतने ईमानदार चार्ट दें कि एक जानकार दर्शक उस निष्कर्ष पर पहुँचे जिसकी डेटा वास्तव में गारंटी देता है।
उदाहरण
स्टार्टअप। एक प्रारंभिक-चरण के मार्केटप्लेस में, दोनों संस्थापकों में से हर एक “मासिक राजस्व” की एक स्प्रेडशीट रखता था, और जब वे बोर्ड डेक तैयार करते थे तो संख्याएँ कभी पूरी तरह मेल नहीं खातीं। उन्होंने मीट्रिक को एक छोटी सिमैंटिक लेयर में एक बार परिभाषित किया, एक एकल BI टूल को इस पर इंगित किया, और डैशबोर्ड की एक छोटी सूची को उन विश्वसनीय के रूप में चिह्नित किया जिनका सभी को उपयोग करना चाहिए। रिपोर्टिंग एक रविवार-रात की सुलह से एक ऐसे लिंक में बदल गई जिसे वे आत्मविश्वास के साथ खोल सकते थे।
उद्यम। एक दूरसंचार कंपनी वित्त, मार्केटिंग, और संचालन के हर एक द्वारा अलग-अलग “सक्रिय सब्सक्राइबर” गणना रिपोर्ट करने से पीड़ित थी। इसने एक सिमैंटिक लेयर पेश की जो हर मुख्य मीट्रिक को एक बार परिभाषित करती है, डैशबोर्ड को इससे गणना करने के लिए माइग्रेट किया, और हज़ारों बासी रिपोर्ट को संग्रहीत करते हुए विश्वसनीय रिपोर्ट के एक क्यूरेट किए गए सेट को प्रमाणित किया। बोर्ड रिपोर्टिंग एक सुलह अभ्यास होना बंद हो गई, और सेल्फ़-सर्विस अपनाना बढ़ा क्योंकि लोग संख्याओं पर भरोसा करते थे।
सरकार। एक सार्वजनिक स्वास्थ्य विभाग ने प्रमाणित डैशबोर्ड बनाए जो एक शासित सिमैंटिक लेयर से खींचते हैं, ताकि केस गणना और दरों की गणना आंतरिक निर्णय-निर्माण और सार्वजनिक विज्ञप्तियों में समान रूप से हो। विज़ुअलाइज़ेशन मानक नागरिकों को प्रकाशित चार्ट को ईमानदार रखते हैं (शून्य-आधारित अक्ष, स्पष्ट अनिश्चितता बैंड), जो सार्वजनिक विश्वास की रक्षा करता है। एम्बेडेड रिपोर्ट उन केस-प्रबंधन टूल के अंदर स्थानीय मीट्रिक को सामने लाती हैं जिनका फ्रंटलाइन स्टाफ़ पहले से उपयोग करता है।
व्यापार मामला: प्रेरणाएँ, ROI, और TCO
अच्छी तरह से चलाई गई विश्लेषिकी और BI का ROI तेज़, बेहतर निर्णयों और अपव्यय को कम करने से आता है। जब लोग संख्याओं के एक एकल सेट पर भरोसा करते हैं, तो बैठकें इस बात पर बहस होना बंद कर देती हैं कि किसकी स्प्रेडशीट सही है और इस बारे में चर्चा बन जाती हैं कि क्या करना है। सेल्फ़-सर्विस केंद्रीय टीमों पर बैकलॉग को कम करती है, और एक सिमैंटिक लेयर भिन्न मीट्रिक को सुलझाने की आवर्ती लागत को रोकती है। ईमानदार, निर्णय-केंद्रित डैशबोर्ड उस दर को बढ़ाते हैं जिस पर अंतर्दृष्टि कार्रवाई में बदलती है।
अपनाने की लागत में BI प्लेटफ़ॉर्म लाइसेंसिंग, सिमैंटिक लेयर बनाना और बनाए रखना, क्यूरेशन प्रयास, और प्रशिक्षण शामिल है। इसे न अपनाने की लागत के विरुद्ध तौलें: विश्लेषक और अधिकारी परस्पर विरोधी आँकड़ों को सुलझाने में घंटे बर्बाद करते हैं, गुमराह करने वाले चार्ट पर लिए गए निर्णय, बिना रखरखाव वाले डैशबोर्ड का ढेर, और, सार्वजनिक सेटिंग में, जब प्रकाशित संख्याएँ एक-दूसरे का खंडन करती हैं तो क्षीण हुआ विश्वास। नेतृत्व के लिए, तर्क सरल है। एक शासित सिमैंटिक लेयर प्लस क्यूरेट की गई सेल्फ़-सर्विस, डेटा के हर किसी द्वारा भरोसा की जाने वाली संपत्ति होने और भ्रम तथा पुनः-काम के एक स्थायी स्रोत होने के बीच का अंतर है।
एंटी-पैटर्न और नुकसान
- हर टीम मुख्य मीट्रिक की अपने तरीके से गणना करती है, परस्पर विरोधी संख्याएँ पैदा करती है।
- हर चीज़ प्रदर्शित करने के लिए बनाए गए डैशबोर्ड, किसी निर्णय का समर्थन करने के बजाय।
- गुमराह करने वाले चार्ट (कटे हुए अक्ष, दोहरे अक्ष, 3D पाई) जो निष्कर्षों को विकृत करते हैं।
- सेल्फ़-सर्विस को गवर्नेंस के पूरक के बजाय उसके विकल्प के रूप में मानना।
- बिना लाइफ़साइकिल प्रबंधन के हज़ारों बासी, डुप्लिकेट डैशबोर्ड।
- वैनिटी डैशबोर्ड जिन पर कोई कार्रवाई नहीं करता, डेटा-संचालित संस्कृति समझ लिए जाते हैं।
- पिक्सेल-परफ़ेक्ट नियामक दस्तावेज़ बनाने के लिए इंटरैक्टिव BI को खींचना।
- कोई प्रमाणन नहीं, इसलिए उपभोक्ता विश्वसनीय सामग्री को प्रयोगों से नहीं बता सकते।
परिपक्वता मॉडल
- आरंभ करें। रिपोर्ट तदर्थ रूप से स्प्रेडशीट में बनाई जाती हैं, मीट्रिक असंगत रूप से परिभाषित हैं, और चार्ट अक्सर गुमराह करने वाले होते हैं। कोई सिमैंटिक लेयर नहीं, कोई प्रमाणन नहीं, और कोई क्यूरेशन नहीं, इसलिए भिन्न संख्याएँ सामान्य हैं।
- विकसित करें। कुछ साझा डैशबोर्ड के साथ एक BI टूल मौजूद है, लेकिन मीट्रिक परिभाषाएँ अभी भी टीमों में भिन्न होती हैं। सेल्फ़-सर्विस अनियंत्रित है और फैलाव शुरू होता है; कुछ समूह मीट्रिक को सावधानी से मॉडल कर सकते हैं, लेकिन अभ्यास असंगत है और संगठन भर में कुछ भी लागू नहीं किया जाता।
- मानकीकृत करें। एक सिमैंटिक लेयर मुख्य मीट्रिक को एक बार परिभाषित करती है, हर टूल और रिपोर्ट में दस्तावेज़ीकृत और लागू। प्रमाणित सामग्री प्रयोगात्मक से अलग है, सेल्फ़-सर्विस गार्डरेल के भीतर संचालित होती है, विज़ुअलाइज़ेशन मानक प्रकाशित हैं, और सामग्री लाइफ़साइकिल प्रबंधन एक कभी-कभार की सफ़ाई के बजाय एक स्थायी अभ्यास है।
- प्रबंधित करें। विश्लेषिकी संपत्ति को बेसलाइन के विरुद्ध मापा जाता है। डैशबोर्ड उपयोग को ट्रैक किया जाता है और अप्रयुक्त सामग्री को मापा और एक चक्र पर रिटायर किया जाता है; मुख्य मीट्रिक की भिन्न परिभाषाओं की संख्या को एक की ओर निगरानी की जाती है; चार्ट-समीक्षा अनुपालन, सेल्फ़-सर्विस अपनाना, और उत्तर-समय को ट्रैक किया जाता है; और सुलह लागत और मीट्रिक-परिवर्तन लीड टाइम को मापा जाता है ताकि प्रमाणित परिभाषाओं से बहाव को सबूत पर पकड़ा और सुधारा जाए।
- ऑर्केस्ट्रेट करें। मीट्रिक को मालिकों और चेंजलॉग के साथ API की तरह गवर्न किया जाता है, विश्लेषिकी वर्णनात्मक से लेकर प्रिस्क्रिप्टिव तक फैलती है और ठोस कार्रवाई से जुड़ती है, और रिपोर्ट निर्णय के बिंदुओं पर एम्बेडेड होती हैं। संगठन हर जगह सत्य के एक एकल संस्करण पर भरोसा करता है, फैलाव को सक्रिय रूप से रोकता है, और व्यवसाय और उसके प्रश्नों के बदलने के साथ लगातार अपनी विश्लेषिकी को फिर से दायरा देता और पुनः-प्रमाणित करता है।
चर्चा के लिए विचार
- आज आपके सबसे महत्वपूर्ण मीट्रिक की कितनी अलग-अलग परिभाषाएँ मौजूद हैं?
- आपके कौन से डैशबोर्ड वास्तव में किसी निर्णय को बदलते हैं, और कौन से केवल देखे जाते हैं?
- आपके संगठन में कहाँ किसी चार्ट ने अपने दर्शकों को गुमराह किया, निर्दोष रूप से या नहीं?
- क्या आप अतीत का वर्णन करने में अति-निवेशित हैं बनाम निदान और कार्रवाई करने में?
- सामग्री के लिए एक प्रमाणन स्तर आपके संगठन में विश्वास और पुनः-उपयोग के लिए क्या करेगा?
- आप नागरिकों या नियामकों की ईमानदार चार्ट की आवश्यकता को राज़ी करने वाले चार्ट की ओर खिंचाव के साथ कैसे संतुलित करते हैं?
मुख्य निष्कर्ष
- हर जगह उपयोग की जाने वाली एक शासित सिमैंटिक लेयर में हर महत्वपूर्ण मीट्रिक को एक बार परिभाषित करें।
- विश्लेषिकी को सीढ़ी पर वर्णनात्मक से नैदानिक, भविष्यसूचक, और प्रिस्क्रिप्टिव तक धकेलें।
- गार्डरेल के भीतर सेल्फ़-सर्विस सक्षम करें; विश्वसनीय सामग्री को प्रमाणित करें।
- उपलब्ध डेटा के इर्द-गिर्द नहीं, निर्णयों के इर्द-गिर्द डैशबोर्ड डिज़ाइन करें।
- हर चार्ट को ईमानदार बनाएँ; लक्ष्य समझ है, राज़ी करना नहीं।
- फैलाव से लड़ने के लिए निर्दयता से क्यूरेट करें और बासी सामग्री को रिटायर करें।
- विश्लेषिकी को निर्णय के बिंदु पर एम्बेड करें, और उद्देश्य-उपयुक्त परिचालन रिपोर्टिंग का उपयोग करें।
संदर्भ और आगे पढ़ने के लिए
- Edward Tufte, “The Visual Display of Quantitative Information.”
- Stephen Few, “Show Me the Numbers” और “Information Dashboard Design.”
- Cole Nussbaumer Knaflic, “Storytelling with Data.”
- Alberto Cairo, “How Charts Lie.”
- Ralph Kimball and Margy Ross, “The Data Warehouse Toolkit.”
- Darrell Huff, “How to Lie with Statistics.”
- Benn Stancil and others, सिमैंटिक लेयर और मीट्रिक स्टोर पर लेखन।