डेटा संचालन

डेटा संचालन वह शब्द है जिसका उपयोग विश्लेषण के दोनों स्तरों पर किया जाता है। इस प्रकार यह पूर्व राजनीतिक अवधारणा होती है और अंतरराष्ट्रीय संबंधों और इंटरनेट प्रशासन का भाग होती है, अतः उत्तरार्द्ध डेटा प्रबंधन अवधारणा है और कॉर्पोरेट डेटा प्रशासन का भाग होती है।

सूक्ष्म स्तर
वृहद स्तर पर, डेटा संचालन का तात्पर्य देशों द्वारा सीमा पार डेटा प्रवाह के संचालन से होता है, और इसलिए इसे अधिक त्रुटिहीन रूप से अंतर्राष्ट्रीय डेटा संचालन कहा जाता है। इस प्रकार यह नये क्षेत्र में विभिन्न प्रकार के डेटा को नियंत्रित करने वाले मानदंड, सिद्धांत और नियम सम्मिलित होते हैं।

सूक्ष्म स्तर
यहां फोकस व्यक्तिगत कंपनी पर होता है। यहां डेटा संचालन क्षमता से संबंधित डेटा प्रबंधन अवधारणा होती है जो किसी संगठन को यह सुनिश्चित करने में सक्षम बनाती है कि डेटा के पूर्ण जीवनचक्र में उच्च डेटा गुणवत्ता उपस्तिथ होती है, और डेटा नियंत्रण प्रयुक्त किए जाते हैं जो व्यावसायिक उद्देश्यों का समर्थन करते हैं। इस प्रकार डेटा संचालन के प्रमुख फोकस क्षेत्रों में उपलब्धता, प्रयोज्यता, स्थिरता, सम्मिलित होती हैं। डेटा अखंडता और डेटा सुरक्षा, मानक अनुपालन और पूर्ण उद्यम में प्रभावी डेटा प्रबंधन सुनिश्चित करने के लिए प्रक्रियाएं स्थापित करना सम्मिलित होता है जैसे कि खराब डेटा गुणवत्ता के प्रतिकूल प्रभावों के लिए उत्तरदेही और यह सुनिश्चित करना कि उद्यम के पास जो डेटा है उसका उपयोग पूर्ण संगठन द्वारा किया जा सकता है।

डेटा प्रबंधक ऐसी भूमिका होती है जो यह सुनिश्चित करती है कि डेटा संचालन प्रक्रियाओं का पालन किया जाता है और दिशानिर्देशों को प्रयुक्त किया जाता है, अतः साथ ही डेटा संचालन प्रक्रियाओं में सुधार की पक्षसमर्थन की जाती है।

डेटा संचालन में व्यावसायिक उद्यम में किसी संगठन के डेटा की सुसंगत और उचित हैंडलिंग बनाने के लिए आवश्यक लोगों, प्रक्रियाओं और सूचना प्रौद्योगिकी को सम्मिलित किया गया है। यह सभी डेटा प्रबंधन प्रथाओं को आवश्यक आधार, रणनीति और संरचना प्रदान करता है जिससे कि यह सुनिश्चित किया जा सकता है कि डेटा को संपत्ति के रूप में प्रबंधित किया जाता है और सार्थक जानकारी में परिवर्तित कर दिया जाता है। सामान्यतः लक्ष्यों को उद्यम के सभी स्तरों पर परिभाषित किया जा सकता है और ऐसा करने से उन लोगों द्वारा प्रक्रियाओं को स्वीकार करने में सहायता मिल सकती है जो उनका उपयोग करते है। इस प्रकार यह कुछ लक्ष्यों में सम्मिलित होते हैं।


 * निर्णय लेने में निरंतरता और आत्मविश्वास बढ़ाया जाता है।
 * नियामक जुर्माने की ठीक परिस्थिति को कम किया जाता है।
 * सूचना सुरक्षा में सुधार, डेटा वितरण नीतियों के लिए आवश्यकताओं को परिभाषित और सत्यापित किया जाता है।
 * डेटा की आय सृजन क्षमता को अधिकतम किया जाता है।
 * सूचना गुणवत्ता के लिए उत्तरदेही निर्धारित किया जाता है।
 * पर्यवेक्षी कर्मचारियों द्वारा उत्तम योजना बनाना सक्षम किया जाता है।
 * पुनः कार्य को कम करना या समाप्त करना होता है।
 * स्टाफ प्रभावशीलता का अनुकूलन किया जाता है।
 * सुधार प्रयासों को सक्षम करने के लिए प्रक्रिया प्रदर्शन आधार रेखा स्थापित की जाती है।
 * सभी लाभों को स्वीकार करते है और धारण करते है।

इन लक्ष्यों को डेटा संचालन कार्यक्रमों के कार्यान्वयन, या परिवर्तन प्रबंधन विधियाें का उपयोग करने वाली पहलों द्वारा साकार किया जाता है।

जब कंपनियां अपने डेटा पर नियंत्रण पाने की इच्छा रखती हैं या इसकी आवश्यकता होती है, तब वह अपने लोगों को सशक्त बनाती हैं, प्रक्रियाएं स्थापित करती हैं और ऐसा करने के लिए प्रौद्योगिकी से सहायता लेती हैं।

डेटा संचालन ड्राइवर
जबकि डेटा प्रशासन पहल को डेटा गुणवत्ता में सुधार की इच्छा से संचालित किया जा सकता है, वह अधिकांशतः कॉर्पोरेट शीर्षक वरिष्ठ प्रबंधन द्वारा बाहरी नियमों का उत्तर देने से प्रेरित होते हैं। इस प्रकार सीआईओ वाटरकूलर समुदाय द्वारा हाल ही में की गई सूची में, 54% ने कहा था कि मुख्य चालक प्रक्रियाओं में दक्षता थी; 39% - नियामक आवश्यकताएँ थी और केवल 7% ग्राहक सेवा होती थी। इन विनियमों के उदाहरणों में सर्बनेस-ऑक्सले अधिनियम, बेसल I, बेसल II, स्वास्थ्य बीमा पोर्टेबिलिटी और उत्तरदेही अधिनियम, सामान्य डेटा संरक्षण विनियमन, उचित विनिर्माण अभ्यास, सम्मिलित होते हैं। और अनेक डेटा गोपनीयता नियम होते है। इन विनियमों का अनुपालन प्राप्त करने के लिए, व्यावसायिक प्रक्रियाओं और नियंत्रणों को इन विनियमों के अधीन डेटा को नियंत्रित करने के लिए औपचारिक प्रबंधन प्रक्रियाओं की आवश्यकता होती है। सफल कार्यक्रम पर्यवेक्षी और कार्यकारी नेतृत्व दोनों के लिए सार्थक ड्राइवरों की पहचान करते हैं।

बाहरी विनियमों के मध्य सामान्य विषय कठिन परिस्थिति प्रबंधन की आवश्यकता पर केन्द्रित होता हैं। इस प्रकार कठिन परिस्थिति वित्तीय गलतकथन, संवेदनशील डेटा का अनजाने में जारी होना या प्रमुख निर्णयों के लिए खराब डेटा गुणवत्ता हो सकते हैं। इन कठिन परिस्थिति को प्रबंधित करने की विधि भिन्न-भिन्न उद्योगों में भिन्न-भिन्न होते हैं। सामान्यतः संदर्भित सर्वोत्तम प्रथाओं और दिशानिर्देशों के उदाहरणों में सीओबीआईटी, आईएसओ/आईईसी 38500, और अन्य सम्मिलित होते हैं। चूँकि विनियमों और मानकों का प्रसार डेटा प्रशासन कुशल के लिए चुनौतियां उत्पन्न करता है, विशेष रूप से जब अनेक नियम प्रबंधित किए जा रहे थे, तब डेटा को ओवरलैप करते हैं। अतः संगठन अधिकांशतः इन चुनौतियों से निपटने के लिए डेटा संचालन पहल प्रारंभ करते हैं।

डेटा प्रशासन पहल (आयाम)
डेटा प्रशासन पहल डेटा की त्रुटिहीनता, पूर्णता, स्थिरता, समयबद्धता, वैधता और विशिष्टता के लिए जिम्मेदार समूह नियुक्त करके डेटा की गुणवत्ता में सुधार करती है। इस समूह में सामान्यतः कार्यकारी नेतृत्व, परियोजना प्रबंधन, लाइन-ऑफ-बिजनेस मैनेजर और डेटा स्टीवर्ड सम्मिलित होते हैं। इस प्रकार समूह सामान्यतः एंटरप्राइज़ डेटा को ट्रैक करने और सुधारने के लिए कुछ प्रकार की कार्यप्रणाली का उपयोग करती है, जैसे सिक्स सिग्मा, और डेटा मानचित्रण, डेटा प्रोफाइलिंग, सफाई और डेटा की निगरानी के लिए उपकरण होते है।

डेटा संचालन पहल का उद्देश्य अनेक उद्देश्यों को प्राप्त करना हो सकता है, जिसमें आंतरिक और बाहरी ग्राहकों (जैसे आपूर्ति श्रृंखला प्रबंधन) को उत्तम दृश्यता प्रदान करना, अनुपालन (विनियमन) का अनुपालन, तेजी से कंपनी के विकास या विलय और अधिग्रहण के पश्चात् संचालन में सुधार करना, या सहायता करना सम्मिलित होता है। इस प्रकार भ्रम और त्रुटि को कम करके और उनके ज्ञान के सीमा को बढ़ाकर उद्यम ज्ञान श्रमिकों की दक्षता अनेक डेटा संचालन पहल विभागीय स्तर पर सूचना गुणवत्ता को ठीक करने के पिछले प्रयासों से भी प्रेरित करते हैं, जिससे असंगत और अनावश्यक डेटा गुणवत्ता प्रक्रियाएं होती हैं। अधिकांशतः बड़ी कंपनियों के पास अनेक एप्लिकेशन और डेटाबेस होते हैं जो सरलता से जानकारी साझा नहीं कर सकते हैं। इसलिए, बड़े संगठनों के ज्ञान कार्यकर्ताओं के पास अधिकांशतः उस डेटा तक पहुंच नहीं होती है जिसकी उन्हें अपना कार्य सर्वोत्तम विधि से करने के लिए आवश्यकता होती है। जब उनके पास डेटा तक पहुंच होती है, तब डेटा की गुणवत्ता खराब हो सकती है। डेटा संचालन प्रैक्टिस या कॉर्पोरेट डेटा अथॉरिटी (डेटा समस्या उत्पन्न होने पर व्यवसाय के सर्वोत्तम हित में आगे बढ़ने की विधि को निर्धारित करने के लिए जिम्मेदार व्यक्ति या क्षेत्र) की स्थापना करके, इन समस्याओं को कम किया जा सकता है।

कार्यान्वयन
डेटा संचालन पहल का कार्यान्वयन सीमा के साथ-साथ मूल में भी भिन्न हो सकता है। इस प्रकार कभी-कभी, उद्यम-व्यापी प्रयास प्रारंभ करने के लिए कार्यकारी अधिदेश उत्पन्न होता है, अतः कभी-कभी अधिदेश पायलट प्रोजेक्ट या प्रोजेक्ट बनाने के लिए होता है, जो सीमा और उद्देश्यों में सीमित होता है, जिसका उद्देश्य उपस्ति होता था, विवादों को हल करना या मूल्य प्रदर्शित करना होता है। इस प्रकार कभी-कभी कोई पहल संगठन के पदानुक्रम में नीचे से प्रारंभ होती है, और संगठन में ऊपर के संभावित प्रायोजकों के लिए मूल्य प्रदर्शित करने के लिए सीमित सीमा में नियत की जाती है। अतः कार्यान्वयन का प्रारंभिक सीमा एकल-बारगी आईटी प्रणाली की समीक्षा से लेकर क्रॉस-संगठन पहल तक, अधिक भिन्न हो सकता है।

डेटा प्रशासन उपकरण
सफल डेटा संचालन कार्यक्रमों के नेताओं ने दिसंबर, सन्न 2006 में ऑरलैंडो, एफएल में डेटा संचालन सम्मेलन में घोषणा की थी कि डेटा संचालन 80 से 95 प्रतिशत संचार के मध्य होता है। जैसा कि कहा गया है, अतः यह माना जाता है कि डेटा संचालन प्रोग्राम के अनेक उद्देश्यों को उचित उपकरणों के साथ पूर्ण किया जाता है। इस प्रकार अनेक विक्रेता वर्तमान अपने उत्पादों को डेटा संचालन टूल के रूप में स्थापित कर रहे हैं। चूँकि विभिन्न डेटा प्रशासन पहलों के भिन्न-भिन्न फोकस क्षेत्रों के कारण, कोई भी उपकरण उपयुक्त हो सकता है और नहीं भी हो सकता है, इसके अतिरिक्त, अनेक उपकरण जिन्हें शासन उपकरण के रूप में विपणन नहीं किया जाता है, अतः वह शासन की आवश्यकताओ और मांगों को संबोधित करते हैं।

यह भी देखें

 * डेटा संप्रभुता
 * सूचना वास्तुकला
 * सूचना शासन
 * सूचना प्रौद्योगिकी शासन
 * व्यवसाय शब्दार्थ प्रबंधन
 * व्यावसायिक शब्दावली और व्यावसायिक नियमों का शब्दार्थ
 * मास्टर डेटा प्रबंधन
 * कोबिट
 * आईएसओ/आईईसी 38500
 * आईएसओ/टीसी 215
 * परिचालन कठिन परिस्थिति प्रबंधन
 * बेसल II समझौता
 * हिपा
 * सर्बनेस-ऑक्सले अधिनियम
 * सूचना प्रौद्योगिकी नियंत्रण
 * डेटा सुरक्षा निर्देश (ईयू)
 * यूनिवर्सल डेटा एलिमेंट फ्रेमवर्क
 * संपत्ति विवरण मेटाडेटा स्कीमा
 * सिमुलेशन शासन
 * मशीन-लर्निंग अनुसंधान के लिए डेटासमूह की सूची