যেখানে ডেটার চারপাশে সহযোগিতা ব্যর্থ হয় (এবং এটি ঠিক করার জন্য 4 টি টিপস)

Freepik-এ ক্রিয়েটিভআর্টের ছবি 

ডেটা দলগুলি সফ্টওয়্যার ইঞ্জিনিয়ারিং টিমের মতো ক্রমবর্ধমানভাবে কাজ করছে, তাদের কাজ পরিচালনা করার জন্য প্রকৌশল এবং উন্নয়ন সরঞ্জামগুলি গ্রহণ করছে। এর মধ্যে গিথুবের মতো সংস্করণ নিয়ন্ত্রণ ব্যবস্থা থেকে শুরু করে কানবান এবং স্ক্রামের মতো চটপটে অনুশীলন করা এবং প্রতিদিনের স্ট্যান্ডআপ, স্প্রিন্ট প্রতিশ্রুতি এবং স্প্রিন্ট ডেমোর মতো অনুষ্ঠান অন্তর্ভুক্ত। উদ্দেশ্য-নির্মিত সমাধান (যেমন ডেটা মডেলিং, টেস্টিং এবং ইন্টিগ্রেশনের জন্য dbt) বাজারে এসেছে, সফ্টওয়্যার ইঞ্জিনিয়ারিং মানসিকতাকে সমর্থন করে। এই সমাধানগুলি বৃহৎ, বিতরণ করা ডেটা দলগুলিকে তাদের সেরা কাজ করতে শক্তি দেয়।

কিন্তু যখন ডেটা টিম এবং বাকি ব্যবসার মধ্যে সহযোগিতার কথা আসে, তখনও উদ্ভাবনের জন্য অনেক জায়গা রয়েছে।

এমনকি সবচেয়ে এগিয়ে-চিন্তাকারী ডেটা-চালিত সংস্থাগুলি এখনও তাদের ডেটা দল এবং ব্যবসায়িক স্টেকহোল্ডারদের মধ্যে যোগাযোগ পরিচালনা করতে মানক সহযোগিতার সরঞ্জাম এবং অনুশীলনের উপর নির্ভর করে (যেমন স্ল্যাক, ইমেল বা নিয়মিত নির্ধারিত মিটিং)। সর্বোপরি, কেন নয়? তথ্য দল এবং এর কর্মপ্রবাহ কি সংস্থার অন্যান্য ফাংশনগুলির সাথে সাদৃশ্যপূর্ণ হওয়া উচিত নয়? এই যুক্তি, এবং আচরণ, কাজ করে যখন মিথস্ক্রিয়াগুলি তুলনামূলকভাবে সাধারণ প্রকৃতির হয়। কিন্তু এমন পরিস্থিতিতে যেখানে দলের গতিশীলতা আরও জটিল (এবং প্রতিটি গুরুত্বপূর্ণ কথোপকথন এবং সিদ্ধান্তের জন্য ডেটা বেশি কেন্দ্রীয়), জেনেরিক সমাধানগুলির উপর এই নির্ভরতা অপর্যাপ্ত।

যেহেতু ডেটা ব্যবসায়িক ক্রিয়াকলাপের জন্য আরও কেন্দ্রীয় হয়ে ওঠে, ডেটা দলের সদস্যদের প্রায়ই একাধিক টুপি পরতে হয়। কিছু ক্ষেত্রে, তাদের ব্যবসায়িক ব্যবহারকারীদের চাহিদা বোঝার মাধ্যমে পণ্য পরিচালক হিসাবে কাজ করতে হবে, যাতে তারা ডেটা প্ল্যাটফর্মের বিকাশ করতে পারে। অন্যান্য দৃষ্টান্তে, তাদের সমর্থন ক্ষমতায় অ্যাডহক অনুরোধগুলি পরিচালনা করতে হবে। অন্যান্য পরিস্থিতিতে, তাদের নতুন ব্যবহারকারীদের অনবোর্ড করতে হবে এবং তাদের কাছে উপলব্ধ ডেটা সম্পদের সাথে জড়িত হতে তাদের সাহায্য করতে হবে।

জেনেরিক সহযোগিতা টুলিং এবং কাজ পরিচালনার ঐতিহ্যগত পদ্ধতিগুলি এই পরিস্থিতিতে দ্রুত ভেঙে যায়। প্রোডাক্ট টিম এবং সাপোর্ট টিম তাদের কাজ পরিচালনা করার জন্য উদ্দেশ্য-নির্মিত টুলিং আছে। স্টেকহোল্ডার অনুরোধগুলিকে সর্বোত্তমভাবে পরিচালনা করার জন্য ডেটা দলগুলিরও কি একটি সমাধানের প্রয়োজন নেই? অথবা তাদের সমর্থন ডকুমেন্টেশন পরিচালনার জন্য সরঞ্জাম, বা শেষ ব্যবহারকারীদের প্রশিক্ষণ? সেরা ডেটা দলগুলি প্রায়শই তাদের কর্মপ্রবাহের এই অংশের সাথে লড়াই করতে দেখে এবং অন্যদের জন্য তৈরি সমাধানগুলি গ্রহণ করে (এই উদাহরণে, পণ্য এবং সহায়তা দলগুলি)।

যেহেতু বেশিরভাগ ডেটা কাজ এবং মিথস্ক্রিয়াগুলি অভ্যন্তরীণ, তাই বিভ্রান্তি সৃষ্টি করা এবং বিশ্রীতার সম্মুখীন না হয়ে ব্যবসায়িক স্টেকহোল্ডারদের সাথে কাজ করার সঠিক উপায় খুঁজে পাওয়া দলগুলির পক্ষে কঠিন হতে পারে।

আপনি যদি ডেটা টিম এবং অন্যদের মধ্যে সহযোগিতার সমস্যাগুলি তদন্ত করেন তবে আপনি ডেটা সম্পদের নির্মাতা এবং গ্রাহকদের মধ্যে তথ্যের অসামঞ্জস্য খুঁজে পেতে বাধ্য। একদিকে, আপনার কাছে অন্তর্নিহিত ডেটা, কীভাবে এটিকে ম্যানিপুলেট এবং বিশ্লেষণ করা যায় এবং ডেটা সম্পদের একটি বৃহত্তর অংশের মধ্যে এটিকে কীভাবে প্রাসঙ্গিক করা যায় সে সম্পর্কে গভীর জ্ঞান রয়েছে। অন্যদিকে, আপনার কাছে ডেটা ভোক্তা রয়েছে, যারা সাধারণত ব্যবসা সম্পর্কে সমৃদ্ধ জ্ঞানের সাথে ডোমেন বিশেষজ্ঞ, যা বৃহত্তর প্রসঙ্গ প্রদান, ডেটা বোঝা এবং ডেটা প্ল্যাটফর্মের বিকাশের জন্য গুরুত্বপূর্ণ হতে পারে।

উদাহরণস্বরূপ, জেন নিন। তিনি সবেমাত্র একটি ফরচুন 500 কোম্পানিতে একজন বিক্রয় ব্যবস্থাপক হিসাবে যোগদান করেছেন, দক্ষিণ-পূর্ব জুড়ে ছড়িয়ে থাকা 15 জন বিক্রয়কর্মীর একটি বিতরণ করা দল পরিচালনা করছেন। তার নতুন চাকরির দ্বিতীয় দিনে, তাকে বিভিন্ন সংস্থানের একাধিক লিঙ্ক সহ একজন সহকর্মীর কাছ থেকে একটি ইমেল ফরোয়ার্ড করা হয়: পাইপলাইন তথ্য সহ একটি স্প্রেডশীট, সেলসফোর্সের বিভিন্ন প্রতিবেদন এবং কোম্পানি BI সমাধানে পৃথক কর্মক্ষমতা সম্পর্কে মুষ্টিমেয় ড্যাশবোর্ড। ডেটার দিকে তাকিয়ে কয়েক মিনিট কাটানোর পরে, সে বুঝতে পারে যে সে আসলে কী দেখছে এবং এর অর্থ কী তার কোনও ধারণা নেই। তিনি তার সেলস অপস ম্যানেজারকে সাহায্যের জন্য একটি বার্তা পাঠান, যিনি ডেটা টিমে তাদের অংশীদারকে লুপ করেন যারা বেশিরভাগ সংস্থান তৈরি করেছেন। ডেটা বিশ্লেষক ইমেলটি পড়েন, দীর্ঘশ্বাস ফেলেন এবং তারপরে উত্তর লিখতে পরের ঘন্টা ব্যয় করেন। "ডকুমেন্টেশন পুনঃমূল্যায়ন" করার জন্য তারা তাদের JIRA বোর্ডে একটি টিকিট তৈরি করে।

এই ধরনের ডেটা সহযোগিতার সমস্যাগুলির পিছনে মূল কারণ হল নির্মাতা এবং ভোক্তাদের মধ্যে তথ্যের অসামঞ্জস্য, যা সবাইকে হতাশ এবং অসন্তুষ্ট করে।

দুঃখজনকভাবে, যারা এই গতিশীলতা দ্বারা প্রায়শই প্রভাবিত হয় তারা জুনিয়র কর্মচারী বা প্রথম সারির মধ্যম ব্যবস্থাপনা, কারণ তাদের সাধারণত সংস্থায় কম ক্ষমতা থাকে এবং ডেটার চারপাশে নেওয়া সিদ্ধান্তগুলি বোঝার জন্য সবচেয়ে কম প্রেক্ষাপট থাকে। নিবিড় প্রশিক্ষণ ব্যতীত, এই কর্মচারীরা তথ্যের অসামঞ্জস্যের ফলে যোগাযোগের সমস্যাগুলির জন্য ঝুঁকিপূর্ণ। তারা "স্কিকি হুইল সিনড্রোম" এর শিকার হওয়ারও প্রবণতা রয়েছে, যেখানে কার্যনির্বাহী এবং সিনিয়র নেতৃত্ব দলের সদস্যদের কণ্ঠস্বর স্বাভাবিকভাবেই ডেটা টিম দ্বারা সবচেয়ে বেশি শোনা যায় (এবং তাই তাদের অনুরোধ এবং প্রয়োজনগুলি অন্যদের চেয়ে অগ্রাধিকার দেওয়া হয়।)

ডেটা টুলিং এবং দলগুলিতে করা বিশাল বিনিয়োগ থেকে বিনিয়োগে আরও ভাল রিটার্ন পাওয়ার জন্য, আমাদের সমস্যাগুলির কেন্দ্রস্থলে এই তথ্যের অসামঞ্জস্যগুলিকে আক্রমণ করতে হবে। শূন্যে পৌঁছানো সম্ভবত একটি উচ্চাকাঙ্খী লক্ষ্য, তবে ডেটা দলগুলিকে অনুশীলন, অংশীদারিত্ব এবং টুলিংয়ের মাধ্যমে এই ব্যবধানটি বন্ধ করার জন্য ক্রমাগত চেষ্টা করা উচিত। এটি করার ফলে ঘর্ষণ দূর হবে, স্বচ্ছতা এবং বিশ্বাস বৃদ্ধি পাবে এবং প্রত্যেককে কোম্পানির ডেটা অফার থেকে আরও বেশি কিছু পেতে অনুমতি দেবে।

তথ্যের অসামঞ্জস্য কমাতে এবং তাদের প্রতিষ্ঠানে আরও ভাল সহযোগিতা অর্জন করতে চান এমন ডেটা নেতাদের জন্য এখানে 4টি সক্রিয় টিপস রয়েছে:

1. ব্যবসার প্রয়োজনের সাথে সাংগঠনিক এবং দলের কাঠামোকে পুনরায় সাজান. এতে শুধুমাত্র রিপোর্টিং মডেল নয়, ডেটা টিমের ভূমিকা এবং ফাংশনও অন্তর্ভুক্ত। আমরা ইতিমধ্যেই "ডেটা প্রোডাক্ট ম্যানেজার" বা "ডেটা স্ক্রাম মাস্টার" এর মতো ভূমিকার জন্য আরও চাকরির পোস্টিং দেখতে শুরু করেছি। এই নতুন ফাংশনগুলি ডেটা দলগুলিকে সহযোগিতার চ্যালেঞ্জগুলি পরিচালনা করতে সহায়তা করবে যা দিনের শেষে, সাধারণত মানুষ এবং প্রক্রিয়াগুলি বনাম অন্তর্নিহিত প্রযুক্তি সমস্যাগুলির বিষয়ে হয়৷
2. একটি ম্যাট্রিক্স মডেল বিনিয়োগ বিবেচনা করুন যেখানে আপনার দলের সদস্যরা - বা কিছু ক্ষেত্রে সম্পূর্ণ পড - নির্দিষ্ট ব্যবসায়িক ইউনিটের সাথে সংযুক্ত থাকে। এটি তাৎক্ষণিক ব্যবসায়িক প্রয়োজনের জন্য দীর্ঘমেয়াদী ডেটা উদ্যোগের সারিবদ্ধকরণের অনুমতি দেবে, জ্ঞান ভাগ করে নেওয়ার পাশাপাশি বিশ্লেষক এবং যারা তারা প্রতিদিন সমর্থন করে তাদের মধ্যে ঘনিষ্ঠ, সহযোগী সম্পর্ক।
3. ছোট শুরু করুন, এবং আপনি যেতে যেতে আপনার সাফল্য গড়ে তুলুন। দ্য প্রথম ইম্প্রেশনের শক্তি overestimated করা যাবে না। ডেটা টিমের প্রাথমিক উপলব্ধিগুলি তাদের কাজ কীভাবে গ্রহণ করা হবে তার জন্য অবিশ্বাস্যভাবে গুরুত্বপূর্ণ, তাই দলের মূল সদস্যদের সাথে এটি কীভাবে যায় সে সম্পর্কে চিন্তাভাবনা করুন। সংগঠনের 1-2 মূল চ্যাম্পিয়নদের সাথে দৃঢ় সম্পর্ক গড়ে তোলার মাধ্যমে ফোকাস করুন যারা আপনি কতটা আশ্চর্যজনক সে সম্পর্কে শব্দটি ছড়িয়ে দিতে সাহায্য করতে পারেন। সেখান থেকে প্রসারিত করুন।
4. কোন সহযোগিতার সরঞ্জামগুলি মনে রাখবেন আপনার ডেটা উদ্যোগ এবং ডেটা পণ্যের জীবনচক্র জুড়ে লিভারেজ করা যেতে পারে. উদাহরণস্বরূপ, নীচের প্রতিটি বিভাগের জন্য আপনি কীভাবে আপনার লোকেদের, প্রক্রিয়া এবং সিস্টেমগুলিকে সমাবেশ করতে চান সে সম্পর্কে চিন্তা করুন। প্রায়শই একটি বিভাগের জন্য যা কাজ করবে তা অন্যদের ক্ষেত্রে খারাপভাবে ব্যর্থ হবে:
   • তথ্য দলের মধ্যে সহযোগিতা
   • আপনার দলের বাইরে অন্যান্য কর্মীদের সাথে জেনেরিক সহযোগিতা
   • অ্যাডহক প্রশ্ন, বা নতুন বৈশিষ্ট্য অনুরোধ
   • ডেটা পণ্যের জন্য চলমান সমর্থন
   • নতুন ডেটা উদ্যোগ বা ডেটা পণ্যের স্কোপিং
   • ব্যবসার জন্য কী মূল্যবান তার উপর ভিত্তি করে আপনার ডেটা অফারকে বিকশিত করা

উদ্ভাবনী ডেটা দলগুলি ইতিমধ্যে সফ্টওয়্যার ইঞ্জিনিয়ারিং সেরা অনুশীলনে স্থানান্তরিত করছে এবং সেই প্রবণতা আগামী বছরগুলিতে অব্যাহত থাকবে। ভবিষ্যতের বৃদ্ধিকে সমর্থন করার জন্য আপনি ডেটা পরিকাঠামোতে বিনিয়োগের দিকে নজর দেওয়ার সময়, ব্যবসায়িক অংশীদার সহযোগিতাকে সমর্থন করে এমন সরঞ্জামগুলি সম্পর্কে চিন্তা করুন।

 
 
নিকোলাস ফ্রুন্ড একজন পাকা SaaS ইন্ডাস্ট্রি এক্সিকিউটিভ যার এক দশকেরও বেশি অভিজ্ঞতার সাথে নেতৃস্থানীয় স্টার্টআপগুলি পণ্যের নেতৃত্বে বৃদ্ধির উপর দৃষ্টি নিবদ্ধ করে। Workstream.io-এর প্রতিষ্ঠাতা এবং সিইও হিসাবে, নিক একটি বীজ-পর্যায়ের প্রযুক্তি স্টার্টআপের নেতৃত্ব দেন যা ডেটা দলগুলিকে গুরুত্বপূর্ণ ডেটা সম্পদগুলি পরিচালনা করতে সহায়তা করে৷ ওয়ার্কস্ট্রিমের আগে, নিক বেটারক্লাউডের অপারেশনের ভিপি হিসাবে কাজ করেছিলেন, একটি স্বাধীন সফ্টওয়্যার বিক্রেতা যা অগ্রণী SaaS অপারেশনস ম্যানেজমেন্ট সমাধান সরবরাহ করে। পূর্বে, নিক হার্ভার্ডে এমবিএ অর্জনের সময় টেসলায় সিনিয়র ফাইন্যান্স পদে অধিষ্ঠিত ছিলেন।

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• প্লেটোব্লকচেন। Web3 মেটাভার্স ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• উত্স: https://www.kdnuggets.com/2023/01/collaboration-fails-around-data-4-tips-fixing.html?utm_source=rss&utm_medium=rss&utm_campaign=where-collaboration-fails-around-data-and-4-tips-for-fixing-it