جہاں ڈیٹا کے ارد گرد تعاون ناکام ہوجاتا ہے (اور اسے ٹھیک کرنے کے لیے 4 نکات)

فری پک پر تخلیقی آرٹ کی تصویر 

ڈیٹا ٹیمیں تیزی سے سافٹ ویئر انجینئرنگ ٹیموں کی طرح کام کر رہی ہیں، اپنے کام کو منظم کرنے کے لیے انجینئرنگ اور ترقیاتی ٹولز کو اپنا رہی ہیں۔ یہ گیتھب جیسے ورژن کنٹرول سسٹم سے لے کر کنبان اور سکرم جیسے چست طریقوں کو اپنانے تک ہیں، اور اس میں روزانہ اسٹینڈ اپ، سپرنٹ کمٹمنٹس اور سپرنٹ ڈیمو جیسی تقریبات شامل ہیں۔ سافٹ ویئر انجینئرنگ کی ذہنیت کو سپورٹ کرتے ہوئے مقصد سے تیار کردہ حل (جیسے ڈیٹا ماڈلنگ، ٹیسٹنگ اور انٹیگریشن کے لیے dbt) مارکیٹ میں آچکے ہیں۔ یہ حل بڑی، تقسیم شدہ ڈیٹا ٹیموں کو اپنا بہترین کام کرنے کی طاقت دیتے ہیں۔

لیکن جب ڈیٹا ٹیموں اور بقیہ کاروبار کے درمیان تعاون کی بات آتی ہے، تب بھی جدت طرازی کی کافی گنجائش موجود ہے۔

یہاں تک کہ سب سے آگے کی سوچ رکھنے والی ڈیٹا سے چلنے والی تنظیمیں بھی اپنی ڈیٹا ٹیموں اور کاروباری اسٹیک ہولڈرز کے درمیان مواصلت کا انتظام کرنے کے لیے تعاون کے معیاری ٹولز اور طریقوں (مثلاً سلیک، ای میل یا باقاعدگی سے طے شدہ میٹنگز) پر انحصار کرتی ہیں۔ آخر کیوں نہیں؟ کیا ڈیٹا ٹیم اور اس کے ورک فلو کو تنظیم کے دیگر افعال سے مشابہت نہیں ہونی چاہیے؟ یہ استدلال، اور رویہ اس وقت کام کرتا ہے جب بات چیت نسبتاً عام نوعیت کی ہو۔ لیکن ایسے حالات میں جہاں ٹیم کی حرکیات زیادہ پیچیدہ ہوتی ہیں (اور ڈیٹا ہر اہم گفتگو اور فیصلے میں زیادہ مرکزی ہوتا ہے)، عام حل پر یہ انحصار ناکافی ہے۔

جیسا کہ ڈیٹا کاروباری کارروائیوں میں زیادہ مرکزی بن جاتا ہے، ڈیٹا ٹیم کے اراکین کو اکثر ایک سے زیادہ ٹوپیاں پہننے کی ضرورت ہوتی ہے۔ کچھ معاملات میں، انہیں کاروباری صارفین کی ضروریات کو سمجھ کر پروڈکٹ مینیجرز کے طور پر کام کرنے کی ضرورت ہوتی ہے، تاکہ وہ ڈیٹا پلیٹ فارم تیار کر سکیں۔ دوسری صورتوں میں، انہیں ایڈہاک درخواستوں کو سپورٹ کی صلاحیت میں ہینڈل کرنے کی ضرورت ہے۔ دیگر حالات میں، انہیں نئے صارفین کو آن بورڈ کرنے اور ان کے لیے دستیاب ڈیٹا اثاثوں کے ساتھ مشغول ہونے میں ان کی مدد کرنے کی ضرورت ہے۔

عام تعاون کے ٹولنگ اور کام کو منظم کرنے کے روایتی طریقے ان منظرناموں میں تیزی سے ٹوٹ جاتے ہیں۔ پروڈکٹ ٹیموں اور سپورٹ ٹیموں کے پاس اپنے کام کو منظم کرنے کے لیے مقصد سے تیار کردہ ٹولنگ ہے۔ کیا ڈیٹا ٹیموں کو بھی اسٹیک ہولڈر کی درخواستوں کا بہترین انتظام کرنے کے لیے حل کی ضرورت نہیں ہے؟ یا ان کے معاون دستاویزات کے انتظام کے لیے ٹولز، یا آخری صارفین کی تربیت؟ بہترین ڈیٹا ٹیمیں اکثر خود کو اپنے ورک فلو کے اس حصے کے ساتھ جدوجہد کرتے ہوئے پاتی ہیں، اور دوسروں کے لیے بنائے گئے حل کو اپناتی ہیں (اس مثال میں، پروڈکٹ اور سپورٹ ٹیمیں)۔

چونکہ زیادہ تر ڈیٹا کا کام اور تعاملات اندرونی ہوتے ہیں، اس لیے ٹیموں کے لیے کاروباری اسٹیک ہولڈرز کے ساتھ الجھن پیدا کیے بغیر اور عجیب و غریب کیفیت کا سامنا کیے بغیر کام کرنے کا صحیح طریقہ تلاش کرنا مشکل ہو سکتا ہے۔

اگر آپ ڈیٹا ٹیموں اور دوسروں کے درمیان تعاون کے مسائل کی چھان بین کرتے ہیں، تو آپ ڈیٹا اثاثوں کے بنانے والوں اور صارفین کے درمیان معلومات کی ہم آہنگی تلاش کرنے کے پابند ہیں۔ ایک طرف، آپ کے پاس ڈیٹا بنانے والے ہیں جن کے پاس بنیادی ڈیٹا کے بارے میں گہرا علم ہے، اس میں کس طرح ہیرا پھیری اور تجزیہ کیا جائے، اور ڈیٹا اثاثوں کے ایک بڑے حصے میں اسے کس طرح سیاق و سباق کے مطابق بنایا جائے۔ دوسری طرف، آپ کے پاس ڈیٹا صارفین ہیں، جو عام طور پر ڈومین کے ماہرین ہوتے ہیں جن کے پاس کاروبار کے بارے میں بھرپور معلومات ہوتی ہیں، جو وسیع تر سیاق و سباق فراہم کرنے، ڈیٹا کو سمجھنے اور ڈیٹا پلیٹ فارم کو تیار کرنے کے لیے اہم ہو سکتا ہے۔

مثال کے طور پر، جین کو لے لو. اس نے ابھی فارچیون 500 کمپنی میں سیلز مینیجر کے طور پر شمولیت اختیار کی ہے، جو جنوب مشرق میں پھیلے ہوئے 15 سیلز لوگوں کی تقسیم شدہ ٹیم کو منظم کر رہی ہے۔ اپنی نئی ملازمت کے دوسرے دن، اسے ایک ساتھی کی جانب سے مختلف وسائل کے متعدد لنکس کے ساتھ ایک ای میل بھیجی جاتی ہے: پائپ لائن کی معلومات کے ساتھ ایک اسپریڈشیٹ، سیلز فورس میں مختلف رپورٹس، اور کمپنی BI حل میں انفرادی کارکردگی کے بارے میں مٹھی بھر ڈیش بورڈ۔ ڈیٹا کو دیکھنے میں چند منٹ گزارنے کے بعد، اسے احساس ہوا کہ اسے کوئی اندازہ نہیں ہے کہ وہ واقعی کیا دیکھ رہی ہے، اور اس کا کیا مطلب ہے۔ وہ اپنے سیلز آپس مینیجر کو ایک پیغام بھیجتی ہے جس میں مدد طلب کی جاتی ہے، جو ڈیٹا ٹیم میں اپنے پارٹنر کو شامل کرتا ہے جس نے ان میں سے زیادہ تر وسائل بنائے۔ ڈیٹا اینالسٹ ای میل پڑھتا ہے، آہیں بھرتا ہے، اور پھر اگلا گھنٹہ جواب لکھنے میں گزارتا ہے۔ وہ "دستاویزات کا دوبارہ جائزہ لینے" کے لیے اپنے JIRA بورڈ پر ایک ٹکٹ بناتے ہیں۔

اس قسم کے ڈیٹا تعاون کے مسائل کے پیچھے بنیادی وجہ بلڈرز اور صارفین کے درمیان معلومات کی مطابقت نہیں ہے، جو ہر کسی کو مایوس اور ناخوش چھوڑ دیتی ہے۔

افسوسناک بات یہ ہے کہ جو لوگ اکثر ان حرکیات سے متاثر ہوتے ہیں وہ جونیئر ملازمین یا فرنٹ لائن پر مڈل مینجمنٹ ہوتے ہیں، کیونکہ ان کے پاس تنظیم میں عام طور پر کم طاقت ہوتی ہے اور ڈیٹا کے ارد گرد کیے جانے والے فیصلوں کو سمجھنے کے لیے کم سے کم سیاق و سباق ہوتا ہے۔ گہری تربیت کے بغیر، یہ ملازمین ان قسم کے مواصلاتی مسائل کا شکار ہوتے ہیں جو معلومات کی مطابقت کے نتیجے میں ہوتے ہیں۔ وہ "سکیکی وہیل سنڈروم" کا شکار ہونے کا بھی خطرہ رکھتے ہیں، جہاں ایگزیکٹوز اور سینئر لیڈرشپ ٹیم کے اراکین کی آوازیں قدرتی طور پر ڈیٹا ٹیموں کے ذریعہ سب سے زیادہ سنی جاتی ہیں (اور اس وجہ سے ان کی درخواستوں اور ضروریات کو دوسروں کی نسبت ترجیح دی جاتی ہے۔)

ڈیٹا ٹولنگ اور ٹیموں میں کی جانے والی بڑے پیمانے پر سرمایہ کاری سے سرمایہ کاری پر بہتر منافع حاصل کرنے کے لیے، ہمیں اپنے مسائل کے مرکز میں معلومات کی ان مطابقتوں پر حملہ کرنے کی ضرورت ہے۔ صفر تک پہنچنا شاید ایک خواہش مند مقصد ہے، لیکن ڈیٹا ٹیموں کو مشقوں، شراکت داریوں اور ٹولنگ کے ذریعے اس فرق کو ختم کرنے کی مسلسل کوشش کرنی چاہیے۔ ایسا کرنے سے رگڑ دور ہو جائے گی، شفافیت اور اعتماد بڑھے گا، اور ہر ایک کو کمپنی کی ڈیٹا پیشکشوں سے زیادہ سے زیادہ فائدہ اٹھانے کا موقع ملے گا۔

اعداد و شمار کے رہنماؤں کے لیے یہاں 4 فعال تجاویز ہیں جو معلومات کی مطابقت کو کم کرنا چاہتے ہیں اور اپنی تنظیموں میں بہتر تعاون حاصل کرنا چاہتے ہیں:

1. کاروبار کی ضروریات کے ساتھ تنظیمی اور ٹیم کے ڈھانچے کو دوبارہ ترتیب دیں۔. اس میں نہ صرف رپورٹنگ ماڈلز، بلکہ ڈیٹا ٹیم کے کردار اور افعال بھی شامل ہیں۔ ہم پہلے ہی "ڈیٹا پروڈکٹ مینیجر" یا "ڈیٹا سکرم ماسٹر" جیسے کرداروں کے لیے مزید نوکریوں کی پوسٹنگ دیکھنا شروع کر رہے ہیں۔ یہ نئے فنکشنز ڈیٹا ٹیموں کو تعاون کے چیلنجوں کا انتظام کرنے میں مدد کریں گے جو، دن کے اختتام پر، عام طور پر بنیادی ٹیکنالوجی کے مسائل کے مقابلے میں لوگوں اور عمل کے بارے میں ہوتے ہیں۔
2. میٹرکسڈ ماڈل میں سرمایہ کاری کرنے پر غور کریں۔ جہاں آپ کی ٹیم کے ارکان – یا کچھ معاملات میں پوری پوڈز – مخصوص کاروباری اکائیوں سے منسلک ہیں۔ یہ طویل مدتی ڈیٹا کے اقدامات کو فوری طور پر کاروباری ضروریات، علم کے اشتراک کو فروغ دینے کے ساتھ ساتھ تجزیہ کاروں اور ان لوگوں کے درمیان قریبی تعاون پر مبنی تعلقات کی اجازت دے گا جن کی وہ روزانہ حمایت کرتے ہیں۔
3. چھوٹی شروعات کریں، اور جاتے جاتے اپنی کامیابی کو آگے بڑھائیں۔. پہلے تاثرات کی طاقت زیادہ اندازہ نہیں لگایا جا سکتا. ڈیٹا ٹیم کے ابتدائی تصورات ناقابل یقین حد تک اہم ہیں کہ ان کے کام کو کیسے موصول کیا جائے گا، لہذا اس بارے میں سوچیں کہ یہ ٹیم کے اہم اراکین کے ساتھ کیسے آگے بڑھتا ہے۔ تنظیم میں 1-2 کلیدی چیمپئنز کے ساتھ مضبوط تعلقات استوار کرکے توجہ مرکوز کریں جو اس بات کو پھیلانے میں مدد کرسکتے ہیں کہ آپ کتنے حیرت انگیز ہیں۔ وہاں سے پھیلائیں۔
4. اس بات کو ذہن میں رکھیں کہ کون سے تعاون کے اوزار ہیں۔ آپ کے ڈیٹا کے اقدامات اور ڈیٹا پروڈکٹس کے لائف سائیکل میں فائدہ اٹھایا جا سکتا ہے۔. مثال کے طور پر، اس بارے میں سوچیں کہ آپ ذیل میں سے ہر ایک زمرے کے لیے اپنے لوگوں، عمل اور نظام کو کس طرح جمع کرنا چاہتے ہیں۔ اکثر جو ایک قسم کے لیے کام کرے گا وہ دوسروں میں بری طرح ناکام ہو جائے گا:
   • ڈیٹا ٹیم کے اندر تعاون
   • آپ کی ٹیم سے باہر دوسرے ملازمین کے ساتھ عمومی تعاون
   • ایڈہاک سوالات، یا نئی خصوصیت کی درخواستیں۔
   • ڈیٹا پروڈکٹس کے لیے جاری تعاون
   • ڈیٹا کے نئے اقدامات یا ڈیٹا پروڈکٹس کا دائرہ کار
   • کاروبار کے لیے قیمتی چیزوں کی بنیاد پر اپنے ڈیٹا کی پیشکش کو تیار کرنا

جدید ڈیٹا ٹیمیں پہلے ہی سافٹ ویئر انجینئرنگ کے بہترین طریقوں کی طرف ہجرت کر رہی ہیں اور یہ رجحان آنے والے سالوں میں جاری رہنے کا امکان ہے۔ جیسا کہ آپ مستقبل کی ترقی کو سپورٹ کرنے کے لیے ڈیٹا انفراسٹرکچر میں سرمایہ کاری کو دیکھتے ہیں، ایسے ٹولز کے بارے میں سوچیں جو بزنس پارٹنر کے تعاون کو سپورٹ کرتے ہیں۔

 
 
نکولس فرینڈ SaaS انڈسٹری کا ایک تجربہ کار ایگزیکٹو ہے جس کا ایک دہائی سے زیادہ کا تجربہ ہے جس میں پروڈکٹ کی قیادت میں ترقی پر توجہ مرکوز کرنے والے معروف اسٹارٹ اپس ہیں۔ Workstream.io کے بانی اور CEO کے طور پر، Nick ایک سیڈ اسٹیج ٹیکنالوجی اسٹارٹ اپ کی قیادت کرتا ہے جو ڈیٹا ٹیموں کو ڈیٹا کے اہم اثاثوں کا انتظام کرنے میں مدد کرتا ہے۔ ورک اسٹریم سے پہلے، نک نے بیٹر کلاؤڈ کے لیے آپریشنز کے VP کے طور پر کام کیا، ایک آزاد سافٹ ویئر وینڈر جو معروف SaaS آپریشنز مینجمنٹ حل پیش کرتا ہے۔ اس سے پہلے، نِک ٹیسلا میں فنانس کے سینئر عہدوں پر فائز تھے، جبکہ ہارورڈ میں ایم بی اے کر رہے تھے۔

• SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
• پلیٹو بلاک چین۔ Web3 Metaverse Intelligence. علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
• ماخذ: 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