डेटा विज्ञान के माध्यम से शासन में सुधार
डिजिटल प्रौद्योगिकी के व्यापक प्रसार के परिणामस्वरूप भारी मात्रा में डिजिटल डेटा उत्पन्न हुआ है और यह अत्यधिक बढ़ रहा है – वेब डेटा से लेकर ई-कॉमर्स, फिनटेक, शेयर बाजार, वैज्ञानिक अनुसंधान, शासन, मोबाइल डिवाइस, सोशल मीडिया से लेकर IoT डिवाइस तक; यह सूची लगभग अंतहीन है। इन सभी के कारण अचानक डेटा विस्फोट हुआ है। इंटरनेशनल डेटा कॉरपोरेशन (IDC) का अनुमान है कि 2025 तक उत्पन्न डिजिटल डेटा की मात्रा 175 ज़ीटा बाइट्स (1021 के बराबर) होगी। उत्पन्न हो रहे डिजिटल डेटा की अत्यधिक मात्रा और इतनी तीव्र गति के कारण, ऐसी जानकारी की व्याख्या किसी व्यक्ति द्वारा आसानी से नहीं की जा सकती है, बल्कि इसे व्याख्या करने और संसाधित करने के लिए मशीनों पर निर्भर रहना पड़ता है। इसलिए, डेटा से प्रासंगिक अंतर्दृष्टि निकालने में सक्षम होना उचित है जिसका प्रतिस्पर्धी लाभ के रूप में लाभ उठाया जा सकता है हाल के दिनों में, बड़ी मात्रा में डिजिटल डेटा उत्पन्न होने के कारण, शिक्षा जगत में इस पर नए सिरे से जोर दिया गया है और विश्व स्तर पर शीर्ष विश्वविद्यालयों द्वारा परिभाषित पाठ्यक्रम के साथ औपचारिक पाठ्यक्रम पेश किए जा रहे हैं, ताकि छात्र इस क्षेत्र में विशेषज्ञता हासिल कर सकें।
हालाँकि, डेटा विज्ञान का प्रसार मुख्यतः प्रौद्योगिकी उद्योग द्वारा संचालित रहा है, जो विभिन्न क्षेत्रों में उभरती व्यावसायिक अंतर्दृष्टि और भविष्यवाणियों से प्रेरित है। जब डेटा से अर्थ निकालने के लिए “डेटा” का अध्ययन करने हेतु एक व्यवस्थित पद्धति वाले उपकरणों और तकनीकों का उपयोग किया जाता है, तो उसे डेटा विज्ञान कहा जाता है। यह वैज्ञानिक पद्धति, गणित और सांख्यिकी का ज्ञान, विशिष्ट प्रोग्रामिंग का ज्ञान, उन्नत विश्लेषण, कृत्रिम बुद्धिमत्ता और मशीन लर्निंग, और कहानी कहने की कला जैसी विभिन्न धाराओं का एक सावधानीपूर्वक सम्मिश्रण है। जहाँ डेटा विश्लेषण मौजूदा परिस्थितियों की जाँच और व्याख्या करता है, वहीं डेटा विज्ञान भविष्य की सार्थक अंतर्दृष्टि प्रदान करता है।
डेटा विज्ञान जीवनचक्र
डेटा विज्ञान एक अंतःविषय क्षेत्र है और इसमें तकनीकों, प्रक्रियाओं और एल्गोरिदम की एक विस्तृत श्रृंखला शामिल है। डेटा विज्ञान पर काम करने वाली एक टीम में आमतौर पर गणितज्ञ, सांख्यिकीविद्, वैज्ञानिक, डेवलपर, सिस्टम इंजीनियर और डोमेन विशेषज्ञ शामिल होते हैं। आमतौर पर, डेटा वैज्ञानिक निम्नलिखित प्रक्रिया अपनाते हैं:
- कैप्चर करें: प्रासंगिक स्रोतों से कच्चा संरचित और असंरचित डेटा एकत्र करें
- तैयार करें और रखरखाव करें: डेटा को साफ़ करना, डुप्लिकेट हटाना, व्यवस्थित करना, रूपांतरित करना, एकीकृत करना
- प्रक्रिया: पैटर्न की जाँच करें और विश्लेषण के लिए डेटा की उपयुक्तता निर्धारित करें
- विश्लेषण करें: सांख्यिकीय विश्लेषण, पूर्वानुमानात्मक विश्लेषण, प्रतिगमन, लर्निंग एल्गोरिदम करें
- संचार करें: रिपोर्ट, चार्ट और अन्य डेटा विज़ुअलाइज़ेशन आदि के रूप में अंतर्दृष्टि तैयार करें।
आइए डेटा विज्ञान जीवनचक्र को समझाने के लिए एक केस स्टडी लेते हैं – लक्षित सार्वजनिक वितरण प्रणाली (टीपीडीएस) जिसका उद्देश्य खाद्यान्न वितरण के लिए गरीबों की पहचान करना और उचित मूल्य की दुकान (एफपीएस) स्तर पर पारदर्शी और जवाबदेह तरीके से इसका वितरण करना है। कई राज्य लाभार्थियों (79 करोड़ से अधिक) के प्रमाणीकरण और राशन वितरण के लिए आधार-सक्षम प्रणाली का उपयोग कर रहे हैं। परिणामस्वरूप, भारी मात्रा में डेटा उत्पन्न होता है और इसमें डेटा विज्ञान तकनीकों को लागू करने की अपार संभावनाएं हैं। यह वास्तविक लाभार्थियों की पहचान करने, धोखाधड़ी वाले लेनदेन का पता लगाने, फर्जी लाभार्थियों को हटाने, मांग और आपूर्ति का पूर्वानुमान, खाद्यान्न की खरीद की योजना और गोदामों में भंडारण, रसद, देश भर में लाभार्थियों की पोर्टेबिलिटी आदि जैसी समस्याओं को हल करने में मदद कर सकता है। वर्णित विभिन्न चरणों को इस प्रकार चित्रित किया गया है:
- कैप्चर: पात्र लाभार्थियों का डेटा SECC या किसी भी राज्य-विशिष्ट मानदंड के आधार पर, जैसा भी लागू हो, कैप्चर किया जाता है।
- तैयारी और रखरखाव: लेन-देन संबंधी डेटाबेस विश्लेषण के लिए उपयुक्त नहीं हैं और डेटा को डेटा क्लींजिंग प्रक्रिया और विश्लेषण के लिए डीडुप्लीकेशन के माध्यम से निकाला और परिवर्तित किया जाता है। यह प्रक्रिया विभिन्न प्रकार के डेटा स्वरूपों को संभालने में सक्षम होनी चाहिए क्योंकि इसमें विविध डेटासेट हो सकते हैं।
- प्रक्रिया: इस चरण में, पूर्वानुमानित विश्लेषण, मशीन लर्निंग एल्गोरिदम के उपयोग की उपयुक्तता निर्धारित करने के लिए कई सांख्यिकीय परीक्षणों और विज़ुअलाइज़ेशन तकनीकों का उपयोग करके किसी भी पूर्वाग्रह, पैटर्न आदि के लिए डेटा की जाँच की जाती है।
- विश्लेषण: इस चरण में, व्यावसायिक उद्देश्य, जैसे कि छद्म लाभार्थियों की पहचान, धोखाधड़ी या हेरफेर का पता लगाना आदि के आधार पर, तैयार डेटा से अंतर्दृष्टि निकालने के लिए विभिन्न सांख्यिकीय विश्लेषण, पूर्वानुमानित विश्लेषण, प्रतिगमन, मशीन लर्निंग और डीप लर्निंग एल्गोरिदम आदि किए जाते हैं।
- संचार: इस चरण में, डेटा विज़ुअलाइज़ेशन तकनीकों का उपयोग करके, धोखाधड़ी वाले लेनदेन के हॉटस्पॉट क्षेत्रों को दर्शाते हुए अंतर्दृष्टि प्रस्तुत की जा सकती है, छद्म लाभार्थियों की पहचान की जा सकती है, विभिन्न क्षेत्रों में खाद्यान्न की मांग का पूर्वानुमान लगाया जा सकता है, विभिन्न स्थानों पर अतिरिक्त स्टॉक आवश्यकताओं की उपलब्धता की भविष्यवाणी की जा सकती है।
डेटा विज्ञान के अनुप्रयोग
डेटा विज्ञान और व्यावसायिक नेतृत्वकर्ताओं के लिए पहला कदम ठोस, व्यावहारिक उपयोग के मामलों की पहचान करने के लिए सामंजस्य स्थापित करना है जहाँ डेटा विज्ञान को मूल्य प्रदान करने के लिए लागू किया जा सकता है। डेटा विज्ञान का अनुप्रयोग लगभग हर क्षेत्र और सभी डोमेन में पाया जाता है। इसके कुछ सामान्य अनुप्रयोग इस प्रकार हैं:
- वित्त – ग्राहक विभाजन, जोखिम विश्लेषण, एल्गोरिथम ट्रेडिंग
- बैंकिंग – क्रेडिट इतिहास और जोखिम प्रोफाइलिंग, ग्राहक आजीवन मूल्य, धोखाधड़ी का पता लगाने के आधार पर तत्काल ऋण स्वीकृति
- बीमा – धोखाधड़ी वाले दावों का पता लगाना, आवेदकों के जोखिम प्रोफाइल का आकलन करना, प्रीमियम निर्धारित करना, मौसम की स्थिति का आकलन करना और दावों का पूर्वानुमान लगाने के लिए स्थानीयकृत हीट मैप बनाना
- स्वास्थ्य सेवा – बुजुर्गों की देखभाल के लिए, सेंसर, डेटा विज्ञान, क्लाउड प्रोसेसिंग का संयोजन, सिस्टम असामान्य व्यवहार की निगरानी करता है और रिश्तेदारों और देखभाल करने वालों को सचेत करता है, मेडिकल इमेजिंग, दवा खोज, जैव सूचना विज्ञान, टीका विकास, महामारी विज्ञान, जीनोमिक डेटा मूल्यांकन के माध्यम से आनुवंशिक समस्याओं का सुधार
- कृषि – उच्च उपज, बुवाई का समय, उर्वरक, सिंचाई आवश्यकताओं के लिए फसल पैटर्न का निर्धारण
- सुरक्षा और निगरानी – अप्रिय घटनाओं को रोकने के लिए अपराध और दुर्घटना के हॉटस्पॉट की पहचान करें
- टीवी ऑडियंस एनालिटिक्स प्लेटफ़ॉर्म – दर्शकों के व्यवहार की रीयल-टाइम जानकारी इकट्ठा करने के लिए गहन विश्लेषण और मशीन लर्निंग का इस्तेमाल करता है
- ई-कॉमर्स – उपभोक्ता व्यवहार, खरीदारी पैटर्न, उत्पाद अनुशंसाओं, इन्वेंट्री प्रबंधन, लॉजिस्टिक्स, समीक्षाओं का विश्लेषण का आकलन
- विनिर्माण – विनिर्माण इकाइयों का स्वचालन, रखरखाव का समय निर्धारण, विसंगतियों का पता लगाना, असेंबली लाइन में संभावित समस्याओं का पूर्वानुमान, गोदाम प्रबंधन, उत्पाद दोषों का पता लगाना
- परिवहन – वाहन का मार्गदर्शन करने के लिए 3D-मुद्रित सेंसर के माध्यम से रीयल-टाइम ऑब्जेक्ट डिटेक्शन का उपयोग करने वाली स्व-चालित कारें, बेहतर ड्राइविंग अनुभव, कार निगरानी प्रणाली, ट्रैफ़िक विश्लेषण और सर्वोत्तम मार्ग सिफ़ारिश
- ऊर्जा और उपयोगिताएँ –मांग और उत्पादन के अंतर को कम करें, बिजली की हानि और चोरी का पता लगाएँ, बिजली कटौती की भविष्यवाणी करें
- शिक्षा – छात्रों की क्षमताओं के आधार पर उन्हें बेहतर कौशल प्रदान करके और सही कौशल निर्धारित करके स्मार्ट शिक्षा
- खेल – खिलाड़ियों का प्रशिक्षण और फिटनेस, प्रतिद्वंद्वी की ताकत और कमज़ोरी का आकलन और टीम की रूपरेखा तैयार करना और रणनीति बनाना
- सोशल मीडिया – उपयोगकर्ता की ज़रूरतों का निर्धारण, उत्पादों, उनके प्रचार और विज्ञापनों का सुझाव देना, विवादास्पद/आकर्षक पोस्ट का पता लगाना और अलर्ट करना
सरकार में डेटा विज्ञान
डेटा साइंस का सरकारी क्षेत्र में व्यापक उपयोग हो सकता है। यह सरकारी निर्णय लेने की प्रक्रिया को बेहतर बनाने या डेटा-आधारित निर्णय लेने के लिए अंतर्दृष्टि प्रदान करने हेतु, पूर्वानुमानित कारण विश्लेषण, निर्देशात्मक विश्लेषण और मशीन लर्निंग का उपयोग करके, बड़ी मात्रा में डेटा से उपयोगी जानकारी और ज्ञान निकालने में मदद कर सकता है। सरकार कार्यान्वयन में कमियों को दूर करने, ओवरलैप का पता लगाने और सही लाभार्थियों को लक्षित करने के लिए डेटा का उपयोग कर सकती है, और बेहतर पूर्वानुमानित विश्लेषण के माध्यम से स्मार्ट नीति निर्माण में योगदान दे सकती है।
