কেন এটি গুরুত্বপূর্ণ

একটি বিশ্লেষণ হতাশ করার সবচেয়ে সাধারণ কারণ পদ্ধতি নয়। কারণ ডেটা। টিকিটের শ্রেণি গত বসন্তে বদলানো হয়েছে এবং কেউ কখন লিখে রাখেনি। দুটি ব্যবস্থাই দাবি করে গ্রাহকের বিভাগ তাদের কাছে আছে, এবং তারা একমত নয়। টাইমস্ট্যাম্প ভিন্ন সময় অঞ্চলে। যে ক্ষেত্র সম্পূর্ণ দেখায় তার অর্ধেক রেকর্ড "অন্যান্য" দিয়ে ভরা। একটি ড্যাশবোর্ড ইনসিডেন্ট কমে যাওয়া দেখায়, আর কারণ হয় ভালো সেবা নয়, একটি লগিং পরিবর্তন।

একই সমস্যা এআই-কেও ক্ষতি করে। ভুল লেবেলযুক্ত টিকিটে প্রশিক্ষিত একটি মডেল সেই লেবেল শেখে। পুরোনো নিবন্ধে ভিত্তি করা একটি সহকারী সেগুলো উদ্ধৃত করে। অসম্পূর্ণ ইতিহাসে গড়া একটি পূর্বাভাস ফাঁকগুলো এগিয়ে নিয়ে যায়। প্রতিষ্ঠান যত বিশ্লেষণ ও এআই-এর ওপর ভরসা করে, ডেটার মান, মালিকানা ও সুরক্ষা তত প্রযুক্তিগত পটভূমির বিষয় থাকে না, নিজেই একটি সেবা হয়ে ওঠে।

তথ্য শাসন হলো ডেটাকে সম্পদ হিসেবে পরিচালনার চর্চা: কে দায়ী, প্রতিটি শব্দের অর্থ কী, মান কীভাবে যাচাই হয়, ডেটা কীভাবে চলে ও কোথা থেকে এসেছে, কে ব্যবহার করতে পারে এবং কখন মুছে ফেলা হয় ঠিক করা। Wikipedia তথ্য শাসনকে ডেটার প্রাপ্যতা, ব্যবহারযোগ্যতা, অখণ্ডতা ও নিরাপত্তার সামগ্রিক ব্যবস্থাপনা হিসেবে বর্ণনা করে। এই বিষয়টি সেবা ব্যবস্থাপনার ডেটার জন্য এটি ব্যবহারিকভাবে বর্ণনা করে এবং ছোট থেকে শুরু করার উপায় দেখায়। এটি বিশ্লেষণ (বিষয় 7.1 — সেবা ব্যবস্থাপনার জন্য বিশ্লেষণ), পরিমাপ (বিষয় 7.3 — পরিমাপ ও প্রতিবেদন), পর্যবেক্ষণযোগ্যতা (বিষয় 7.4 — পর্যবেক্ষণযোগ্যতা ও টেলিমেট্রি) এবং এআই-এর (বিষয় 5.6 — এআই শাসন, ঝুঁকি ও সম্মতি) ভিত্তি, এবং কনফিগারেশন ডেটার (বিষয় 4.4 — কনফিগারেশন ব্যবস্থাপনা) সঙ্গে যুক্ত। এটি আইনি পরামর্শ দেয় না।

মূল ধারণা

ডেটা সম্পদ। প্রতিষ্ঠানের জন্য মূল্যবান একটি ডেটাসেট, যেমন টিকিটের ইতিহাস, কনফিগারেশন ডেটাবেস, মনিটরিং ডেটা, জরিপের ফল বা খরচের ডেটা। অন্য সম্পদের মতো এর একজন মালিক, একটি খরচ, একটি জীবনচক্র এবং ঝুঁকি আছে। দেখুন বিষয় 4.1 — সম্পদ ব্যবস্থাপনা।

ডেটা মালিক ও স্টুয়ার্ড। ডেটা মালিক একটি ডেটাসেটের জন্য জবাবদিহি করেন: তার উদ্দেশ্য, মান এবং কে ব্যবহার করতে পারে। ডেটা স্টুয়ার্ড দৈনন্দিন তা দেখাশোনা করেন, সংজ্ঞা, মানের সমস্যা ও প্রবেশাধিকারের অনুরোধ সামলান। Wikipedia ডেটা স্টুয়ার্ড বর্ণনা করে। ছোট দলে একজন ব্যক্তি দুটি ভূমিকাই রাখতে পারেন। নামযুক্ত মানুষ ছাড়া কেউ সমস্যা সারায় না।

ডেটার সংজ্ঞা ও অভিধান। প্রতিটি ক্ষেত্র ও শব্দের, যেমন "সমাধান" বা "বড় ইনসিডেন্ট", অর্থ কী তার সহজ বিবৃতি, কীভাবে গণনা হয় ও উৎস সহ। Wikipedia ডেটা অভিধান বর্ণনা করে। সংজ্ঞা দুটি দলকে একই শব্দ ভিন্ন জিনিসের জন্য ব্যবহার করা থেকে আটকায়। সংজ্ঞার পরিবর্তন তারিখসহ লিখে রাখুন, যাতে প্রবণতা ব্যাখ্যা করা যায়।

মেটাডেটা। ডেটা সম্পর্কে ডেটা: কোথা থেকে এসেছে, কখন হালনাগাদ হয়েছে, কার মালিকানা, কীভাবে শ্রেণিবদ্ধ এবং এর অর্থ কী। Wikipedia মেটাডেটা বর্ণনা করে। একটি ডেটা ক্যাটালগ ডেটাসেট ও তাদের মেটাডেটার অনুসন্ধানযোগ্য তালিকা, যা মানুষকে ডেটা খুঁজে পেতে ও বিশ্বাস করতে সাহায্য করে।

ডেটার মান। ব্যবহারের উপযুক্ততা, সাধারণত নির্ভুলতা, সম্পূর্ণতা, সঙ্গতি, সময়োপযোগিতা ও অনন্যতার মতো মাত্রায় বর্ণিত। Wikipedia ডেটার মান বর্ণনা করে। মান ব্যবহারের সাপেক্ষে: একটি মাসিক প্রবণতার জন্য যথেষ্ট ভালো টিকিটের শ্রেণি রুটিংয়ের জন্য খুব মোটা হতে পারে। যে ক্ষেত্র গুরুত্বপূর্ণ তাতে মাপুন, এবং উৎসে কারণ সারান। Wikipedia-য় বর্ণিত ডেটা পরিষ্কার পরে ত্রুটি সংশোধন করে এবং তা আবার ঘটা আটকায় না।

খারাপ মানের উৎস। বিভিন্ন মানুষের ভিন্নভাবে ভরা মুক্ত-টেক্সট ক্ষেত্র, কখনো না বদলানো ডিফল্ট, ছাঁটাই ছাড়া বাড়তে থাকা শ্রেণি, চাপের মধ্যে বাদ পড়া হাতে এন্ট্রি, রেকর্ড বাদ দেওয়া বা নকল করা সংযোজন, এবং অর্থ বদলে দেওয়া ব্যবস্থার পরিবর্তন। মানুষকে দোষ না দিয়ে ভালো ফর্ম, বৈধতা যাচাই, প্রশিক্ষণ এবং সংযোজনের পর্যালোচনা দিয়ে এগুলো সারান।

বংশধারা ও উৎপত্তি। ডেটা কোথা থেকে এসেছে এবং একটি প্রতিবেদন বা মডেলে পৌঁছানোর পথে তার কী হয়েছে তার রেকর্ড। Wikipedia ডেটা বংশধারা বর্ণনা করে। একটি সংখ্যা নিয়ে প্রশ্ন উঠলে বংশধারা আপনাকে তা ট্রেস করতে দেয়। একটি উৎস বদলালে কোন প্রতিবেদন প্রভাবিত হয় তাও এটি দেখায়।

ডেটা পাইপলাইন ও সংযোজন। ব্যবস্থার মধ্যে ডেটা সরানো প্রবাহ, যা Wikipedia-র নিবন্ধে প্রায়ই নিষ্কাশন, রূপান্তর, লোড (ETL) হিসেবে বর্ণিত, এবং ডেটা ওয়্যারহাউস ও ডেটা লেকের মতো ভান্ডার, যা Wikipedia-ও বর্ণনা করে। পাইপলাইনের দরকার যেকোনো প্রোডাকশন ব্যবস্থার মতো মালিক, মনিটরিং ও পরীক্ষা। দেখুন বিষয় 6.2 — ওয়ার্কফ্লো অটোমেশন ও অর্কেস্ট্রেশন।

সময় ও পরিচয়। দুটি ছোট বিষয় বড় ঝামেলা বাধায়। Wikipedia-র টাইমস্ট্যাম্প ও সময় অঞ্চল নিবন্ধ যেমন বলে, টাইমস্ট্যাম্পে সঙ্গত সময় অঞ্চল ও বিন্যাস দরকার; মিশ্র অঞ্চল রহস্যময় ফাঁক ও চূড়া তৈরি করে। মানুষ, সেবা ও সম্পদের শনাক্তকারী স্থিতিশীল এবং ব্যবস্থা জুড়ে ভাগ করা হওয়া দরকার, যাতে রেকর্ড যুক্ত করা যায়। Wikipedia-য় বর্ণিত মাস্টার ডেটা ব্যবস্থাপনা এমন মূল ডেটা সঙ্গত রাখার শৃঙ্খলা।

শ্রেণিবিন্যাস। সংবেদনশীলতা অনুযায়ী ডেটা লেবেল করা, যেমন প্রকাশ্য, অভ্যন্তরীণ, গোপনীয় ও সীমাবদ্ধ, এবং প্রতিটি স্তরে নিয়ম যুক্ত করা। Wikipedia ডেটা শ্রেণিবিন্যাস বর্ণনা করে। সেবার ডেটায় প্রায়ই ব্যক্তিগত তথ্য ও নিরাপত্তার বিবরণ থাকে, যার সুরক্ষা দরকার।

গোপনীয়তা ও সুরক্ষা। ব্যক্তিগত ডেটা হলো শনাক্তযোগ্য ব্যক্তি সম্পর্কিত তথ্য। ইউরোপীয় ইউনিয়নের জেনারেল ডেটা প্রোটেকশন রেগুলেশনের (GDPR) মতো আইন উদ্দেশ্য, ন্যূনতমকরণ, সংরক্ষণ এবং ব্যক্তির অধিকার নিয়ে নিয়ম ঠিক করে; Wikipedia ব্যক্তিগত ডেটা ও GDPR বর্ণনা করে। সেখানে বর্ণিত ডেটা ন্যূনতমকরণ মানে শুধু যা দরকার তা সংগ্রহ ও রাখা। Wikipedia-য় বর্ণিত ছদ্মনামকরণ ও বেনামিকরণের মতো কৌশল ঝুঁকি কমায়, যদিও ভালোভাবে করা কঠিন, এবং দুর্বল বেনামিকরণ উল্টে ফেলা যায়। আইনি ও গোপনীয়তা পরামর্শ নিন।

প্রবেশাধিকার নিয়ন্ত্রণ। কে কোন ডেটা দেখতে বা বদলাতে পারেন, এবং কেন। যেখানে সম্ভব ব্যক্তি নয়, ভূমিকা ব্যবহার করুন, এবং নিয়মিত প্রবেশাধিকার পর্যালোচনা করুন। দেখুন বিষয় 3.13 — তথ্য নিরাপত্তা ব্যবস্থাপনা এবং বিষয় 3.6 — সার্ভিস রিকোয়েস্ট ম্যানেজমেন্ট।

সংরক্ষণ ও মুছে ফেলা। ডেটা কতদিন রাখা হয় এবং কীভাবে ধ্বংস করা হয়। অপারেশন, বিশ্লেষণ ও আইনি দায়ের জন্য যা দরকার তা রাখুন, বাকিটা মুছে ফেলুন। Wikipedia ডেটা সংরক্ষণ বর্ণনা করে। পুরোনো ডেটা ঝুঁকি ও খরচ বাড়ায়, এবং এআই ব্যবস্থা তা থেকে শিখতে পারে। আপনার জন্য প্রযোজ্য আইনি সংরক্ষণের চাহিদা যাচাই করুন।

ডেটা সার্বভৌমত্ব। ডেটা যে দেশে সংরক্ষিত বা প্রক্রিয়া করা হয় তার আইনের অধীন হতে পারে। Wikipedia ডেটা সার্বভৌমত্ব বর্ণনা করে। ক্লাউড ও এআই সেবা ডেটা সীমান্ত পার করাতে পারে; আপনার ডেটা কোথায় যায় জানুন।

এআই-এ ডেটা। প্রশিক্ষণ, পুনরুদ্ধার বা প্রম্পটে ব্যবহৃত ডেটায় একই শাসন দরকার, বাড়তি যত্নসহ: ব্যবহারের অনুমতি, উৎসের লেবেল, পক্ষপাত ও সরণের যাচাই, এবং বাইরের সেবায় কী পাঠানো হয় তার নিয়ন্ত্রণ। দেখুন বিষয় 5.1 — সেবা ব্যবস্থাপনায় এআই।

শাসন ফোরাম ও নীতি। মান নির্ধারণ, বিরোধ নিষ্পত্তি এবং ডেটার কাজের অগ্রাধিকার ঠিক করার কর্তৃত্বসহ একটি ছোট গোষ্ঠী, এবং মালিকানা, মান, শ্রেণিবিন্যাস, প্রবেশাধিকার, সংরক্ষণ ও এআই-এ ডেটার ব্যবহার আচ্ছাদন করা একটি ছোট নীতি। এটি হালকা ও ব্যবহারিক রাখুন।

দৃষ্টিকোণগুলো কীভাবে খাপ খায়। তথ্য শাসন বিশ্লেষণ ও এআই দৃষ্টিকোণের ভিত্তি, এবং অটোমেশনও এর ওপর নির্ভর করে। এজাইল অনুশীলন ডেটার মান ছোট ধাপে উন্নত করতে প্রস্তাব করে, মানুষের আসলে যে প্রশ্নের উত্তর দরকার তার দ্বারা চালিত এবং ডেটা ব্যবহারকারীদের ফিডব্যাকসহ।

সেরা অনুশীলন

  1. সবচেয়ে গুরুত্বপূর্ণ ডেটাসেট দিয়ে শুরু করুন। আপনার মূল সিদ্ধান্তের পেছনের ডেটার তালিকা করুন, যেমন টিকিট, কনফিগারেশন, মনিটরিং, জরিপ ও খরচ। আগে সেগুলো শাসন করুন।
  2. প্রতিটির জন্য একজন মালিক ও একজন স্টুয়ার্ডের নাম দিন। তাঁদের ক্যাটালগে লিখুন, যোগাযোগের উপায়সহ। মান ও প্রবেশাধিকারের জন্য তাঁদের জবাবদিহি করান।
  3. সংজ্ঞা লিখে রাখুন। গণনা ও উৎসসহ প্রধান শব্দ ও ক্ষেত্র সহজ ভাষায় সংজ্ঞায়িত করুন। সংজ্ঞা কখন বদলায় লিখে রাখুন।
  4. যেখানে গুরুত্বপূর্ণ সেখানে মান মাপুন। সিদ্ধান্ত চালায় এমন কয়েকটি ক্ষেত্র বাছুন, যাচাই সংজ্ঞায়িত করুন এবং মালিকদের ফল জানান। সময়ের সঙ্গে ট্র্যাক করুন।
  5. উৎসে সমস্যা সারান। ফর্ম উন্নত করুন, বৈধতা যাচাই যোগ করুন, শ্রেণি সরল করুন এবং সংযোজন সারান। পরে পরিষ্কার করা একটি সাময়িক সমাধান।
  6. সময় ও শনাক্তকারী মানক করুন। একটি সময় মান ও বিন্যাস, এবং মানুষ, সেবা ও সম্পদের স্থিতিশীল, ভাগ করা শনাক্তকারী ব্যবহার করুন।
  7. বংশধারা রাখুন। মূল প্রতিবেদন ও মডেল কোথা থেকে ডেটা পায় এবং কোন রূপান্তর প্রযোজ্য নথিবদ্ধ করুন। উৎস বদলালে হালনাগাদ করুন।
  8. শ্রেণিবদ্ধ করুন ও রক্ষা করুন। সংবেদনশীলতা অনুযায়ী ডেটা লেবেল করুন, প্রবেশাধিকারের নিয়ম ও সুরক্ষা প্রয়োগ করুন এবং কার প্রবেশাধিকার আছে পর্যালোচনা করুন। যেখানে দরকার নেই সেখানে ব্যক্তিগত ডেটা সরান।
  9. সংরক্ষণ ঠিক করুন এবং মুছে ফেলুন। প্রতিটি ডেটাসেট কতদিন রাখা হবে ঠিক করুন, এবং পরে মুছে ফেলুন বা বেনামি করুন। আপনার জন্য প্রযোজ্য নিয়ম যাচাই করুন।
  10. এআই-এর ব্যবহৃত ডেটা শাসন করুন। প্রশিক্ষণ ও পুনরুদ্ধারে ব্যবহৃত ডেটার উৎস, অনুমতি ও মান লিখে রাখুন, এবং বাইরের সেবায় কী যায় নিয়ন্ত্রণ করুন।

দলের সঙ্গে আলোচনার প্রশ্ন

কোন ডেটাসেট আমাদের সবচেয়ে গুরুত্বপূর্ণ সিদ্ধান্ত চালায়, এবং প্রতিটির মালিক কে? তালিকা করুন। মালিকানায় ফাঁক আশা করুন। পরবর্তী ধাপে শীর্ষ তিনটির জন্য একজন মালিক ও একজন স্টুয়ার্ডের নাম দিন।

কোন শব্দ আমরা ভিন্ন দলে ভিন্নভাবে ব্যবহার করি? "সমাধান", "ইনসিডেন্ট" বা "গ্রাহক" বাছুন। মতভেদ আশা করুন। পরবর্তী ধাপে একটি সংজ্ঞা এবং কে সিদ্ধান্ত নেবেন লিখুন।

কখন একটি সংজ্ঞা বা ব্যবস্থার পরিবর্তন একটি প্রবণতা ভেঙেছে, এবং আমরা কি তখন লক্ষ করেছিলাম? উদাহরণ চান। "পরে" আশা করুন। পরবর্তী ধাপে সংজ্ঞা ও উৎসের জন্য একটি পরিবর্তন লগে সম্মত হোন।

আমরা যে ক্ষেত্রগুলোর ওপর সবচেয়ে বেশি নির্ভর করি তাতে আমাদের ডেটা কতটা ভালো, এবং আমরা কীভাবে জানি? একটি ক্ষেত্র, যেমন শ্রেণি, নিন এবং 50টি রেকর্ডের নমুনা নিন। সমস্যা আশা করুন। পরবর্তী ধাপে একটি কারণ বেছে সারান।

সেবার ব্যবস্থায় আমরা কোন ব্যক্তিগত বা সংবেদনশীল ডেটা রাখি, এবং কতদিন রাখি? প্রধান ব্যবস্থাগুলো ধরে ধরে দেখুন। সংযুক্তি ও চ্যাট লগ নিয়ে বিস্ময় আশা করুন। পরবর্তী ধাপে গোপনীয়তা কর্মকর্তাকে জড়ান এবং একটি ব্যবস্থার জন্য সংরক্ষণ নিয়মে সম্মত হোন।

আমরা এআই টুলে কোন ডেটা দিচ্ছি, এবং কে তাতে সম্মত হয়েছেন? ব্যবহারের তালিকা করুন। কিছু অনানুষ্ঠানিক আশা করুন। পরবর্তী ধাপে কী ব্যবহার করা যাবে তার নিয়ম এবং এআই ডেটা ব্যবহারের একটি রেজিস্টারে সম্মত হোন।

বাস্তবে: সেবা ব্যবস্থাপনার একটি উদাহরণ

একটি জাতীয় গ্রন্থাগারের ডিজিটাল সেবা দল চাহিদার পূর্বাভাস এবং টিকিট রুট করার একটি মডেল প্রশিক্ষণ দিতে চায়। একজন ডেটা বিশ্লেষক শুরু করে আবিষ্কার করেন টিকিটের ইতিহাস ব্যবহার করা কঠিন। শ্রেণির নাম দুবার বদলেছে, এবং একটি "অন্যান্য" শ্রেণি 35 শতাংশ টিকিট ধরে রেখেছে। পুরোনো টুলের টাইমস্ট্যাম্প স্থানীয় সময়ে আর নতুনটির সার্বজনীন সময়ে। এইচআর ব্যবস্থা থেকে নেওয়া বিভাগের ক্ষেত্র প্রায় 8 শতাংশ ব্যবহারকারীর জন্য পরিচয় ব্যবস্থার ক্ষেত্র থেকে ভিন্ন। একটি মাসিক প্রতিবেদন ইনসিডেন্ট এক-চতুর্থাংশ কমে যাওয়া দেখায়, কিন্তু বিশ্লেষক দেখেন নকল ইনসিডেন্ট কীভাবে মার্জ হয় তার একটি পরিবর্তন বেশিরভাগ হ্রাস ব্যাখ্যা করে।

সেবা প্রধান টিকিটের ডেটাকে শাসিত সম্পদ হিসেবে দেখার সিদ্ধান্ত নেন। তিনি নিজেকে ডেটা মালিক এবং একজন অভিজ্ঞ সার্ভিস ডেস্ক বিশ্লেষককে স্টুয়ার্ড করেন। এক পাতার একটি অভিধান গুরুত্বপূর্ণ 12টি ক্ষেত্র সংজ্ঞায়িত করে, "সমাধান"-এর সংজ্ঞা এবং তা কখন বদলেছে সহ। দল পুরোনো শ্রেণি নতুনের সঙ্গে মেলায়, ইতিহাসের বিরতি লেবেল করে এবং একটি মুক্ত-টেক্সট নোট ছাড়া "অন্যান্য" আটকানো একটি বৈধতা যাচাই নিয়ম যোগ করে। একটি সাপ্তাহিক কাজ তিনটি মানের মাপকাঠি যাচাই করে: "অন্যান্য"-এ থাকা টিকিটের অংশ, অনুপস্থিত বিভাগসহ অংশ এবং প্রত্যাশিত পরিসরের বাইরের টাইমস্ট্যাম্পসহ অংশ। ফল ডেস্কের জন্য পোস্ট করা হয়।

গোপনীয়তা কর্মকর্তা ডেটাসেট পর্যালোচনা করে দেখেন মুক্ত-টেক্সট ক্ষেত্র ও সংযুক্তিতে সাধারণ মানুষের ব্যক্তিগত বিবরণ আছে। দল সম্মত হয় বিশ্লেষণের কপি থেকে সংযুক্তি সরাতে, মডেলিংয়ে ব্যবহারের আগে টেক্সটে নাম ও ইমেইল ঠিকানা মাস্ক করতে, এবং গ্রন্থাগারের রেকর্ড নীতি অনুযায়ী সাত বছর পর টিকিট মুছে ফেলতে। একটি রেজিস্টারে টিকিটের ডেটার প্রতিটি এআই ব্যবহার ও তার অনুমোদন তালিকাভুক্ত।

যা বদলায়: বিশ্লেষক একটি জানা বিরতি ও পরিচ্ছন্ন ধারাসহ পূর্বাভাস বানাতে পারেন, এবং রুটিং মডেল পর্যালোচিত লেবেলে প্রশিক্ষিত। যা এখনো কঠিন: মুক্ত টেক্সটের মাস্কিং অসম্পূর্ণ, এবং কিছু ব্যক্তিগত বিবরণ থেকে যায়; এইচআর ও পরিচয় ব্যবস্থা এখনো একমত নয়, এবং সেসব ব্যবস্থার মালিকরা মিলাতে রাজি হননি; এবং মানের যাচাই অল্প কিছু কর্মীর ওপর নির্ভর করে। সেবা প্রধান ডেটার অমিল প্রধান তথ্য কর্মকর্তার কাছে তোলেন এবং যাচাই কনফিগারেশন ডেটায় বিস্তৃত করার পরিকল্পনা করেন।

চারটি দৃষ্টিকোণ

পণ্য ও ডেলিভারি দল

আপনার পণ্যের লগ, ইভেন্ট ও API সঙ্গত ক্ষেত্র, টাইমস্ট্যাম্প ও শনাক্তকারীসহ নকশা করুন, এবং নথিবদ্ধ করুন। পরিবর্তন সম্পর্কে ডেটা ব্যবহারকারীদের আগে জানান।

সেবা ও অপারেশন দল

সাবধানে ও সঙ্গতভাবে ডেটা এন্ট্রি করুন, এবং ফর্ম বা শ্রেণির সমস্যা স্টুয়ার্ডদের জানান। মান যাচাইয়ে সাহায্য করুন এবং সংজ্ঞা পরিবর্তনের রেকর্ড রাখুন।

নেতৃত্ব ও শাসন

মালিকদের নাম দিন, ডেটার কাজে অর্থ দিন, এবং সিদ্ধান্তের পেছনের ডেটার মানের প্রমাণ চান। গোপনীয়তা ও এআই ব্যবহারের নিয়ম ঠিক করুন। অসংজ্ঞায়িত শব্দসহ প্রতিবেদন গ্রহণ করবেন না।

গ্রাহক ও ব্যবহারকারী

আপনার সম্পর্কে কী ডেটা রাখা হয় এবং কেন জানা, এবং তা নিয়ে জিজ্ঞাসা করতে পারা আপনার উচিত। সঠিক তথ্য দিন, এবং রেকর্ড ভুল মনে হলে সরবরাহকারীকে জানান।

এজাইল, এআই, অটোমেশন ও বিশ্লেষণ

এজাইল

প্রকৃত প্রশ্ন দ্বারা চালিত ছোট ধাপে ডেটা উন্নত করুন: পরবর্তী বিশ্লেষণ আটকে দেওয়া ক্ষেত্র সারান। ব্যবহারকারীদের সঙ্গে নিয়মিত ডেটার মান পর্যালোচনা করুন। সতর্কতা: দৃশ্যমান ফল ছাড়া বহু-বছরের ডেটা কর্মসূচি সমর্থন হারায়; ছোট, কাজের লাভ দিন।

এআই

পর্যালোচনার অধীনে মানের সমস্যা খুঁজতে, ডেটা শ্রেণিবদ্ধ করতে, সংজ্ঞা প্রস্তাব করতে এবং ব্যক্তিগত বিবরণ মাস্ক করতে এআই সাহায্য করতে পারে। এআই-এর ব্যবহৃত ডেটার দরকার নিজস্ব শাসন: উৎস, অনুমতি, মান ও সরণের যাচাই। সতর্কতা: এআই-ভিত্তিক মাস্কিং ব্যক্তিগত ডেটা মিস করতে পারে; তা পরীক্ষা করুন এবং সংবেদনশীল সেটের জন্য মানব পর্যালোচনা রাখুন। দেখুন বিষয় 5.6 — এআই শাসন, ঝুঁকি ও সম্মতি।

অটোমেশন

মানের যাচাই, বংশধারা ধরা, শ্রেণিবিন্যাসের লেবেল, সংরক্ষণের নিয়ম এবং প্রবেশাধিকার পর্যালোচনা স্বয়ংক্রিয় করুন, ব্যতিক্রমের জন্য মালিকসহ। সতর্কতা: স্বয়ংক্রিয় পরিষ্কার নীরবে ডেটা বদলাতে পারে; পরিবর্তন লগ করুন এবং যেখানে দরকার মূল কপি রাখুন। দেখুন বিষয় 6.2 — ওয়ার্কফ্লো অটোমেশন ও অর্কেস্ট্রেশন।

বিশ্লেষণ

মূল ক্ষেত্রের মান, সম্পূর্ণতা, সময়োপযোগিতা, মালিক ও সংজ্ঞাসহ ডেটাসেটের অংশ, এবং ডেটার সমস্যায় ঘটা ইনসিডেন্ট মাপুন। সতর্কতা: একক মানের স্কোর একটি ক্ষেত্রের গুরুতর ত্রুটি লুকাতে পারে; ক্ষেত্র ও ব্যবহার অনুযায়ী জানান। দেখুন বিষয় 7.3 — পরিমাপ ও প্রতিবেদন এবং Service Management Metrics বই।

সাধারণ ব্যর্থতার ধরন

  • মালিক নেই। সমস্যা থেকে যায়। একজন মালিক ও স্টুয়ার্ডের নাম দিন।
  • অসংজ্ঞায়িত শব্দ। দলগুলো সংখ্যা নিয়ে তর্ক করে। সংজ্ঞা লিখুন এবং পরিবর্তন রেকর্ড করুন।
  • মান একবার যাচাই। ডেটা ক্ষয় হয়। মূল ক্ষেত্র ধারাবাহিকভাবে মনিটর করুন।
  • সমাধান হিসেবে পরিষ্কার। ত্রুটি আবার ঘটে। উৎস সারান।
  • মিশ্র সময় অঞ্চল ও শনাক্তকারী। রেকর্ড যুক্ত বা ক্রমে সাজানো যায় না। মানক করুন।
  • সবকিছু রাখা। ঝুঁকি ও খরচ বাড়ে। সংরক্ষণ ঠিক করুন ও মুছে ফেলুন।
  • অশাসিত এআই ডেটা ব্যবহার। সংবেদনশীল বা দুর্বল ডেটা মডেলে পৌঁছায়। ব্যবহার নিবন্ধন ও পর্যালোচনা করুন।

পরিপক্বতা মডেল

মাত্রা সূচনা বিকাশ মানসম্মতকরণ ব্যবস্থাপনা সমন্বয়
মালিকানা ও সংজ্ঞা অজানা প্রধান ডেটাসেটের মালিক মালিক, স্টুয়ার্ড, অভিধান ও ক্যাটালগ সংজ্ঞা ও পরিবর্তন পরিচালিত দল ও অংশীদার জুড়ে সমন্বিত শাসন
মান অজানা নমুনা যাচাই মূল ক্ষেত্র নিয়মিত মাপা মানের উন্নতি উৎস পর্যন্ত ট্র্যাক করা অটোমেশনসহ ধারাবাহিকভাবে নিশ্চিত করা মান
সুরক্ষা যখন-তখন মৌলিক প্রবেশাধিকারের নিয়ম শ্রেণিবিন্যাস, প্রবেশাধিকার ও সংরক্ষণের নিয়ম সম্মতি মনিটর ও নিরীক্ষিত পাইপলাইন ও টুলে গাঁথা সুরক্ষা
এআই-এ ব্যবহার লিপিবদ্ধ নয় সচেতনতা এআই ডেটা ব্যবহারের রেজিস্টার ও নিয়ম ব্যবহার পর্যালোচিত এবং পক্ষপাত ও সরণের জন্য পরীক্ষিত ব্যবস্থা ও সরবরাহকারী জুড়ে শাসিত এআই ডেটা

চেকলিস্ট

  • আমাদের সবচেয়ে গুরুত্বপূর্ণ ডেটাসেটের নামযুক্ত মালিক ও স্টুয়ার্ড আছে।
  • মূল শব্দ ও ক্ষেত্র পরিবর্তনের তারিখসহ লিখিতভাবে সংজ্ঞায়িত।
  • সিদ্ধান্ত চালায় এমন ক্ষেত্রে আমরা মান মাপি।
  • আমরা উৎসে মানের সমস্যা সারাই।
  • সময় অঞ্চল, বিন্যাস ও শনাক্তকারী মানক করা।
  • আমরা জানি মূল প্রতিবেদন কোথা থেকে ডেটা পায় (বংশধারা)।
  • ডেটা শ্রেণিবদ্ধ, প্রবেশাধিকার নিয়ন্ত্রিত এবং সংরক্ষণের নিয়ম আছে।
  • একটি রেজিস্টার রেকর্ড করে এআই কোন ডেটা ব্যবহার করে এবং কে সম্মত হয়েছেন।

এআই প্রম্পট

একটি ডেটাসেটের প্রোফাইল করুন।

Here is a sample of a dataset with field names, identifiers removed: [paste, 50–100 rows].
For each field, give the apparent meaning, type, share of missing or placeholder values, odd values, and a question for the data owner. Do not draw business conclusions.
List what you are unsure of.

একটি ডেটা অভিধানের এন্ট্রি খসড়া করুন।

Field: [name]. What I know about it: [source, how it is filled, how it is used].
Draft a dictionary entry with: plain-language definition, allowed values, how it is calculated or entered, source system, owner (only if stated), known issues, and date of last change (only if stated). Mark each item not given as [missing].
List what you are unsure of.

পর্যালোচনার জন্য মুক্ত টেক্সটে ব্যক্তিগত ডেটা খুঁজুন।

Here is a sample of ticket free text, already partially masked: [paste].
List items that look like personal data (names, emails, phone numbers, addresses, identifiers) that remain, quoting the exact text, and suggest categories of rules to catch them. Do not guess whether any is real.
List what you are unsure of.

এআই স্কিল

  • data-governance: ডেটার মালিকানা, সংজ্ঞা ও নিয়ম ঠিক করতে ব্যবহার করুন।
  • data-quality: মূল ক্ষেত্রে মান সংজ্ঞায়িত ও যাচাই করতে ব্যবহার করুন।
  • data-pipeline: ডেটার প্রবাহ নকশা ও নথিবদ্ধ করতে ব্যবহার করুন।
  • legal-data-privacy-compliance: আপনার আইনি উপদেষ্টার জন্য গোপনীয়তার প্রশ্ন সাজাতে ব্যবহার করুন।
  • raci-matrix: মালিকানা ও স্টুয়ার্ডশিপ ঠিক করতে ব্যবহার করুন।

মূল সূত্র

  • DAMA International, DAMA-DMBOK: Data Management Body of Knowledge: ডেটা ব্যবস্থাপনা ও শাসন নিয়ে একটি বিস্তৃত তথ্যসূত্র।
  • ISO/IEC 25012, ডেটার মান মডেল: ডেটার মানের বৈশিষ্ট্যের একটি মানক সেট; প্রকাশকের কাছ থেকে বর্তমান সংস্করণ পড়ুন।
  • Wikipedia, "Data governance" ও "Data quality": চর্চা ও তার মাত্রার পরিচিতি।
  • Wikipedia, "General Data Protection Regulation": একটি গুরুত্বপূর্ণ আইনি কাঠামোর পটভূমি (আইনি পরামর্শ নয়)।

তথ্যসূত্র

  1. Data governance — Wikipedia — https://en.wikipedia.org/wiki/Data_governance
  2. Data quality — Wikipedia — https://en.wikipedia.org/wiki/Data_quality
  3. Data steward — Wikipedia — https://en.wikipedia.org/wiki/Data_steward
  4. Data dictionary — Wikipedia — https://en.wikipedia.org/wiki/Data_dictionary
  5. Metadata — Wikipedia — https://en.wikipedia.org/wiki/Metadata
  6. Data lineage — Wikipedia — https://en.wikipedia.org/wiki/Data_lineage
  7. Data cleansing — Wikipedia — https://en.wikipedia.org/wiki/Data_cleansing
  8. Master data management — Wikipedia — https://en.wikipedia.org/wiki/Master_data_management
  9. Data classification — Wikipedia — https://en.wikipedia.org/wiki/Data_classification
  10. Personal data — Wikipedia — https://en.wikipedia.org/wiki/Personal_data
  11. General Data Protection Regulation — Wikipedia — https://en.wikipedia.org/wiki/General_Data_Protection_Regulation
  12. Data retention — Wikipedia — https://en.wikipedia.org/wiki/Data_retention

সেবা ব্যবস্থাপনা নির্দেশিকা — এজাইল, এআই, অটোমেশন ও বিশ্লেষণসহ সেবা ব্যবস্থাপনা।

উৎস ও অবদান: github.com/service-management-guide. যা দিয়ে তৈরি Lily Design System™.

প্রতিষ্ঠাতা Joel Parker Henderson.