18 October 2019

News Flash

विदा-विश्लेषणाचे मासले

विदा-विश्लेषण वैयक्तिक स्तरावर कसे अमलात आणता येईल, हे पाहण्याआधी विदाकेंद्री निर्णयप्रक्रियेची काही यशस्वी उदाहरणे जाणून घ्यायला हवीत..

|| हृषिकेश दत्ताराम शेर्लेकर

विदा-विश्लेषण वैयक्तिक स्तरावर कसे अमलात आणता येईल, हे पाहण्याआधी विदाकेंद्री निर्णयप्रक्रियेची काही यशस्वी उदाहरणे जाणून घ्यायला हवीत..

विदा-विश्लेषणा(डेटा-अ‍ॅनालिटिक्स)वरील आजच्या लेखात ‘डेटासेंट्रिक डिसिजन मेकिंग’ म्हणजे विदाकेंद्री निर्णय प्रक्रियेची काही उदाहरणे पाहू. पुढील दोन लेखांत डिस्क्रिप्टिव्ह/ प्रेडिक्टिव्ह/ प्रीस्क्रिप्टिव्ह अ‍ॅनालिटिक्सच्या खोलात शिरू आणि एक सामाजिक उदाहरण घेऊन अ‍ॅनालिटिक्सचे प्रकल्प प्रत्येकाला कसे अमलात आणता येतील, त्याबद्दल सविस्तर जाणून घेऊ.

(१) डॉ. जॉन स्नो यांचा ‘कॉलरा मॅप’ :

१९व्या शतकात कॉलराच्या साथीने जगभरात थमान घातले. त्यात लाखो लोक मृत्युमुखी पडले. वैद्यकीय तज्ज्ञांना सुरुवातीला नक्की होतेय काय, याबद्दल काहीच कळेनासे झाले होते. याबाबत ७०० हून अधिक वैद्यकीय शोधनिबंध प्रकाशित झाले खरे; पण रोगाचे मूळ कोणासही सापडेना. याबाबत सर्वप्रथम यश मिळवले ते डॉ. जॉन स्नो यांनी. १८५४ च्या ऑगस्ट ते सप्टेंबरदरम्यान लंडनमध्ये कॉलराच्या साथीने ५०० हून अधिक लोकांचा बळी घेतला होता. डॉ. स्नो यांनी नेहमीच्या वैद्यकीय चाचण्या बाजूला सारून एक वेगळाच प्रयोग केला. काय केले त्यांनी? तर, लंडनचा नकाशा घेऊन त्यात जे ५०० लोक दगावले होते त्यांच्या निवासस्थानांच्या नकाशावर खुणा केल्या. त्यातून त्यांना आढळले, की काही ठरावीक वस्त्यांमध्येच साथीमुळे मृत्यू झाले होते. मग फक्त तिथल्या वस्त्यांची पाहणी केली असता आढळून आले की, तिथले पिण्याचे पाणी फारच दूषित होते. तसेच एकंदर सांडपाण्याची व्यवस्थाही अत्यंत खराब. तर शहराच्या इतर भागांत- म्हणजे जिथे कॉलराची साथ नव्हती अशा ठिकाणांची पाहणी केली असता, एकंदरीत स्वच्छता आणि पिण्याचे पाणीही स्वच्छ आढळले. नंतर अधिक संशोधनाअंती प्रदूषित पिण्याचे पाणी आणि कॉलराचा संबंध प्रस्थापित झाला आणि पुढचे सगळे जगजाहीर आहेच.

आज ही गोष्ट फारच प्राथमिक वाटत असली, तरी १९ व्या शतकात- जेव्हा संगणक, डिजिटल तंत्रज्ञान, डेटाअ‍ॅनालिटिक्स वगरे काहीही उपलब्ध नसताना एका डॉक्टरने केवळ सर्जनशील दृष्टिकोन ठेवून जगाला एक मोठे वरदानच दिले होते. ‘आऊट ऑफ द बॉक्स थिंकिंग’ यालाच म्हणतात. डॉ. स्नो यांचा ‘कॉलरा मॅप’ कदाचित ‘डिस्क्रिप्टिव्ह अ‍ॅनालिटिक्स’चा जगातील पहिला यशस्वी प्रयोग असू शकेल!

वरील उदाहरणामुळे काही ठळक तत्त्वे नक्कीच सिद्ध होऊ शकतील :

(अ) विदा-विश्लेषण करायला संगणक अभियंते नामक तज्ज्ञच हवेत असे काहीही नाही. चक्क एका डॉक्टरने प्रथम डेटा-अ‍ॅनालिटिक्सचा प्रयोग केलाय.

(ब) तुमच्या व्यावसायिक अनुभवाबरोबर सर्जनशील दृष्टिकोन अत्यंत महत्त्वाचा. ‘डिजिटल रीइमॅजिनेशन’ यातील एक प्रकार म्हणजे- जे मी आता करतोय, तेच वेगळ्या आणि अधिक कार्यक्षम व प्रभावी पद्धतीने डिजिटल तंत्रज्ञान वापरून करणे.

(क) कुठल्याही गोष्टीच्या फार फार खोलवर गेल्यास तुम्हाला त्यातील गणित नक्कीच सापडते.

(२) दुसरे महायुद्ध :

महायुद्ध काळात ब्रिटिश शास्त्रज्ञ अ‍ॅलन टय़ुरिंगनी जर्मन फौजांच्या गुप्त सांकेतिक संदेशांची उकल (डीकोड) करण्याचे यंत्र शोधून काढले, ज्यास ‘द टय़ुरिंग मशीन’ म्हणून प्रसिद्धी मिळाली. त्यातूनच- डेटा, गणितीशास्त्र, संगणक, अ‍ॅनालिटिक्स यांची मुहूर्तमेढ रचली गेली.

(३) टारगेट रीटेल कंपनी, अमेरिका :

अमेरिकेतील रीटेल क्षेत्रातील (किरकोळ विक्री) ‘टारगेट’ ही एक बलाढय़ कंपनी. त्यांनी २०१२ मध्ये व्यवसायवृद्धीसाठी एक अनोखा प्रयोग केला. तो म्हणजे- त्यांच्या ग्राहकांमध्ये ज्या स्त्रिया आहेत, त्यातील कोण गर्भवती आहेत याचा अंदाज वर्तविणे आणि त्यानुसार त्यांना विशेष उत्पादने, ऑफर्स वगरे. याला म्हणतात- ‘क्लासिफिकेशन अ‍ॅनालिटिक्स’!

दीर्घ अनुभवांतून त्यांना हे ठाऊक होते की-

(अ) गर्भवती स्त्रिया (आणि त्यांची कुटुंबे, मित्रपरिवार) खरेदी करताना किमतीबद्दल फारसे संवेदनशील नसतातच आणि बरेचदा ठरवल्यापेक्षा जास्तीचे विकत घेतात.

(ब) खरेदी एका ठरलेल्या कालावधीत, एका तारखेसाठी सुरू असते; म्हणजे ग्राहक दुकान िहडून रिकामाच परत जाण्याचा प्रश्नच नसतो.

(क) त्यांचे कुटुंब, मित्रपरिवार- विशेषत: मत्रिणी/ बहिणी/ इतर स्त्रियादेखील खरेदी करण्यासाठी उत्सुक असतात.

(ड) खरेदी फक्त त्या गर्भवती स्त्रीपर्यंत मर्यादित न राहता बाळासाठी सामान, वैद्यकीय वस्तू, त्याचबरोबर पाहुणे/ सण/ उत्सव/ जेवणावळी/ घरासाठी सजावट असे हे प्रकरण वाढतच जात असते.

(इ) अनेक वर्षांच्या सार्वजनिक आरोग्यविषयक विदेमधून प्रसूती होण्याचा सर्वाधिक काळ (सप्टेंबर-डिसेंबर), जास्त खपणारी उत्पादने, ग्राहक रूपरेषा असे सर्व विश्लेषण त्यांनी वापरात आणले.

पण दुकानात येणारी ग्राहक गर्भवती आहे, हे कसे ओळखावे? तिचे कुटुंबीय/ मत्रिणी कशा ओळखाव्यात? त्यासाठी कंपनीने एक विदा-विश्लेषण प्रारूप निर्माण केले; ज्याची सुरुवात ग्राहकांना त्यांच्या नकळत प्रश्न विचारून केली जाते. दुसरे म्हणजे, एकदा खरेदी केली की त्या सूचीवरून किती गोष्टी गर्भवतीसाठी होत्या, हे लक्षात येऊन त्यांना मग पुढील वेळच्या खरेदीसाठी ऑफर, कूपन, स्पेशल कार्ड आदींचा भडिमार सुरू होतो. हल्ली तर दुकानाच्या दर्शनी भागातच गर्भवतींसाठीची काही विशिष्ट उत्पादने ठेवली जातात. तिथे आयओटी कॅमेऱ्यांची नजर असते. दुकानात येणारी व्यक्ती जर त्या ठिकाणी घुटमळली, काही खरेदी पटकन केली, की यंत्रणेला लगेचच सूचना मिळते आणि ग्राहकाला मग ‘टारगेट’ केले जाते.

‘टारगेट’चा गर्भवती स्त्रिया अंदाज ‘प्रेडिक्टिव्ह अ‍ॅनालिटिक्स’चा जगातील एक सर्वात मोठा यशस्वी प्रयोग असू शकेल!

(४) ‘बिग-बास्केट’ ऑनलाइन स्टोअर :

जगभरात किरकोळ विक्री विदेचे विश्लेषण केल्यानंतर ‘बिग-बास्केट’च्या हे लक्षात आले की, सामान्य ग्राहक कमीत कमी ३० टक्के गोष्टी हव्या असूनदेखील ऐन वेळी- म्हणजे दुकानात वा ऑनलाइन खरेदी करताना विसरतात. त्यातून उपजली ‘स्मार्ट-बास्केट’ ही संकल्पना. यात बिग-बास्केट त्यांच्या प्रेडिक्टिव्ह अ‍ॅनालिटिक्सवरून ग्राहक ऑनलाइन आल्यास किरकोळ सामानांची एक सूची पेश करते. इथे ग्राहकांनी आधी घेतलेल्या वस्तू, ग्राहकाची एकंदरीत रूपरेषा, बाहेरील वस्तुस्थिती आदींचा सुंदर मिलाफ करून अंदाज वर्तवला जातो. तसेच ग्राहक ऑनलाइन खरेदी संपवून पसे भरण्याच्या पायरीपर्यंत पोहोचल्यास खाली लगेच एक दुसरी सूची दिसू लागते- ‘तुम्ही मागच्या वेळी हेदेखील घेतले होते’!

बिग-बास्केटचे ‘स्मार्ट-बास्केट’ हा ‘प्रेडिक्टिव्ह अ‍ॅनालिटिक्स’चा भारतातील स्टार्ट-अप श्रेणीतील एक यशस्वी प्रयोग असू शकेल!

(५) अ‍ॅमेझॉन रेकमेंडर सिस्टीम :

‘तुम्ही खरेदी केलेल्या उत्पादनासोबत इतरांनी या या गोष्टीदेखील घेतल्या’, ‘तुम्हाला या या गोष्टी पसंत असू शकतील’ अशी सूचना देणारी यंत्रणा.

अ‍ॅमेझॉन कंपनीचा ३५ टक्के जागतिक महसूल त्यांनी ऑनलाइन ग्राहकाला काय खरेदी करायचे असू शकेल, हे यशस्वीपणे वर्तवल्यामुळे मिळतो आहे. जगातील अनेक देश, करोडो ग्राहक, अब्जावधी उत्पादने आणि सर्व काही ऑनलाइन/ रीअल-टाइम घडायला हवे. विचार करा, किती प्रचंड आवाका असेल त्यांच्या रेकमेंडर सिस्टीमचा! हेच कार्य मानवी ‘सेल्स-मॅन’ वापरून करायचे झाल्यास? यास डिजिटल युगात ‘मास पर्सनलायझेशन’ म्हणतात; म्हणजे प्रत्येक ग्राहकाला डिजिटल तंत्रज्ञान वापरून त्याच्या आवडीनुसार वैयक्तिक सेवा पुरवणे. आपल्या ३.५ अब्ज ग्राहकांना उत्कृष्ट सेवा पुरवणे केवळ डिजिटल तंत्रज्ञानामुळेच त्यांना शक्य झाले असेल, नाही का? म्हणूनच अ‍ॅमेझॉनची रेकमेंडर सिस्टीम ‘प्रेडिक्टिव्ह अ‍ॅनालिटिक्स’चा जगातील सर्वात जास्त व्याप्ती असलेला यशस्वी प्रयोग असू शकेल!

आणखी काही संदर्भ, ज्यांचे आपण आवर्जून वाचन करावे :

(१) https://ourworldindata.org/  जगातील सर्वात मोठय़ा समस्या समजून घेण्यासाठी संशोधन आणि परस्परसंवादी ‘डेटा व्हिज्युअलायझेशन’. २९७ विषयांमधील २७४६ तक्ते, विश्लेषण.. सर्व मोफत! त्यातील विदा डाऊनलोड करून तुम्ही स्वत:देखील काही नवीन प्रयोग स्वत:साठी करू शकाल.

(२) टाटा कन्सल्टन्सी सव्‍‌र्हिसेस्च्या ‘अ‍ॅनालिटिक्स अ‍ॅण्ड इनसाइट्स’ (ए अ‍ॅण्ड आय) युनिटद्वारे प्रकाशित केलेल्या पुस्तकात (https://www.tcs.com/a-n-i-parivartana) तंत्रज्ञानाचे तज्ज्ञ, उद्योजक, अर्थतज्ज्ञ, संशोधक, समाजसेवी अशा विविध क्षेत्रांतील मंडळींच्या लेखांचे आणि मुलाखतींचे संकलन आहे. या मंडळींनी ‘विदा-विश्लेषणा’चा सुंदर उपयोग करून विशिष्ट सामाजिक कार्य केले आहे.

लेखक टाटा कन्सल्टन्सी सव्‍‌र्हिसेसमध्ये साहाय्यक उपाध्यक्ष आणि सध्या अ‍ॅनालिटिक्स आणि इनसाइट्सच्या यूएसए सेंटरचे प्रमुख म्हणून कार्यरत आहेत.

hrishikesh.sherlekar@gmail.com

First Published on August 12, 2019 2:25 am

Web Title: data management mpg 94