ગુણવત્તા સંચાલન વિષેના લેખ અને બ્લૉગ્સનો બ્લૉગોત્સવ : સંસ્કરણ ૧૨મું - જુલાઈ ૨૦૨૪

ગુણવત્તા સંચાલન વિષેના લેખ અને બ્લૉગ્સના બ્લૉગોત્સવનાં ૧૨માં સંસ્કરણના જુલાઈ ૨૦૨૪ના અંક માં આપનું હાર્દિક સ્વાગત છે.

ગુણવત્તા સંચાલન વિષેના લેખ અને બ્લૉગ્સના બ્લૉગોત્સવનાં ૧૨માં સંસ્કરણના  કેન્દ્રવર્તી વિષય તરીકે 'ગુણવત્તા સંચાલનનાં ભવિષ્ય પર પ્રભાવક વલણો - માપદંડોનાં ધોરણો ઊંચાં લઈ જઈએ' પસંદ કરેલ છે.

આજના મણકામાં નિર્ણય વિવેકપ્રજ્ઞાના વપરાશકારો વિશે આપણે ટુંક ચર્ચા કરીશું..

વિશ્લેષકો અને જાંચકર્તાઓ (Analysts and investigators) દ્વારા નિર્ણય વિવેકપ્રજ્ઞાના ઉપયોગ, સંગઠિત ગુન્હાઓ, ડ્ર્ગ હેરાફેરી, નાણાકીય ગુનાઓ, આતંકવાદ અને સાયબર ક્રાઈમ ની તપાસ જેવાં અનેકવિધ ક્ષેત્રોમાં તપાસ કરવામાં. છૂપી માહિતીનાં વિશ્લેષણ અને જોખમનાં મૂલ્યાંકનમાં કરવામાં આવે છે.

 

Decision Intelligence – What’s Next in Data and Analytics

Data Analytics, Decision Intelligence, or Both? BAs Hold the Key to Smarter, Faster Decision Making

માહિતી સામગ્રી વૈજ્ઞાનિકો અને ઇજનેરો (ડત સઇએંતિસ્ત્સ અંદ દત એંગિનીર્સ) એવા અણવખણાયેલા વીરલાઓ છે જે કાચી માહિતી સામગ્રીને અમલમાં મુકી શકાય એવી સમજમાં પરિવર્તિત કરી આપે છે. એ લોકો નિર્ણય વિવેકપ્રજ્ઞાની મદદથી સંસ્થાના આગવા માહિતી સ્રોતો, તપાસ અને ઉપયોગના દાખલાઓને અનુરૂપ નવાં મશીન લર્નિંગ મૉડેલ વેકસાવે છે.. આ વિવિધલક્ષી અભિગમ સંસ્થા દ્વારા મૂલ્યવાન સમજણને વિકસાવવા માટે પેદા કરાયા કરતી વિશાળ પાયા પરની માહિતીને  લગતી વિશાળ માહિતી સામગ્રી અને વિગતોને તપાસે છે. તેના દ્વારા માહિતી સામગ્રીમાં વિખરાયેલ પડેલ બહુ ચોક્કસ પણે વલણોની પ્રવાહોની અને છૂપી સંપત્તિની  પરખ શક્ય બને છે. માહિતી સામગ્રીનાં વિશ્લેષણ અને નિર્ણય પ્રક્રિયા માટે બહુ મહત્વનું સંસાધન છે. 

Data Science | Why do high-performance companies use Data Science?

Augmenting Human Decision Making with Data Science

અગ્ર નિર્ણયકર્તાઓ (Senior decision makers) નિર્ણય વિવેકપ્રજ્ઞાનો ઉપયોગ વ્યુહાતમ વલણોના અભ્યાસના અર્થઘટન માટે, સંસ્થાના મુખ્ય હેતુઓ સાથે પ્રસ્તુત મહત્ત્વના નિરનયો લેવા માટે અને સંસાધનોનાં  યથોચિત અયોજન માટે કરે છે.

The Importance of Business Intelligence in Decision-Making

What every decision-maker should know about analytics

Improving Business Decision Making with Bayesian Artificial Intelligence • Michael Green

હવે પછીના મણકાઓમાં આપણે નિર્ણય પ્રક્રિયા મંચના વિવિધ ઘટકો અને નિર્ણય વિવેકપ્રજ્ઞાનાં સાધનો વિશે વાત કરીશું.

હવે આપણે આપણા નિયમિત વિભાગો તરફ વળીએ:

ASQ TV:

• Cost of Quality and Predictive Analytics—Together - પ્રસ્તુત વૃતાંતમાં ભાવિસૂચક વિશ્લેષણાત્મકોની શક્તિની ચર્ચા કરતાં સમજાવાયું છે કે કેમ તેના વડે ગુણવત્તના ખર્ચ પર પકડ મેળવી શકાય છે. Watch the full interview with Nicole Radziwill.
• The Power of Data in Lean - માહિતી સામગ્રી વિશ્લેષણ, રજૂઆત અને માહિતીની આપલેનું લીન અને લીન સિક્ષ સિગ્મામાં મહત્ત્વ. 

Quality Mag ના લેખો:

·       Organizations Need to Assess Risk Level and Take Appropriate Actions -  Jim L. Smith – જોખમ સંચાલનનું પહેલું પગલું કોઈ પણ નિર્ણય વિશે કંઈ પણ કરતાં પહેલાં સંભવિત જોખમી પરિબળોને ઓળખી લેવાનું છે. જોખમોનાં અસ્તિત્વને પહેલ પ્રથમ જ ન પારખી લેવાથી જ જોખમ જાણ કર્યા વગર આવી પડે છે તેમ લાગે છે. 

જોખમોનાં વિશ્લેષણ માટે અનેક પદ્ધતિઓ અને સાધનો ઉપલબ્ધ છે, પણ તેમના સફળ ઉપયોગ માટે એ દરેકનો ક્યાં અને કેવી રીતે વધારે ફાયદાકારક ઉપયોગ કરી શકાય એ ખબર હોવું જરૂરી છે. વળી, મોટા ભાગની સંસ્થાઓ જોખમ વિશ્લેષણ કરી લીધા પછી  અટકી જાય છે અને તેમાંથી ફલિત થતી માહિતીનો અમલ જ નથી કરાતો. જોખમોને લગતી બધિ આવશ્યકતાઓ ઉત્પાદનોમાં અને / અથવા પ્રક્રિયાઓમાં દસ્તવેજ કરી લેવાવી જોઈએ.

જોખમની સમજને યથોચિત જોખમ નિયમનોમાં પરિવર્તન કરવામાં અમલીકરણ થાપ ખાઈ જતું હોય છે. નિયમનની ખરાઈ કરવી આસાન છે પણ તેનું ઉત્પાદન કે પ્રક્રિયામાં પુરેપુરી રીતે સંકલન કરી લેવું બહુ મુશ્કેલ છે.

કેટલીક સંસ્થાઓ તો જોખમ નિયમોને અસરકારક કરવા માટે જરૂરી પ્રક્રિયાઓના ફેરફારો વિશે વિચાર્યા વિના જ જોખમ નિયમનોને લાગું પાડી દેતાં જોવા મળે છે. દા. ત. ઉત્પાદનમાં જોકહમ નિયમનને અમલી કરવાનું ચાલક બળ ઉત્પાદનની પોતાની આવશ્યકતાઓ સાથે સુસંગતતા  છે. એનો અર્થ એકે ઉત્પાદનને લગતું જોખમ નિયમન ઉત્પાદનની ડીઝાઈનનાં ઘટકમાં પણ આવરી લેવાવું જોઈએ અને તે ડિઝાઈનને લગતી આગત આવશ્યકતાઓ અને નિર્ગત પરિણામો સાથે સુસંગત છે તેની ખરાઈ કે પ્રમાણિકરણ થવાં જોઈએ. જોખમ પરિબળ અને તેને લગતાં જોખમ નિયમનનો ઉત્પાદનની આગત આવશ્યકતાઓ અને નિર્ગત પરિણામો સાથેનો સીધૉ જ સંબંધ જોખમ નિયમનનાં અસરકારક અમલ માટે મહત્ત્વનું પરિબળ બની રહે છે.

આ જ બાબત પ્રક્રિયાઓ અને  કાર્યક્ષેત્રોને પણ એટલી જ લાગુ પડે છે.

દરેક દૃષ્ટિએ જોખમ નિયમન અને ઉત્પાદન / પ્રક્રિયા તેમ જ કાર્યક્ષેત્ર આવશ્યકતાઓનાં સંકલનનો અમલ થઈ જાય તે પછી પ્રક્રિયા પ્રમાણીકરણ અચુક થવું જોઇએ જેથી જોખમ નિયમનનો અમલ અસરકારક્પણે થયો છે તે સુનિશ્ચિત કરી શકાય.

જોખમ સંચાલન જોખમની ઓળખને નિવારણ પગલાં સાથે પુરૂં નથી થતું. તે સતત ચાલતી રહેતી પ્રક્રિયા છે. સંસ્થાની જોખમ માટેની સંભાવનાઓ ઓછી કરવા માટે સંસ્થાની આસપાસનાં ટુંકા ગાળાના તેમ જ લાંબા ગાળાનાં પરિબળોની દૃશ્યાવલી પર સતત નજર રહેવી આવશ્યક બની રહે છે. 

જોખમ સંચાલન ચક્રના દરેક તબક્કે, જોખમોની ઓળખ તેમ જ નિયમનોના અમલની માહિતીઓની આપલે શક્ય હોય ત્યાં સુધી આંતરિક તેમ જ બાહ્ય હિતધારકો સાથે પણ મુક્તપણે થતી રહેવી જોઈએ. વર્તમાન જોખમમાં થતો કોઈ પણ ફેરફાર કે નવાં જોખમનું ધ્યાન પર આવવું તે આ માહિતી આપલેમાં સભાનપણે બન્ને પક્ષે આવરી લેવાવું જોઈએ, જેથી કરીને સમયસર જોખમ નિવારણને લગતાં પગલાં લઈ શકાય. અને હા, આ બધામાં જોખમ સંચાલન નીતિઓનું પણ તલસ્પર્શી મુલ્યાંકન પણ થતું રહે તે ચુકી ન જવાય એ પણ જરૂર યાદ રહે !

સંબંધિત અન્ય લેખો  - 

§  Measuring the Right Things Lead to Organizational Excellence

§  Manage Conflict More Effectively

§  Implement basic principles to improve organizational efficiency

·       What’s the Big Deal with Big Data? - Ian R Lazarus - કેટલી માહિતી સામગ્રી એકઠી કરવી એ બાબતે પ્રવર્તતા મતભેદો બહુ રસપ્રદ બની રહેતા હોય છે. સૌ પ્રથમ તો બિગ ડેટા શું છે તે સમજી લઈએ. 'બિગ ડેટા' એ કોઇ ખાસ પ્રકારની અલગ માહિતી સામગ્રી નથી. તે માત્ર બહુ વિપુલ પ્રચુર માહિતી સામગ્રી જ છે. તે ઉપરાંત, 'બિગ ડેટાં'માં અનેક વિધ સ્રોતોમાંથી અનેક પ્રકારનાં પરિવર્તનશીલ પરિબળો ભળે છે. તેને પરિણામે વર્તમાન સલામતીના જોખમોની માત્રા બહુ નાટકીય રીતે બદલી જાય છે. વિપુલ પ્રમાણમાં માહિતી સામગ્રી અને બહુ વધારે પરિવર્તનશીલ પરિબળોની સીધી અસર વિશ્વાસપાત્રતા પર થાય છે.

વિપુલ માત્રામાં માહિતી સામગ્રી હોય એટલે સારી માહિતી સામગ્રી જ છે એવુ જરૂરી નથી.  એક સન્માનીય માહિતી સામગ્રી વૈજ્ઞાનિકનું કહેવું છે કે 'માપણીની અડધી તંત્રવ્ય્વસ્થાઓતો ઓક્કસ માપણીની માહ્તી સામગ્રી પુરી પાડવા જ અક્ષમ હોય છે.'એટલે પહેલે પ્રથમ તો યોગ્ય માહિતી સામગ્રી હાથમાં હોય એ જ બહુ મોટો પડકાર છે. એ યાદ રાખવું મહત્વનું છે કે 'જ્યાં સુધી નિર્દોષ સાબિત ન થાય ત્યાં સુધી દોષિત' એ સૂત્ર માહિતી સામગ્રીને પણ બરાબર લાગુ પડે છે.

માહિતી સામગ્રીની વિશ્વાસપાત્રતા સાવ સાદીથી માંડીને વહુ સંકુલ ચકાસણીઓ દ્વારા પ્રસ્થાપિત કરાય છે. ખા કોઈ વિચાર કરવાની જરૂર ન પડે એ રીતે ફરી ફરીને જે માહિતી સામગ્રી ચકાસી શકાય કે વારં વાર એ જ મુજબ ચકાસની કરી શકાય એ આ ચકાસણીઓ  સળ છે તેનું પ્રમાણ બની રહે છે.

અલગ અલગ લોકે દ્વારા પેદા થયેલી માહિતી સામગ્રીમાંથી જુદા જુદા લોકોએ કરેલી કરાયેલી ચકાસણીઓ સમાન પરિણામો આપે એ માહિતી સામગ્રીની ફરી ફરીને ઉત્પાદનક્ષમતાની કસોટી છે.

દરેક વખતે સરખી માહિતી સામગ્રી મળી રહી છે તેનું પ્રમાણીકરણ ચકાસણીઑમાંથી નિપજતાં એક સરખાં પરિણામો છે. આ બન્ને પરિસ્થિતિઓ હોય તો એકત્રિત કરેલી માહિતી સામગ્રી વિશ્વાસપાત્ર ઠરી શકે.

જો માહિતી સામગ્રી એકઠી કરવામાં ધ્યાન પૂથક આધાર સામગ્રી [Attribute (aka discrete) data] - અપૂર્ણાંક કે સતત નહી એવી - કરવા પર અપાતું હોય તો તો પછી માહિતી સામગ્રી નાના પાયા પર હોય કે વિપુલ માત્રામાં હોય, તેનું વિશ્લેષણ બહુ મુશ્કેલ ન પડે. એકઠી કરેલ માહિતી સામગ્રી પૂથક આધાર સામગ્રી છે કે નહીં તેની ખરી કસોટી 'માહિતી સામગ્રીને હજુ વિભાજિત કરી શકાય છે તેમ છેકે નહીં' એ પ્રશ્ન છે.

માહિતી સામગ્રીની વિશ્વાસપાત્રતા અને પ્રકિયાની ગુણવતા અંગેના નિર્ણયોના દૈત્યનો નાશ કરી લીધા પછી માહિતી સામગ્રી ને પ્રક્રિયાની 'ક્ષમતા'ની સિગ્મા કક્ષામાં પરિવર્તિત કરવાની ઘડી આવી પહોંચી ગણાય.પ્રક્રિયા ક્ષમતાની માપણી 'સિક્ષ સિગ્મા'જેવી પ્રક્રિયાની સંપૂર્ણ વિશુદ્ધતા જેવા માપદંડથી કરાતી હોય છે.

સૌથી મહત્ત્વની વાત તો એ કે 'નાના પ્રમાણની માહિતી સામગ્રી'થી પણ 'મોટો મીર' મારી શકાય છે - માહિતી સામગ્રીનું પ્રમાણ કે વિશ્લેષણ સુધારણાની ગુણવતા નક્કી કરતા નિર્ણયોની અસરકારકતામાં છે. વિપુલ માહિતી સામગ્રીની લ્હાયમાં મોટા ભાગે સ્પર્ધકો અંશતઃ ઉપયોગી માહિતી સામગ્રીનાં ગંધાતાં ખાબોચીયાંમાં જ ફસાયેલા પડેલા રહેતા હોય છે.

---

ગુણવત્તા સંચાલનનાં ભવિષ્ય પર પ્રભાવક વલણો - માપદંડોનાં ધોરણો ઊંચાં લઈ જઈએ’ વિશેની ચર્ચાને રસપ્રદ અને અર્થપૂર્ણ બનાવવામાં આપનાં સૂચનો / ટીકાટિપ્પણીઓ / માર્ગદર્શન / અનુભવો આવકાર્ય છે.

આ અંકમાં દર્શાવેલ ઇમેજ કે વિડીયો ક્લિપના પ્રકાશાનાધિકાર તેના રચયિતાના જ રહે છે.