ডাটা লিটারেসি এবং 'কেন' প্রশ্ন?

আমরা যখন ডাটা অ্যানালাইসিস নিয়ে কথা বলতে চাই, তখন এর সমার্থক হিসেবে দুটো শব্দ হিসেবে চলে আসে “ডাটা লিটারেসি”। এতে ভয় পাবার কিছু নেই কারণ, আপনি আমি এই ব্যাপারটা সবসময় ব্যবহার করছি প্রতিদিনের কাজে। মনে আছে, আমরা কোভিড ভ্যাকসিন নিয়ে কম আলাপ করিনি, এর মধ্যেই?

1. তিন-চারটা ভ্যাকসিন নিয়ে কোনটার কার্য-দক্ষতা কোথায়, কার “এফিকেসি” কেমন?

2. ১ ডোজ ভালো নাকি ২ ডোজ ভালো? কারা বাজারে আসছে আগে? সরকার কোনটা কিনছে?

3. সবচেয়ে কাছের কোন ভ্যাকসিন সেন্টারে গেলে আগে ভ্যাকসিন পাওয়া যাবে?

অথবা,

1. এই মহামারীর সময় কি ধরনের ফলমূল, ভেষজ এবং শাকসবজি খেলে শরীরের রোগ প্রতিরোধ ক্ষমতা বাড়াবে?

2. পরিবারের কোন সদস্যের কি কি লক্ষণ দেখা দিলে, হাসপাতালে নিতে হতে পারে - অথবা বাড়িতে চিকিৎসা নেওয়া যেতে পারে?

এরকম হাজারো প্রশ্নের মধ্য দিয়ে যেতে হয় আমাদেরকে, প্রতিনিয়ত। বলুনতো, কি করেছি আমরা এ সমস্ত বিষয়ে?

এ সমস্ত ক্ষেত্রে আমরা শুরুতেই একটা প্রশ্ন নিয়ে শুরু করি। সেই প্রশ্নের উত্তর পাওয়ার জন্য অনেক তথ্য জোগাড় করি যাতে আমাদের প্রশ্নের উত্তর তৈরি করা যায়। সবচেয়ে বড় কথা হচ্ছে একটা প্রশ্নের উত্তর খুঁজতে গিয়ে তার সাথে সম্পূরক প্রশ্ন অর্থাৎ আরো কিছু প্রশ্ন বানাতে হয়েছে - যার মাধ্যমে আমাদের আসল প্রশ্নের উত্তর পেতে হয়েছে। সবার সাহায্যে আমরা যখন এই প্রশ্নগুলোর উত্তর নিয়ে সেটাকে সমাধান করেছি, তখন সেই ব্যাপারটিকে জানিয়েছি বাকি সবাইকে, যাতে অন্যদের সেই একই সমস্যায় পড়তে না হয়। এটাই ডাটা লিটারেসি। এই কাজটাই করছি আমরা প্রতিনিয়ত।

তাহলে এর ডেফিনেশন কি দাঁড়াচ্ছে?

Data literacy is the ability to explore, understand, and communicate with data.

ডাটা লিটারেসি কেন দরকার?

প্রতিনিয়ত আমাদের আশেপাশের মানুষের জীবনকে পাল্টে দিচ্ছি ডাটার ব্যবহার করে। আগে একেকটা ভ্যাকসিনের ভ্যারিয়েন্ট, বিশেষ করে ড্রাগ ডিসকভারিতে যত সময় লাগতো, এখন এক মাসের কম সময়ে একেকটা নিয়ে কাজ করতে পারছে ফার্মাসিটিক্যাল কোম্পানিগুলো। এই মহামারিতে কিভাবে নতুন দক্ষতায় একটা ব্যবসা টিকিয়ে রাখা যায়, সেটা নিয়ে চলছে বিস্তর গবেষনা - বিশেষ করে ডাটা নিয়ে। ইন্ডাস্ট্রিয়াল এফিশিয়েন্সি বেড়েছে অনেক গুণ, যাতে কম মানুষকে যুক্ত করে অটোমেশন দিয়ে অনেক কাজ ডেলিভারি করা যায়। সরকারগুলো ডাটা ব্যবহার করে, কিভাবে তাদের খরচকে সীমিত করেআনছেন - সেটার পেছনে কাজ করছে ডাটা। অন্যান্য জায়গায় খরচ কমিয়ে কিভাবে মানুষের জীবনকে (জনগণের) উন্নত করা যায়, সেটা নিয়ে ভাবছে অনেক দেশের সরকারগুলো। মূল কথা হচ্ছে, ডাটা খুলে দিচ্ছে অনেক সুবিধাজনক পরিস্থিতি।

তাহলে কোথায় শুরু করতে হবে?

To begin making better use of data, consider an important aspect of data literacy, exploration. The key to successful data exploration is the formulation of good questions.

ডাটাকে ঠিকমতো ব্যবহার করতে হলে - ডাটা লিটারেসির যে অংশটা আমাদের হাতে ধরে এগিয়ে নিয়ে যাবে, সেটা কে আমরা বলছি ‘এক্সপ্লোরেশন’। তত্ত্বানুসন্ধান। এছাড়া, এর একটা টেকনিক্যাল নাম আমরা প্রায় ব্যবহার করি, “এক্সপ্লোরাটরি ডাটা এনালাইসিস”, ইডিএ! আমাদেরকে বের হতে হবে প্রশ্ন এবং উত্তরের অন্বেষণে। এর সঙ্গে চলবে বিশ্লেষণ। এবং পুঙ্খানুপুঙ্খভাবে অনুসন্ধান।

ধরুন, স্বাতীর মতো আপনি বাগান পরিচর্যা পছন্দ করেন। এর পাশাপাশি, আপনি স্বাস্থ্য সচেতন ও - বাজার থেকে প্রচুর শাকসবজি কেনেন। এখন একটা প্রশ্ন হতে পারে, বাগানে শাকসবজি হলে নিজের খাবারে পুষ্টি যোগ করা যায় সরাসরি, তবে সেই সময়টা ইনভেস্ট করার পেছনে সময় দিতে চাইবেন কি? এখন এখানে একটা সম্পূরক প্রশ্ন আসতে পারে, নিজের ছাদে বাগান পরিচর্যা করলে যেভাবে নিজের মানসিক স্বাস্থ্য পরিচর্যা করা যায়, ( যারা বাগান পরিচর্যা করেন, বাগান পরিচর্যার সেই নিবিড় সময়টাতে পৃথিবীর সব সমস্যা ভুলে যেতে পারেন) সেভাবে সেই বাগানের শাকসবজি শরীরের জন্য ভালো ফলাফল বয়ে নিয়ে আসতে পারে। প্রথম প্রশ্নটা একটু ‘ওপেন এন্ডেড’ থাকলেও পরের প্রশ্নটা সেটাকে প্রায় গুটিয়ে নিয়ে এসেছে। শারীরিক স্বাস্থ্য এবং নিজের বাগানের শাকসবজি - দুটো ব্যাপারই আপনাকে ভাবিয়েছে। ব্যাপারটা কিছুটা কান টানলে মাথা আসার মত।

ঠিক প্রশ্নটা করতে পারা

If I had an hour to solve a problem and my life depended on the solution, I would use the first 55 minutes determining the proper question to ask, for once I know the proper question, I could solve the problem in less than five minutes.

-- Albert Einstein (1879-1955)

আপনি যখন একটা প্রশ্ন শুরু করবেন, তখন সেই প্রশ্নের লেজ ধরে আরেকটা প্রশ্ন আসতে বাধ্য - যতক্ষণ পর্যন্ত আপনি সেই উত্তরে পরিতুষ্ট হন। আমাদের প্রথম প্রশ্নের ফলোআপ হিসেবে নিজের মানসিক স্বাস্থ্য নিয়ে যে প্রশ্নটা আসবে সেটার উত্তর দেয়ার জন্য আমরা প্রস্তুত কিনা? মানে, আমরা মানসিক স্বাস্থ্য নিয়ে চিন্তা করব কেন? কেন নয়? এরকম প্রতিনিয়ত আমাদের আশেপাশের হাজার প্রশ্ন - কেন বিক্রি কমে যাচ্ছে?, কেন অপারেটিং কষ্ট বাড়ছে? এই এই প্রোডাক্টটা রিটার্ন হচ্ছে বেশি একটা রিজিওন থেকে? কেন গত দুই মাসে আমাদের প্রফিট কমে গেছে -- এরকম প্রচুর “কেন” ঘুরছে আমাদের আশেপাশে। এই “কেন” এর শুরুটা কোথায়?

এই “কেন” প্রশ্নের “ফাইভ হোয়াই” পদ্ধতিটা এসেছে টয়োটা মোটরসের প্রতিষ্ঠাতা সাকিচি টয়োডার কাছ থেকে। বাচ্চাদের বার বার “কেন” প্রশ্নের মতো। উনার প্রস্তাবনা বেশ গভীরের। ব্যাপারটা এরকম যে - আমাদের যে সমস্যাটাকে (‘হোয়াই’ অফ আ প্রবলেম) আইডেন্টিফাই করছি যাকে বেশ কয়েকটা “কেন” প্রশ্ন জিজ্ঞাসা করব, তখন তার ফলোআপ প্রতিটা প্রশ্ন এবং তার উত্তর অথবা ব্যাখ্যা দেবার জন্য একটা পাইপ লাইন তৈরি করব। আমাদের শুরুর কৌশলটি যদিও প্রথম “কেন” প্রশ্নোত্তরের জন্য নির্ধারণ হলেও (এবং এর মধ্যে উত্তর পেয়ে গেলেও) সেটার আরো ভেতরে যাবার সুযোগ নেয়া প্রয়োজন।

এতে শুধু প্রাথমিক সমস্যা নয়, বরং ভবিষ্যতে যে ধরনের সমস্যাগুলো আসতে পারে, তার ফলাফল এই কয়েকটা “কেন”তে সমাধান করা সম্ভব। এতে “রুট কজ অ্যানালাইসিস” ধরে আগানো সম্ভব। ‘কেন’ এতো আগুন ধরছে ফ্যাক্টরিগুলোতে? সেটার সাথে শত শত “কেন” প্রশ্নের আউটকাম এবং সেটার “রুট কজ অ্যানালাইসিস” আমাদেরকে ড্যাশবোর্ডের বাইরের তাকাতে সাহায্য করবে। কারণ আমরা জানি, সনাতন ড্যাশবোর্ড বেশি ব্যস্ত থাকে “হোয়াট” এর উত্তর খুঁজতে।

শুরুর কাজ, তবে শেষ নয়

Put another way, dashboards should be the start, not the end.

আমার অভিজ্ঞতা বলে, ডাটাকে ঠিকমতো প্রশ্ন করার একমাত্র উপায় হচ্ছে ডাটা ধরে ধরে ‘ড্রিল ডাউন’ করা, একেকটা প্রশ্ন ধরে ধরে। এর মধ্যে, অনেক প্রশ্নের সরাসরি উত্তর না পেলেও সেগুলো আসল প্রশ্নের উত্তরের আশেপাশে পৌঁছে বলে, কোন প্রশ্নই খারাপ নয়। একেকটা “কেন” প্রশ্নের উত্তরের সাথে আরো অনেকগুলো “কেন” প্রশ্নকে আসতে দিতে হবে। এটা না হলে সমস্যার ভেতরে ঢোকা দুস্কর। একটা-দুটো “কেন” প্রশ্ন দিয়ে, হয়তোবা একটা সমস্যার সমাধান ওই মুহূর্তে দেয়া যেতে পারে তবে, “রুট কজ এনালাইসিস” না করতে পারলে সমস্যাটার চিরস্থায়ী সমাধান সম্ভব নয়। এটাও ঠিক যে অনেক ব্যবসা বেশি “কেন” শুনতে চান না।

তাহলে?