സാമ്പത്തികരംഗത്ത് വരുന്നു വിപ്ലവകരമായ ഡാറ്റഷെയറിങ്; ശക്തിപകരാന്‍ എഐയും ഡാറ്റ അനലറ്റിക്സും

പ്രേംശങ്കര്‍

ഡാറ്റ-ഷെയറിങ് എന്നത് ഇന്ന് ഒരു സാധാരണ പദം ആയിരക്കുന്നു. ബാങ്കിംഗ്, ഫിനാന്‍ഷ്യല്‍ സര്‍വീസ് വ്യവസായം എന്നിവ പൂര്‍ണ്ണമായും ഡിജിറ്റലൈസ് ചെയ്തുകൊണ്ട് സമ്പദ് വ്യവസ്ഥയെ ശക്തിപ്പെടുത്താനാണ് ഇന്ത്യ ശ്രമങ്ങള്‍ നടത്തിവരുന്നത്. ഉപഭോക്താക്കളുടെ ഡാറ്റയുടെയും വിവരങ്ങളുടെയും കാര്യക്ഷമമായ ഉപയോഗം, ഇന്ത്യ ലക്ഷ്യമിടുന്ന പുരോഗമനത്തില്‍ ഒരു ഗെയിം ചേഞ്ചര്‍ ആകും. സാമ്പത്തിക മേഖല എല്ലാദിവസവും വന്‍തോതില്‍ ഡാറ്റ സൃഷ്ടിക്കുന്നു, അത് ഡിസിഷന്‍ മേക്കിങ്, റിസ്‌ക് മാനേജ്‌മെന്റ്, ഉപഭോക്ത്യ സ്ഥിതിവിവരക്കണക്കുകള്‍ എന്നിവയ്ക്ക് വിലപ്പെട്ട ഒരു ഉറവിടം ആയിരിക്കും.

എന്നിരുന്നാലും, ഡാറ്റ സ്വകാര്യത ആശങ്കകളും നിയന്ത്രണ ആവശ്യകതകളും കാരണം സാമ്പത്തിക മേഖലയിലെ ഡാറ്റാ ഷെയറിങ് സംവിധാനങ്ങള്‍ പലപ്പോഴും പരിമിതമാണ്. അതുകൊണ്ടുതന്നെ, ഇത്തരമൊരു ശക്തമായ ഡിജിറ്റല്‍ ചട്ടക്കൂട് സ്ഥാപിക്കുന്നതിന്, രാജ്യം എളുപ്പവും സുരക്ഷിതവുമായ സാമ്പത്തിക ഡാറ്റ ഷെയറിങ് സംവിധാനം സ്ഥാപിക്കേണ്ടതുണ്ട്. വിവിധ ഓര്‍ഗനൈസേഷനുകള്‍ക്കും ഓഹരി ഉടമകള്‍ക്കും ഇടയില്‍ സുരക്ഷിതവും കാര്യക്ഷമവുമായ ഡാറ്റ ഷെയറിങ് പ്രാപ്തമാക്കുന്നതിലൂടെ സാമ്പത്തിക മേഖലയിലെ ഡാറ്റ ഷെയറിങ് സംവിധാനങ്ങള്‍ മെച്ചപ്പെടുത്താന്‍ ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് (AI), ഡാറ്റ അനലിറ്റിക്‌സ് എന്നിവയ്ക്ക് കഴിയും.

അടുത്തിടെ ബജറ്റ് പ്രസംഗത്തില്‍, ഇന്ത്യയുടെ ധനമന്ത്രി നിര്‍മ്മല സീതാരാമന്‍, 'ഇന്ത്യയില്‍ ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് ഉണ്ടാക്കുക, ഇന്ത്യക്ക് വേണ്ടി ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സ് പ്രവര്‍ത്തിപ്പിക്കുക' എന്ന് സംരംഭകരോട് അഭ്യര്‍ത്ഥിച്ചു. ഡാറ്റ പ്രാപ്തമാക്കിയ ഡിജിറ്റല്‍ ബാങ്കിങ്ങും സാമ്പത്തിക സേവന അടിസ്ഥാന സൗകര്യങ്ങളും മെച്ചപ്പെടുത്തുക എന്നതാണ് കേന്ദ്രം ഈ പദ്ധതി കൊണ്ട് ലക്ഷ്യം വെക്കുന്നത്.

കൃത്യമായ ഡാറ്റ ഉണ്ടെങ്കില്‍ ധനകാര്യ സ്ഥാപനങ്ങള്‍ക്കും ബാങ്കുകള്‍ക്കും പ്രയോജനം ലഭിക്കും. ഡാറ്റ അജ്ഞാതവല്‍ക്കരണവും സമാഹരണവും, ബ്ലോക്ക്‌ചെയിന്‍ സാങ്കേതികവിദ്യ, പ്രവചന വിശകലനം, ഫ്രോഡ് ഡിറ്റക്ഷന്‍, റിസ്‌ക് മാനേജ്‌മെന്റ് തുടങ്ങിയ വഴികളാല്‍ AIക്കും ഡാറ്റ അനലിറ്റിക്‌സിനും സാമ്പത്തിക മേഖലയിലെ ഡാറ്റ ഷെയറിങ് സംവിധാനങ്ങള്‍ മെച്ചപ്പെടുത്താന്‍ സാധിക്കും. കൂടാതെ, ഇന്റര്‍ ആക്റ്റീവ് വോയിസ് റെസ്‌പോണ്‍സ്, AI അധിഷ്ഠിത സെല്‍ഫ് സര്‍വീസ് അപ്ലിക്കേഷനുകള്‍, സ്മാട്ട് ചാറ്റ്‌ബോട്ടുകള്‍, ബയോമെട്രിക് ഫ്രോഡ് ഡിറ്റക്ടറുകള്‍ തുടങ്ങിയ സാങ്കേതികവിദ്യകള്‍ പ്രോസസ്സുകള്‍ മെച്ചപ്പെടുത്തുന്നതിനും ഉപഭോക്ത്യ പിന്തുണ വ്യക്തിഗതമാക്കുന്നതിനുമായി വ്യവസായികള്‍ കൊണ്ടുവരുന്നു. ഇവ വരുമാനം വര്‍ധിപ്പിക്കുകയും മനുഷ്യ കൃത്യതക്കും ഉല്‍പാദനക്ഷമത നിലവാരത്തിനും അപ്പുറത്തേക്ക് എത്തുമ്പോള്‍ ചെലവ് കുറയ്ക്കുകയും ചെയ്യുന്നു.

വിവിധ സര്‍ക്കാര്‍ ഏജന്‍സികള്‍, റെഗുലേറ്റര്‍മാര്‍, നിയന്ത്രിത സ്ഥാപനങ്ങള്‍ എന്നിവ പരിപാലിക്കുന്ന വ്യക്തികളുടെ ഐഡന്റിറ്റിയും വിലാസവും അനുരഞ്ജിപ്പിക്കുന്നതിന്നും അപ്‌ഡേറ്റ് ചെയ്യുന്നതിനുള്ള ഏകജാലക പരിഹാരം, ഡിജിലോക്കര്‍ സേവനവും ആധാറും അടിസ്ഥാന ഐഡന്റിറ്റി ആയി സ്ഥാപിക്കുമെന്നും കേന്ദ്ര ധനകാര്യ മന്ത്രി തന്റെ പ്രസംഗത്തില്‍ പറഞ്ഞു. കൂടാതെ, നിര്‍ദ്ദിഷ്ട സര്‍ക്കാര്‍ ഏജന്‍സികളുടെ എല്ലാ ഡിജിറ്റല്‍ സംവിധാനങ്ങളുടെയും പൊതു തിരിച്ചറിയല്‍ രേഖയായി പാന്‍ ഉപയോഗിക്കും.

ഈ സാങ്കേതികവിദ്യകള്‍ പ്രയോജനപ്പെടുത്തുന്നതിലൂടെ, ധനകാര്യസ്ഥാപനങ്ങള്‍ക്ക് തീരുമാനമെടുക്കല്‍, റിസ്‌ക് മാനേജ്‌മെന്റ്, ഉപഭോക്ത്യ സ്ഥിതിവിവരക്കണക്കുകള്‍ എന്നിവ മെച്ചപ്പെടുത്താന്‍ കഴിയും, അതേസമയം ഡാറ്റ സ്വകാര്യതയും നിയന്ത്രണവിധേയത്വവും നിലനിര്‍ത്തുന്നു. ഡാറ്റയില്‍ നിന്ന് വ്യക്തിപരമായി തിരിച്ചറിയാനാകുന്ന വിവരങ്ങള്‍ നീക്കംചെയ്ത് വലിയ ഡാറ്റാ സെറ്റുകള്‍ ആയി ഗ്രൂപ്പ് ചെയ്യുന്നതിലൂടെ, സ്ഥാപനങ്ങള്‍ക്ക് സ്വകാര്യതയില്‍ വിട്ടുവീഴ്ച ചെയ്യാതെ ഡാറ്റ ഷെയര്‍ ചെയ്യാനാകും. AIഉം ഡാറ്റ അനലിറ്റിക്സും ഉപയോഗിച്ച് ഡാറ്റ അജ്ഞാതമാക്കുകയും സംഗ്രഹിക്കുകയും ചെയ്താല്‍, ഡാറ്റ ഷെയറിങ് പ്രവര്‍ത്തനക്ഷമമാക്കുമ്പോള്‍ തന്നെ ഡാറ്റ സ്വകാര്യത ആശങ്കകള്‍ പരിഹരിക്കാനും സാധിക്കും.

ഇക്കാര്യത്തില്‍ ഇന്ന് നമുക്കുള്ള വെല്ലുവിളികള്‍ എന്തൊക്കെയാണ്?

ബാങ്കിംഗ്, ധനകാര്യ സ്ഥാപനങ്ങളില്‍ AI നടപ്പാക്കുന്നതിലെ പ്രധാന വെല്ലുവിളി ഡാറ്റ ഗുണനിലവാരം നിലനിര്‍ത്തുക എന്നതാണ്. പ്രത്യേകിച്ചും ഒന്നിലധികം ഉറവിടങ്ങളില്‍ നിന്നുള്ള ഡാറ്റയുമായി പ്രവര്‍ത്തിക്കുമ്പോള്‍, ഡാറ്റ കൃത്യമായി വിശകലനം ചെയ്യുന്നതിനും തീരുമാനം എടുക്കുന്നതിനും ഇത് ബുദ്ധിമുട്ട് ഉണ്ടാക്കിയേക്കാം. ധനകാര്യ സ്ഥാപനങ്ങള്‍ ഡാറ്റ സ്വകാര്യതയും സുരക്ഷയുമായി ബന്ധപ്പെട്ട വിവിധ നിയന്ത്രണങ്ങളും നിയമങ്ങളും പാലിക്കേണ്ടതുണ്ട്. ഉപഭോക്ത്യ ഡാറ്റ പങ്കിടുന്നത് സ്വകാര്യതയെയും ഡാറ്റ പരിരക്ഷയെയും കുറിച്ചുള്ള ആശങ്കകളാല്‍ സങ്കീര്‍ണ്ണമാകാം, ഇത് പങ്കിടാനാകുന്ന ഡാറ്റയുടെ അളവ് പരിമിതപ്പെടുത്താം.

60% തെറ്റായ ഡാറ്റകള്‍ ഉണ്ടാകുന്നത് മനുഷ്യരുടെ തെറ്റുകള്‍ കാരണമാണെന്നും, ഡിപ്പാര്‍ട്ട്‌മെന്റുകള്‍ തമ്മിലുള്ള തെറ്റായ ആശയവിനിമയം ആണ് ഏകദേശം 35% തെറ്റായ രേഖകളുടെ ഘടകം എന്നും ഡാറ്റ അനലിറ്റിക്‌സ് സ്ഥാപനമായ എക്‌സ്പീരിയന്‍ റിപ്പോര്‍ട്ട് ചെയ്തിട്ടുണ്ട്. ലോകമെമ്പാടും, തെറ്റായ ഡാറ്റ ഒരു കമ്പനിക്ക് അവരുടെ വരുമാനത്തിന്റെ 15% മുതല്‍ 25% വരെ നഷ്ടപ്പെടുത്തുമെന്ന് ഇതേ റിപ്പോര്‍ട്ട് വിശദീകരിക്കുന്നു. വ്യത്യസ്ത ടീമുകള്‍ വ്യത്യസ്ത ഡാറ്റ സൈലോകളിലേക്ക് അനുബന്ധ വിവരങ്ങള്‍ നല്‍കുകയാണെങ്കില്‍, ഒരു നല്ല ഡാറ്റ സ്ട്രാറ്റജി നിലവിലുണ്ടെങ്കില്‍ പോലും, ഡൗണ്‍സ്ട്രീം ഡാറ്റ വെയര്‍ഹൗസുകളെ പിശകുകളില്‍ നിന്ന് ഒഴിവാക്കുന്നത് ബുദ്ധിമുട്ടാകും. കൂടാതെ, തെറ്റായ ഡാറ്റ ബാങ്കിംഗ് വ്യവസായത്തിന് മാത്രമുള്ള പ്രത്യേക അപകടങ്ങളിലേക്ക് നയിച്ചേക്കാം.

ഡാറ്റ വൃത്തിയാക്കുന്നതിലെ ഏറ്റവും വെല്ലുവിളി നിറഞ്ഞ പ്രശ്‌നം, അസാധുവായ എന്‍ട്രികളും ഡ്യൂപ്ലിക്കേറ്റ് ഡാറ്റയും വൃത്തിയാക്കല്‍ ആണ്. നിലവിലുള്ള സാധുവായ ഡാറ്റയുടെ സ്ഥിരത മെച്ചപ്പെടുത്തുമ്പോള്‍ ഒരു ഡാറ്റയും നഷ്ടപ്പെടുന്നില്ലെന്ന് ഉറപ്പാക്കാന്‍ ശ്രദ്ധാപൂര്‍വ്വം പിശക് തിരുത്തല്‍ ആവശ്യമാണ്. ഈ വെല്ലുവിളികളെ അഭിമുഖീകരിക്കുന്നതിന് ശക്തമായ ഡാറ്റ സ്വകാര്യതയും സുരക്ഷാ നടപടികളും നടപ്പിലാക്കുക, ഡാറ്റയുടെ ഗുണനിലവാരവും സ്ഥിരതയും മെച്ചപ്പെടുത്തുക, ഡാറ്റ ഷെയറിങ് സംവിധാനങ്ങള്‍ സ്റ്റാന്‍ഡേര്‍ഡ് ചെയ്യുക, നിയന്ത്രണ ആവശ്യകതകള്‍ പാലിക്കല്‍ എന്നിവ ഉള്‍പ്പെടുന്ന ഒരു ബഹുമുഖ സമീപനം ആവശ്യമാണ്. ധനകാര്യ സ്ഥാപനങ്ങള്‍ AI, ഡാറ്റ അനലിറ്റിക്‌സ് ടൂളുകള്‍ നിക്ഷേപിക്കുന്നത്, കൂടുതല്‍ അറിവുള്ള തീരുമാനങ്ങള്‍ എടുക്കാനും അവരുടെ മൊത്തത്തിലുള്ള ബിസിനസ് പ്രകടനം മെച്ചപ്പെടുത്താനും അനുവദിക്കുന്നു എന്ന കാര്യം വീണ്ടും ഓര്‍ക്കേണ്ടതാണ്.

ഇത് നടപ്പിലാക്കേണ്ടതിന്റെ ആവശ്യകത എന്താണ്?

പരമ്പരാഗത ബാങ്കുകള്‍ അവരുടെ കാഴ്ചപ്പാടിലും ആസൂത്രണത്തിലും ഉപഭോക്താക്കളുമായി എങ്ങനെ ഇടപഴകുന്നു എന്നതിലും AI മുന്നേറ്റങ്ങള്‍ നടപ്പിലാക്കേണ്ടതിന്റെ ആവശ്യകത തിരിച്ചറിഞ്ഞിട്ടുണ്ട്. ധനകാര്യ സ്ഥാപനങ്ങള്‍ പുതിയ പ്രവേശകരില്‍ നിന്ന് വര്‍ദ്ധിച്ച മത്സരത്തെ അഭിമുഖീകരിക്കുന്നു. മത്സരാധിഷ്ഠിതമായി തുടരുന്നതിന്, സ്ഥിതിവിവരക്കണക്കുകള്‍ നേടുന്നതിനും അനിവാര്യമായ തീരുമാനങ്ങള്‍ എടുക്കുന്നതിനും അവര്‍ AI-യും ഡാറ്റ അനിലിറ്റിക്സും പ്രയോജനപ്പെടുത്തേണ്ടതുണ്ട്. കര്‍ശനമായ ഡാറ്റ ഗവേണന്‍സ് പോളിസികളിലൂടെ ഡാറ്റ ക്ലീന്‍സിംഗ് പ്രക്രിയകള്‍ ഓട്ടോമേറ്റ് ചെയ്യുന്നത്, മെഷീന്‍ ലേണിങ്, നാച്ചുറല്‍ ലാംഗ്വേജ് പ്രോസസിംഗ് തുടങ്ങിയ നൂതന സാങ്കേതികവിദ്യകള്‍ സ്വീകരിക്കുന്നത് തെറ്റായ ഡാറ്റ നീക്കം ചെയ്യാന്‍ സ്ഥാപനങ്ങളെ സഹായിക്കും. ആത്യന്തികമായി, ഇത് ഉപഭോക്ത്യ അനുഭവം വര്‍ദ്ധിപ്പിക്കും.

ഇന്ന്, ഡിജിറ്റൈസേഷന്‍ നടപ്പിലാക്കുന്നതിനുള്ള ശരിയായ പാതയിലാണ് രാജ്യം. നിര്‍ദ്ദിഷ്ട മാറ്റങ്ങളിലൂടെ, വായ്പ നല്‍കുന്നവര്‍ ഉള്‍പ്പെടെയുള്ള ധനകാര്യ സ്ഥാപനങ്ങള്‍ ഉപഭോക്ത്യ ഡാറ്റ കളക്ട് ചെയ്യാന്‍ കൂടുതല്‍ സജ്ജമാണ്. എന്നാല്‍, കാര്യക്ഷമതയോടെ ഇവ സ്‌കെയില്‍ ചെയ്യുന്നത് വളരെയധികം ആവശ്യമാണ്. സുതാര്യത മെച്ചപ്പെടുത്തുന്നതിനും വഞ്ചന തടയുന്നതിനും ഉപഭോക്താക്കളെ സംരക്ഷിക്കുന്നതിനായി ധനകാര്യ സ്ഥാപനങ്ങള്‍ ഡാറ്റാ ഷെയറിങ് റെഗുലേറ്ററി അധികാരികള്‍ കൂടുതലായി ആവശ്യപ്പെടുന്നു. ഈ ആവശ്യകതകള്‍ കൂടുതല്‍ ഫലപ്രദമായി പാലിക്കാന്‍ AIയും ഡാറ്റ അനലിറ്റിക്സും ഓര്‍ഗനൈസേഷനുകളെ സഹായിക്കും.

AI, ഡാറ്റ അനലിറ്റിക്‌സ് എന്നിവയ്ക്ക് ധനകാര്യസ്ഥാപനങ്ങളെ അവരുടെ പ്രവര്‍ത്തനങ്ങള്‍ കാര്യക്ഷമമാക്കാനും, ചെലവ് കുറയ്ക്കാനും, കാര്യക്ഷമത മെച്ചപ്പെടുത്താനും സഹായിക്കാന്‍ സാധിക്കും. ഇത് ഓര്‍ഗനൈസേഷനുകളെ മത്സരാധിഷ്ഠിതമായി തുടരാനും, അവരുടെ ഉപഭോക്താക്കളെ മികച്ച രീതിയില്‍ സേവിക്കാനും സഹായിക്കും.

മൊത്തത്തില്‍, ധനകാര്യ സ്ഥാപനങ്ങളില്‍ AIയും ഡാറ്റ അനലിറ്റിക്‌സും നടപ്പിലാക്കുന്നത് ഡാറ്റാ ഷെയറിങ് സംവിധാനങ്ങള്‍ മെച്ചപ്പെടുത്തുന്നതിനും നവീകരണത്തെ പ്രോത്സാഹിപ്പിക്കുന്നതിനും മത്സരത്തില്‍ മുന്നില്‍ നില്‍ക്കുന്നതിനു അത്യന്താപേക്ഷിതമാണ്. UPI ഉപയോഗം വര്‍ദ്ധിക്കുക എന്നത് ഉള്‍പ്പെടെയുള്ള ഡിജിറ്റല്‍ സ്ട്രാറ്റജി വിജയകരമായി നടപ്പിലാക്കിയാല്‍, രാജ്യം അതിന്റെ വളര്‍ച്ചയില്‍ ഗണ്യമായ വര്‍ദ്ധനവ് വരുത്താന്‍ സാധ്യതയുണ്ട്.