1. आकलन
डेटा कार्ड पब्लिश करने के लिए तैयार है. अब आपको पारदर्शिता बनाए रखने के लिए, ये कार्रवाइयां करनी होंगी:
- यह जानने के लिए कि डेटा कार्ड, पढ़ने वालों के लिए कितना मददगार है, आकलन के तरीकों का इस्तेमाल करें.
- डेटा कार्ड के इस्तेमाल और उसे अपनाने की प्रोसेस को व्यवस्थित तरीके से ट्रैक करें. इससे यह पक्का किया जा सकेगा कि यह आपके दर्शकों की दिलचस्पी के हिसाब से है.
इस मॉड्यूल में, डेटा कार्ड को रिलीज़ करने के बाद भी उसे बेहतर बनाए रखने के लिए, ऑडिट करने के कुछ तरीके बताए गए हैं.
पिछले मॉड्यूल में बताया गया है कि डेटा कार्ड रीडर का मुख्य काम, डेटासेट का आकलन करना है. इसलिए, डेटासेट के डेटा कार्ड का आकलन करते समय, इस बात पर ध्यान देना चाहिए कि पढ़ने वाला व्यक्ति, डेटासेट के बारे में सही नतीजे पर पहुंच सकता है या नहीं.
डेटा कार्ड में दी गई जानकारी, डेटासेट का इस्तेमाल करने वाले व्यक्ति के अनुभव के मुताबिक होनी चाहिए. इससे, डेटासेट की विश्वसनीयता और भरोसेमंद होने के बारे में, पढ़ने वाले व्यक्ति की राय पर सीधा असर पड़ता है. साथ ही, इससे डेटासेट के लेखकों या पब्लिशर की प्रतिष्ठा और उन पर लोगों के भरोसे पर भी असर पड़ता है.
इसके उलट, आपके डेटासेट, संगठन, और आपके संगठन के पब्लिश किए गए अन्य डेटासेट के बारे में, रीडर की मौजूदा राय का असर इस बात पर भी पड़ सकता है कि वह आपके डेटा कार्ड से कैसे जुड़ता है. भले ही, वह डेटा कार्ड कितना भी आसानी से मिल जाए, इस्तेमाल करने में आसान हो या अच्छी तरह से बनाया गया हो.
उदाहरण के लिए, अगर किसी संगठन के पब्लिश किए गए डेटासेट से लोगों को अच्छा अनुभव मिला है, तो वे उसी संगठन के पब्लिश किए गए नए डेटासेट पर ज़्यादा भरोसा कर सकते हैं. इस मामले में, ऐसा हो सकता है कि पढ़ने वाला व्यक्ति, अनुमान के आधार पर नतीजे निकाल ले. साथ ही, वह नए डेटा कार्ड को ध्यान से न पढ़े. इससे उसे डेटासेट के बारे में पूरी जानकारी नहीं मिल पाएगी. खास तौर पर, उसे यह पता नहीं चल पाएगा कि यह डेटासेट, पुराने और मिलते-जुलते डेटासेट से किस तरह अलग है.
इसलिए, डेटा कार्ड का आकलन करने के लिए ऐसे तरीकों की ज़रूरत होती है जिनसे यह पता लगाया जा सके कि पढ़ने वाले लोग, डेटासेट के अपने संदर्भों के हिसाब से सही नतीजे पर पहुंच सकते हैं या नहीं. ये डेटासेट के आकलन से अलग होते हैं. इनसे, साथ में मौजूद डेटा कार्ड के असर के बारे में ज़्यादा जानकारी नहीं मिलती. इसके बजाय, आपको उपयोगकर्ता अध्ययन जैसे किसी तरीके से अपने डेटा कार्ड का आकलन करना होगा. इससे आपको यह समझने में मदद मिलेगी कि क्या अलग-अलग लोगों को आपका कॉन्टेंट समझ में आ रहा है. साथ ही, इससे यह पता लगाने में मदद मिलेगी कि क्या डेटा कार्ड में बदलाव करने के दौरान, लोगों को अब भी काम की अहम जानकारी मिल रही है. एक और तरीका यह है कि डेटा कार्ड को लागू करने के दौरान, उपयोगकर्ता की संतुष्टि, सर्वे, और आंकड़ों के ज़रिए, डेटा कार्ड को अपनाने और उसकी असरदारता का आकलन किया जाए. इस तरह, डेटा कार्ड आपके डेटा सेट की सफलता को बढ़ाने और उसका आकलन करने के लिए एक मददगार टूल हो सकता है. साथ ही, इससे आपको डाउनस्ट्रीम स्टेकहोल्डर की ज़रूरतों के बारे में बेहतर जानकारी मिल सकती है.
ज़रूरी शर्तें
डेटासेट के लाइफ़साइकल में कई स्टेकहोल्डर शामिल होते हैं. हर स्टेकहोल्डर के पास डेटा के बारे में अलग-अलग लेवल की जानकारी, डोमेन के बारे में विशेषज्ञता, और ज़रूरतें होती हैं.
ज़रूरी शर्त एक ऐसा स्टेटमेंट होता है जिससे किसी प्रॉडक्ट या प्रोसेस के ऑपरेशनल, फ़ंक्शनल, डिज़ाइन की विशेषता या ऐसी पाबंदी की पहचान होती है जो साफ़ तौर पर समझ में आती है, जिसकी जांच की जा सकती है, और जो प्रॉडक्ट या प्रोसेस को स्वीकार करने के लिए ज़रूरी है. आपके डेटासेट के लक्ष्य, डेटासेट के लाइफ़साइकल में शामिल हितधारकों, और पारदर्शिता से जुड़े आपके प्रयासों से, डेटा कार्ड की ज़रूरी शर्तों और आकलन के मानदंड तय करने में मदद मिलती है. उदाहरण के लिए, कई प्रॉडक्ट मैनेजर, इंजीनियर, डेटा साइंटिस्ट, एआई डिज़ाइनर, और आईआरबी समीक्षक, डेटा कार्ड में मौजूद जवाबों का इस्तेमाल कर सकते हैं. इस मामले में, आकलन की अच्छी प्रोसेस में ऐसे मानदंड शामिल होते हैं जो इन सभी भूमिकाओं के लिए, फ़ंक्शनल, ऑपरेशनल, इस्तेमाल, और सुरक्षा से जुड़ी ज़रूरी शर्तों से सीधे तौर पर जुड़े होते हैं.
खास जानकारी
डेटा कार्ड के असर का आकलन करने के अलग-अलग तरीकों से, अलग-अलग अहम जानकारी मिलती है. आपको ऐसे आकलन के तरीके चुनने हैं जिनका इस्तेमाल, पारदर्शिता से जुड़े दस्तावेज़ बनाने की पूरी प्रोसेस में किया जा सके. जैसे, प्रॉडक्ट बनाने से लेकर लॉन्च करने तक और उसके बाद भी.
इस मॉड्यूल में बताई गई चार ज़रूरी शर्तें—फ़ंक्शनल, ऑपरेशनल, इस्तेमाल में आसान, और सुरक्षित—और दूसरे मॉड्यूल में बताए गए डाइमेंशन—जवाबदेही, काम का होना, क्वालिटी, इस्तेमाल के नतीजे, और जोखिम/सुझाव—इनसे, सीधे तौर पर डेटा कार्ड को पढ़ने वालों के नज़रिए से, डेटा कार्ड की परफ़ॉर्मेंस का आकलन किया जा सकता है.
2. अपनी ज़रूरतें तय करना
- अपनी ज़रूरतों का पता लगाने के लिए, यहां दी गई टेबल का इस्तेमाल करें. इसमें ज़रूरी शर्तें, उनके आकलन के मानदंड, और यह तय करने के तरीके के उदाहरण शामिल हैं कि आपका डेटा कार्ड, पढ़ने वाले व्यक्ति और भूमिका को ध्यान में रखते हुए, उस मानदंड को पूरा करता है या नहीं:
ज़रूरी शर्त | आकलन का आधार | उदाहरण |
फ़ंक्शनल | क्या आपका डेटा कार्ड, पढ़ने वालों को उनकी भूमिकाओं के हिसाब से टास्क पूरे करने में मदद करता है? | मान लें कि कोई डेटा इंजीनियर आपके डेटासेट को अपनी पाइपलाइन में इंटिग्रेट करना चाहता है. क्या आपके डेटा कार्ड में, डेटासेट का इस्तेमाल करने के लिए ज़रूरी इंफ़्रास्ट्रक्चर को लागू करने से जुड़ी जानकारी मौजूद है? |
ऑपरेशनल | क्या आपके डेटा कार्ड से, पढ़ने वालों को ज़रूरी क्षमताओं, परफ़ॉर्मेंस के मेज़रमेंट, और डेटासेट का असरदार तरीके से इस्तेमाल करने के लिए ज़रूरी अन्य शर्तों और प्रोसेस के बारे में पता चलता है? | मान लें कि मशीन लर्निंग (एमएल) मॉडल बनाने वाला कोई व्यक्ति, आपके डेटासेट की मदद से सुझाव देने वाले सिस्टम को बेहतर बनाना चाहता है. क्या आपके डेटा कार्ड में, उन ज़रूरी शर्तों और परफ़ॉर्मेंस की ज़रूरतों के बारे में पूरी जानकारी है जिन्हें पूरा करना ज़रूरी है? |
उपयोगिता | क्या पढ़ने वाले लोग, आपके डेटा कार्ड पर आसानी से नेविगेट कर सकते हैं और उसके साथ इंटरैक्ट कर सकते हैं? क्या आपके डेटा कार्ड को लागू करने से, इस्तेमाल में आसानी से जुड़ी बुनियादी बातों और पहुंच से जुड़े मानकों का पालन होता है? | मान लें कि कोई छात्र रिसर्चर आपके डेटासेट का इस्तेमाल करना चाहता है, लेकिन उसके पास इंटरनेट का सीमित ऐक्सेस है. डेटा कार्ड में अपने डेटासेट का इंटरैक्टिव और एक्सप्लोरेटरी विज़ुअलाइज़ेशन एम्बेड करने से, किस तरह की समस्याएं आ सकती हैं? यूज़र इंटरफ़ेस (यूआई) से जुड़ी किन गलतियों की वजह से, स्क्रीन रीडर कम दृष्टि वाले व्यक्ति के लिए डेटा कार्ड का अनुवाद नहीं कर पाता है? |
Safety | क्या डेटा कार्ड में दी गई जानकारी, प्रैक्टिशनर के लिए यह आकलन करने में मददगार है कि उनके डोमेन में आपके डेटासेट से जुड़े संभावित अनचाहे नतीजे क्या हो सकते हैं? | ऐसे एमएल प्रैक्टिशनर के बारे में सोचें जो स्वास्थ्य सेवा जैसे जोखिम भरे डोमेन में काम करते हैं. क्या आपके डेटा कार्ड में सुरक्षा, निजता, मज़बूती, और अनुपालन से जुड़ी ज़रूरी शर्तों के बारे में बताया गया है? इन शर्तों के बारे में बताना ज़रूरी है, ताकि मरीज़ों को बेहतर नतीजे मिल सकें. |
ज़्यादा जानकारी के लिए, Readers की मदद से आकलन करना लेख पढ़ें.
3. अपने डाइमेंशन तय करना
- अपने डाइमेंशन तय करने के लिए, किसी संभावित रीडर को पांच डाइमेंशन के हिसाब से अपने डेटा कार्ड का आकलन करने के लिए न्योता दें. साथ ही, इस फ़ॉर्म का इस्तेमाल करके यह आकलन करें कि आपका डेटा कार्ड हर डाइमेंशन के हिसाब से कितना अच्छा परफ़ॉर्म करता है:
4. बड़े पैमाने पर टेलीमेट्री
पारदर्शिता से जुड़े किसी भी दस्तावेज़ को सफल बनाने के लिए, आपको दस्तावेज़ को उपयोगकर्ता के हिसाब से तैयार किए गए प्रॉडक्ट के तौर पर मानना होगा. आपके डेटा कार्ड के इस्तेमाल को व्यवस्थित तरीके से ट्रैक करना ज़रूरी है. इससे, पारदर्शिता से जुड़ी लंबी अवधि की रणनीतियों और अलग-अलग फ़ंक्शन से जुड़े बड़े इनिशिएटिव के बारे में जानकारी दी जा सकती है. पारदर्शिता से जुड़े प्रयासों की सफलता को मापने का कोई तय तरीका नहीं है. हालांकि, असर को ट्रैक करने वाला प्रोग्राम सेट अप करते समय, कई बातों का ध्यान रखा जा सकता है. जैसे, पारदर्शिता से जुड़े आपके प्रयासों का स्तर और लक्ष्य, संगठन का दायरा या दस्तावेज़ में शामिल डेटासेट.
उदाहरण के लिए, आपको पता चलता है कि डेटा कार्ड की परफ़ॉर्मेंस को मेज़र करने के लिए, टेलीमेट्री के कुछ फ़ॉर्म को पीडीएफ़ के बजाय इंटरैक्टिव डेटा कार्ड में लागू करना ज़्यादा आसान है. दूसरी ओर, डेटा कार्ड की परफ़ॉर्मेंस का आकलन करने के लिए, आपको ऐसे कस्टम मेकेनिज़्म सेट अप करने पड़ सकते हैं जो आपकी कंपनी में अधूरे या छोड़े गए डेटा कार्ड को मेज़र करते हैं.
असर का आकलन करना
आम तौर पर, डेटा कार्ड टेंप्लेट और उनके इस्तेमाल से जुड़ी मेट्रिक को सात कैटगरी में बांटा जा सकता है: दस्तावेज़ की क्वालिटी, भरोसेमंद और स्थिर, समझने में आसान, सहायता पाने में आसान, कन्वर्ज़न, जुड़ाव, और पहुंच. हालांकि, ये मेट्रिक एक जैसी नहीं होती हैं. इसलिए, आपको अपने कॉन्टेक्स्ट के हिसाब से इनका इस्तेमाल करना चाहिए. यहां दी गई टेबल में, डेटा कार्ड और डेटा कार्ड टेंप्लेट के लिए इन सात कैटगरी के बारे में बताया गया है. साथ ही, यह भी बताया गया है कि इन्हें कब और कैसे मेज़र किया जाता है:
कैटगरी | परिभाषा | कब मेज़र करें | मेज़रमेंट लेने का तरीका |
दस्तावेज़ों की क्वालिटी | डेटासेट का इस्तेमाल करने वाले व्यक्ति को कितना संतुष्ट महसूस हुआ. यह इस बात पर निर्भर करता है कि डेटा कार्ड में दी गई जानकारी, डेटासेट के बारे में उसकी उम्मीदों के मुताबिक है या नहीं.डेटासेट के बारे में जानकारी देने वाले व्यक्ति को कितना संतुष्ट महसूस हुआ. यह इस बात पर निर्भर करता है कि डेटा कार्ड टेंप्लेट में दी गई जानकारी, डेटासेट के बारे में उसकी उम्मीदों के मुताबिक है या नहीं. | टेंप्लेट: डेटासेट बनाने वाले लोग, डेटा कार्ड बनाने की प्रोसेस पूरी कर लें या उसके तुरंत बाद. | टेंप्लेट: इससे यह मेज़र किया जाता है कि डेटा कार्ड का कोई टेंप्लेट, उन डेटासेट के बारे में कितनी अच्छी तरह से बताता है जिनके लिए उसे बनाया गया है. उदाहरण के लिए, जवाब न दिए गए सवालों की दर से यह पता चलता है कि डेटासेट के किसी क्लास के लिए, कितने प्रतिशत सवालों के जवाब नहीं दिए गए हैं. |
रेज़िलिएंस और स्थिरता | डेटा कार्ड टेंप्लेट में बदलाव या उसे जोड़ने की सुविधा. खास तौर पर, तब जब उसका इस्तेमाल कई डोमेन में किया जाता हो या जब डेटा कार्ड को अलग-अलग तरह के लोग पढ़ते हों. | टेंप्लेट: डेटा कार्ड पूरा होने के दौरान या पूरा होने के तुरंत बाद. खास तौर पर, लॉन्च के बाद किए गए बदलावों पर ध्यान दें | टेंप्लेट: यह बिना बदलाव किए गए टेंप्लेट, सबसे ज़्यादा किए जाने वाले बदलावों, और गलत जवाब दिए गए या किसी और मकसद से इस्तेमाल किए गए सवालों की संख्या के आधार पर, टेंप्लेट से कैप्चर किए गए डेटासेट की विविधता का आकलन करता है. उदाहरण के लिए, बदलाव का अनुपात, टेंप्लेट की मदद से बनाए गए डेटा कार्ड की संख्या और टेंप्लेट में किए गए बदलावों की संख्या के बीच का अनुपात होता है. |
समझने में आसानी | डेटा कार्ड बनाने वाला व्यक्ति, डेटा कार्ड टेंप्लेट को कितनी आसानी से इस्तेमाल कर सकता है. साथ ही, डेटा कार्ड पढ़ने वाला नया व्यक्ति, डेटा कार्ड को कितनी आसानी से इस्तेमाल कर सकता है और उसमें मौजूद जानकारी को कितनी आसानी से समझ सकता है. | टेंप्लेट: डेटासेट बनाने वालों को टेंप्लेट देते समय, ताकि वे माइलस्टोन पर चेक-इन कर सकें. | टेंप्लेट: इससे यह पता चलता है कि डेटा कार्ड टेंप्लेट को प्रोड्यूसर कितना समझ पाए हैं. साथ ही, यह भी पता चलता है कि इसके सेक्शन कितने मुश्किल हैं. उदाहरण के लिए, फ़ॉर्मेटिव स्टडी में, खास जानकारी पाने के लिए, सर्वे और कॉग्निटिव वॉकथ्रू में हिस्सा लेने के लिए लोगों को पहले से ही शामिल कर लिया जाता है. |
सहायता से जुड़ी जानकारी | डेटा कार्ड को बनाए रखने के लिए सहायता देने की क्षमता और दी गई सहायता की मात्रा. | टेंप्लेट: जैसे ही आपके संगठन में डेटा कार्ड की सुविधा सेट अप की जाती है, भले ही वह किसी भी स्केल पर हो और अगर वह ऐड-हॉक है. | टेंप्लेट: इससे यह पता चलता है कि डेटा कार्ड टेंप्लेट को पूरा करने और पब्लिश करने में कितना समय और विशेषज्ञता की ज़रूरत है. उदाहरण के लिए, ऑफ़िस के समय में, डेटासेट बनाने वालों की अटेंडेंस, डेटासेट के टाइप, और डेटा कार्ड बनाने के लिए ऑफ़िस के समय या सहायता प्रोग्राम के दौरान मिले सवालों का आकलन किया जाता है. |
कन्वर्ज़न | यह कुकी, उन प्रोड्यूसर के प्रतिशत को ट्रैक करती है जो किसी टेंप्लेट से डेटा कार्ड को पूरा करके पब्लिश करते हैं. साथ ही, यह उन रीडर के प्रतिशत को भी ट्रैक करती है जो डेटा कार्ड के आधार पर किसी डेटासेट के बारे में फ़ैसले लेते हैं. | टेंप्लेट: जब आपकी कंपनी में डेटा कार्ड की सुविधा सेट अप की जाती है, तब चाहे वह किसी भी स्केल पर हो और अगर वह ऐड-हॉक है. | टेंप्लेट: इससे यह पता चलता है कि डेटा कार्ड टेंप्लेट को पूरा करने में, प्रोड्यूसर को कितनी सफलता मिली. उदाहरण के लिए, Analytics में डेटा कार्ड के टेंप्लेट में, पूरा होने की दर, रिलीज़ होने में लगने वाला समय, और काम के सेक्शन का प्रतिशत ट्रैक किया जाता है.डेटा कार्ड: इससे यह मेज़र किया जाता है कि डेटा कार्ड के आधार पर फ़ैसले लेने में, लोगों को कितनी सफलता मिली. |
जुड़ाव | इससे पता चलता है कि आपकी ऑडियंस, आपके कॉन्टेंट के साथ कितनी दिलचस्पी दिखा रही है. जैसे, आपका डेटा कार्ड. | टेंप्लेट: डेटा कार्ड के टेंप्लेट तैयार होने और आपके संगठन में शेयर होने के बाद. | टेंप्लेट: इससे यह पता चलता है कि डेटासेट बनाने वाले लोग, डेटा कार्ड प्रोग्राम में किस लेवल पर शामिल हैं और इसके लिए कितने प्रतिबद्ध हैं. उदाहरण के लिए:
डेटा कार्ड: इससे डेटा कार्ड के इस्तेमाल और उससे मिली जानकारी का आकलन किया जाता है.
|
पहुंच | इस कुकी से, उन यूनीक लोगों की कुल संख्या को ट्रैक किया जाता है जिन्होंने आपका डेटा कार्ड देखा है. यह यूज़र ऐक्टिविटी और कन्वर्ज़न जैसी अन्य मेट्रिक के लिए ज़रूरी है. | टेंप्लेट: डेटा कार्ड के टेंप्लेट तैयार होने और आपकी कंपनी में शेयर होने के बाद. | टेंप्लेट: इससे यह मेज़र किया जाता है कि किसी संगठन के पास मौजूद डेटासेट की संख्या के हिसाब से, वह कितने डेटा कार्ड बना सकता है. |
ज़्यादा जानकारी के लिए, बड़े पैमाने पर टेलीमेट्री देखें.
इन टेलीमेट्री मेट्रिक को लागू करने के लिए, अलग-अलग लेवल के संसाधनों और सहायता की ज़रूरत पड़ सकती है. उदाहरण के लिए, फ़ोकस ग्रुप यह पता लगाते हैं कि डेटा कार्ड, प्रोड्यूसर के लिए कितना आसान है. इसके लिए, ऐसे संसाधनों की ज़रूरत होती है जो डेटा कार्ड पूरा करने की दरों को रिकॉर्ड करने वाले Analytics की तुलना में काफ़ी अलग होते हैं. इसी तरह, डेटा कार्ड पर ट्रैफ़िक मेज़र करने के लिए, लॉन्च के बाद की गई इंटरव्यू की सीरीज़ की तुलना में कम संसाधनों की ज़रूरत होती है. इन इंटरव्यू में, लोगों की दिलचस्पी के लेवल के बारे में जानकारी मिलती है. अपनी कंपनी के अलग-अलग विभागों के फ़ैसले लेने वाले लोगों के साथ मिलकर, इन अलग-अलग कैटगरी की समीक्षा करें. इससे यह तय किया जा सकेगा कि असर को ट्रैक करने के लिए, किस कैटगरी का इस्तेमाल किया जाना चाहिए और कैसे.
खास जानकारी
आखिर में, डेटा कार्ड के असर को मापने वाली मेट्रिक, डेटा कार्ड को पूरा करने की दिशा में हुई आपकी प्रोग्रेस को मापने वाली मेट्रिक से अलग होती हैं. डेटासेट के मैच्योर होने से, डेटा कार्ड की मेट्रिक को समझने का तरीका बदल सकता है. डेटासेट की मैच्योरिटी और लोकप्रियता को ध्यान में रखें. साथ ही, आंकड़ों, क्वालिटी, और अनुभव के आधार पर पड़ने वाले असर को एक साथ ध्यान में रखें.
5. अपनी मेट्रिक चुनें
जैसा कि बताया गया है, आपके कॉन्टेक्स्ट के हिसाब से यह तय होता है कि आपको किन मेट्रिक का इस्तेमाल करना चाहिए, ताकि पारदर्शिता से जुड़े लक्ष्यों को पूरा किया जा सके.
अपनी मेट्रिक चुनने के लिए, यह तरीका अपनाएं:
- अपने लक्ष्यों में विविधता लाएं. पारदर्शिता बनाए रखने के लिए, टीम के ऐसे लक्ष्य तय करें जिनसे न सिर्फ़ डेटा कार्ड को पूरा करने की दिशा में हुई आपकी प्रोग्रेस का आकलन किया जा सके, बल्कि यह भी पता चल सके कि डेटा कार्ड बनाने और लॉन्च करने के बाद, इसका आपके दर्शकों पर क्या असर पड़ा.
- लीड और लैग मेट्रिक तय करें. हर लैग मेट्रिक के लिए लीड मेट्रिक सेट करें. लैग मेट्रिक से पता चलता है कि आपने लक्ष्य कब हासिल किया. लीड मेट्रिक से, लक्ष्य को पूरा करने में मदद करने वाली अहम गतिविधियों को ट्रैक किया जा सकता है.
- क्वालिटेटिव स्टडी के लिए, कैडेंस सेट करें. अपनी पूरी कंपनी में डेटा कार्ड को मेज़र करने के लिए ज़रूरी इन्फ़्रास्ट्रक्चर सेट अप करें. साथ ही, नतीजों की पुष्टि करने और आंकड़ों वाली मेट्रिक को कैलिब्रेट करने के लिए, समय-समय पर क्वालिटी स्टडी करने का प्लान बनाएं.
- डेटा टीमों को ट्रेनिंग दें. डेटासेट और डेटा कार्ड बनाने वाली टीमों को, अपने डेटासेट और डेटा कार्ड के कॉन्टेक्स्ट में, क्वालिटी और आंकड़ों पर आधारित मेट्रिक को एक साथ समझने की सुविधा मिलती है.
6. बधाई हो
बधाई हो! आपके पास डेटा कार्ड बनाने के लिए ज़रूरी सभी चीज़ें हैं! अब आप अपनी नॉलेज की जांच करने के लिए क्विज़ देने के लिए तैयार हैं.