Tony Blair Institute ના તાજેતરના રિપોર્ટ મુજબ, સરકારી ડેટાબેઝ એકબીજા સાથે જોડાયેલા ન હોવાથી વાર્ષિક કલ્યાણકારી ખર્ચમાં **૪ થી ૭%** જેટલી ફિસ્કલ લીકેજ (Fiscal Leakage) થઈ રહી છે. આ સમસ્યા માત્ર નાણાકીય નુકસાન જ નથી કરતી, પરંતુ ભારતના મહત્વકાંક્ષી AI મિશન માટે પણ મોટો પડકાર બની રહી છે.
ડેટાની દિવાલો અને આર્થિક નુકસાન
ભારતની ડિજિટલ ઈન્ફ્રાસ્ટ્રક્ચરની સફરમાં ડેટા સાઈલો (Data Silos) એક ગંભીર અવરોધ તરીકે ઉભરી આવ્યા છે. ઓક્ટોબર ૨૦૨૬ ના Tony Blair Institute for Global Change ના રિપોર્ટ અનુસાર, Aadhaar અને Unified Payments Interface (UPI) જેવી સિસ્ટમો સફળ રહી હોવા છતાં, વિવિધ સરકારી વિભાગોનો ડેટા એકબીજા સાથે જોડાયેલો નથી. પરિણામે, અસંગત ડેટા મેનેજમેન્ટને કારણે વાર્ષિક વેલફેર બજેટમાં ૪ થી ૭ ટકા સુધીનું નુકસાન થઈ રહ્યું છે.
ભૂતકાળમાં ડેટા ક્લીનિંગથી મળેલા ફાયદા
અગાઉના ડેટા ક્લીનિંગ અભિયાનોએ સાબિત કર્યું છે કે ડેટામાં સુધારો કરવાથી સરકારી તિજોરીને મોટો ફાયદો થઈ શકે છે:
- PM-KISAN યોજનામાંથી અપાત્ર લાભાર્થીઓને દૂર કરીને ₹૯,૦૦૦ કરોડની બચત.
- LPG અને રેશન કાર્ડના ખોટા રેકોર્ડ રદ કરીને અંદાજે ₹૨૧,૦૦૦ કરોડ અને ₹૧૦,૦૦૦ કરોડની બચત.
AI મિશન માટે જોખમ
રિપોર્ટમાં ચેતવણી આપવામાં આવી છે કે ભારતની AI મહત્વાકાંક્ષા ત્યારે જ સફળ થશે જો તેને ક્વોલિટી ડેટા મળે. જો વિભાગો વચ્ચે ડેટા શેરિંગ નહીં થાય, તો AI સિસ્ટમ્સ ભૂલોને વધુ ગંભીર બનાવી શકે છે. હવે ભારત માટે 'ડિજિટલ સ્કેલ' થી 'ડેટા પાવર' તરફ આગળ વધવું અનિવાર્ય છે.
ભવિષ્યની રાહ: DPI ૩.૦
આ સમસ્યાના ઉકેલ માટે નિષ્ણાતો 'State Data Balance Sheet' મોડેલની ભલામણ કરી રહ્યા છે. આ નીતિ હેઠળ વિભાગોમાં કોમન ડેટા ક્વોલિટી સ્ટાન્ડર્ડ્સ અને સ્વતંત્ર ઓવરસાઈટ સિસ્ટમ અમલમાં આવશે, જેને 'DPI ૩.૦' કહેવામાં આવી રહ્યું છે. આ બદલાવથી માત્ર સરકારી ખર્ચમાં પારદર્શિતા જ નહીં આવે, પરંતુ IT સોલ્યુશન્સ, SaaS અને ડેટા એનાલિટિક્સ ક્ષેત્રે નવી માંગ પણ ઉભી થશે.