Whalesbook
ਇਹ ਵਿਆਪਕ ਡਾਟਾ ਲਿੰਕਿੰਗ ਇੱਕ ਰਣਨੀਤਕ ਕਦਮ ਹੈ ਜੋ ਸਰਕਾਰ ਨੂੰ ਇੱਕੀਕ੍ਰਿਤ (consolidated) ਅਤੇ ਡਾਟਾ-ਅਧਾਰਤ ਸ਼ਾਸਨ ਮਾਡਲ (governance model) ਵੱਲ ਲੈ ਜਾ ਰਿਹਾ ਹੈ। ਇਸ ਦੇ ਪ੍ਰਭਾਵ ਸਿਰਫ਼ ਕੰਪਲਾਇੰਸ ਤੱਕ ਸੀਮਤ ਨਹੀਂ ਹਨ, ਬਲਕਿ ਆਰਥਿਕ ਗਤੀਵਿਧੀਆਂ ਅਤੇ ਕਿਰਤ ਸ਼ਕਤੀ ਦੀ ਗਤੀਸ਼ੀਲਤਾ (workforce dynamics) ਦਾ ਇੱਕ ਬਹੁਤ ਹੀ ਸੂਖਮ (granular) ਦ੍ਰਿਸ਼ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ, ਜੋ ਪਹਿਲਾਂ ਵੱਖ-ਵੱਖ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਵੰਡਿਆ ਹੋਇਆ ਸੀ।
ਡਾਟਾ ਦਾ ਨੈੱਟਵਰਕ (Data Nexus)
ਇਸ ਪਹਿਲ ਦਾ ਮੁੱਖ ਹਿੱਸਾ EPFO ਦੇ ਵਿਸ਼ਾਲ ਡਾਟਾ ਭੰਡਾਰ ਨੂੰ Government e-Marketplace (GeM), GST Network (GSTN), ਅਤੇ ਵੱਖ-ਵੱਖ ਰਾਜ ਸਰਕਾਰਾਂ ਦੇ ਡਾਟਾ ਨਾਲ ਜੋੜਨਾ ਹੈ। ਇਸ ਸੰਯੋਜਨ (consolidation) ਤੋਂ ਰੋਜ਼ਗਾਰ-ਸਬੰਧਤ ਪਹਿਲਕਦਮੀਆਂ, ਖਾਸ ਤੌਰ 'ਤੇ ਪ੍ਰਧਾਨ ਮੰਤਰੀ ਵਿਕਸਿਤ ਭਾਰਤ ਰੋਜ਼ਗਾਰ ਯੋਜਨਾ (PMVBRY) ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਵਿੱਚ ਕਾਫੀ ਵਾਧਾ ਹੋਣ ਦੀ ਉਮੀਦ ਹੈ। ₹99,446 ਕਰੋੜ ਦੇ ਭਾਰੀ ਬਜਟ ਵਾਲੀ PMVBRY ਦਾ ਉਦੇਸ਼ ਮਾਲਕਾਂ ਅਤੇ ਪਹਿਲੀ ਵਾਰ ਨੌਕਰੀ ਕਰਨ ਵਾਲੇ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਪ੍ਰੋਤਸ਼ਾਹਿਤ ਕਰਕੇ 3.5 ਕਰੋੜ ਤੋਂ ਵੱਧ ਨੌਕਰੀਆਂ ਪੈਦਾ ਕਰਨਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, GSTN ਡਾਟਾ ਦੇ ਸਫਲ ਏਕੀਕਰਨ (integration) ਨਾਲ, PwC ਦੁਆਰਾ ਕਰਾਸ-ਵੇਰੀਫਿਕੇਸ਼ਨ ਰਾਹੀਂ ਸੁਝਾਏ ਗਏ GST ਕੰਪਲਾਇੰਸ ਵਿੱਚ 25-30% ਦੇ ਵਾਧੇ ਨੂੰ ਦੁਹਰਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਹ ਕੇਂਦਰੀਕ੍ਰਿਤ ਪਹੁੰਚ ਨੀਤੀ ਲਾਗੂ ਕਰਨ ਅਤੇ ਵਿੱਤੀ ਨਿਗਰਾਨੀ (fiscal oversight) ਲਈ ਇੱਕ ਵਧੇਰੇ ਮਜ਼ਬੂਤ ਢਾਂਚਾ ਪ੍ਰਦਾਨ ਕਰੇਗੀ।
ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਨਜ਼ਰੀਆ (Analytical Deep Dive)
EPFO ਦਾ ਇਹ ਡਾਟਾ ਏਕੀਕਰਨ ਰਾਸ਼ਟਰੀ ਰਣਨੀਤੀ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ, ਜਿਸਦਾ ਟੀਚਾ ਬਿਹਤਰ ਸ਼ਾਸਨ ਅਤੇ ਆਰਥਿਕ ਮੁਲਾਂਕਣ ਲਈ ਡਾਟਾ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ। ਇਹ ਟੈਕਸ ਪ੍ਰਸ਼ਾਸਨ ਦੇ ਡਿਜੀਟਾਈਜ਼ੇਸ਼ਨ ਵਿੱਚ ਵੀ ਦੇਖਿਆ ਗਿਆ ਹੈ, ਜਿੱਥੇ Goods and Services Tax Network (GSTN) ਵਰਗੇ ਪਲੇਟਫਾਰਮਾਂ ਨੇ ਧੋਖਾਧੜੀ ਦਾ ਪਤਾ ਲਗਾਉਣ ਅਤੇ ਕੰਪਲਾਇੰਸ ਸੁਧਾਰਨ ਲਈ ਉੱਨਤ ਵਿਸ਼ਲੇਸ਼ਣ (advanced analytics) ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੈ। ਨੀਤੀ ਆਯੋਗ (NITI Aayog) ਦੁਆਰਾ ਸਮਰਥਿਤ ਨੈਸ਼ਨਲ ਡਾਟਾ ਐਂਡ ਐਨਾਲਿਟਿਕਸ ਪਲੇਟਫਾਰਮ (NDAP) ਦਾ ਉਦੇਸ਼ ਰਾਸ਼ਟਰੀ ਮੈਟ੍ਰਿਕਸ ਦਾ ਇੱਕ ਸੰਯੁਕਤ ਦ੍ਰਿਸ਼ ਬਣਾ ਕੇ ਕਈ ਮੰਤਰਾਲਿਆਂ ਅਤੇ ਰਾਜ ਸਰਕਾਰਾਂ ਤੋਂ ਡਾਟਾਸੈੱਟਾਂ ਨੂੰ ਕੇਂਦਰੀਕ੍ਰਿਤ ਕਰਕੇ ਸਰਕਾਰੀ ਡਾਟਾ ਤੱਕ ਪਹੁੰਚ ਨੂੰ ਲੋਕਤੰਤਰੀ ਬਣਾਉਣਾ ਹੈ।
ਇਤਿਹਾਸਕ ਤੌਰ 'ਤੇ, EPFO ਨੇ ਡਾਟਾ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕੀਤਾ ਹੈ, ਖਾਸ ਕਰਕੇ 2011 ਵਿੱਚ ਯੂਨੀਵਰਸਲ ਅਕਾਉਂਟ ਨੰਬਰ (UAN) ਦੇ ਵਿਆਪਕ ਲਾਗੂਕਰਨ ਦੌਰਾਨ, ਜਿਸ ਵਿੱਚ ਵਿਆਪਕ ਡਾਟਾ ਵੈਲੀਡੇਸ਼ਨ ਦੀ ਲੋੜ ਸੀ। EPFO 3.0 ਪਲੇਟਫਾਰਮ ਦਾ ਚੱਲ ਰਿਹਾ ਵਿਕਾਸ ਡਿਜੀਟਲ ਤਬਦੀਲੀ ਪ੍ਰਤੀ ਵਚਨਬੱਧਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਵਰਕਫਲੋਜ਼ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਇਆ ਜਾ ਰਿਹਾ ਹੈ ਅਤੇ ਦਾਅਵਿਆਂ ਦੇ ਤੇਜ਼ ਨਿਪਟਾਰੇ ਵੱਲ ਵਧਿਆ ਜਾ ਰਿਹਾ ਹੈ। ਇਹ ਨਵੀਨਤਮ ਏਕੀਕਰਨ ਇਹਨਾਂ ਬੁਨਿਆਦੀ ਡਿਜੀਟਲ ਬਦਲਾਵਾਂ 'ਤੇ ਨਿਰਮਾਣ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਨੀਤੀ ਨਿਰਮਾਣ ਅਤੇ ਪ੍ਰੋਗਰਾਮ ਮੁਲਾਂਕਣ ਲਈ ਅਮੀਰ ਡਾਟਾ ਇਨਪੁਟ ਪ੍ਰਾਪਤ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਵੱਖ-ਵੱਖ ਮੰਤਰਾਲਿਆਂ ਦੇ ਵਿਚਕਾਰ ਡਾਟਾ ਸਾਈਲੋਜ਼ (siloed data) ਨੂੰ ਤੋੜਿਆ ਜਾਂਦਾ ਹੈ।
ਚੁਣੌਤੀਆਂ ਦਾ ਪਹਿਲੂ (The Bear Case)
ਜਦੋਂ ਕਿ ਬਿਹਤਰ ਡਾਟਾ ਵਿਜ਼ੀਬਿਲਟੀ ਅਤੇ ਕੁਸ਼ਲਤਾ ਦਾ ਵਾਅਦਾ ਕਾਫ਼ੀ ਹੈ, ਪਰ ਕਾਫ਼ੀ ਚੁਣੌਤੀਆਂ ਬਰਕਰਾਰ ਹਨ। ਵੱਖ-ਵੱਖ ਮੰਤਰਾਲਿਆਂ ਅਤੇ ਰਾਜ ਸਰਕਾਰਾਂ ਤੋਂ ਆਉਣ ਵਾਲੇ ਡਾਟਾ ਦੀ ਵਿਸ਼ਾਲ ਮਾਤਰਾ ਅਤੇ ਵਿਭਿੰਨਤਾ (heterogeneity) ਮਿਆਰੀਕਰਨ (standardization), ਗੁਣਵੱਤਾ ਭਰੋਸਾ (quality assurance), ਅਤੇ ਰੀਅਲ-ਟਾਈਮ ਸਿੰਕ੍ਰੋਨਾਈਜ਼ੇਸ਼ਨ ਲਈ ਕਾਫ਼ੀ ਰੁਕਾਵਟਾਂ ਪੈਦਾ ਕਰਦੀ ਹੈ। ਡਾਟਾ ਗੋਪਨੀਯਤਾ (privacy) ਅਤੇ ਸੁਰੱਖਿਆ (security) ਸੰਬੰਧੀ ਚਿੰਤਾਵਾਂ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹਨ; ਅਜਿਹੇ ਏਕੀਕ੍ਰਿਤ ਡਾਟਾਬੇਸ ਦੇ ਹੈਕ ਹੋਣ ਦੇ ਦੂਰਗਾਮੀ ਨਤੀਜੇ ਹੋ ਸਕਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਰਸਮੀ ਡਾਟਾ ਸਟ੍ਰੀਮਾਂ 'ਤੇ ਜ਼ਿਆਦਾ ਨਿਰਭਰਤਾ ਵਿਸ਼ਾਲ ਗੈਰ-ਰਸਮੀ ਅਰਥਚਾਰੇ ਦੀਆਂ ਗਤੀਸ਼ੀਲਤਾਵਾਂ ਨੂੰ ਘੱਟ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦਾ ਜੋਖਮ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ। ਅਜਿਹੇ ਵੱਡੇ ਪੱਧਰ ਦੇ ਏਕੀਕਰਨ ਦੀ ਸਫਲਤਾ ਤਕਨੀਕੀ ਵਿਵਸਥਾਵਾਂ (technical arrangements) ਅਤੇ ਅੰਤਰ-ਏਜੰਸੀ ਸਮਝੌਤਿਆਂ (MoUs) ਦੇ ਅੰਤਿਮ ਰੂਪ 'ਤੇ ਵੀ ਨਿਰਭਰ ਕਰਦੀ ਹੈ, ਜੋ ਲੰਬੇ ਅਤੇ ਗੁੰਝਲਦਾਰ ਹੋ ਸਕਦੇ ਹਨ।
ਭਵਿੱਖ ਦੀ ਦਿਸ਼ਾ (Future Outlook)
ਇਹ ਡਾਟਾ ਏਕੀਕਰਨ ਵਧੇਰੇ ਉੱਨਤ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ (ML) ਵਰਗੀਆਂ ਉੱਨਤ ਤਕਨਾਲੋਜੀਆਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਵੱਲ ਇੱਕ ਬੁਨਿਆਦੀ ਕਦਮ ਹੈ। EPFO ਖੁਦ ਪੁਰਾਣੇ ਸਰਵਿਸ ਰਿਕਾਰਡਾਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਅਤੇ UAN ਨੂੰ ਲਿੰਕ ਕਰਨ ਲਈ AI ਅਤੇ ਬਲਾਕਚੈਨ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਤਲਾਸ਼ ਰਿਹਾ ਹੈ। ਇਸ ਦਾ ਅੰਤਿਮ ਨਤੀਜਾ ਇੱਕ ਵਧੇਰੇ ਜਵਾਬਦੇਹ ਅਤੇ ਸਟੀਕ ਰੋਜ਼ਗਾਰ ਨੀਤੀ ਪ੍ਰਣਾਲੀ ਹੋਣ ਦੀ ਉਮੀਦ ਹੈ, ਜੋ ਬਿਹਤਰ ਕਲਿਆਣ ਖਰਚੇ ਦੇ ਅਨੁਕੂਲਨ (welfare spending optimization) ਅਤੇ ਭਾਰਤ ਦੇ ਵਿਕਸਿਤ ਹੁੰਦੇ ਆਰਥਿਕ ਲੈਂਡਸਕੇਪ ਦੀ ਸਪੱਸ਼ਟ ਸਮਝ ਨੂੰ ਸਮਰੱਥ ਬਣਾਏਗੀ।