Table of Contents
معاشرے کو انتہائی مستقل چیلنجز سے آگاہ کرنے کے پیشِنظر ، تعلیمی مسائل ، صحت کی کمی ، ماحولیاتی تباہی ، ماحولیاتی تباہی اور زیادہ سے زیادہ اہم۔ ان کے محدود وسائل کو بہتر بنانے اور ان کے استعمال کو زیادہ سمجھنے کے لئے یہ تنظیمیں معلومات اور ان کے استعمال کو زیادہ سے زیادہ اہمیت دینے کے علاوہ معلومات کو بہتر بنانے اور ان کے استعمال کے نتائج پر پورا کرنے کے قابل ہیں ۔
کام میں معلومات کی اہمیت
ڈیٹا جمع وہ بنیاد ہے جس پر مؤثر اثر انداز ہوتا ہے، درست، وقت اور متعلقہ اعداد کے بغیر، محکمہ اطلاعات میں عطیات کام کرتا ہے، ثبوت کی بجائے، ڈیٹا انتہائی اہم سوالات کے جواب دینے کے قابل ہوتا ہے: کیا ہم ہمارے مقصد کے مطابق کام کرنے والے عناصر کو پہنچ سکتے ہیں؟ ہم کہاں وسائل کھو رہے ہیں، یہ علم ہمیں ضروری فیصلے کرنے، ضرورت کے وقت اور سیکھنے کی ثقافت کو بنانے کے قابل بناتا ہے۔
ڈیٹا کی اقسام جمع کی گئی ہیں۔
جدید خیراتی ادارے اعداد و شمار کے وسیع پیمانے پر جمع کرتے ہیں، ہر ایک ایک ایک الگ مقصد کی خدمت کرتا ہے:
- [Cuentative data — جنہیں شمار کیا جا سکتا ہے اور موازنہ کیا جا سکتا ہے، جیسے کہ کھانے پینے کی تعداد، طالب علموں یا ایکڑ کے دوبارہ تعمیر کیے گئے. یہ ڈیٹاے پیمانے اور توانائی فراہم کرتا ہے۔
- [5] Quualitative data — بیانات، ٹیسٹمیات اور مشاہداتی نوٹ جو تبدیلی کے انسانی رجحانات کو پکڑ لیتے ہیں.
- مالیاتی اعداد — آمدنی کے ذرائع، اخراجات اور قیمتوں کے حساب سے تفصیل سے درج فہرست۔ یہ ڈیٹا وفاقی ذمہ داری اور سرمایہ کاری پر واپسی کے لیے ضروری ہے۔
- [حوالہ درکار معلومات[1] — پروگرام عمل کے بارے میں معلومات، بشمول وقتی طور پر، رضاکارانہ گھنٹوں، جگہ جگہ پر لاگس اور فراہمی کے کام کے بارے میں معلومات۔
ان اقسام کے علاوہ ، بہت سے خیراتی اداروں میں اب بھی جمہوریت کے اعداد و شمار کو متوازن مسائل سمجھنے کے لئے جمع کِیا جاتا ہے ، کمیونٹی نے میٹرکس سے وابستہ رکھا تاکہ شرکت کی گہرائی کا اندازہ لگایا جا سکے اور کئی سالوں سے مسلسل تبدیلی کے لئے ڈیٹا جمع نہیں کِیا جا سکتا بلکہ اپنی مرضی سے زندگی کو بہتر بنانے کے لئے
ڈیٹا جمع کرنا اور اوزار
جمعے کے اعلیٰ درجہ کے اعداد و شمار کو جانچنے اور درست آلات کے لیے استعمال ہونے والا ہے. روایتی طریقوں میں کاغذی جانچ پڑتال، تیاری اور دستی لاگس شامل ہیں. تاہم، غیر منافع بخش شعبے کی ڈیجیٹل تبدیلی نے زیادہ سے زیادہ قابل قبول اور درست متبادل داخل کیا ہے. آن لائن ڈیٹا پلیٹ فارمز (جیسے کوبول بکس یا گوگل)، اور حسابیس کے ذریعے حسابِ ضرورت کے مطابق،
ڈیٹا جمع کرنے میں مشکلات
اس کی اہمیت کے باوجود ، ڈیٹا جمع مسلسل چیلنجز پیش کرتا ہے ، بہت سے خیراتی ادارے ، خاص طور پر چھوٹے کمیونٹی پر مبنی گروپز کے بجٹ کی کمی ، اسکو نہایت سادہ سافٹ ویئر یا مخصوص ڈیٹا سٹاف کی کمی. سٹاف اور رضاکاروں کے پاس ڈیٹا خواندگی میں محدود تربیت حاصل کی جا سکتی ہے ،
مثبت پیمائش : قوتِاُلعمل کی کمی
اگرچہ ڈیٹا جمع اس بات پر مرکوز ہوتا ہے کہ کیا واقع ہوا ہے، اثر انداز کرنے کی کوشش کرتا ہے، مگر تناسب پیمائش کا یہ ہے کہ کیا صدقہ کی سرگرمیاں انفرادی، کمیونٹیز یا نظام میں تبدیلی پیدا کرتی ہیں۔ یہ [FLT]]]] [FLTT اور TV] کے درمیان فرق کر دی گئی [FT]]]]]]]]]]]]]]]] کو تبدیل کرتا ہے جو کہ اس بیماری کو وسیع کرتا ہے اور یہ ان کے استعمالات کو جانچنے کے لیے کافی ہے۔
کام کی پیمائش
کئی محکمہ جات اپنی اثر انگیزی کی کوششوں کو منظم کرنے میں مدد دیتے ہیں:
- لاگوی ماڈلز اور تھیریس آف تبدیل — منطقی طور پر نظریاتی نقشے جو انسپائوں (resputs) سے حاصل ہونے والی افعال و نتائج اور اثر و رسوخ کے ذریعے حاصل ہونے والے نتائج کے ذریعے حاصل کیے جاتے ہیں. نظریہ تبدیلی ایک قدم گہرا، آرٹلائٹنگ اور کاؤل کے راستے کو جا تا ہے جو طویل مدت تک کے مقاصد سے جڑے ہوئے ہیں.
- Pre- اور پوسٹ-Assembly سروے — مریخی علم، رویوں یا مداخلت سے پہلے اور بعد میں ہونے والی تبدیلیوں کی براہ راست، واضع طور پر قابلِ عمل تبدیلی فراہم کرتی ہے. کنٹرول جماعتوں یا ان کے مقابلے میں کیوشلی کے جذبات کو مضبوط کرتی ہے۔
- Case Studies and کامیابی کی کہانیاں — امیر، چترال کی تصویری تفصیلات انفرادی یا اجتماعی تبدیلی کی.
- Randomed stroled tests (RCTs) اور Quasi-Experiment ڈیزائنز — گولڈ اسٹینڈرڈ طریقوں کے لیے استعمال کیا جاتا ہے، لیکن ان کے لیے بہت سے ذرائع و اسباب اور صلاحیتیں درکار ہوتی ہیں، جیسے کہ پہلے سے جاری کرنے والی بنیادی بنیادوں کے ساتھ ساتھ ساتھ ساتھ ساتھ متعین کرنے والی کارگونسی کی سہولت کا استعمال کیا جاتا ہے۔
- Execlive commanding and stitution (MSC) — ایسے غیر مجاز طریقوں جن میں شناخت اور نتائج کی تعبیر میں شامل ہونا شامل ہے وہ پیچیدہ یا خارجی پروگراموں میں خاص طور پر مفید ہیں جہاں پہلے سے موجود اشاروں کو تمام تبدیلیوں پر قبضہ نہیں کیا جا سکتا۔
طریقہ کار کے درست ملاپ کا انحصار خیراتی پیمانے ، صلاحیت ، پروگرام پختگی اور تبدیلی کی نوعیت پر ہوتا ہے ۔ بہترین قریبی ترقییافتہ : اعتماد کو تحریک دینے کے لئے کافی ہے ، تاہم تنظیم کو کنٹرول کئے بغیر عمل میں لانے کے لئے کافی ہے ۔
عالمی معیاروں کے ساتھ باہمی مطابقت
اگر آپ خیرات دے کر اِن کے ذریعے اپنے کام کا پورا پورا اِرادہ کر سکتے ہیں تو پھر آپ کو کیا کرنا ہوگا ؟
ڈیٹا اور غیر متوازن پیمائش کے فوائد
ڈیٹا نظام بنانے اور اس کے اثر کو ناپنے کی کوشش میں سرمایہ کاری کرنے والی کوشش تنظیم بھر میں ڈویژنوں کی ادائیگی کرتی ہے۔یہاں بنیادی منافع بخش ہے۔
حساب اور اعتماد کی کمی
ڈونیورس -- عام طور پر انفرادی، کارپوریشن یا بنیاد پر ثبوت طلب کرتے ہیں کہ ان کے عطیات میں فرق پیدا ہوتا ہے۔
ترقی پذیر سٹرٹیج پلاننگ اور سرچ اللوکیشن
ڈیٹا ظاہر کرتا ہے کہ کس پروگرامز میں سب سے بڑا اثر ڈالر خرچ کیا جاتا ہے، جو جغرافیائی شعبوں کے زیر انتظام ہیں، اور جو ادائیگی کے طریقوں کو سب سے زیادہ مؤثر ہیں، اس علم کے ساتھ ساتھ، خیراتی لیڈر حقیقیلوکاٹ فنڈ، سٹاف اور وقت کے ساتھ ساتھ ساتھ اعلیٰ درجے کی سرگرمیوں کے لئے بھی قابل عمل ہو سکتے ہیں۔ مثال کے طور پر، ایک نوجوان خواندگی غیر منافع بخش پروگرام کو یہ پتہ چل سکتا ہے کہ اس کا کیمپنگ کے بعد اس کا اردو سے زیادہ مؤثر اور اس طرح سے اضافہ ہو سکتا ہے۔
حوصلہافزائی اور مدد
ایک تنظیم نے کہا کہ ہم نے 1000 بچوں کی مدد کی ہے، اور ان میں سے 85% نے اپنی پڑھائی کی سطح کو دو درجے سے بہتر بنایا ہے
منظم سیکھنے اور سیکھنے کا شوق پیدا کرنے والی تنظیم
ایک قابلِ اثر پیمائش نظام ایک رد عمل پیدا کرتا ہے پروگرامز کو پائلٹ بنایا جا سکتا ہے، تجزیہ کیا جا سکتا ہے، واضح کیا جا سکتا ہے، واضح طور پر ثبوتوں پر مبنی کیے جا سکتے ہیں. Cression.
خیرات اور فنڈ کیلئے زیادہ ترقی
فاؤنڈیشن اور سرکاری اداروں کو اکثر دیے گئے عطیہ اطلاق اور غیر معینہ عمل کے حصے کے طور پر تفصیلی اثر کی اطلاع درکار ہوتی ہے۔ایک خیراتی ادارہ جو پہلے سے ہی سے ہی ڈیٹا سسٹمز کو مرتب کر کے اعتماد کے ساتھ پیش کر سکتا ہے، اس کے برعکس دفاعی اداروں کو دفاعی حلقوں میں فیصلہ کن پہلوؤں کی ضرورت ہو سکتی ہے۔
ڈیٹا اور غیرمعمولی پیمائش
مندرجہذیل اقدام کسی بھی پیمانہ کے عطیات کیلئے عملی سڑکوں پر ایک عملی راستہ فراہم کرتے ہیں ۔
۱ ، تبدیلی کی بابت اپنے نظریات کو بہتر بنائیں
کسی بھی ڈیٹا جمع کرنے سے پہلے اپنے مشن کو صاف صاف کر لیں اور آپ کی سرگرمیاں کس طرح مقصد کے نتائج اخذ کرتی ہیں۔
2.CLIC Performance Indicators (KPIs)
پیداوار، انجام اور کارکردگی کے اعداد و شمار کا ملاپ منتخب کریں جو آپ کے نظریاتی تبدیلی سے براہ راست وابستہ ہیں (ب)۔ (ب) آپ کے کلیدی وسائل سے جمع کرنے کے لئے تیار کردہ مثبت اور (کو) اپنے کلیدی سامعین کے لئے بامعنی آزمائش سے بچنے کے لئے ہر چیز کی آزمائش سے گریز کریں ؛ ان چند میٹرک پر توجہ دیں جو آپ کے اثر کی کہانی کو بہتر طور پر بیان کرتے ہیں۔
3۔ (یا اپ گریڈ) اپنے ڈیٹا کے ذخائر تعمیر کرو۔
معلومات داخل کرنے ، ذخیرہ کرنے اور تجزیہ کرنے کے عمل میں اضافہ کرنے کے لئے بہت سے خیراتی نظام (Gogle Sheets, Excel) سے شروع ہوتے ہیں، لیکن جیسے جیسے ترقی ہوتی ہے، ایک مخصوص غیر منافع بخش CRM بن جاتا ہے۔
۴ : اپنی ٹیم کو تربیت دیں
اعداد و شمار کو جمع کرنے، داخل کرنے یا تعبیر کرنے کے اعداد و شمار کے لیے ڈیٹا خواندگی کی تربیت میں صرف اتنا ہی فائدہ ہوتا ہے جتنا کہ ڈیٹا استعمال کرنے والے افراد کے لیے مخصوص ہوتا ہے۔
۵ : دُنیا کے حالات کو مدِنظر رکھتے ہوئے
معلوماتی رضامندی، ڈیٹا انیمیشن اور محفوظ ذخیرہ کے لیے واضح پروٹوکول بنائیں. ان سے پتہ چلتا ہے کہ ڈیٹا جمع کے اوزار مختلف آبادیوں کے لیے قابل رسائی ہیں. اپنے آلات کو منظم کرکے ان کو درست کرنے کے لیے معلوماتی ڈیٹا کو ترتیب دیں۔
۶ : ۱ — کیا یہ واقعی سچ ہے ؟
باقاعدہ جائزہ لینے کے لیے مہینوں کا ہندسہ، اعداد و شمار کے لیے مختص یا سالانہ معلومات کے لیے مختص کرنا۔ نتائج کے لیے معلومات، معلومات یا سادہ چارٹ استعمال کرنا۔ شیئر کرنے والے کے ساتھ کھل کر حاصل کردہ نتائج
مشکلات اور معاملات پر غور کریں
ڈیٹا فراہم کرنے کا راستہ رکاوٹوں کے بغیر نہیں بلکہ ان حقائق کو تسلیم کرنا ان تنظیموں کو غیر مستحکم بنانے اور غیر یقینی طور پر مایوسی سے بچانے میں مدد دیتا ہے۔
سُرخ رنگ
چھوٹے خیراتی اداروں کے لیے اکثر بجٹ کی کمی ہوتی ہے جو مخصوص ڈیٹا سٹاف، مہنگا سافٹ ویئر لائسنس یا بیرونی نقل و حمل کے لیے ہوتا ہے تاہم بہت سے آزاد یا کم سہولیات موجود ہوتے ہیں اور یونیورسٹیوں یا پربھو ڈیٹا مشیروں سے شراکت کرنے سے اس خلا کو دور کر سکتے ہیں۔ایک پرندے، غیر مستحکم رسائی کو بڑے اداروں کو چلانے کی بجائے
ڈاٹ سیلس اینڈ فرکشن
جب مختلف پروگرام یا ادارے الگ نظاموں پر ڈیٹا کو غیر واضح طور پر جمع کرتے ہیں تو بڑے بڑے نظام کو دیکھنا ناممکن ہوجاتا ہے۔ایک متحدہ اعداد و شمار کی چال۔
پراکرت اور ادبی تنقیدات ہیں۔
ان گروہوں کے بارے میں معلومات جمع کرنا اور ان میں معلومات کو جمع کرنا
ڈیٹا ثقافت تعمیر کریں
شاید سب سے مشکل چیلنج ثقافتی ہے. سٹاف شاید ڈیٹا جمع کو ایک بوجھ خیال کرے سرمایہ داروں کی طرف سے جاری کردہ ایک ٹول کی بجائے ذمہ داری کے طور پر۔ اس پر زور دینا لیڈرشپ کی ضرورت ہے کہ ماڈل ڈیٹا کے لئے ماہرانہ فیصلے بنانے، ناکامیوں سے سبق حاصل کرنا، اور ان کی قدریں ابلاغ پر ثبوت لانا وغیرہ اہم ہیں۔
نوٹ کا مستقبل
خیرات کے اعداد و شمار کی پیمائش کا سلسلہ تیزی سے جاری ہے۔ کئی رجحانات ایک اور زیادہ ڈیٹا انفلکشن مستقبل کی طرف مرکوز ہیں۔
ماہرینِنفسیات اور اناطولیہ
مشین سیکھنے کے ماڈل اب ایسے واقعات کی پیش گوئی کر سکتے ہیں جن سے سب سے زیادہ فائدہ ہو سکتا ہے، کسی مداخلت سے فائدہ حاصل ہو سکتا ہے، فنڈ کی شناخت یا انفنٹری اپیلوں کا غلط استعمال۔ جبکہ بہت سے خیراتی ادارے ڈیٹا حجم اور معلومات کی کمی ہے کہ آج کل، کے دور سے شِل آلات اور ٹیک کمپنیوں سے وابستہ ہیں
حقیقی وقت ڈاک بورڈوں اور انڈریشنوں کے بورڈوں میں سے ایک ہے۔
ڈونیرز بڑھتی ہوئی امید ہے کہ وہ مہم کی ترقی اور اثر انگیزی پر زندہ اپ ڈیٹ دیکھیں. خیراتی ویب سائٹس پر انٹریکٹیو انسائمنٹس، اصل وقتی میٹرکز کو انفنٹری ڈیٹا بیس سے ظاہر کرتے ہیں، اس کے لیے واپس آنے والے نظامات کو بنانا ضروری ہے جو ڈیٹا کو عوامی طور پر محفوظ رکھنے پر مجبور کر سکتا ہے — ایک ایسا علاقہ جہاں سری سی ایم ایس او پی او اول پلیٹ فارم روشن کر سکتا ہے۔
قابلِاستعمال غذا کیلئے بلاکچُن
بلاکچین ٹیکنالوجی، جو کہ اپنے آئینی ریکارڈ کے لیے مشہور ہے، عطیات اور نتائج کے متبادل ریکارڈ بنانے کے لیے پائلٹ بنایا جا رہا ہے. یہ انقلاب پیدا کر سکتا ہے، خاص طور پر پیچیدہ فراہمی کی زنجیروں یا کثیر سالوں کے منصوبوں میں.
ایک سرکاری دفتر
خود کو زیادہ تر سماجی انصاف کی تحریکوں کے مرکزی کردار کے طور پر تسلیم کیا جاتا ہے۔غیر جانبدار تحقیق کے نئے ماڈل کمیونٹیز کو کنٹرول کرتے ہیں جو ڈیٹا جمع کیا جاتا ہے، کیسے استعمال کیا جاتا ہے اور کس تک رسائی حاصل کر سکتے ہیں۔اس تبدیلی کی وجہ سے "ہمارے بغیر ہم سے کوئی مسئلہ نہیں" کے بنیادی اصول بہت سے سماجی انصاف کی تحریکوں اور دونوں معیاروں اور ڈیٹا کی خوبی کو بہتر بناتے ہیں۔
اور جو معلومات اور اثر انگیزی کی پیمائش میں خرچ کرتا ہے وہ آج صرف ان عوامل کے لیے بہتر نہیں ہیں -- وہ فعال طور پر سیکٹر کے مستقبل کو واضح کر رہے ہیں. چاہے پلیٹ فارم ڈیٹا انتظامیہ کے نظام کو درست کرنے کے ذریعے
[FLT] اور ]] سے ڈیٹا پلان بنانے کے بارے میں مزید معلومات بنانے کے لیے ]]] اسٹینفورڈ سوشل انویشن ریسرچ اور ]]][ فضلیول/ ہدایت کار :(FLTT:4]]]]]]]]]]] اور [حوالہ جات کے لیے درکار معلومات فراہم کرتا ہے[حوالہ درکار ہے:
عمل کی دعوت واضح ہے: ڈیٹا کو انتظامی بوجھ کے طور پر قبول کرنا نہیں بلکہ ایک زیادہ مؤثر، اکاؤنٹ اور تبدیل کرنے والے خیراتی شعبے کی طرف ہدایت کار کے طور پر۔