डेटा अनुरेखणीयता का अर्थ है यह जाँच पाना कि अंतिम नतीजा किन इनपुट और प्रक्रियाओं से बना। MRV डेटा प्रबंधन में मूल डेटा का संरक्षण, गणना के नियम, अंशांकन और संशोधन का इतिहास—इन सबको जोड़ना चाहिए। 『कार्बन उत्सर्जन में कमी प्रमाणित करने की तकनीक और समाधान』 के सातवें और आठवें अध्याय मापन की स्रोत तक अनुरेखणीयता और गणना की अनुरेखणीयता, दोनों पर चर्चा करते हैं।
पहले अवधारणा और लागू दायरा तय करें
दर्ज करने वाली बातें हैं—मान कहाँ से आया, उसमें क्या परिवर्तन किए गए, कौन-से नियम लागू हुए, प्रक्रिया किसने चलाई और बदलाव क्यों किया। केवल फाइल के नाम में तारीख जोड़ना पर्याप्त नहीं हो सकता। वही इनपुट और संसाधन नियम उपलब्ध हों तथा आवश्यक अनुमतियों के साथ उन तक पहुँचा जा सके। डेटा कितने समय तक रखना है, यह तय करने के लिए उपयोग का उद्देश्य, लागू व्यवस्था, अनुबंध और निजता संबंधी आवश्यकताएँ जाँचें। हर डेटा को अनिश्चित समय तक जमा करते रहना उचित नहीं है। समीक्षा के लिए जरूरी डेटा सुरक्षित रखते हुए उद्देश्य से बाहर के उपयोग और पहुँच को नियंत्रित करने की व्यवस्था चाहिए।
उपकरण सटीक हो, फिर भी यदि प्रणाली की सीमा या आधाररेखा अनुपयुक्त है तो निष्कर्ष पर भरोसा करना कठिन होगा। गणना सही हो, लेकिन मूल डेटा और संशोधन का इतिहास न हो तो सत्यापन का दायरा सीमित रहेगा। सटीकता और अनुरेखणीयता एक-दूसरे का विकल्प नहीं हैं। मापन के मानों की गुणवत्ता और उस मान से निष्कर्ष तक पहुँचने की प्रक्रिया—दोनों जाँचने चाहिए।
रिपोर्टिंग (R) में संदर्भ और गणना दर्ज होते हैं। मूल डेटा को किन नियमों से संसाधित करके किस निष्कर्ष तक पहुँचे, इसकी पूरी प्रक्रिया लिखी जाती है। इसमें यह शामिल है कि गायब डेटा कैसे भरा, असामान्य मान किन मानदंडों से हटाए, किस मॉडल का कौन-सा संस्करण इस्तेमाल किया और अनिश्चितता का अनुमान कैसे लगाया। रिपोर्ट की गुणवत्ता उसके निष्कर्षों की चमक से नहीं, बल्कि नतीजे दोहराने की क्षमता से आँकी जाती है।
गुणवत्ता नियंत्रण (QC) डेटा संग्रह और गणना की प्रक्रिया में एकरूपता, पूर्णता और त्रुटियों की जाँच है। गुणवत्ता आश्वासन (QA) में यह समीक्षा भी शामिल है कि व्यवस्था और नतीजे तय गुणवत्ता लक्ष्यों को पूरा करते हैं या नहीं। योजना के दौरान रोकथाम, काम के दौरान जाँच और नतीजों की समीक्षा—ये एक-दूसरे को पूरा करने चाहिए। ठोस भूमिकाएँ और प्रक्रियाएँ लागू दिशानिर्देशों के अनुसार तय करें; QA को केवल रोकथाम और QC को केवल बाद में सुधार करने तक सीमित न करें।
गायब डेटा को संभालने के नियम: पहले से तय करें कि डेटा गायब होने पर क्या करना है। रैखिक इंटरपोलेशन करेंगे, उस अवधि को बाहर रखेंगे या उसकी जगह रूढ़िवादी मान रखेंगे? बाद में फैसला करने पर नतीजा देखकर अनुकूल तरीका चुनने का जोखिम होता है।
असामान्य मानों के नियम भी पहले तय करें। भौतिक रूप से संभव सीमा से बाहर के मानों और सांख्यिकीय रूप से दुर्लभ मानों में अंतर करें, और हटाने का कारण दर्ज करते हुए मूल डेटा सुरक्षित रखें। नतीजे देखने के बाद मानदंड बदले हों तो यह बताएं कि बदलाव कब किया और विश्लेषण पर उसका क्या असर पड़ा।
उपकरण का नाम लिख देने भर से नतीजा दोहराया नहीं जा सकता। “GreenFeed से मापा” वाक्य, दोहराने के लिए जरूरी जानकारी का बहुत छोटा हिस्सा है। एक दिन में कितनी यात्राओं को वैध माना, हर यात्रा की न्यूनतम अवधि क्या थी और रिकवरी दर के लिए क्या सुधार किया—यह न हो तो दूसरे अध्ययन से तुलना नहीं की जा सकती। प्रोटोकॉल का विवरण और वास्तव में काम कैसे किया गया, दोनों का रिकॉर्ड रखना QA/QC का मुख्य हिस्सा है।
खेत पर लागू करने की शर्तें और सीमाएँ
मान लें कि एक ही अवधि की दो रिपोर्टें बनीं और उनमें उत्सर्जन-कटौती के आँकड़े अलग हैं। हो सकता है अंशांकन गुणांक या गायब डेटा को संभालने का तरीका बदला हो। यह पता लगाया जा सके कि कौन-सा इनपुट कब बदला और किन अवधियों पर उसका असर पड़ा। केवल अंतिम नतीजे वाली फाइल हो तो सुधार, त्रुटि और अनुचित संशोधन में अंतर करना कठिन होगा।
अच्छे डेटा में उद्देश्य के अनुरूप गुणवत्ता और अनुरेखणीयता, दोनों होती हैं। एक ही गणना को दोहराया जा सके, फिर भी यदि इनपुट में साझा पक्षपात हो तो नतीजा गलत हो सकता है। सत्यापन की संभावना सटीकता का विकल्प नहीं; इससे दूसरे लोग सटीकता और लागू दायरे का आकलन कर सकते हैं।
उत्सर्जन-कटौती की मात्रा के लिए मापन की स्रोत तक अनुरेखणीयता और गणना की अनुरेखणीयता, दोनों चाहिए। मापन के मानों को दस्तावेज़ीकृत अंशांकन शृंखला और अनिश्चितता के जरिए मानकों से जोड़ा जाता है; गतिविधि डेटा, उत्सर्जन गुणांक और मॉडल को उनके स्रोत, संस्करण और लागू शर्तों के जरिए अंतिम नतीजे तक ट्रेस किया जाता है। हर उत्सर्जन-कटौती मात्रा केवल प्रत्यक्ष मापन से नहीं आती। समीक्षक को गणना दोहराने की क्षमता के साथ यह भी देखना चाहिए कि इस्तेमाल किया गया डेटा और तरीका दावे के लिए उपयुक्त है या नहीं।
सत्यापन के समय को लेकर भी भ्रम आम है। यदि सत्यापन को नतीजे की तालिका पर अंत में लगने वाली मुहर समझें, तो बहुत देर हो चुकी होती है। सत्यापन का सवाल डिजाइन बनाते समय ही उठना चाहिए। क्या सत्यापित कराना है, यह पता होगा तभी तय कर पाएँगे कि क्या दर्ज करना है। परियोजना पूरी होने के बाद “अब सत्यापन कराएँ” कहने पर अक्सर जरूरी रिकॉर्ड बचा ही नहीं होता।
ट्रेसर गैस विधि: ज्ञात उत्सर्जन दर या सांद्रता में कमी के स्वरूप का उपयोग करके वायु विनिमय का अनुमान लगाया जाता है। नतीजा इस बात पर निर्भर करता है कि ट्रेसर गैस और लक्षित गैस का मिश्रण तथा परिवहन कितना समान है और पृष्ठभूमि सांद्रता का प्रबंधन कैसे किया गया। केवल विधि का नाम बता देने से सटीकता सुनिश्चित नहीं होती।
निवेश समीक्षा के लिए जरूरी साक्ष्य
निवेशकों को डेटा संग्रहित होने के दावे और उसकी दोबारा समीक्षा संभव होने के दावे में अंतर करना चाहिए। योग्य समीक्षक की पहुँच, संसाधन नियमों के संस्करण तथा डेटा बहाल करने और नतीजे दोहराने की प्रक्रिया जाँचें। डेटा सार्वजनिक न हो, तब भी सुरक्षा और अनुबंध की शर्तों के तहत जरूरी समीक्षा संभव बनाने की व्यवस्था की जा सकती है।
डेटा वंशावली वह रास्ता है जिससे पता चलता है कि अंतिम संख्या किन मूल डेटा से और किन परिवर्तनों के बाद बनी। उपकरण और चैनल, डेटा बनने का समय, इकाई रूपांतरण, सुधार, फिल्टरिंग और एकत्रीकरण के नियम दर्ज करें। यह भी लिखें कि किसने प्रक्रिया चलाई और मंजूर की, और बाद में क्या और क्यों बदला। मूल डेटा का मौजूद होना तथा योग्य समीक्षक द्वारा पूरी प्रक्रिया फिर से जाँची जा सकना—इन दोनों की साथ पुष्टि करनी चाहिए।
अनुरेखणीयता अपर्याप्त हो तो समीक्षक के लिए यह जाँचना कठिन होता है कि संख्या कैसे बनी, और उपयोग के उद्देश्य के अनुसार डेटा स्वीकार करने पर सीमा लग सकती है। मूल डेटा और संशोधन इतिहास कितने समय तक सुरक्षित रखने हैं, यह लागू व्यवस्था, अनुबंध और निजता की आवश्यकताएँ जाँचकर तय करें। जिन डेटा को रखना जरूरी है, उन्हें मनमाने ढंग से ऊपर से लिखकर न बदलें; लेकिन हर डेटा को अनिश्चित समय तक सुरक्षित रखना भी सिद्धांत न बनाएँ।
निर्णय के लिए ये मानदंड बनाए रखें
अनुरेखणीयता सटीकता का विकल्प नहीं है। यह ऐसी शर्त है जिससे दूसरे लोग इनपुट की उपयुक्तता और गणना के रास्ते का आकलन कर सकते हैं। मूल डेटा, रिकॉर्ड और समीक्षा के अधिकार आपस में जुड़े हों, तभी अंतिम संख्या का अर्थ और बदलाव का कारण समझाया जा सकता है।
लेखक परिचय
बोंगजुन ली ने सोगांग विश्वविद्यालय के प्रौद्योगिकी प्रबंधन स्नातकोत्तर विद्यालय (MOT) में अपनी पढ़ाई पूरी की। उन्होंने Infitron Co., Ltd. में 7 वर्ष और Honeywell में 20 वर्ष सहित गैस मापन के क्षेत्र में 27 वर्षों तक सेवा इंजीनियरिंग, तकनीकी बिक्री और चैनल प्रबंधन के काम किए। वर्तमान में AI Safety Korea Co., Ltd. के संस्थापक के रूप में वे सेंसर, AI और डेटा विश्लेषण का उपयोग करते हुए पशुधन मीथेन निगरानी तथा मापन, रिपोर्टिंग और सत्यापन (MRV) व्यवस्था पर शोध कर रहे हैं।