Evidence-based stakeholder identification: Managing conflict and its impact on requirements prioritisation

सॉफ्टवेयर निर्माण की जटिल दुनिया में, सबसे महत्वपूर्ण लोग अक्सर उन्हें खोजने में सबसे कठिन होते हैं। ये व्यक्ति, जिन्हें हितधारक (स्टेकहोल्डर्स) कहा जाता है, वे ग्राहक, प्रबंधक और उपयोगकर्ता हैं जिनकी ज़रूरतें अंतिम उत्पाद को आकार देती हैं। यदि कोई टीम किसी प्रमुख व्यक्ति को चूक जाती है, तो सॉफ्टवेयर सही समस्याओं को हल करने में विफल हो सकता है या महत्वपूर्ण जोखिमों को अनदेखा कर सकता है। दशकों से, इन लोगों को खोजना मानवीय अंतर्ज्ञान का मामला रहा है, जो प्रोजेक्ट प्रबंधकों के अनुभव पर निर्भर करता है कि वे अनुमान लगा सकें कि किसके पास सबसे अधिक प्रभाव है। हालाँकि, जैसे-जैसे प्रोजेक्ट बड़े और वैश्विक होते जा रहे हैं, अनुमान लगाना अब पर्याप्त नहीं है। चुनौती केवल इन लोगों को खोजने की नहीं है, बल्कि उनके परस्पर विरोधी विचारों को कैसे तौला जाए, यह समझने की भी है। एक व्यक्ति कह सकता है कि एक विशिष्ट उपयोगकर्ता महत्वपूर्ण है, जबकि दूसरा जोर दे सकता है कि वह अप्रासंगिक है। जब ये व्यक्तिपरक विचार आपस में टकराते हैं, तो पारंपरिक तरीके अक्सर एक स्पष्ट रास्ता खोजने में संघर्ष करते हैं, जिससे टीमें अनिश्चित रह जाती हैं कि वास्तव में किसका महत्व है।

अल्मेरिया विश्वविद्यालय के शोधकर्ताओं की एक टीम ने इस पहेली को सुलझाने के लिए एक नया तरीका प्रस्तावित किया है, जो अंतर्ज्ञान (गट फीलिंग) से हटकर एक गणितीय दृष्टिकोण की ओर बढ़ता है जो असहमति को संभालने के लिए डिज़ाइन किया गया है। उनका कार्य "सैलिएंस" (salience) नामक एक अवधारणा पर केंद्रित है, जो सरल शब्दों में यह मापता है कि एक समूह के भीतर किसी व्यक्ति को कितना महत्वपूर्ण या प्रभावशाली माना जाता है। अपने अध्ययन में, उन्होंने विभिन्न लोगों की राय को साक्ष्य के टुकड़ों के रूप में माना, ठीक वैसे ही जैसे एक जूरी गवाही को तौलती है। उन्होंने 'एविडेंस थ्योरी' (साक्ष्य सिद्धांत) नामक एक ढांचे का उपयोग किया, जो मूल रूप से अनिश्चितता को संभालने के लिए विकसित किया गया था, ताकि इन व्यक्तिपरक रेटिंग को एक एकल, स्पष्ट चित्र में संयोजित किया जा सके। शोधकर्ताओं ने केवल सहमति की तलाश नहीं की; उन्होंने एक ऐसा सिस्टम बनाया जो विशेष रूप से संघर्ष को प्रबंधित करने के लिए डिज़ाइन किया गया था। यह विश्लेषण करके कि सिफारिश करने वाले एक-दूसरे से कितना असहमत थे, उनकी विधि यह निर्धारित कर सकती थी कि कौन से हितधारक वास्तव में परियोजना के केंद्र में थे और कौन से परिधीय शोर (peripheral noise) थे।

अपने विचार का परीक्षण करने के लिए, शोधकर्ताओं ने अपने तरीके को यूनिवर्सिटी कॉलेज लंदन के एक प्रोजेक्ट RALIC के वास्तविक डेटासेट पर लागू किया। इस प्रोजेक्ट में लाइब्रेरी और फिटनेस सेंटर एक्सेस सिस्टम को मर्ज करना शामिल था, और मूल टीम ने पहले ही 18 प्रमुख लोगों और 28 भूमिकाओं की एक सूची की पहचान कर ली थी। शोधकर्ताओं ने सिफारिशों के एक नेटवर्क को लिया जहाँ सैकड़ों लोगों ने दूसरों के प्रभाव को शून्य से दस के पैमाने पर रेट किया था। उन्होंने इन रेटिंग्स को अपने सिस्टम में डाला, जिसने इन स्कोर को एक साझा विश्वास में बदल दिया कि कौन सबसे अधिक महत्वपूर्ण है। परिणाम चौंकाने वाले थे। नेटवर्क के एक संस्करण में, उनकी विधि ने संभावित हितधारकों के शुरुआती पूल को लगभग 85 प्रतिशत तक कम कर दिया, जिससे सूची केवल 15 या 19 प्रमुख व्यक्तियों तक सिमट गई (यह इस पर निर्भर था कि विशिष्ट गणितीय नियम क्या था)। दूसरे संस्करण में, यह कमी लगभग 70 प्रतिशत थी। सिस्टम ने सफलतापूर्वक शोर को फ़िल्टर कर दिया, एक मुख्य समूह की पहचान की जिसमें वे लोग भी शामिल थे जिन्हें मूल टीम ने छोड़ दिया था, और उन लोगों के महत्व की भी पुष्टि की जिन्हें वे पहले से ही संदिग्ध मान रहे थे।

अध्ययन ने संघर्ष और स्पष्टता के बीच एक दिलचस्प संबंध का खुलासा किया। शोधकर्ताओं ने पाया कि जब सिफारिश देने वाले लोग कम असहमत हुए, तो सिस्टम एक छोटे, अधिक सटीक प्रमुख समूह पर सहमत हो सका। इसके विपरीत, जब नेटवर्क उच्च संघर्ष से भरा था, तो सिस्टम अधिक सतर्क हो गया, और एक थोड़ा बड़ा समूह पहचाना ताकि यह सुनिश्चित हो सके कि कोई भी महत्वपूर्ण चीज़ छूट न जाए। यह व्यवहार बताता है कि टीम के भीतर असहमति का स्तर अपने आप में एक उपयोगी संकेत है। शोधकर्ताओं ने यह भी खोजा कि लोग अपनी प्राथमिकताएं कैसे व्यक्त करते हैं, यह बहुत मायने रखता है। उन्होंने इनपुट लेने के तीन अलग-अलग तरीकों का परीक्षण किया: वस्तुओं को क्रम में रैंक करना, उन्हें एक स्कोर देना, या निश्चित संख्या में अंक वितरित करना। उन्होंने पाया कि इन विभिन्न तरीकों ने काफी अलग परिणाम दिए। उदाहरण के लिए, उच्च संघर्ष वाले नेटवर्क में, रैंकिंग सिस्टम से स्कोरिंग सिस्टम में बदलने से वे आवश्यकताएं पूरी तरह से बदल गईं जिन्हें सबसे महत्वपूर्ण माना गया था।

शायद सबसे महत्वपूर्ण खोज यह थी कि इनपुट प्रदान करने के लिए चुना गया विशिष्ट समूह परियोजना की प्राथमिकताओं के परिणाम को बदल देता है। जब शोधकर्ताओं ने पूरे भीड़ (हितधारकों) द्वारा निर्धारित प्राथमिकताओं की तुलना उनके द्वारा पहचाने गए "प्रमुख" हितधारकों द्वारा निर्धारित प्राथमिकताओं से की, तो परिणाम अक्सर सांख्यिकीय रूप से भिन्न थे। इसका मतलब है कि केवल प्रभावशाली लोगों की राय पर भरोसा करने से उन लक्ष्यों के सेट के बजाय अलग लक्ष्य प्राप्त हो सकते हैं जो पूरी भीड़ की राय पर आधारित होते हैं। कुछ मामलों में, "भीड़" ने उन विशेषताओं को प्राथमिकता दी जिनमें प्रमुख हितधारकों को कोई दिलचस्पी नहीं थी, और इसके विपरीत भी। अध्ययन सुझाव देता है कि यदि कोई टीम यह सावधानी से फ़िल्टर नहीं करती है कि किसे सुनना है, तो वे ऐसा सॉफ्टवेयर बनाने का जोखिम उठाते हैं जो बहुतों को संतुष्ट करता है लेकिन उन कुछ लोगों को विफल कर देता है जो वास्तव में परियोजना की सफलता को संचालित करते हैं।

शोधकर्ताओं ने निष्कर्ष निकाला कि उनका दृष्टिकोण सही लोगों को सुनने के लिए एक व्यावहारिक, स्वचालित तरीका प्रदान करता है, जो एक अव्यवस्थित, व्यक्तिपरक प्रक्रिया को एक संरचित, मात्रात्मक प्रक्रिया में बदल देता है। उन्होंने यह दावा नहीं किया कि उन्होंने सॉफ्टवेयर विकास की हर समस्या को हल कर लिया है, लेकिन उन्होंने प्रदर्शित किया कि संघर्ष का प्रबंधन करना केवल चीजों को सुचारू बनाना नहीं है; बल्कि उस संघर्ष का उपयोग यह परिष्कृत करने के लिए करना है कि कौन महत्वपूर्ण है। हितधारकों की राय को ऐसे डेटा के रूप में मानकर जिसे संयोजित और विश्लेषित किया जा सकता है, टीमें अंतर्ज्ञान से आगे बढ़ सकती हैं और एक स्पष्ट आम सहमति के आधार पर निर्णय ले सकती हैं। यह कार्य इस बात पर प्रकाश डालता है कि आधुनिक सॉफ्टवेयर परियोजनाओं के जटिल जाल में, यह जानना कि किसे सुनना है, यह जानने जितना ही महत्वपूर्ण है कि क्या बनाना है। यह अध्ययन एक अनुस्मारक के रूप में कार्य करता है कि एक सफल परियोजना का मार्ग अक्सर एक फीचर लिस्ट से नहीं, बल्कि उसके पीछे के मानवीय नेटवर्क की सटीक समझ से शुरू होता है।