उत्पादन का कारक बना डेटा: डिजिटल अर्थव्यवस्था का नया तेल (UPSC अर्थव्यवस्था)

अर्थशास्त्र की हर कक्षा लगभग एक ही बात से शुरू होती है: उत्पादन के चार कारक होते हैं। भूमि, श्रम, पूँजी और उद्यमिता। इन चार इनपुट को मिलाकर आप रोटी से लेकर स्टील मिल तक कुछ भी बना सकते हैं। यह सूची करीब 200 साल पुरानी है और ज़्यादातर समय ठीक भी बैठती रही। लेकिन आज किसी स्क्रीन के सामने बैठिए, तो पाँचवाँ कारक चुपचाप अपना काम करता दिखेगा। आपने जो कैब बुक की, जो लोन आपको ऑफर हुआ, उसके बाद बजा गाना और आपको दिखाई गई क़ीमत, इनमें से कोई भी चीज़ सिर्फ़ भूमि, श्रम या पूँजी से नहीं बनी। इनके पीछे डेटा था: आपकी छोड़ी हुई डिजिटल छाप, जिसे इकट्ठा करके साफ़ किया गया और एल्गोरिद्म में चलाया गया। पिछले दशक में कहीं न कहीं डेटा अर्थव्यवस्था का उप-उत्पाद रहना बंद हुआ और उसका इनपुट बन गया।

इसी बदलाव की वजह से “डेटा नया तेल है” डिजिटल दौर का नारा बना। इसी वजह से बीजिंग से ब्रसेल्स और नई दिल्ली तक सरकारें बहस कर रही हैं कि डेटा का मालिक कौन है, उसका इस्तेमाल कौन कर सकता है और मुनाफ़ा किसे मिलेगा। UPSC अभ्यर्थी के लिए यह कोई दूर की भविष्यवादी बात नहीं है। यह GS पत्र 3 के अर्थव्यवस्था और विज्ञान-प्रौद्योगिकी वाले हिस्सों के बीच बैठता है और डेटा अर्थव्यवस्था को निजता, प्रतियोगिता, डिजिटल शासन और भारत के डेटा-सुरक्षा कानून से जोड़ता है। इसे समझने का सही तरीका है कि डेटा को उत्पादन के किसी भी कारक की तरह देखें: यह क्या है, कैसे काम करता है, इसकी कीमत कैसे बनती है और इसे नियंत्रित किसे करना चाहिए?

डेटा को उत्पादन का कारक कहने का मतलब क्या है?

पहले परिभाषा समझिए, क्योंकि यह वाक्य अक्सर ढीले ढंग से इस्तेमाल होता है। उत्पादन का कारक वह इनपुट है जिसका इस्तेमाल वस्तुएँ और सेवाएँ बनाने में होता है और जिससे कोई रिटर्न मिलता है। भूमि से किराया, श्रम से मज़दूरी, पूँजी से ब्याज और इन्हें मिलाकर जोखिम उठाने वाले उद्यमी को मुनाफ़ा मिलता है। डेटा को पाँचवाँ कारक कहने का मतलब है कि अब वह भी इसी तरह काम करता है: कंपनियाँ उसे हासिल करती हैं, उसमें निवेश करती हैं, उसे दूसरे इनपुट के साथ मिलाती हैं और ऐसा रिटर्न कमाती हैं जो डेटा के बिना नहीं बनता। बैंक आपके लेन-देन के इतिहास को क्रेडिट स्कोर में बदलता है, रिटेलर अनुमान लगाता है कि आप अगली बार क्या खरीदेंगे या बीमा कंपनी आपके ड्राइविंग डेटा से पॉलिसी की क़ीमत तय करती है। इन सभी मामलों में डेटा संयोग से मिली चीज़ नहीं, उत्पादन का इनपुट है।

अब यह सिर्फ़ किताबों में लिखा दावा नहीं रहा। सरकारें इसे अपनी नीतियों में जगह देने लगी हैं। 2020 में चीन ने भूमि, श्रम, पूँजी और तकनीक के साथ डेटा को भी औपचारिक रूप से “उत्पादन का कारक” माना, जिसकी क़ीमत और बँटवारा बाज़ार के ज़रिए हो सकता है। किसी बड़ी अर्थव्यवस्था ने डेटा को यह आधिकारिक दर्जा पहली बार दिया था। इसके पीछे विचार यह है कि पुरानी चार चीज़ों से अकेले आधुनिक अर्थव्यवस्था नहीं चल सकती। डिजिटल बाज़ार में डेटा के बिना बहुत कम कारोबार शेड्यूल, लक्ष्य, क़ीमत और निजीकरण कर सकते हैं। जिन कंपनियों के पास सबसे उपयोगी डेटा है, यानी बड़े प्लेटफ़ॉर्म, वे दुनिया की सबसे क़ीमती कंपनियों में इसलिए हैं कि वे बहुत कुछ जानती हैं, न कि इसलिए कि उनके पास बहुत ज़मीन या मशीनें हैं। जब किसी कंपनी की असली ताकत उसके पास मौजूद डेटा हो, तो अर्थशास्त्री उसे पूँजी कहने लगते हैं। यही पाँचवाँ कारक है।

लेकिन एक सावधानी याद रखिए, जिसे परीक्षक पसंद करते हैं: डेटा ने पुराने चार कारकों की जगह नहीं ली, वह उनके साथ जुड़ा है और अकेले कुछ नहीं कर सकता। डेटा को अब भी पूँजी, जैसे सर्वर, क्लाउड और चिप्स; श्रम, जैसे डेटा वैज्ञानिक और एनोटेटर; और इन्हें मिलाने वाले उद्यमी की ज़रूरत होती है। इसलिए डेटा को बाकी सब से अलग खड़े पाँचवें इनपुट के बजाय एक नए तरह की पूँजी, यानी अमूर्त संपत्ति (intangible asset), समझना बेहतर है। यह तकनीक, ख़ासकर कृत्रिम बुद्धिमत्ता यानी AI, से भी गहराई से जुड़ा है। AI ही कच्चे डेटा को उपयोगी मूल्य में बदलता है। इसलिए उत्तर में सबसे सुरक्षित बात यह होगी: डेटा उत्पादन का उभरता हुआ कारक है, जिसे सबसे स्वाभाविक रूप से अमूर्त पूँजी माना जा सकता है और जो डिजिटल अर्थव्यवस्था में मूल्य बनाने के लिए ज़रूरी हो गया है।

डेटा अर्थव्यवस्था और डेटा मूल्य श्रृंखला

अब उस अर्थव्यवस्था को थोड़ा दूर से देखिए जिसे डेटा ने बनाया है। “डेटा अर्थव्यवस्था” उन गतिविधियों का पूरा जाल है जिसमें डेटा इकट्ठा करना, स्टोर करना, प्रोसेस करना, साझा करना और उससे कमाई करना ही मूल्य का स्रोत है। इसमें डेटा जुटाने वाले प्लेटफ़ॉर्म, उसे साफ़ और उपयोगी बनाने वाली एनालिटिक्स कंपनियाँ और उस पर कार्रवाई करने वाले कारोबार शामिल हैं। इसका कच्चा माल इतनी बड़ी मात्रा में बन रहा है कि उसे समझ पाना इंसानी दिमाग़ के लिए मुश्किल है। शोध संस्था IDC ने अनुमान लगाया था कि दुनिया का “वैश्विक डेटा-क्षेत्र” (global datasphere) 2025 तक करीब 175 ज़ेटाबाइट तक पहुँच जाएगा। एक ज़ेटाबाइट में एक ट्रिलियन गीगाबाइट होते हैं। अरबों फ़ोन, सेंसर और जुड़े हुए उपकरण हर सेकंड डेटा भेज रहे हैं, इसलिए यह मात्रा हर साल 20 प्रतिशत से भी ज़्यादा बढ़ रही है। इसमें से ज़्यादातर डेटा कभी इस्तेमाल ही नहीं होता। असली मूल्य उसे जमा करने में नहीं, उसे उपयोगी बनाने की क्षमता में है।

यह उपयोगी बनना डेटा मूल्य श्रृंखला में होता है। इसे एक पाइपलाइन की तरह देखना आसान है। सबसे पहले डेटा बनता है। यह आपके क्लिक, भुगतान, लोकेशन, सर्च और इंटरनेट ऑफ थिंग्स यानी IoT उपकरणों की रीडिंग से बनता है। फिर इसे इकट्ठा करके स्टोर किया जाता है, और यह काम बढ़ते हुए क्लाउड में हो रहा है। इसके बाद वह अहम चरण आता है जहाँ ज़्यादातर मूल्य बनता है: डेटा को प्रोसेस किया जाता है, यानी साफ़, व्यवस्थित, लेबल और दूसरे डेटा के साथ जोड़ा जाता है। कच्चा डेटा भी कच्चे तेल की तरह लगभग बेकार होता है, जब तक उसे साफ़ न किया जाए। फिर उसका विश्लेषण होता है। आज यह काम ज़्यादातर मशीन-लर्निंग मॉडल करते हैं, जो ऐसे पैटर्न खोज लेते हैं जिन्हें इंसान नहीं खोज सकता। अंत में डेटा का इस्तेमाल फैसला लेने, कोई उत्पाद बेचने, AI मॉडल को ट्रेन करने या सेवा के रूप में आगे बेचने के लिए होता है। हर चरण मूल्य जोड़ता है। सबसे ज़्यादा कमाई वही कंपनियाँ पकड़ती हैं जो इन चरणों में सबसे फ़ायदेमंद हिस्सों को नियंत्रित करती हैं, ख़ासकर वे प्लेटफ़ॉर्म जो बड़े पैमाने पर डेटा बनाते भी हैं और उसे उपयोगी भी बनाते हैं।

यहीं “तेल” वाली मिसाल काम भी आती है और उसकी सीमा भी दिखती है, जिस पर आगे आएँगे। डेटा का पाइपलाइन मॉडल, यानी बनना, साफ़ होना और इस्तेमाल होना, सचमुच तेल जैसा है। इससे यह भी समझ आता है कि कुछ ही कंपनियाँ क्यों हावी हो जाती हैं: जिसके पास कुएँ और रिफाइनरी हैं, उसके पास बाज़ार की ताकत होती है। भारत के लिए इसका मतलब बहुत ठोस है। 900 मिलियन से ज़्यादा इंटरनेट यूज़र और दुनिया की सबसे व्यस्त डिजिटल भुगतान व्यवस्था देश में बहुत सारा डेटा पैदा करती है। लेकिन ऐतिहासिक रूप से उस डेटा का बड़ा हिस्सा देश के बाहर साफ़ किया गया और उसका मूल्य भी वहीं पकड़ा गया। भारतीय नीति का एक बड़ा सवाल यही है कि इस मूल्य श्रृंखला और उससे मिलने वाला आर्थिक फ़ायदा देश में कैसे रखा जाए।

डेटा पूरी तरह नया तेल क्यों नहीं है?

“डेटा नया तेल है” एक शानदार नारा भी है और भटकाने वाली बात भी। अच्छे उत्तर में दोनों बातें साथ आनी चाहिए। यह मिसाल दो जगह काम करती है। तेल की तरह कच्चा डेटा भी तब तक लगभग बेकार है, जब तक उसे किसी उपयोगी चीज़ में साफ़ न किया जाए। दोनों के पीछे एक मूल्य श्रृंखला होती है। और 20वीं सदी के तेल की तरह डेटा भी अपने दौर के प्रमुख उद्योगों को चलाने वाला रणनीतिक संसाधन है। जो उसे नियंत्रित करता है, उसके हाथ में संपत्ति और ताकत दोनों जमा होती हैं। यहाँ तक मिसाल ठीक है। लेकिन जैसे ही इसे एक कदम आगे ले जाते हैं, यह टूट जाती है। अर्थशास्त्र का दिलचस्प हिस्सा इसी फ़र्क़ में है।

सबसे बड़ा फ़र्क़ यह है कि डेटा गैर-प्रतिद्वंद्वी (non-rival) है, जबकि तेल प्रतिद्वंद्वी है। तेल का एक बैरल एक बार और एक ही उपयोगकर्ता जला सकता है। ख़त्म होने के बाद वह ख़त्म ही है। इसके उलट एक ही डेटा सेट को अनगिनत लोग, एक ही समय पर, अनगिनत कामों के लिए इस्तेमाल कर सकते हैं और वह ख़त्म नहीं होता। अर्थशास्त्री Charles Jones और Christopher Tonetti के अनुसार गैर-प्रतिद्वंद्विता (non-rivalry) का मतलब है कि एक ही डेटा को एक साथ कई कामों में लगाया जा सकता है। इससे समाज को बहुत बड़ा संभावित फ़ायदा मिलता है, क्योंकि साझा किया गया डेटा कई बार मूल्य बना सकता है। तेल सीमित और ख़त्म होने वाला है। डेटा भरपूर है और ज़्यादा डेटा के साथ जोड़े जाने पर उसका मूल्य बढ़ भी सकता है। यही एक फ़र्क़ पूरी अर्थव्यवस्था की चिंता बदल देता है। तेल में डर है कि वह ख़त्म हो जाएगा। डेटा में डर यह है कि जिसके पास वह है, वही उसे बंद करके रख ले और जहाँ उससे सबसे ज़्यादा भलाई हो सकती है, वहाँ वह पहुँचे ही नहीं।

दूसरा फ़र्क़ मूल्य का है। कच्चे तेल के एक बैरल की बाज़ार क़ीमत साफ़ होती है। खुले बाज़ार में किसी व्यक्ति के डेटा की क़ीमत लगभग कुछ नहीं होती। उसका मूल्य तब बनता है, जब लाखों रिकॉर्ड को इकट्ठा करके साफ़ किया जाए और किसी काम से जोड़ा जाए। इसलिए डेटा का मूल्य अपने आप मौजूद नहीं होता। वह संदर्भ और दूसरे डेटा के साथ मेल से बनता है। तीसरी बात नेटवर्क प्रभाव (network effects) की है। किसी प्लेटफ़ॉर्म पर जितने ज़्यादा यूज़र आते हैं, वह उतना ज़्यादा डेटा जुटाता है, उसकी सेवा उतनी बेहतर होती है और नए यूज़र खिंचे चले आते हैं। यह चक्र डिजिटल बाज़ारों को तेल से कहीं तेज़ “विजेता-सब-ले-जाए” एकाग्रता की ओर ले जाता है। उत्तर में निष्कर्ष यह होना चाहिए: डेटा नया तेल तभी है, जब बात रणनीतिक मूल्य और उसे साफ़ करके उपयोगी बनाने की हो। अर्थशास्त्र में डेटा अब तक मापे गए संसाधनों जैसा नहीं है। यह गैर-प्रतिद्वंद्वी, बड़े पैमाने पर बढ़ सकने वाला और एकाधिकार की ओर झुकने वाला है। इसलिए इसके लिए भूमि या तेल वाले पुराने नियम काफ़ी नहीं होंगे।

मालिक कौन है: व्यक्तिगत, गैर-व्यक्तिगत डेटा और संपत्ति के रूप में डेटा

अगर डेटा उत्पादन का कारक है, तो अगला सीधा सवाल है: यह कारक किसका है? यहाँ उत्तर दो हिस्सों में बँटता है और इस फ़र्क़ को याद रखना चाहिए। व्यक्तिगत डेटा वह जानकारी है जिससे किसी व्यक्ति की पहचान हो सकती है, जैसे आपका नाम, लोकेशन, स्वास्थ्य रिकॉर्ड और ख़र्च। गैर-व्यक्तिगत डेटा बाकी सब है, या ऐसा व्यक्तिगत डेटा जिसमें पहचान बताने वाली जानकारी हटा दी गई हो। इसमें गुमनाम ट्रैफ़िक पैटर्न, मौसम और फ़सल का मिला-जुला डेटा, मशीन सेंसर की रीडिंग और गुमनाम लेन-देन के रुझान आ सकते हैं। दोनों से अलग तरह की समस्या पैदा होती है। व्यक्तिगत डेटा में मुख्य चिंता व्यक्ति को नुकसान से बचाने की है। गैर-व्यक्तिगत डेटा में सवाल यह है कि उससे मिलने वाला आर्थिक मूल्य कौन हासिल करेगा। यही डेटा-को-संपत्ति-मानने वाली बहस है।

भारत ने इस सवाल पर शुरुआती दौर में ही गंभीरता से सोचा। 2020 में इलेक्ट्रॉनिकी और सूचना प्रौद्योगिकी मंत्रालय (Ministry of Electronics and Information Technology) द्वारा बनाई गई और Infosys के सह-संस्थापक Kris Gopalakrishnan की अध्यक्षता वाली विशेषज्ञ समिति ने गैर-व्यक्तिगत डेटा शासन ढाँचे (Non-Personal Data Governance Framework) पर एक महत्वपूर्ण रिपोर्ट दी। उसका मुख्य तर्क यह था कि भारत में पैदा होने वाले गैर-व्यक्तिगत डेटा का आर्थिक और सार्वजनिक मूल्य है, इसलिए उसे कुछ निजी कंपनियों के भीतर बंद नहीं रहना चाहिए। समिति ने सुझाव दिया कि ऊँचे मूल्य वाले डेटा सेट को समुदाय या राष्ट्रीय संसाधन की तरह देखा जाए, एक तय सीमा से ऊपर डेटा संभालने वाली कंपनियों के लिए “डेटा कारोबार” की अलग श्रेणी बनाई जाए और ऐसा ढाँचा बने जिसमें कारोबार, सरकार और स्टार्टअप संप्रभुता, सार्वजनिक हित या आर्थिक उद्देश्य से ऐसे डेटा तक पहुँच माँग सकें। इसकी निगरानी गैर-व्यक्तिगत डेटा प्राधिकरण करती। तर्क यह था कि अगर डेटा उत्पादन का कारक है, तो कुछ पुरानी कंपनियों को उसकी पूरी आपूर्ति पर कब्ज़ा नहीं करने देना चाहिए, ठीक वैसे ही जैसे उन्हें पूरी ज़मीन या पूँजी पर कब्ज़ा नहीं करने दिया जा सकता।

यह ढाँचा अलग कानून के रूप में कभी लागू नहीं हुआ। अनिवार्य रूप से डेटा साझा कराने वाले इसके अधिक कड़े प्रस्तावों पर संपत्ति के अधिकार और व्यावहारिकता को लेकर आपत्तियाँ आईं। लेकिन मूल सवाल और ज़्यादा ज़रूरी हो गया है: क्या डेटा की क़ीमत लगाकर उसे बैलेंस शीट पर संपत्ति की तरह दिखाया जा सकता है, और गैर-व्यक्तिगत डेटा से बनने वाले मूल्य का मालिक कौन है? कृत्रिम बुद्धिमत्ता ने बड़े डेटा सेट को प्रतिस्पर्धा की ताकत बना दिया है, इसलिए यह सवाल अब और सामने आ गया है। आगे की पूरी बहस में एक तनाव चलता रहता है: कमाई बनाम शासन। आर्थिक सोच कहती है कि डेटा से कमाई होनी चाहिए, वह बहना चाहिए, कंपनियाँ उसका लेन-देन करें और बाज़ार उसकी क़ीमत तय करे। लोकतांत्रिक सोच कहती है कि डेटा को नियमों में बाँधना चाहिए, निजता बचानी चाहिए, एकाधिकार रोकना चाहिए और मूल्य देश में रखना चाहिए। भारत समेत ज़्यादातर देश दोनों काम साथ करने की कोशिश कर रहे हैं। डेटा नीति की हर बहस के बीच यही खिंचाव है।

भारत का डेटा ढाँचा: सुरक्षा, साझेदारी और डिजिटल सार्वजनिक बुनियादी ढाँचा

तो भारत इस नए उत्पादन कारक को नियंत्रित कैसे करता है? तीन हिस्से एक-दूसरे से जुड़ते हैं। पहला है सुरक्षा। Digital Personal Data Protection Act, 2023 भारत का पहला व्यापक निजता कानून है और यह व्यक्तिगत डेटा वाले हिस्से को नियंत्रित करता है। इसकी बुनियाद सहमति पर है। “डेटा न्यासी” (data fiduciary), यानी आपके डेटा को किस उद्देश्य और किस तरीके से प्रोसेस करना है यह तय करने वाली संस्था, को आपका डेटा इस्तेमाल करने से पहले साफ़ सूचना देनी और सहमति लेनी होगी। उसे डेटा सुरक्षित और सही रखना होगा, उद्देश्य पूरा होने के बाद उसे हटाना होगा और डेटा देखने, सुधारने और मिटाने के आपके अधिकार का सम्मान करना होगा। हर उल्लंघन पर ₹250 करोड़ तक के जुर्माने का प्रावधान है और इसे लागू कराने के लिए डेटा संरक्षण बोर्ड (Data Protection Board) है। सरकार को सीमा पार डेटा प्रवाह पर भी कुछ विवेक दिया गया है। यह डेटा स्थानीयकरण (data localisation) का शांत रूप है, जिसमें सुरक्षा और संप्रभुता के लिए कुछ डेटा भारत की सीमा के भीतर स्टोर या प्रोसेस किया जा सकता है। 2026 तक इसके नियम तय और चरणबद्ध तरीके से लागू किए जा रहे थे, यानी कानून काग़ज़ से अमल की ओर बढ़ रहा था।

दूसरा हिस्सा डेटा साझा करने और लोगों को सक्षम बनाने का है। यहीं भारत ने कुछ नया किया है। भारत के डिजिटल सार्वजनिक बुनियादी ढाँचे, यानी Aadhaar, UPI और डेटा-एक्सचेंज प्रणालियों की खुली सार्वजनिक “रेल”, जिन्हें मिलाकर India Stack कहा जाता है, के ज़रिए डेटा को सिर्फ़ प्लेटफ़ॉर्मों के लिए नहीं बल्कि आम लोगों के काम में लगाने की कोशिश हुई है। इसका प्रमुख विचार डेटा सशक्तिकरण और संरक्षण वास्तुकला, या DEPA (Data Empowerment and Protection Architecture), है। आपका डेटा जिस कंपनी ने इकट्ठा किया है, उसी के पास बंद रहने के बजाय DEPA आपको अपनी सहमति से उसे सुरक्षित तरीके से और किसी खास उद्देश्य के लिए अपनी पसंद के सेवा प्रदाता के साथ साझा करने देता है। वित्तीय क्षेत्र में यह RBI से नियंत्रित खाता एग्रीगेटरों (Account Aggregators) के ज़रिए चलता है। 2021 से ये संस्थाएँ लोगों को लोन या बेहतर वित्तीय उत्पाद लेने के लिए अपना सत्यापित बैंक और वित्तीय डेटा साझा करने देती हैं। इस तरह आपका डेटा कंपनी के शोषण की चीज़ भर नहीं रहता, वह आपके नियंत्रण वाली संपत्ति बन सकता है। उत्पादन के कारक के रूप में डेटा को व्यक्ति के हाथ में रखने की यही कोशिश है।

तीसरा हिस्सा वह आर्थिक लक्ष्य है जो बाकी दोनों को जोड़ता है। भारत डेटा और अपनी डिजिटल रेल को सिर्फ़ नियंत्रित करने की चीज़ नहीं, विकास का इंजन मानता है। NITI Aayog के अप्रैल 2026 में जारी DPI@2047 रोडमैप में अनुमान है कि डिजिटल सार्वजनिक बुनियादी ढाँचे का योगदान आज भारत के GDP के करीब 1 प्रतिशत से बढ़कर 2030 तक 4 प्रतिशत तक पहुँच सकता है। विश्लेषक व्यापक डिजिटल अर्थव्यवस्था को दशक के अंत तक भारत को $8 ट्रिलियन की अर्थव्यवस्था बनाने की कोशिश से जोड़ते हैं। यही वह लक्ष्य है जो डेटा को पूरे अर्थ में उत्पादन का कारक बनाता है: राज्य राष्ट्रीय उत्पादन के लिए इस इनपुट को जानबूझकर विकसित कर रहा है। आगे की चुनौती वही पुराना तनाव है, लेकिन अब राष्ट्रीय स्तर पर। नागरिकों की रक्षा और देश में मूल्य बनाए रखते हुए उस खुलेपन और डेटा प्रवाह को भी बनाए रखना होगा जो डिजिटल अर्थव्यवस्था को बढ़ने देता है।

आपके मुख्य परीक्षा उत्तर के लिए

यह GS पत्र 3 के लिए उपयोगी विषय है। इसमें भारतीय अर्थव्यवस्था, संसाधनों को जुटाना, विज्ञान-प्रौद्योगिकी और अर्थव्यवस्था का डिजिटलीकरण आता है। इसका संबंध स्वाभाविक रूप से शासन और डेटा निजता वाले GS पत्र 2 से भी जुड़ता है। डेटा अर्थव्यवस्था, डिजिटल सार्वजनिक बुनियादी ढाँचे, डेटा-सुरक्षा व्यवस्था या प्लेटफ़ॉर्मों के अर्थशास्त्र पर पूछे गए सवालों में इस सामग्री का इस्तेमाल हो सकता है। तकनीक, स्वतंत्रता और काम तथा संपत्ति के बदलते स्वरूप पर निबंध में भी यह समकालीन उदाहरण बन सकता है। यहाँ परीक्षक को सबसे ज़्यादा पसंद आता है कि आप अवधारणा पर पकड़ दिखाएँ: डेटा को किसी भी उत्पादन कारक की तरह समझाइए और फिर दिखाइए कि वह पुराने नियमों से कहाँ अलग है।

उत्तर कैसे बनाएँ?

शुरुआत डेटा को पुराने ढाँचे में रखकर कीजिए। चार कारकों के नाम लिखिए और फिर तर्क दीजिए कि डेटा उनसे जुड़ा उभरता हुआ पाँचवाँ कारक है, जिसे अमूर्त पूँजी समझना सबसे सही होगा। उत्तर को इस क्रम में आगे बढ़ाइए: डेटा को कारक क्या बनाता है, यानी वह ऐसा इनपुट है जिससे रिटर्न मिलता है → डेटा मूल्य श्रृंखला, यानी बनना, साफ़ होना और इस्तेमाल होना → “नया तेल” वाली मिसाल आधी सही क्यों है, क्योंकि डेटा को साफ़ करना ज़रूरी है लेकिन वह गैर-प्रतिद्वंद्वी और भरपूर है → व्यक्तिगत और गैर-व्यक्तिगत डेटा का फ़र्क़ → भारत की प्रतिक्रिया, जिसमें सुरक्षा के लिए DPDP Act, लोगों को सक्षम बनाने के लिए DEPA और DPI और विकास के लिए आर्थिक लक्ष्य शामिल हैं। अंत में मुख्य तनाव पर अपना फैसला दीजिए: डेटा से कमाई और डेटा का शासन। यह क्रम, यानी वर्गीकरण, विशेषताएँ, तुलना, चुनौती, शासन और मूल्यांकन, डेटा अर्थव्यवस्था से जुड़े लगभग हर सवाल में काम आ सकता है।

इन आम गलतियों से बचें

यह मत लिखिए कि डेटा ने भूमि, श्रम या पूँजी की जगह ले ली है। वह उनके साथ जुड़ा है और उन्हीं पर निर्भर है। “डेटा नया तेल है” को पूरी तरह सच मत मान लीजिए; अंक इस बात पर मिलेंगे कि आप मिसाल के टूटने की वजह, यानी गैर-प्रतिद्वंद्विता, प्रचुरता और संदर्भ से बनने वाला मूल्य, समझाते हैं या नहीं। व्यक्तिगत और गैर-व्यक्तिगत डेटा को एक न मानें, क्योंकि पूरा शासन-विवाद इसी सीमा पर टिका है। भारत के ढाँचे को सिर्फ़ DPDP Act तक सीमित न करें। DEPA, खाता एग्रीगेटर और Gopalakrishnan समिति भी लिखिए। और इसे सिर्फ़ तकनीक का विषय न बनाइए। असली सवाल अर्थशास्त्र का है: इनपुट का मालिक कौन है और उससे मिलने वाला रिटर्न कौन पकड़ता है?

एक छोटा उत्तर-ढाँचा

पारंपरिक कारक = भूमि + श्रम + पूँजी + उद्यमिता → डेटा उभरता हुआ पाँचवाँ कारक है, जिसे अमूर्त पूँजी समझना सबसे सही है और जो डिजिटल अर्थव्यवस्था के लिए ज़रूरी है → मूल्य श्रृंखला: बनना → साफ़ होना → विश्लेषण → इस्तेमाल (कच्चा डेटा ≈ कच्चा तेल, साफ़ होने तक लगभग बेकार) → “नया तेल” वाली बात सफ़ाई और रणनीतिक मूल्य पर सही है, लेकिन अर्थशास्त्र में गलत बैठती है (डेटा गैर-प्रतिद्वंद्वी, भरपूर, नेटवर्क प्रभाव से बढ़ने वाला और एकाधिकार की ओर झुकने वाला है) → मालिकाना फ़र्क़: व्यक्तिगत डेटा (व्यक्ति की रक्षा) बनाम गैर-व्यक्तिगत डेटा (मूल्य हासिल करना) → भारत: Gopalakrishnan NPD समिति (2020) → DPDP Act 2023 (सहमति, ₹250 करोड़ तक जुर्माना, स्थानीयकरण पर सरकारी विवेक) → DEPA + खाता एग्रीगेटर + DPI (DPI@2047: 2030 तक GDP के करीब 1% से करीब 4% तक) → मूल तनाव: डेटा से कमाई बनाम डेटा का शासन।

आरेख या फ़्लोचार्ट का विचार

एक सीधी क्षैतिज पाइपलाइन बनाइए: बनाना → जमा करना → संसाधित/साफ़ करना → विश्लेषण → इस्तेमाल। हर चरण के नीचे “₹ जोड़ा गया मूल्य” का एक छोटा ऊपर जाता हुआ तीर रखें। आउटपुट को एक साइड-बॉक्स में दो हिस्सों में बाँटें: “व्यक्तिगत डेटा → रक्षा” और “गैर-व्यक्तिगत डेटा → साझा/कमाई”। ऐसी प्रक्रिया और शाखा वाला साफ़ दृश्य पूरी बात एक नज़र में समझा देता है और समय के दबाव में जल्दी बनाया जा सकता है।

संतुलित निष्कर्ष की एक लाइन

अंकों के लिए उपयोगी लाइन यह हो सकती है: “डेटा उत्पादन का पाँचवाँ कारक बन गया है, लेकिन भूमि या तेल के उलट वह गैर-प्रतिद्वंद्वी और भरपूर है। इसलिए नीति का काम किसी सीमित संसाधन को बाँटना नहीं, बल्कि भरपूर संसाधन को न्यायपूर्ण तरीके से साझा करना है, ताकि अर्थव्यवस्था की डेटा से कमाई की चाह और नागरिक के उसे नियंत्रित करने के अधिकार के बीच संतुलन बन सके।”

डेटा को रटने के बजाय कैसे इस्तेमाल करें?

आपको पूरी स्प्रेडशीट नहीं, कुछ याद रखने लायक आधार चाहिए: चार कारक और डेटा वाला चार-प्लस-एक ढाँचा; पैमाना दिखाने के लिए करीब 175 ज़ेटाबाइट का वैश्विक डेटा-क्षेत्र; डेटा का गैर-प्रतिद्वंद्वी होना, जो सबसे ज़्यादा पूछे जाने लायक आर्थिक बिंदु है; DPDP Act 2023 में सहमति और ₹250 करोड़ तक जुर्माने की सीमा; और DPI@2047 का अनुमान कि डिजिटल बुनियादी ढाँचा 2030 तक GDP के करीब 1% से बढ़कर करीब 4% हो सकता है। इन बातों का स्रोत भी साफ़ लिखिए, जैसे “Gopalakrishnan समिति के अनुसार” या “DPDP Act, 2023 के तहत”। बिना संदर्भ के इधर-उधर आँकड़े भरने से उत्तर मज़बूत नहीं होता।

सामान्य प्रश्न

अभ्यास प्रश्न

प्रीलिम्स MCQ

1. अर्थशास्त्र में उत्पादन के कारकों के संदर्भ में निम्नलिखित पर विचार कीजिए:
   (a) चार पारंपरिक कारक भूमि, श्रम, पूँजी और उद्यमिता हैं
   (b) डेटा को उत्पादन का उभरता हुआ पाँचवाँ कारक कहा जा रहा है
   (c) डेटा दूसरे कारकों के बिना अपने आप वस्तुएँ और सेवाएँ बना सकता है
   (d) (a) और (b) दोनों सही हैं
   उत्तर: (d) चार पारंपरिक कारक भूमि, श्रम, पूँजी और उद्यमिता हैं और डेटा को अब उत्पादन का उभरता हुआ पाँचवाँ कारक माना जा रहा है। लेकिन डेटा पूँजी, श्रम और तकनीक के बिना कुछ नहीं बना सकता, इसलिए (c) गलत है।
2. “डेटा गैर-प्रतिद्वंद्वी है” का सबसे सही अर्थ निम्नलिखित में से क्या है?
   (a) किसी भी बाज़ार में डेटा का कोई व्यावसायिक मूल्य नहीं है
   (b) एक ही डेटा का इस्तेमाल कई यूज़र एक साथ कर सकते हैं और वह ख़त्म नहीं होता
   (c) किसी देश के सभी नागरिक डेटा के बराबर मालिक हैं
   (d) डेटा को कंपनियों के बीच कॉपी या स्थानांतरित नहीं किया जा सकता
   उत्तर: (b) गैर-प्रतिद्वंद्विता का मतलब है कि एक यूज़र द्वारा डेटा इस्तेमाल करने से दूसरे यूज़र उसी समय उसी डेटा का इस्तेमाल करने से नहीं रुकते। तेल जैसे प्रतिद्वंद्वी सामान में ऐसा नहीं होता, क्योंकि उसे इस्तेमाल करने पर वह ख़त्म हो जाता है।
3. 2020 में भारत के गैर-व्यक्तिगत डेटा शासन ढाँचे पर रिपोर्ट देने वाली विशेषज्ञ समिति की अध्यक्षता किसने की थी?
   (a) Nandan Nilekani
   (b) Kris Gopalakrishnan
   (c) Raghuram Rajan
   (d) K. V. Kamath
   उत्तर: (b) इलेक्ट्रॉनिकी और सूचना प्रौद्योगिकी मंत्रालय द्वारा बनाई गई इस समिति की अध्यक्षता Infosys के सह-संस्थापक Kris Gopalakrishnan ने की थी।
4. Digital Personal Data Protection Act, 2023 के तहत निम्नलिखित में से कौन-सी बात सही है?
   (a) “डेटा न्यासी” (data fiduciary) व्यक्तिगत डेटा को प्रोसेस करने का उद्देश्य और तरीका तय करता है
   (b) आम तौर पर व्यक्तिगत डेटा को प्रोसेस करने के लिए डेटा प्रधान (data principal) की सहमति ज़रूरी होती है
   (c) हर उल्लंघन पर अधिकतम जुर्माना ₹250 करोड़ तक हो सकता है
   (d) उपर्युक्त सभी
   उत्तर: (d) कानून डेटा न्यासी की भूमिका तय करता है, सहमति को आधार बनाता है और हर उल्लंघन पर ₹250 करोड़ तक के जुर्माने का प्रावधान करता है। इसमें कुछ वैध इस्तेमाल वाले अपवाद भी हैं।
5. भारत में डेटा सशक्तिकरण और संरक्षण वास्तुकला (DEPA) को वित्तीय क्षेत्र में मुख्य रूप से किन नियंत्रित संस्थाओं के ज़रिए लागू किया जाता है?
   (a) क्रेडिट रेटिंग एजेंसियाँ
   (b) खाता एग्रीगेटर
   (c) गैर-बैंकिंग वित्तीय कंपनियाँ
   (d) परिसंपत्ति पुनर्गठन कंपनियाँ
   उत्तर: (b) वित्तीय क्षेत्र में DEPA की सहमति-आधारित डेटा साझेदारी RBI से नियंत्रित खाता एग्रीगेटरों के ज़रिए चलती है। इनके माध्यम से व्यक्ति अपना वित्तीय डेटा सुरक्षित तरीके से अपनी पसंद के सेवा प्रदाता के साथ साझा कर सकता है।

मुख्य परीक्षा प्रश्न

1. “डेटा उत्पादन का पाँचवाँ कारक बन गया है।” उत्पादन के पारंपरिक कारकों और डेटा को आर्थिक रूप से अलग बनाने वाली विशेषताओं के संदर्भ में इस दावे की जाँच कीजिए। (15 अंक, 250 शब्द)
2. “डेटा नया तेल है” वाली मिसाल का आलोचनात्मक विश्लेषण कीजिए। यह किन तरीकों से डेटा अर्थव्यवस्था को समझने में मदद करती है और किन तरीकों से गुमराह करती है? (15 अंक, 250 शब्द)
3. व्यक्तिगत डेटा और गैर-व्यक्तिगत डेटा में अंतर स्पष्ट कीजिए। भारत के नीतिगत अनुभव के आधार पर गैर-व्यक्तिगत डेटा को आर्थिक संपत्ति मानने की चुनौतियों पर चर्चा कीजिए। (15 अंक, 250 शब्द)
4. Digital Personal Data Protection Act, 2023 से लेकर डेटा सशक्तिकरण और संरक्षण वास्तुकला तक भारत के डेटा-शासन ढाँचे का मूल्यांकन कीजिए। यह डेटा से कमाई और डेटा के शासन के बीच कितना अच्छा संतुलन बनाता है? (15 अंक, 250 शब्द)
5. “डेटा की गैर-प्रतिद्वंद्विता कमी की सामान्य समस्या को उलट देती है।” डिजिटल अर्थव्यवस्था में प्रतियोगिता, बाज़ार की एकाग्रता और सार्वजनिक नीति पर इस विशेषता के प्रभावों पर चर्चा कीजिए। (10 अंक, 150 शब्द)