How data scientists make an impact in BPO industry?

Around 1981, the term outsourcing entered our lexicons. Two decades later, we had the BPO boom in India, China, and the Philippines with every street corner magically sprouting call centers. Now in 2023, the industry is transitioning into an era of analytics, attempting to harness their sea of data towards profitability, efficiency, and improved customer experience.

The Information Ocean

The interaction between BPO agents and customers generates huge volumes of both structured and unstructured (text, audio) data. On the one hand, you have the call data that measures metrics such as the number of incoming calls, time taken to address issues, service levels, and the ratio of handled vs abandoned calls. On the other hand, you have customer data measuring satisfaction levels and sentiment.

Insights from this data can help deliver significant value for your business whether it’s around more call resolution, reduced call time & volume, agent & customer satisfaction, operational cost reduction, growth opportunities through cross-selling & upselling, or increased customer delight.

The trick is to find the balance between demand (customer calls) and supply (agents). An imbalance can often lead to revenue losses and inefficient costs and this is a dynamic that needs to be facilitated by processes and technology.

Challenges of Handling Data

When you are handling such sheer volumes of data, the challenges too can be myriad. Most of the clients wage a daily battle with managing these vast volumes, harmonizing internal and external data, and driving value through them. For those that have already embarked on their analytical journey, the primary goals are finding the relevance of what they built, driving scalability, and leveraging new-age predictive tools to drive ROI.

Delivering Business Value

The business value delivered from advanced Analytics in the BPO industry is unquestionable, exhaustive and primarily influences these key aspects:

1. Call Management

Planning agent resources based on demand (peak and off-peak) and skillsets accounting for how long they take to resolve issues can impact business costs. AI can help automate the process to help optimize costs. An automated and real-time scheduling and resource optimization tool that has led one of our BPO clients to a cost reduction of 15%.

2. Customer Experience

Call center analytics give agents access to critical data and insights to work faster and smarter, improve customer relationships and drive growth. Analytics can help understand the past behavior of a customer/similar customers and recommend products or services that will be most relevant, instead of generic offers. It can also predict which customers are likely to need proactive management. A real-time cross-selling analytics has led to a 20% increase in revenue.

3. Issue Resolution

First-call resolution refers to the percentage of cases that are resolved during the first call between the customer and the call center. Analytics can help automate the categorization process of contact center data by building a predictive model. This can help with a better customer servicing model achieved by appropriately capturing the nuances of customer chats with contact centers. This metric is extremely important as it helps in reducing the customer churn rate.

4. Agent Performance

Analytics on call-center agents can assist in segmenting those who had a low-resolution rate or were spending too much time on minor issues, compared with top-performing agents. This helps the call center resolve gaps or systemic issues, identify agents with leadership potential, and create a developmental plan to reduce attrition and increase productivity.

5. Call Routing

Analytics-based call routing is based on the premise that records of a customer’s call history or demographic profile can provide insight into which call center agent(s) has the right personality, conversational style, or combination of other soft skills to best meet their needs.

6. Speech Analytics

Detecting trends in customer interactions and analyzing audio patterns to read emotions and stress in a speaker’s voice can help reduce customer churn, boost contact center productivity, improve agent performance and reduce costs by 25%. AI tools have clients in predicting member dissatisfaction to achieve a 10% reduction in first complaints and 20% reduction in repeat complaints.

7. Chatbots and Automation

Thanks to the wonders of automation, we can now enhance the user experience to provide personalized attention to customers available 24/7/365. Reduced average call duration and wage costs improve profitability. Self-service channels such as the help center, FAQ page, and customer portals empower customers to resolve simple issues on their own while deflecting more cases for the company. 

बुआ की राखी

मेरी छोटी बुआ...!!

रक्षाबंधन का त्यौहार पास आते ही मुझे सबसे ज्यादा  जमशेदपुर (झारखण्ड )वाली बुआ जी की राखी के कूरियर का इन्तेज़ार रहता था.

कितना बड़ा पार्सल भेजती थी बुआ जी.

तरह-तरह के विदेशी ब्रांड वाले चॉकलेट,गेम्स, मेरे लिए कलर फूल ड्रेस , मम्मी के लिए साड़ी, पापाजी के लिए कोई ब्रांडेड शर्ट.

इस बार भी बहुत सारा सामान भेजा था उन्होंने.

पटना और  रामगढ़ वाली दोनों बुआ जी ने  भी रंग बिरंगी राखीयों के साथ बहुत सारे गिफ्टस भेजे थे.

बस रोहतास वाली जया बुआ की राखी हर साल की तरह एक साधारण से लिफाफे में आयी थी.

पांच राखियाँ, कागज के टुकड़े में लपेटे हुए रोली चावल और पचास का एक नोट.

मम्मी ने चारों बुआ जी के पैकेट डायनिंग टेबल पर रख दिए थे ताकि पापा ऑफिस से लौटकर एक नजर  अपनी बहनों की भेजी राखियां और तोहफे देख लें...

पापा रोज की तरह आते ही टी टेबल पर लंच बॉक्स का थैला और  लैपटॉप  की  बैग रखकर सोफ़े पर पसर गए थे.

"चारो दीदी की राखियाँ आ गयी है...

मम्मी ने  पापा के लिए किचन में चाय चढ़ाते हुए आवाज लगायी थी...

"जया का लिफाफा दिखाना जरा...

पापा जया बुआ की राखी का सबसे ज्यादा इन्तेज़ार करते थे और सबसे पहले उन्हीं की भेजी राखी कलाई में बांधते थे....

जया बुआ सारे भाई बहनो में सबसे छोटी थी पर एक वही थी जिसने विवाह के बाद से शायद कभी सुख नहीं देखा था.

विवाह के तुरंत बाद  देवर ने सारा व्यापार हड़प कर घर से बेदखल कर दिया था.

तबसे फ़ूफा जी की मानसिक हालत बहुत अच्छी नहीं थी. मामूली सी नौकरी कर थोड़ा बहुत कमाते थे .

बेहद मुश्किल से बुआ घर चलाती थी.

इकलौते बेटे श्याम को भी मोहल्ले के साधारण से स्कूल में डाल रखा था. बस एक उम्मीद सी लेकर बुआ जी किसी तरह जिये जा रहीं थीं...

जया बुआ के भेजे लिफ़ाफ़े को देखकर पापा कुछ सोचने लगे थे...

"गायत्री इस बार रक्षाबंधन के दिन हम सब सुबह वाली पैसेंजर ट्रेन से जया के घर रोहतास (बिहार )उसे बगैर बताए जाएंगे...

"जया दीदी के घर..!!

मम्मी तो पापा की बात पर एकदम से चौंक गयी थी...

"आप को पता  है न कि उनके घर मे कितनी तंगी है...

हम तीन लोगों का नास्ता-खाना भी जया दीदी के लिए कितना भारी हो जाएगा....वो कैसे सबकुछ मैनेज कर पाएगी.

पर पापा की खामोशी बता रहीं थीं उन्होंने जया बुआ के घर जाने का मन बना लिया है और घर मे ये सब को पता था कि पापा के निश्चय को बदलना बेहद मुश्किल होता है...

रक्षाबंधन के दिन सुबह वाली धनबाद टू डेहरी ऑन सोन पैसेंजर से हम सब रोहतास पहुँच गए थे.

बुआ घर के बाहर बने बरामदे में लगी नल के नीचे कपड़े धो रहीं थीं....

बुआ उम्र  में सबसे छोटी थी पर तंग हाली और रोज की चिंता फिक्र ने उसे सबसे उम्रदराज बना दिया था....

एकदम  पतली दुबली कमजोर सी काया. इतनी कम उम्र में चेहरे की त्वचा पर सिलवटें साफ़ दिख रहीं थीं...

बुआ की शादी का फोटो एल्बम मैंने कई बार देखा था. शादी में बुआ की खूबसूरती का  कोई ज़वाब  नहीं  था. शादी के बाद के ग्यारह वर्षो की परेशानियों ने बुआ जी को कितना बदल दिया था.

बेहद पुरानी घिसी सी साड़ी में बुआ को दूर से ही पापा मम्मी  कुछ क्षण देखे जा  रहे थे...

पापा की आंखे डब डबा सी गयी थी.

हम सब पर नजर पड़ते ही बुआ जी एकदम चौंक गयी थी.

उन्हें समझ नहीं आ रहा था कि वो कैसे और क्या प्रतिक्रिया दे.

अपने बिखरे बालों को सम्भाले या अस्त व्यस्त पड़े घर को दुरुस्त करे.उसके घर तो बर्षों से कोई मेहमान नहीं आया था...

वो तो जैसे जमाने पहले भूल चुकी थी कि मेहमानों को घर के अंदर आने को कैसे कहा जाता है...

बुआ जी के बारे मे सब बताते है कि बचपन से उन्हें साफ सफ़ाई और सजने सँवरने का बेहद शौक रहा था....

पर आज दिख रहा था कि अभाव और चिंता कैसे इंसान को अंदर से दीमक की तरह खा जाती है...

अक्सर बुआ जी को छोटी मोटी जरुरतों के लिए कभी किसी के सामने तो कभी किसी के सामने हाथ फैलाना होता था...

 हालात ये हो गए थे कि ज्यादातर रिश्तेदार उनका फोन उठाना बंद कर चुके थे.....

एक बस पापा ही थे जो अपनी सीमित तनख्वाह के बावजूद कुछ न कुछ बुआ को दिया करते थे...

पापा ने आगे बढ़कर सहम सी गयी अपनी बहन को गले से लगा लिया था.....

"भैया भाभी मन्नू तुम सब अचानक आज ?

सब ठीक है न...?

बुआ ने कांपती सी आवाज में पूछा था...

"आज वर्षों बाद मन हुआ राखी में तुम्हारे घर आने का..

तो बस आ गए हम सब...

पापा ने बुआ को सहज करते हुए कहा था.....

"भाभी आओ न अंदर....

 मैं चाय नास्ता लेकर आती हूं...

जया बुआ ने मम्मी के हाथों को अपनी ठण्डी हथेलियों में लेते हुए कहा था. 

"जया तुम बस बैठो मेरे पास. चाय नास्ता गायत्री देख लेगी."

हमलोग बुआ जी के घर जाते समय रास्ते मे रूककर बहुत सारी मिठाइयाँ और नमकीन ले गए थे......

मम्मी किचन में जाकर सबके लिए प्लेट लगाने लगी थी...

उधर बुआ कमरे में पुरानी फटी चादर बिछे खटिया पर अपने भैया के पास बैठी थीं....

बुआ जी का बेटा श्याम दोड़ कर फ़ूफा जी को बुला लाया था.

राखी बांधने का मुहूर्त शाम सात बजे तक का था.मम्मी अपनी ननद को लेकर मॉल चली गयी थी सबके लिए नए ड्रेसेस खरीदने और बुआ जी के घर के लिए किराने का सामान लेने के लिए....

शाम होते होते पूरे घर का हुलिया बदल गया था

नए पर्दे, बिस्तर पर नई चादर, रंग बिरंगे डोर मेट, और सारा परिवार नए ड्रेसेस पहनकर जंच रहा था.

न जाने कितने सालों बाद आज जया बुआ की रसोई का भंडार घर लबालब भरा हुआ था....

धीरे धीरे एक आत्म विश्वास सा लौटता दिख रहा था बुआ के चेहरे पर....

पर सच तो ये था कि उसे अभी भी सब कुछ स्वप्न सा लग रहा था....

बुआ जी ने थाली में राखियाँ सज़ा ली थी

मिठाई का डब्बा रख लिया था

जैसे ही पापा को तिलक करने लगी पापा ने बुआ को रुकने को कहा.

सभी आश्चर्यचकित  थे...

" दस मिनट  रुक जाओ तुम्हारी दूसरी बहनें भी बस पहुँचने वाली है. "

पापा ने मुस्कुराते हुए कहा तो सभी पापा को देखते रह गए....

तभी बाहर दरवाजे पर गाड़ियां के हॉर्न की आवाज सुनकर बुआ ,मम्मी और फ़ूफ़ा जी दोड़ कर बाहर आए तो तीनों बुआ का पूरा परिवार सामने था....

जया बुआ का घर मेहमानों से खचाखच भर गया था. 

महराजगंज वाली नीलम बुआ बताने लगी कि कुछ समय पहले उन्होंने पापा को कहा था कि क्यों न  सब मिलकर चारो धाम की यात्रा पर निकलते है...

बस पापा ने उस दिन तीनों बहनो को फोन किया कि अब चार धाम की यात्रा का समय आ गया है..

पापा की बात पर तीनों बुआ सहमत थी और सबने तय किया था कि इस बार जया के घर सब जमा होंगे और थोड़े थोड़े पैसे मिलाकर उसकी सहायता करेंगे.

जया बुआ तो बस एकटक अपनी बहनों और भाई के परिवार को देखे जा रहीं थीं....

कितना बड़ा सरप्राइस दिया था आज सबने उसे...

सारी बहनो से वो गले मिलती जा रहीं थीं...

सबने पापा को राखी बांधी....

ऐसा रक्षाबन्धन शायद पहली बार था सबके लिए...

रात एक बड़े रेस्त्रां में हम सभी ने डिनर किया....

फिर गप्पे करते जाने कब काफी रात हो चुकी थी....

अभी भी जया बुआ ज्यादा बोल नहीं रहीं थीं.

वो तो बस बीच बीच में छलक आते अपने आंसू पोंछ लेती थी.

बीच आंगन में ही सब चादर बिछा कर लेट गए थे...

जया बुआ पापा से किसी छोटी बच्ची की तरह चिपकी हुई थी...

 मानो इस प्यार और दुलार का उसे वर्षों से इन्तेज़ार था. 

बातें करते करते अचानक पापा को बुआ का शरीर एकदम ठंडा सा लगा तो  पापा घबरा गए थे...

सारे लोग जाग गए पर जया बुआ हमेशा के लिए सो गयी थी....

पापा की गोद में एक बच्ची की तरह लेटे लेटे वो विदा हो चुकी ..

पता नही कितने दिनों से बीमार थीं....

और आज तक किसी से कही भी नही थीं...

आज सबसे मिलने का ही आशा लिये जिन्दा थीं शायद...!!

तेरा मेरा रिश्ता

"उठो सुबह हो गई चाय नहीं पीनी"

"नहीं मैंने सुबह की चाय पीनी छोड़ दी है" 

"क्यों "

"जब तुम थी तो सुबह सुबह मेरे हाथ की बनी चाय पीती थी, हम दोनों खुली छत या बरांडे में  चाय की चुस्की लेते थे, परंतु अब नहीं"

" मगर क्यों ? "

"क्योंकि वो चाय नहीं प्यार का ही एक रूप था, तुम्हारे चले जाने के बाद, अब चाय की प्याली का क्या मतलब ? "

 "अरे ये क्या तुम बिस्तर झाड़ रहे हो,चादर ठीक कर रहे हो ?" "हां कर रहा हूं "

"मेरे होने पर तो नहीं करते थे"

"तब मैं यह काम तुम्हारा समझता था,एक बेफिक्री थी । अब तुम्हारे सारे काम में खुद ही करता हूं "

"बहुत सुधर गए हो, अब क्या करोगे ?"

" टहलने जाऊंगा "

"वहीं जहां मेरे साथ कभी कभी जाते थे"

" हां वही ढूंढता हूं तुम्हें ,लेकिन तुम मिलती ही नहीं, निराश होकर लौट आता हूं "

"फिर क्या करते हो ?

"थोड़ी देर बाद नहाने चला जाता हूं "

"इतनी सुबह सुबह पहले तो तुम 12:00 बजे के बाद नहाते थे तुम्हारे साथ साथ मेरी भी तो देर से नहाने की आदत हो गई थी"

"हां मगर अब सुबह ही नहा लेता हूं"

" क्यों ?"

"क्योंकि अब जिंदगी के मायने बदल गये हैं "

" नहाने के बाद क्या करते हो ?"

" पूजा करता हूं भगवान जी और तुम्हारे फोटो के सामने अगरबत्ती जलाता हूं "

"मेरे फोटो के सामने"

" हां " 

"किस लिए  ?"

"भगवान से प्रार्थना करता हूं कि वह तुम्हारी आत्मा को शांति प्रदान करें"और हर जन्म में मुझे तुम ही पत्नी के रूप में मिलो.

 "मेरा इतना ख्याल रखते हो,"

   "इतना प्यार करते हो मुझे"

" पहले भी रखता था बस तुम समझती नहीं थी"

" मैं भी तो रखती थी तुम ही कहां समझते थे"

" हां,कह तो ठीक ही रही हो" 

"अब क्या करोगे ? "

अब योग ,प्राणायाम आदि करूंगा "

 "मेरे सामने तो नहीं करते थे"

" तब मन शांत था, अब मन को शांत करना होता है"

" चाय भी नहीं पीई, कुछ खाया भी नहीं है ,नाश्ता नहीं करोगे ?"

"हां ,10:00 बजे करूंगा"

"अरे, नाश्ते में ये क्या खा रहे हो?"

" जो बना है "

"अब फरमाइश नहीं करते"

" नही अब बहुत कम, हाँ जब कभी तुम्हारी  बनाई डिश की याद आती है तो कभी कभी मांग लेता हूं"

" अक्सर क्यों नहीं ?"

"तुमसे ही तो करता था, क्योंकि तुम पर मेरा एक विशेष अधिकार था इसलिए ,उसमें भी अधिकतर तो तुम बिना कहे ही मेरी पसंद की डिश बना लाती थी"

" तो अब कहकर बनवा लिया करो "

"जो तुम बनाती थीं वो हर कोई थोड़े ही बना सकता है ? वैसे भी मेरे स्वाद और पसंद तो तुम्हारे साथ चले गए" 

"अच्छा,अब क्या करोगे ?"

"अब 2 घंटे मोबाइल चलाऊंगा"

तुम्हारे लिए कुछ लिखूंगा

"2 घंटे ? "

"क्यों ? ऊपर जाने के बाद भी मेरे मोबाइल से तुम्हारा बैर खत्म नहीं हुआ?"

" मैं,शुरु शुरु में ही तो टोका करती थी बाद में तो टोकना बंद कर दिया था"

" हां बंद तो कर दिया था , लेकिन तुम्हारे मन में मेरा मोबाइल हमेशा सौत ही बना रहा, बस दिखावे के लिए चुप रहती थी"

 "अच्छा अब लड़ो नहीं, चलो चला लो लिख लो"

" तुम तो 2 घण्टे से भी ज्यादा देर तक चलाते रहे "***

"हां ,तुम टोकने वाली नहीं थी ना" 

"अच्छा,अब भी उलाहना ,अब क्या करोगे ?"

" अब आंखें थक गई हैं थोड़ी देर आंखों को आराम दूंगा, आंख बंद करके लेटूंगा ।"

" अच्छा है आराम कर लो"

"अरे सोते ही रहोगे 2:30 बज गए तुम्हारा खाने का टाइम तो 12:00 बजे का है उठो खाना खा लो "

"अच्छा क्या बना है ?"

"पता नहीं "

"देखता हूं "

"यह सब्जी, यह तो तुम्हें बिल्कुल पसन्द नही थी "

"लेकिन ,अब पसन्द है "

" कैसे ?"

"क्योंकि जब तुम थी तो मुझे चैलेंज करती थी ना कि मैं ही हूं जो तुम्हारे सारे नखरे बर्दाश्त करती हूं ,मैं चली जाऊंगी तब पता चलेगा "

" अब तुम चली गई अपने साथ-साथ मेरे सारे नखरे और तुनक मिजाजी भी ले गई,अब तो मैं तुम्हारे सारे चैलेंज स्वीकार कर चुका हूं" 

"बहुत बदल गए हो

" गलत ,बदल नहीं गया हूं, असल में जो मैं था वह तो तुम साथ ले गई ,अब तो बस शरीर है सांसे चल रही है ,कब तक चलेंगी,पता नहीं "

"अरे देखो तुम्हारी कामवाली ने तुम्हारी पसंद का लाफिंग बुद्धा तोड़ दिया"

" टूट जाने दो "

"अरे,तुम्हें गुस्सा नहीं आया"

" नहीं अब मुझे गुस्सा नहीं आता"

" क्यों ?"

" क्योंकि गुस्सा तो अपनों पर आता है, तुम तोड़ती तो जरूर आता, इस पर कैसा गुस्सा ?"

" काश ! तुम मेरे होते हुए भी ऐसे ही होते हैं ?"

"हां, मैं भी यही सोचता हूं कि मैं तुम्हारे होते हुए ऐसा क्यों नहीं था ? क्यों हमने जिंदगी के कितने ही अमूल्य पल नोकझोंक अपने ईगो में गंवा दिए ?"

" मुझे याद करते हो ?"

" भूलता ही नहीं,तो याद करने की बात कहां से आ गई, हर समय मेरे चारों ओर जो घूमती रहती हो, "

" रात हो गयी है, चलो अब सो जाओ तुम्हारे सोने का समय हो गया है,"

" अच्छा ठीक है "

 "अरे ! सोते-सोते उठ कर कहां जा रहे हो ?"

"टीवी बंद कर दूँ ,अब तुम तो हो नहीं जो मेरे सोने के बाद बंद कर दोगी "

"मैं तो अब चाह कर भी तुम्हारी मदद नहीं कर सकती, तुम्हें छू भी नहीं सकती । चलो, दूर से ही थपकी देकर सुला देती हूँ "

 "चलो सुला दो, अब सो ही जाता हूं ...."

अगर इस कहानी का एक भी शब्द आपके मन को छुआ है अगर आंखे थोड़ी भी नम हुई हैं,तो अभी सही समय है अपने जीवनसाथी से क्षमा मांगने का अगर आप भी उस पर बात बात गुस्सा करते हैं, गले लगिए और मांग लीजिए अपनी हर गलती के लिए उससे माफी उसके जीते जी उसे बता दीजिए आप उससे कितना प्यार करते हैं,क्योंकि बो भी आपसे असीम प्रेम करती है 😢😢...❤...

Understanding the Lifecycle of Data Science

Data science is quickly evolving to be one of the hottest fields in the technology industry. With rapid advancements in computational performance that now allow for the analysis of massive datasets, we can uncover patterns and insights about user behavior and world trends to an unprecedented extent.

With the influx of buzzwords in the field of data science and relevant fields, a common question I’ve heard from friends is “Data science sounds pretty cool - how do I get started?” And so what started out as an attempt to explain it to a friend who wanted to get started with Kaggle projects has culminated in this post. I’ll give a brief overview of the seven steps that make up a data science lifecycle - business understanding, data mining, data cleaning, data exploration, feature engineering, predictive modeling, and data visualization. For each step, I will also provide some resources that I’ve found to be useful in my experience.

As a disclaimer, there are countless interpretations to the lifecycle (and to what data science even is), and this is the understanding that I have built up through my reading and experience so far. Data science is a quickly evolving field, and its terminology is rapidly evolving with it. If there’s something that you strongly disagree with, I’d love to hear about it!

1. Business Understanding

The data scientists in the room are the people who keep asking the why’s. They’re the people who want to ensure that every decision made in the company is supported by concrete data, and that it is guaranteed (with a high probability) to achieve results. Before you can even start on a data science project, it is critical that you understand the problem you are trying to solve.

According to Microsoft Azure’s blog, we typically use data science to answer five types of questions:

1. How much or how many? (regression)
2. Which category? (classification)
3. Which group? (clustering)
4. Is this weird? (anomaly detection)
5. Which option should be taken? (recommendation)

In this stage, you should also be identifying the central objectives of your project by identifying the variables that need to be predicted. If it’s a regression, it could be something like a sales forecast. If it’s a clustering, it could be a customer profile. Understanding the power of data and how you can utilize it to derive results for your business by asking the right questions is more of an art than a science, and doing this well comes with a lot of experience. One shortcut to gaining this experience is to read what other people have to say about the topic, which is why I’m going to suggest a bunch of books to get started.

2. Data Mining

Now that you’ve defined the objectives of your project, it’s time to start gathering the data. Data mining is the process of gathering your data from different sources. Some people tend to group data retrieval and cleaning together, but each of these processes is such a substantial step that I’ve decided to break them apart. At this stage, some of the questions worth considering are - what data do I need for my project? Where does it live? How can I obtain it? What is the most efficient way to store and access all of it?

If all the data necessary for the project is packaged and handed to you, you’ve won the lottery. More often than not, finding the right data takes both time and effort. If the data lives in databases, your job is relatively simple - you can query the relevant data using SQL queries, or manipulate it using a dataframe tool like Pandas. However, if your data doesn’t actually exist in a dataset, you’ll need to scrape it. Beautiful Soup is a popular library used to scrape web pages for data. If you’re working with a mobile app and want to track user engagement and interactions, there are countless tools that can be integrated within the app so that you can start getting valuable data from customers. Google Analytics, for example, allows you to define custom events within the app which can help you understand how your users behave and collect the corresponding data.

3. Data Cleaning

Now that you’ve got all of your data, we move on to the most time-consuming step of all - cleaning and preparing the data. This is especially true in big data projects, which often involve terabytes of data to work with. According to interviews with data scientists, this process (also referred to as ‘data janitor work’) can often take 50 to 80 percent of their time. So what exactly does it entail, and why does it take so long?

The reason why this is such a time consuming process is simply because there are so many possible scenarios that could necessitate cleaning. For instance, the data could also have inconsistencies within the same column, meaning that some rows could be labelled 0 or 1, and others could be labelled no or yes. The data types could also be inconsistent - some of the 0s might integers, whereas some of them could be strings. If we’re dealing with a categorical data type with multiple categories, some of the categories could be misspelled or have different cases, such as having categories for both male and Male. This is just a subset of examples where you can see inconsistencies, and it’s important to catch and fix them in this stage.

One of the steps that is often forgotten in this stage, causing a lot of problems later on, is the presence of missing data. Missing data can throw a lot of errors in the model creation and training. One option is to either ignore the instances which have any missing values. Depending on your dataset, this could be unrealistic if you have a lot of missing data. Another common approach is to use something called average imputation, which replaces missing values with the average of all the other instances. This is not always recommended because it can reduce the variability of your data, but in some cases it makes sense.

4. Data Exploration

Now that you’ve got a sparkling clean set of data, you’re ready to finally get started in your analysis. The data exploration stage is like the brainstorming of data analysis. This is where you understand the patterns and bias in your data. It could involve pulling up and analyzing a random subset of the data using Pandas, plotting a histogram or distribution curve to see the general trend, or even creating an interactive visualization that lets you dive down into each data point and explore the story behind the outliers.

Using all of this information, you start to form hypotheses about your data and the problem you are tackling. If you were predicting student scores for example, you could try visualizing the relationship between scores and sleep. If you were predicting real estate prices, you could perhaps plot the prices as a heat map on a spatial plot to see if you can catch any trends.

5. Feature Engineering

In machine learning, a feature is a measurable property or attribute of a phenomenon being observed. If we were predicting the scores of a student, a possible feature is the amount of sleep they get. In more complex prediction tasks such as character recognition, features could be histograms counting the number of black pixels.

According to Andrew Ng, one of the top experts in the fields of machine learning and deep learning, “Coming up with features is difficult, time-consuming, requires expert knowledge. ‘Applied machine learning’ is basically feature engineering.” Feature engineering is the process of using domain knowledge to transform your raw data into informative features that represent the business problem you are trying to solve. This stage will directly influence the accuracy of the predictive model you construct in the next stage.

We typically perform two types of tasks in feature engineering - feature selection and construction.

Feature selection is the process of cutting down the features that add more noise than information. This is typically done to avoid the curse of dimensionality, which refers to the increased complexity that arises from high-dimensional spaces (i.e. way too many features). I won’t go too much into detail here because this topic can be pretty heavy, but we typically use filter methods (apply statistical measure to assign scoring to each feature), wrapper methods (frame the selection of features as a search problem and use a heuristic to perform the search) or embedded methods (use machine learning to figure out which features contribute best to the accuracy).

Feature construction involves creating new features from the ones that you already have (and possibly ditching the old ones). An example of when you might want to do this is when you have a continuous variable, but your domain knowledge informs you that you only really need an indicator variable based on a known threshold. For example, if you have a feature for age, but your model only cares about if a person is an adult or minor, you could threshold it at 18, and assign different categories to instances above and below that threshold. You could also merge multiple features to make them more informative by taking their sum, difference or product. For example, if you were predicting student scores and had features for the number of hours of sleep on each night, you might want to create a feature that denoted the average sleep that the student had instead.

6. Predictive Modeling

Predictive modeling is where the machine learning finally comes into your data science project. I use the term predictive modeling because I think a good project is not one that just trains a model and obsesses over the accuracy, but also uses comprehensive statistical methods and tests to ensure that the outcomes from the model actually make sense and are significant. Based on the questions you asked in the business understanding stage, this is where you decide which model to pick for your problem. This is never an easy decision, and there is no single right answer. The model (or models, and you should always be testing several) that you end up training will be dependent on the size, type and quality of your data, how much time and computational resources you are willing to invest, and the type of output you intend to derive. There are a couple of different cheat sheets available online which have a flowchart that helps you decide the right algorithm based on the type of classification or regression problem you are trying to solve. The two that I really like are the Microsoft Azure Cheat Sheet and SAS Cheat Sheet.

Once you’ve trained your model, it is critical that you evaluate its success. A process called k-fold cross validation is commonly used to measure the accuracy of a model. It involves separating the dataset into k equally sized groups of instances, training on all the groups except one, and repeating the process with different groups left out. This allows the model to be trained on all the data instead of using a typical train-test split.

For classification models, we often test accuracy using PCC (percent correct classification), along with a confusion matrix which breaks down the errors into false positives and false negatives. Plots such as as ROC curves, which is the true positive rate plotted against the false positive rate, are also used to benchmark the success of a model. For a regression model, the common metrics include the coefficient of determination (which gives information about the goodness of fit of a model), mean squared error (MSE), and average absolute error.

7. Data Visualization

Data visualization is a tricky field, mostly because it seems simple but it could possibly be one of the hardest things to do well. That’s because data viz combines the fields of communication, psychology, statistics, and art, with an ultimate goal of communicating the data in a simple yet effective and visually pleasing way. Once you’ve derived the intended insights from your model, you have to represent them in way that the different key stakeholders in the project can understand.

Again, this is a topic that could be a blog post on its own, so instead of diving deeper into the field of data visualization, I will give a couple of starting points. I personally love working through the analysis and visualization pipeline on an interactive Python notebook like Jupyter, in which I can have my code and visualizations side by side, allowing for rapid iteration with libraries like Seaborn and Bokeh. Tools like Tableau and Plotly make it really easy to drag-and-drop your data into a visualization and manipulate it to get more complex visualizations. If you’re building an interactive visualization for the web, there is no better starting point than D3.js.

8. Business Understanding

Phew. Now that you’ve gone through the entire lifecycle, it’s time to go back to the drawing board. Remember, this is a cycle, and so it’s an iterative process. This is where you evaluate how the success of your model relates to your original business understanding. Does it tackle the problems identified? Does the analysis yield any tangible solutions? If you encountered any new insights during the first iteration of the lifecycle (and I assure you that you will), you can now infuse that knowledge into the next iteration to generate even more powerful insights, and unleash the power of data to derive phenomenal results for your business or project.

---

If you think this helped your understanding of what a data science lifecycle is, feel free to share it with someone you think might benefit from reading it. I think that data science is a really exciting field that has an immense potential to revolutionize the way we make decisions and uncover insights that were previously hidden, and I strongly believe that speaking the language of data is a necessary skill in today’s workplace regardless of what field you’re in. If you have any thoughts on this, or have any links or resources that I can add to this post, contact me on krantigaurav@gmail.com

एक प्रेरणादायक कहानी

बहुत समय पहले की बात है एक विख्यात ऋषि गुरुकुल में बालकों को शिक्षा प्रदान किया करते थे. उनके गुरुकुल में बड़े-बड़े राजा महाराजाओं के पुत्रों से लेकर साधारण परिवार के लड़के भी पढ़ा करते थे।

वर्षों से शिक्षा प्राप्त कर रहे शिष्यों की शिक्षा आज पूर्ण हो रही थी और सभी बड़े उत्साह के साथ अपने अपने घरों को लौटने की तैयारी कर रहे थे कि तभी ऋषिवर की तेज आवाज सभी के कानों  में पड़ी ,

“आप सभी मैदान में एकत्रित हो जाएं।”

आदेश सुनते ही शिष्यों ने ऐसा ही किया।

ऋषिवर बोले, “प्रिय शिष्यों, आज इस गुरुकुल में आपका अंतिम दिन है. मैं चाहता हूँ कि यहाँ से प्रस्थान करने से पहले आप सभी एक दौड़ में हिस्सा लें.

यह एक बाधा दौड़ होगी और इसमें आपको कहीं कूदना तो कहीं पानी में दौड़ना होगा और इसके आखिरी हिस्से में आपको एक अँधेरी सुरंग से भी गुजरना पड़ेगा.”*l

तो क्या आप सब तैयार हैं?”

”हाँ, हम तैयार हैं,” शिष्य एक स्वर में बोले.

दौड़ शुरू हुई.

सभी तेजी से भागने लगे. वे तमाम बाधाओं को पार करते हुए अंत में सुरंग के पास पहुंचे. वहाँ बहुत अँधेरा था और उसमें जगह – जगह नुकीले पत्थर भी पड़े थे जिनके चुभने पर असहनीय पीड़ा का अनुभव होता था.

सभी असमंजस में पड़ गए , जहाँ अभी तक दौड़ में सभी एक सामान बर्ताव कर रहे थे वहीं अब सभी अलग -अलग व्यवहार करने लगे ; खैर, सभी ने ऐसे-तैसे दौड़ ख़त्म की और ऋषिवर के समक्ष एकत्रित हुए।“पुत्रों ! मैं देख रहा हूँ कि कुछ लोगों ने दौड़ बहुत जल्दी पूरी कर ली और कुछ ने बहुत अधिक समय लिया, भला ऐसा क्यों ?” ऋषिवर ने प्रश्न किया।

यह सुनकर एक शिष्य बोला, “गुरु जी, हम सभी लगभग साथ –साथ ही दौड़ रहे थे पर सुरंग में पहुचते ही स्थिति बदल गयी… कोई दुसरे को धक्का देकर आगे निकलने में लगा हुआ था तो कोई संभल -संभल कर आगे बढ़ रहा था …और कुछ तो ऐसे भी थे जो पैरों में चुभ रहे पत्थरों को उठा -उठा कर अपनी जेब में रख ले रहे थे ताकि बाद में आने वाले लोगों को पीड़ा ना सहनी पड़े…. इसलिए सब ने अलग-अलग समय में दौड़ पूरी की."

“ठीक है ! जिन लोगों ने पत्थर उठाये हैं वे आगे आएं और मुझे वो पत्थर दिखाएँ,” ऋषिवर ने आदेश दिया.

आदेश सुनते ही कुछ शिष्य सामने आये और पत्थर निकालने लगे. पर ये क्या जिन्हे वे पत्थर समझ रहे थे दरअसल वे बहुमूल्य हीरे थे. सभी आश्चर्य में पड़ गए और ऋषिवर की तरफ देखने लगे.

“मैं जानता हूँ आप लोग इन हीरों को देखकर आश्चर्य में पड़ गए हैं.” ऋषिवर बोले।

“दरअसल इन्हे मैंने ही उस सुरंग में डाला था और यह दूसरों के विषय में सोचने वालों शिष्यों को मेरा इनाम है।”

पुत्रों यह दौड़ जीवन की भागम -भाग को दर्शाती है, जहाँ हर कोई कुछ न कुछ पाने के लिए भाग रहा है. पर अंत में वही सबसे समृद्ध होता है जो इस भागम -भाग में भी दूसरों के बारे में सोचने और उनका भला करने से नहीं चूकता है.

अतः यहाँ से जाते -जाते इस बात को गाँठ बाँध लीजिये कि आप अपने जीवन में सफलता की जो इमारत खड़ी करें उसमे परोपकार की ईंटे लगाना कभी ना भूलें, अंततः वही आपकी सबसे अनमोल जमा-पूँजी होगी।” 🙏🙏

रिश्तों के टुकड़े सँजोती बहु

रिश्तों के टुकड़े सँजोती बहु

चालीस पार मोहन ने आखिर अपने आँफिस की सहकर्मी सुधा से शादी कर ही ली....सुधा जहां एक अनाथ लडकी थी अपने चाचा चाची के पास पली बडी वही दूसरी ओर मोहन की केवल माताजी है पिताजी का स्वर्गवास उसके छोटी उम्र मे ही हो गया था ....

सुधा ने आते ही घर का सारा काम बहुत अच्छे से संभाल लिया ....वह अपनी बीमार सासूमां का अच्छे से ख्याल रखती..... लेकिन शादी के बीते एक साल बाद उसने एक आदत बना ली थी वो अब अपनी सासूंमां के पास बैठकर कुछ नहीं खाती थी पहले तो दोनों सास-बहू साथ में ही खाना खाती थी.... सुधा की सास सुषमा जी पहले रसोई के काम में हाथ भी बंटवाती थी इसलिए उनको सब पता होता था कि रसोई में किस डब्बे में क्या रखा है लेकिन अब बीमारी के कारण वो रसोई में भी नही जा पाती थी....मां जी.... ये लीजीए चाय-बिस्किट....

शाम को हाल में अपनी सास सुषमा जी को चाय-बिस्किट पकड़ाकर सुधा खुद थोड़ा दूर अपनी चाय लेकर पीने बैठ गई.... वो एक लाल रंग के डब्बे में से निकालकर खुद भी कुछ खा रही थी सुधा को कुछ खाता देख उसकी सास सोंच रही थी....पता नही ....ये सुधा बहु मुझे बिस्किट देकर खुद क्या खा रही है....

मै तो उठ कर देख नही सकती.... ओह....शाायद इसी बात का फायदा उठाती है.... सुषमाजी के सास के दिमाग की घंटी टन- टन बजने लगी....

"जरूर कुछ अच्छा हीं खा रही होगी तभी तो मुझसे दूर बैठती है....मुई..... बुढ़ापे में ये आंखेें भी तो कमजोर हो गई है साफ साफ कुछ दिखता भी नही रात को भी चैन नहीं मिल रहा था कभी तो सोचती .... छोड़ो ना कुछ भी हो....मुझे तो समय पर सब कुछ मिल ही जाता है...लेकिन दूसरे ही पल मन में आता अरे....ऐसे कैसे छोड़ दूं आखिर पता तो चले डिब्बे में क्या है....आखिर उनसे रहा नहीं गया तो टसकते- मसकते पहुंच हीं गई रसोई में....मन ही मन बुदबुदाए जा रही थी... "कौन सा डब्बा था हां ...लाल रंग का था..... मिल गया....लेकिन थोड़ा ऊपर है हाथ हीं नहीं आ रहा कांपते हाथों से उतारने की कोशिश कर रहीं थीं कि डिब्बा धड़ाम से नीचे गिर गया..ध..डा..म...हे भगवान.... ये क्या....ये टुकड़े किस चीज के है....

इतनी देर में सुधा और मोहन आवाज सुनकर भागते हुए आए.....क्या हुआ मांजी.... कुछ चाहिए क्या...सुधा बोली... हां..... बहु.... वो ....दवाई से मुंह कड़वा हो गया था इसलिए शक्कर का डिब्बा ढूंढ रहा थी... सकपकाते हुए सुषमा जी ने कहा मांजी....मुझे बोल दिया होता......एक आवाज दी होती ....खैर कल से मैं आपके कमरे में मिश्री रख दिया करूंगी

बल्ब की रौशनी में ध्यान से उन बिखरे हुए टुकड़ों को देखा तो पाया कि मीठे - नमकीन बिस्किट के बचे हुए टुकड़े है... सुधा फटा- फट उन बिखरे टुकड़ों को साफ करने में जुट गई...बिखरे हुए वो बिस्किट के टुकड़े मानो कांच की तरह सुषमा जी के मन को भेद रहे थे....

कितना गलत सोंच रही थी मै....बहु मुझे साबुत बिस्किट देकर खुद टूटे और बचे हुए टुकड़े खाती है...छी....अपनी ओछी सोंच पर सुषमा जी को शर्म आ रही थी

दूसरे दिन शाम को जब सुधा ने सुषमा जी को चाय- बिस्किट दिए तो रो सुषमा जी ने कहा....

बहु मेरे दांतो से बिस्किट जल्दी से टूटते नहीं, तो तुम मुझे वो टुकड़े दे दिया करो अरे नही मांजी..... वो तो जब भी कोई नया पैकेट खोलती हूं कुछ टुकड़े निकल ही जाते हैं बस उन्हें अलग डिब्बे में रख देती हूं ....

आपके पास तो कोई ना कोई आता रहता है....कोई देखेगा तो अच्छा नहीं लगता.....हमारे घर परिवार के सम्मान के बारे मे कोई कुछ गलत सोचे ये अच्छा नही हैं... मैं तो अंदर की तरफ बैठकर खा लेती हूं कोई आने वाला होता है तो डिब्बा बंद कर देती हूं...सुधा ने मुस्कुराते हुए कहा

सुधा की बात सुनकर चाय पीते-पीते सुषमा जी की आंखों के कोर भीग गए....

ऐसी बहु पाकर वो खुद को आज दुनिया की सबसे खुशकिस्मत सास समझ रही थी, साक्षात ग्रहलक्ष्मी जो नसीब के टुकड़ो में भी रिश्ते संजो रही थी

ये रिश्ता ही ऐसा होता है कि कई बार बहू अपनी सास को नहीं समझ पाती और कई बार सास भी अपनी बहू को नहीं परख पाती। रिश्ते में आई इस उलझन को समझना बहुत कठिन है। क्योंकि कई बार दोनों ही अपने-अपने प्वांट्स पर सही नजर आती हैं। जेनरेशन गैप, सोच का अंतर, परिवेश का अंतर इन रिश्तों को सीधे तौर पर प्रभावित करता है क्योंकि दोनों को एक साथ रहना है और एक दूसरे से ज्यादा संपर्क में रहना है इसलिए वैचारिक मतभेद होना संभव है। औरतें किसी भी घर को चाहे तो स्वर्ग बना सकती हैं और किसी भी घर को चाहे तो नर्क बना सकती है। वो घर की महिलाएं ही होती है जो किसी व्यक्ति के जीवन को बेहतर बना सकती है। पत्नी के रुप में जहां एक महिला हर कदम पर अपने पति का साथ देती है और उसे जीवन का सही मार्ग दिखाती हैं तो वहीं बेटी के रुप में वह लक्ष्मी के समान होती है

🙏🪷🙏🪷🙏🪷🙏🪷

सब्जी ले लो बहनजी, नाराज हो क्या ?

गली से गुजरते हुए सब्जी वाले ने तीसरी मंजिल की घंटी का बटन दबाया। ऊपर से बालकनी का दरवाजा खोलकर बाहर आई महिला ने नीचे देखा।

"बीबी जी ! सब्जी ले लो । बताओ क्या- क्या तोलना है। कई दिनों से आपने सब्जी नहीं खरीदी मुझसे, कोई और देकर जा रहा है?"

सब्जी वाले ने चिल्लाकर कहा।

"रुको भैया! मैं नीचे आती हूँ।"

उसके बाद महिला घर से नीचे उतर कर आई और सब्जी वाले के पास आकर बोली -

"भैया ! तुम हमारी घंटी मत बजाया करो। हमें सब्जी की जरूरत नहीं है।"

"कैसी बात कर रही हैं बीबी जी ! सब्जी खाना तो सेहत के लिए बहुत जरूरी होता है। किसी और से लेती हो क्या सब्जी ?"

सब्जीवाले ने कहा।

"नहीं भैया! उनके पास अब कोई काम नहीं है। और किसी तरह से हम लोग अपने आप को जिंदा रखे हुए हैं। जब सब ठीक होने लग जाएगा, घर में कुछ पैसे आएंगे, तो तुमसे ही सब्जी लिया करूंगी। मैं किसी और से सब्जी नहीं खरीदती हूँ। तुम घंटी बजाते हो तो उन्हें बहुत बुरा लगता है, उन्हें अपनी मजबूरी पर गुस्सा आने लगता है। इसलिए भैया अब तुम हमारी घंटी मत बजाया करो।"

महिला कहकर अपने घर में वापिस जाने लगी।

"ओ बहन जी ! तनिक रुक जाओ। हम इतने बरस से तुमको सब्जी दे रहे हैं । जब तुम्हारे अच्छे दिन थे, तब तुमने हमसे खूब सब्जी और फल लिए थे। अब अगर थोड़ी-सी परेशानी आ गई है, तो क्या हम तुमको ऐसे ही छोड़ देंगे ? सब्जी वाले हैं, कोई नेता जी तो है नहीं कि वादा करके छोड़ दें। रुके रहो दो मिनिट।"

और सब्जी वाले ने एक थैली के अंदर टमाटर , आलू, प्याज, घीया, कद्दू और करेले डालने के बाद धनिया और मिर्च भी उसमें डाल दिया । महिला हैरान थी। उसने तुरंत कहा –

"भैया ! तुम मुझे उधार सब्जी दे रहे हो, कम से कम तोल तो लेते, और मुझे पैसे भी बता दो। मैं तुम्हारा हिसाब लिख लूंगी। जब सब ठीक हो जाएगा तो तुम्हें तुम्हारे पैसे वापस कर दूंगी।" महिला ने कहा।

"वाह..... ये क्या बात हुई भला ? तोला तो इसलिए नहीं है कि कोई मामा अपने भांजी -भाँजे से पैसे नहीं लेता है। और बहिन ! मैं कोई अहसान भी नहीं कर रहा हूँ । ये सब तो यहीं से कमाया है, इसमें तुम्हारा हिस्सा भी है। गुड़िया के लिए ये आम रख रहा हूँ, और भाँजे के लिए मौसमी । बच्चों का खूब ख्याल रखना। ये बीमारी बहुत बुरी है। और आखिरी बात सुन लो .... घंटी तो मैं जब भी आऊँगा, जरूर बजाऊँगा।"

और सब्जी वाले ने मुस्कुराते हुए दोनों थैलियाँ महिला के हाथ में थमा दीं।

अब महिला की आँखें मजबूरी की जगह स्नेह के आंसुओं से भरी हुईं थीं।

भारत कैसे गुलाम हुआ, कविता के माध्यम से समझिये

🚩कविता के माध्यम से समझिए, कैसे भारत हुआ गुलाम!

भारत कैसे स्वतंत्र हुआ, ये शिक्षा अभी अधूरी है।

भारत कैसे गुलाम हुआ, ये पढ़ाना ज्यादा जरूरी है।।

पृथ्वीराज ने मोहम्मद गौरी को, परास्त 17 बार किया।

पर मूर्ख जयचंद ने, भारत माँ की छाती पर वार किया।।

एक मूर्ख हिन्दू ने, इस्लामी दुश्मन को सिरमौर किया।

हिंदुत्व पर किया प्रहार, अपने धर्म को कमजोर किया।।

तुम कभी जयचंद ना बनना, तभी तुम्हारी शिक्षा पूरी है।

भारत कैसे गुलाम हुआ, ये पढ़ाना ज्यादा जरूरी है।।

महाराणा प्रताप ने लुटेरे मुगलों से दो-दो हाथ किया।

तब राजद्रोही राजा मानसिंह ने मुगलों का साथ दिया।।

भगतसिंह, सुखदेव, राजगुरु ने जब सांडर्स को मारा था।

फणीन्द्र नाथ घोष की गवाही ने उनको फांसी पर उतारा था।।

तुम देश से गद्दारी ना करना, गद्दारी सबसे बुरी बीमारी है।

भारत कैसे गुलाम हुआ, ये पढ़ाना ज्यादा जरूरी है।।

मुट्ठी भर चालबाज अंग्रजों ने, भारत माँ पर राज किया।

क्योंकि कुछ गद्दार लालचियों ने, अंग्रेजों का साथ दिया।

चंद पैसों की लालच में, भारत माँ को नुचवा दिया।

मरवाया कितने निर्दोषों को, देश को बंटवा दिया।।

लानत है उनपर जिन्होंने की, अंग्रेजों की जी-हजूरी है।

भारत कैसे गुलाम हुआ, ये पढ़ाना ज्यादा जरूरी है।।

तुम सच्चे देशभक्त बनो, तभी हमारा देश महान है।

अपने धर्म पर अडिग रहो, हिंदुत्व हमारी शान है।।

अब फिर ना हो देश गुलाम, बस ऐसे प्रयास करो।

जाति पाति में ना बंटो, एकता में विश्वास करो।।

भारत एक राष्ट्र ना रहा तो, हमारी हर उपलब्धि अधूरी है।

भारत कैसे गुलाम हुआ, ये पढ़ाना ज्यादा जरूरी है।।

भारत कैसे स्वतंत्र हुआ, ये शिक्षा अभी अधूरी है।

भारत कैसे गुलाम हुआ, ये पढ़ाना ज्यादा जरूरी है।।

बूटपॉलिश

एक सज्जन रेलवे स्टेशन पर बैठे गाड़ी की प्रतीक्षा कर रहे थे तभी जूते पॉलिश करने वाला एक लड़का आकर बोला~ ‘‘साहब! बूट पॉलिश ?’’

उसकी दयनीय सूरत देखकर उन्होंने अपने जूते आगे बढ़ा दिये, बोले- ‘‘लो, पर ठीक से चमकाना।’’

लड़के ने काम तो शुरू किया परंतु अन्य पॉलिशवालों की तरह उसमें स्फूर्ति नहीं थी।

वे बोले~ ‘‘कैसे ढीले-ढीले काम करते हो? जल्दी-जल्दी हाथ चलाओ !’’

वह लड़का मौन रहा।

इतने में दूसरा लड़का आया। उसने इस लड़के को तुरंत अलग कर दिया और स्वयं फटाफट काम में जुट गया। पहले वाला गूँगे की तरह एक ओर खड़ा रहा। दूसरे ने जूते चमका दिये।

‘पैसे किसे देने हैं?’ इस पर विचार करते हुए उन्होंने जेब में हाथ डाला। उन्हें लगा कि ‘अब इन दोनों में पैसों के लिए झगड़ा या मारपीट होगी।’ फिर उन्होंने सोचा, ‘जिसने काम किया, उसे ही दाम मिलना चाहिए।’ इसलिए उन्होंने बाद में आनेवाले लड़के को पैसे दे दिये।

उसने पैसे ले तो लिये परंतु पहले वाले लड़के की हथेली पर रख दिये। प्रेम से उसकी पीठ थपथपायी और चल दिया।

वह आदमी विस्मित नेत्रों से देखता रहा। उसने लड़के को तुरंत वापस बुलाया और पूछा~ ‘‘यह क्या चक्कर है?’’

लड़का बोला~ ‘‘साहब! यह तीन महीने पहले चलती ट्रेन से गिर गया था। हाथ-पैर में बहुत चोटें आयी थीं। ईश्वर की कृपा से बेचारा बच गया नहीं तो इसकी वृद्धा माँ और बहनों का क्या होता,बहुत स्वाभिमानी है... भीख नहीं मांग सकता....!’’

फिर थोड़ा रुककर वह बोला ~ ‘‘साहब! यहाँ जूते पॉलिश करनेवालों का हमारा समूह है और उसमें एक देवता जैसे हम सबके प्यारे चाचाजी हैं जिन्हें सब ‘सत्संगी चाचाजी’ कहकर पुकारते हैं। वे सत्संग में जाते हैं और हमें भी सत्संग की बातें बताते रहते हैं। उन्होंने ही ये सुझाव रखा कि ‘साथियो! अब यह पहले की तरह स्फूर्ति से काम नहीं कर सकता तो क्या हुआ???

ईश्वर ने हम सबको अपने साथी के प्रति सक्रिय हित, त्याग-भावना, स्नेह, सहानुभूति और एकत्व का भाव प्रकट करने का एक अवसर दिया है।जैसे पीठ, पेट, चेहरा, हाथ, पैर भिन्न-भिन्न दिखते हुए भी हैं एक ही शरीर के अंग, ऐसे ही हम सभी शरीर से भिन्न-भिन्न दिखाई देते हुए भी हैं एक ही आत्मा! हम सब एक हैं।

स्टेशन पर रहने वाले हम सब साथियों ने मिलकर तय किया कि हम अपनी एक जोड़ी जूते पॉलिश करने की आय प्रतिदिन इसे दिया करेंगे और जरूरत पड़ने पर इसके काम में सहायता भी करेंगे।’’

जूते पॉलिश करनेवालों के दल में आपसी प्रेम, सहयोग, एकता तथा मानवता की ऐसी ऊँचाई देखकर वे सज्जन चकित रह गये औऱ खुशी से उसकी पीठ थपथपाई...औऱ सोंचने लगे शायद इंसानियत अभी तक जिंदा है.....!!

अपने खराब सोच और बेकार नजरिए को बदलिये

अधूरा सच व व्यंग्य का पश्चाताप

कृपया जरूरतमंदों की मदद करें

30 दिसंबर की रात मोहन अपनी पत्नी अर्पणा संग एक दोस्त के यहां हुई नये साल की पार्टी से लौट रहा था बाहर बड़ी ठंड थी।

दोनों पति पत्नी कार से वापस घर की और जा रहे थे तभी सड़क किनारे पेड़ के नीचे पतली पुरानी फटी चिथड़ी चादर में लिपटे एक बूढ़े भिखारी को देख मोहन का दिल द्रवित हो गया.

उसने गाडी़ रोकी ।

पत्नी अर्पणा ने मोहन को हैरानी से देखते हुए कहा क्या हुआ ।

गाडी़ क्यों रोकी आपने ।

वह बूढ़ा ठंड से कांप रहा है। अर्पणा  इसलिए गाडी़ रोकी .

तो -?

मोहन बोला अरे यार ..

गाडी़ में जो कंबल पड़ा है ना उसे दे देते हैं..

क्या - वो कंबल - मोहनजी इतना मंहगा कंबल आप इस को देंगे।

अरे वह उसे ओढेगा नहीं बल्की उसे बेच देगा ये ऐसे ही होते है.

मोहन मुस्कुरा कर गाडी से उतरा और कंबल डिग्गी से निकालकर उस बुजुर्ग को दे दिया ।

अर्पणा ने गुस्से में मुंह बना लिया।

अगले दिन नववर्ष के पहले दिन यानि 31 दिसंबर को भी बड़े गजब की ठंड थी...

आज भी मोहन और अर्पणा एक पार्टी (फंग्शन) से लौट रहे थे  तो अर्पणा ने कहा..

चलिए मोहन जी एकबार देखे. उस रात वाले बूढ़े का क्या हाल है..

मोहन ने वहीं गाडी़ रोकी और जब देखा तो बूढ़ा भिखारी  वही था मगर उसके पास वह कंबल नहीं था..

वह अपनी वही पुरानी चादर ओढ़े लेटा था.

अर्पणा ने आँखे बडी करते हुए कहा देखा..

मैंने कहा था की वो कंबल उसे मत दो इसने जरूर बेच दिया होगा ।

दोनों कार से उतर कर उस बूढे के पास गये.

अर्पणा ने व्यंग्य करते हुए पूछा क्यों बाबा

रात वाला कंबल कहां है ? बेच कर नशे का सामान ले आये क्या...?

बुजुर्ग ने हाथ से इशारा किया जहां थोड़ी दूरी पर एक बूढ़ी औरत लेटी हुई थी. जिसने वही कंबल ओढा हुआ था...

बुजुर्ग बोला. बेटा वह औरत पैरों से विकलांग है और उसके कपडे भी कहीं कहीं से फटे हुए है लोग भीख देते वक्त भी गंदी नजरों से देखते है ऊपर से ये ठंड ..

मेरे पास कम से कम ये पुरानी चादर तो है, उसके पास कुछ नहीं था तो मैंने कंबल उसे दें दिया..

अर्पणा हतप्रभ सी रह गयी..

अब उसकी आँखो में  पश्चाताप के आँसु थे वो धीरे से आकर मोहन से बोली..

चलिए...घर से एक कंबल और लाकर बाबा जी को दे भी देते हैं..

दोस्तों ..... घमण्ड न करें,  अपितु किस्मत का धन्यवाद कीजिए कि हम और आप एक अच्छे परिवार में जन्म हुए, इसलिए  देनेवालों की श्रेणी में है, अतः जितना हो सके  जरूरतमंदों की मदद करें।

चिड़ी चोंच भर ले गई। नदी न् घटिये नीर।।

दान दिए धन ना घटे। कह गए दास कबीर।।