వార్తల్లో ఎందుకు ఉంది?
కేంద్ర మంత్రివర్గం VISTAR—గణాంక పరివర్తన, విశ్లేషణ, పరిశోధనల కోసం వికసిత్ భారత్ చొరవ (Viksit Bharat Initiative for Statistical Transformation, Analytics and Research) పథకానికి 4 నవంబర్ 2026న ఆమోదం తెలిపింది. గణాంకాలు, కార్యక్రమాల అమలు మంత్రిత్వ శాఖ (MoSPI) 2026–27 నుంచి 2030–31 కాలానికి ₹4,371.10 కోట్ల వ్యయంతో ఈ కేంద్ర రంగ పథకాన్ని (central-sector scheme) అమలు చేస్తుంది. సర్వేలు, రాష్ట్ర స్థాయి సామర్థ్యం, ఆర్థిక సంస్థల గురించిన మెరుగైన సమాచారం ద్వారా అధికారిక గణాంకాలను బలోపేతం చేయడం దీని లక్ష్యం.
ఒక గణాంకం ఉపయోగకరంగా ఉండటానికి ఏవి దోహదపడతాయి?
అధికారిక గణాంకాలు వివిధ పరిశీలనలను ఆర్థిక వ్యవస్థ, సమాజం గురించిన క్రమబద్ధమైన సమాచారంగా మలుస్తాయి. దేనిని కొలుస్తున్నారు, డేటాను ఎలా సేకరిస్తున్నారు, అవి ఏ ప్రాంతాలను వివరిస్తున్నాయి, ఎంత త్వరగా అందుబాటులోకి వస్తున్నాయి అనే అంశాలపైనే వాటి ప్రయోజనం ఆధారపడి ఉంటుంది. ఈ గణాంకాలు ఏయే ప్రశ్నలకు సమాధానమివ్వగలవో ఈ లక్షణాలే నిర్ణయిస్తాయి.
సూక్ష్మ స్థాయి వివరణ (Granularity) అంటే వివరాల లోతు అని అర్థం. జాతీయ అంచనా ఒక విస్తృత ధోరణిని వివరిస్తే, జిల్లా లేదా నగర స్థాయి అంచనాలు అందులో పరిస్థితులు ఎలా మారుతున్నాయో చూపగలవు. సకాలంలో లభ్యత (Timeliness) అనేది కొలిచిన కాలానికి, ఫలితాల విడుదలకు మధ్య ఉన్న సమయ వ్యత్యాసానికి సంబంధించింది. ఉదాహరణకు, స్థానిక సేవలను ప్రణాళిక చేసేటప్పుడు సంబంధిత ప్రాంతానికి, పరిశీలిస్తున్న కాలానికి సరిపోలే సమాచారం ఎంతో ఉపయోగపడుతుంది.
పథకంలోని మూడు భాగాలు
- సమగ్ర గణాంక కార్యకలాపాలు, వ్యవస్థ బలోపేతం (Comprehensive Statistical Operations and Strengthening of Ecosystem): సర్వేలు, పద్ధతిపరమైన కృషి, డిజిటల్ గణాంక ప్రక్రియలు.
- గణాంక బలోపేతానికి మద్దతు (Support for Statistical Strengthening - SSS): సహాయాన్ని నిర్దిష్ట గణాంక ఫలితాలతో (outputs) అనుసంధానించేలా పునర్నిర్మించిన SSS 2.0 చట్రం ద్వారా రాష్ట్రాలు, కేంద్రపాలిత ప్రాంతాలకు తోడ్పాటు.
- ఆర్థిక గణన (Economic Census): ప్రతిపాదిత 8వ ఆర్థిక గణన, జాతీయ గణాంక వ్యాపార రిజిస్టర్ (National Statistical Business Register) కోసం ఒక ప్రాతిపదిక (baseline).
ఆర్థిక గణన దేనిని నమోదు చేస్తుంది?
ప్రతిపాదిత గణన గ్రామ పంచాయతీ, వార్డు స్థాయి వరకు వ్యవసాయేతర సంస్థలు, వాటి కార్మికుల గురించిన వివరణాత్మక సమాచారాన్ని సేకరిస్తుంది. అమ్మకం కోసం వస్తువులు లేదా సేవలను ఉత్పత్తి చేసే ఆర్థిక కార్యకలాపం జరిగే ఒక ప్రదేశంలోని యూనిట్‌ను సంస్థ లేదా ఎస్టాబ్లిష్‌మెంట్ (establishment) అంటారు. ఒక దుకాణం లేదా ఇంటి నుంచే నడిచే టైలరింగ్ యూనిట్ ఇటువంటి యూనిట్‌కు ఆచరణాత్మక ఉదాహరణగా చెప్పుకోవచ్చు.
ఆర్థిక గణనపై MoSPI ఇచ్చిన వివరణలో సంఘటిత (నియత), అసంఘటిత (అనియత — formal and informal) సంస్థలతో పాటు వివిధ రకాల పని ప్రాంగణాలు ఉన్నాయి. ఆర్థిక కార్యకలాపాలు ఎక్కడ జరుగుతున్నాయి, వాటి యాజమాన్యం ఎవరిది, వాటిలో ఎవరు పనిచేస్తున్నారు అనే అంశాలను వివరించడానికి ఈ రికార్డులు సహాయపడతాయి. ఇది ప్రణాళికాకర్తలకు వ్యాపార కార్యకలాపాల భౌగోళిక విస్తరణపై స్పష్టమైన చిత్రాన్ని అందిస్తుంది.
వ్యాపార రిజిస్టర్ సర్వేలకు ఎలా తోడ్పడుతుంది
గణాంక వ్యాపార రిజిస్టర్ (SBR) ఆర్థిక గణాంకాలకు సంబంధించిన వ్యాపార యూనిట్ల సమాచారాన్ని క్రమబద్ధంగా నిర్వహిస్తుంది. ఇటువంటి రిజిస్టర్లు వ్యాపార సర్వేలకు ఒక ఆధార చట్రాన్ని అందిస్తాయని ఐక్యరాజ్యసమితి గణాంక విభాగం (United Nations Statistics Division) వివరిస్తోంది. సర్వే కోసం నమూనాను (sample) ఎంపిక చేయడానికి వీలు కల్పించే యూనిట్ల క్రమబద్ధమైన సముదాయాన్నే నమూనా ఎంపిక చట్రం (sampling frame) అంటారు.
ఒక సమగ్ర గణన (census) తన నిర్దిష్ట పరిధిలోని ప్రతి యూనిట్ గురించి సమాచారాన్ని సేకరిస్తుంది. దీనికి భిన్నంగా, నమూనా సర్వే (sample survey) ఎంపిక చేసిన యూనిట్లను పరిశీలించి, గణాంక పద్ధతుల ద్వారా విస్తృత అంచనాలను రూపొందిస్తుంది. చక్కగా నిర్వహించే రిజిస్టర్.. అధ్యయనం చేయాల్సిన మొత్తం యూనిట్ల సముదాయాన్ని (population) గుర్తించడానికి, నమూనాను ఎంపిక చేయడానికి, వచ్చిన ప్రతిస్పందనలను ఆ మొత్తం సముదాయానికి అన్వయించడానికి గణాంక నిపుణులకు సహాయపడుతుంది. వివిధ డేటాసెట్‌ల మధ్య అనుసంధానానికి కూడా ఇది తోడ్పడుతుంది.
డేటా, డిజిటల్ ప్రక్రియల అనుసంధానం
ఏకరూప నిర్వచనాలు, వర్గీకరణలు వివిధ కార్యాలయాలు రూపొందించిన రికార్డులు పరస్పరం సరిపోలడానికి సహాయపడతాయి. ఒక డేటాసెట్ పరిధి (coverage), ప్రామాణిక కాలం, అనుసరించిన పద్ధతుల గురించిన సమాచారం గణాంకాలను సరిగ్గా అర్థం చేసుకోవడానికి వినియోగదారులకు తోడ్పడుతుంది. ఈ వివరాలు వివిధ ప్రాంతాలు, సంవత్సరాల మధ్య పోలికలను మరింత అర్థవంతంగా మారుస్తాయి.
VISTAR కింద, డేటా ప్రాసెసింగ్, ధృవీకరణ (validation), విశ్లేషణ కోసం మరింత డిజిటలైజేషన్‌తో పాటు కృత్రిమ మేధ (artificial intelligence), మెషిన్ లెర్నింగ్ (machine learning) వినియోగాన్ని MoSPI ప్రణాళిక చేస్తోంది. సంప్రదాయ సర్వేలతో పాటు అదనపు డేటా వనరులను ఉపయోగించాలని కూడా భావిస్తోంది. పరిశీలనలను గణాంక ఫలితాలుగా మార్చే సేకరణ నుంచి విశ్లేషణ వరకు సాగే ప్రక్రియకు ఈ మార్పులు సంబంధించినవి.
ముగింపు
VISTAR సర్వేలు, రాష్ట్రాల గణాంక సామర్థ్యం, సంస్థల రికార్డులను ఒకే ప్రణాళికాబద్ధమైన చట్రంలోకి తీసుకువస్తుంది. ప్రభుత్వ సంస్థలు, పరిశోధకులు ఉపయోగించుకోగల సకాలపు, వివరణాత్మక సమాచారంతో స్పష్టంగా నిర్వచించిన యూనిట్లను, ఏకరూప పద్ధతులను అనుసంధానించడమే దీని ప్రధాన కర్తవ్యం.