पहले देना, बार-बार देना और बदले में कुछ भी पाने की उम्मीद के बिना देना—इस बारे में एक शानदार कहावत है। हालांकि मैं इन सब से सहमत हूँ, मुझे यह भरोसा करने में बहुत संघर्ष करना पड़ा कि मैं सही चीज़ों को दे रहा हूँ।
पिछले साल के अंत के करीब, समय ऐसा लग रहा था जैसे थोड़ा धीमा हो रहा हो (वह नहीं था) और मैं इस सोच-विचार की प्रक्रिया और यह कहाँ ले जाएगी, इस बारे में लगातार और अधिक सोचता रहा।
मैंने खुद से जो सवाल पूछा, वह था, तो मैं किस चीज़ को दूँ?
उस सवाल ने मुझे एक दिलचस्प यात्रा पर ले गया। मैं बार-बार कई सवालों पर लौटता रहा:
- मैं किस चीज़ में विश्वास करता हूँ जिसे मैं मजबूत करना चाहता हूँ?
- ऐसा क्या प्रभाव है जो एक बयान से कहीं अधिक मायने रखता है और बदलाव लाता है?
- अगर मैं ऐसी चीज़ों को ढूंढ सकूँ जिनका समर्थन करूँ, जो मेरे विश्वास को मजबूत करें और सिर्फ शब्दों से परे बदलाव लाने में असर डालें, तो मैं योगदान कैसे दूँ?
- अगर मैं पहले से ही उनसे जुड़ा नहीं हूँ तो मैं इन चीज़ों को कैसे ढूंढूँ?
पहले सवाल का जवाब देना आसान था। दूसरा आत्म-चिंतनशील साबित हुआ। मैंने पाया कि यह इस बारे में अधिक था कि मैं किस चीज़ से जुड़ा नहीं हूँ, जो उस तरह के बदलाव को प्रेरित करती है जिसका मैं हिस्सा बनना चाहता हूँ। पहले दो सवालों के जवाब मिलने के बाद तीसरा स्पष्ट हो गया। चौथा सबसे दिलचस्प साबित हुआ।
चौथे प्रश्न का उत्तर देने के लिए मुझे यह सोचना शुरू करना पड़ा कि उन चीज़ों का, जो मेरे सामाजिक दायरे में नहीं हैं, और उनके संबंधित प्रभाव का विश्लेषण करने का एक अच्छा तरीका क्या है।
जिन चीज़ों के बारे में मुझे पता नहीं था, उन्हें खोजने के लिए, मैंने विडंबनापूर्ण ढंग से सूची की शुरुआत उन लोगों से की जिन्हें मैं जानता था — और ऑनलाइन उनके बारे में जो कुछ भी मुझे मिल सका, उसके ज़रिए उनके नेटवर्क का नक्शा बनाने लगा। मेरे प्राथमिक डेटा स्रोत थे:
- स्मृति
- सम्मेलन नोट्स
- Crunchbase
- एंजेल लिस्ट
अंततः मेरे पास एक ठीक-ठाक आकार का मॉडल बन गया। जब मैं ~10K एलिमेंट्स से आगे बढ़ा, तो यह इतना धीमा होने लगा कि और एलिमेंट्स जोड़ना कई गुना अधिक मुश्किल हो गया, इसलिए मैंने उतनी आक्रामक रूप से योगदान देना बंद कर दिया।
एक बार जब मुझे 3 या उससे अधिक डिग्री का अंतर मिला, तो मैंने व्यक्तिगत शहरों पर गहराई से अध्ययन करना शुरू कर दिया। यहीं पर यह दिलचस्प हो गया। मैंने मिनियापोलिस, एसएफ, डेट्रॉइट, इंडियानापोलिस के बीच कनेक्टिविटी के बारे में और भी बहुत कुछ सीखना शुरू कर दिया, और यह सूची यहीं खत्म नहीं होती। एक खोज यह थी कि एसएफ, बोल्डर और एनवाई में स्टार्टअप समुदाय कितने घिरे हुए हैं। प्रत्येक शहर के बीच इकोसिस्टम की घनता डेस मोइनेस की तुलना में कहीं अधिक मजबूत है। यह कहना एक स्पष्ट बात लग सकती है, लेकिन इसे डेटा में परिलक्षित होते देखना एक अलग अनुभव है।
पब्लिक होने वाली कंपनियों को सीड से लेकर आईपीओ तक फंडिंग मिलती दिखती है, जो काफी हद तक सीरीज़ सी या उससे आगे के दौर में स्थानीय रूप से आ रही है। जब कोई बड़ी घटना होती है तो यह रिटर्न का एक बड़ा हिस्सा समुदाय में ही रखता है। ऐसा भी लगता है कि 1 या अधिक बड़ी एग्जिट वाले फाउंडर, समुदाय छोड़ने के बजाय, उन्हीं शहरों में फिर से कंपनियां शुरू करते हैं, जो कुछ ऐसा है जिसे मैं बोल्डर, न्यूयॉर्क और बे क्षेत्र के अलावा कहीं भी एक प्रवृत्ति के रूप में वास्तव में पुष्टि नहीं कर सकता। तुलनात्मक रूप से कहीं और संख्या बहुत कम है।
मैं शायद शहरों के बीच के अंतर के बारे में एक और पोस्ट लिख सकता था, लेकिन चूँकि मैं डेस मोइनेस में अपने योगदान पर ध्यान केंद्रित कर रहा था, मैं इस पर ही वापस आया क्योंकि यह केंद्रीय फोकस था।
उपरोक्त स्रोतों का उपयोग करके, मैं यह पता लगाने के लिए एक अच्छा डेटा सेट इकट्ठा करने में सक्षम था कि बदलाव लाने का प्रभाव किसके पास है, इस पर ध्यान केंद्रित करके कि बदलाव लाने का प्रभाव किसके पास है। इसके बाद यह पता लगाना था कि वे कौन हैं और उनके आसपास के लोग कौन हैं।
जिस जोखिम को लेकर मैं चिंतित था, वह किसी ऐसी चीज़ का समर्थन करने के बारे में एक बड़ा निर्णय लेने का था जो वास्तव में मेरे द्वारा एक ऐसा झूठा सहसंबंध बनाने का था जो मौजूद नहीं था। प्रत्यक्ष या प्रमाणित संबंध के बजाय एक अनुमानित संबंध के आधार पर निर्णय लेना।
दूसरी समस्या यह थी कि जब मैंने लोगों से पूछना शुरू किया कि किसका समर्थन किया जाए, तो जवाब अक्सर उनके अपने पूर्वाग्रह से भरे थे। उनका अपना पूर्वाग्रह, जितना मैं गहराई से पता लगाता गया, उतना ही यह स्पष्ट हुआ कि वह संभवतः अचेतन था और उनके अपने व्यक्तिगत निर्णयों से प्रेरित था। अगर मैं केवल अपने सबसे करीबी नेटवर्क से मिली सीधी प्रतिक्रिया पर ही ध्यान केंद्रित करता, तो मैं उस नतीजे पर नहीं पहुंचता जहां मैं पहुंचा।
इसमें कोई हर्ज नहीं है, मैं भी ऐसा ही करता हूँ, लेकिन इससे मुझे इस बात को लेकर और चिंता हुई कि समय कहाँ बिताना है, इस पर कुछ सिफारिशें तीसरे पक्षों के उन गुणात्मक अनुमानों पर आधारित थीं कि चीजें कैसे जुड़ी हुई थीं। मैंने उस मौखिक प्रतिक्रिया में से कुछ लिया और उसे अपने मॉडल में शामिल किया, जब उसने वास्तविक सहसंबंध बनाए जो सार्वजनिक रूप से उपलब्ध नहीं थे, यही कारण है कि मैं इस पोस्ट के हिस्से के रूप में मॉडल प्रकाशित भी नहीं कर रहा हूँ।
किसी ने क्या महसूस किया कि बदलाव आया, बनाम किसी के पास यह व्यक्त करने की क्षमता कि वह बदलाव कैसे आया, इसने कई ऐसी चीज़ें सामने लाईं जिन्हें गूगल नहीं किया जा सकता।
एक ऐसे सवाल का जवाब कैसे पाया जाए जिसे मैं गूगल नहीं कर सकता, इसने मुझे सालों पहले अपने एक दोस्त, पैडी, के साथ हुई बातचीत याद दिला दी, जो एगेनवेक्टर सेंट्रैलिटी (eigenvector centrality) के बारे में बात कर रहा था और यह कि कैसे यह उसके संगठन की सोच को प्रभावित कर रहा था। उस समय मुझे याद है कि मुझे इसमें दिलचस्पी थी, लेकिन इसे काम में लाने का कोई व्यावहारिक कारण नहीं मिला था। यह आजमाने के लिए एक अच्छा तरीका लग रहा था।
इससे मेरे पास संपर्क बिंदुओं की एक श्रृंखला रह गई और मैंने आयोवा में प्रौद्योगिकी समुदाय में संपर्क और प्रभाव के केंद्रों को समझने के लिए पैडी के दृष्टिकोण का उपयोग करने का प्रयास करने का फैसला किया।
मेरी मुख्य चिंता स्थानीय स्तर पर उन नए समुदायों और संगठनों में संपर्क-सूत्र खोजने की थी, जिनसे मैं शारीरिक और वित्तीय रूप से जुड़ा नहीं था।
मैंने अपने स्वयं के नेटवर्क से शुरुआत की और अपनी याददाश्त से अपने कुछ स्वयं के संपर्कों का मानचित्रण करना शुरू किया। अपने सबसे बुनियादी स्तर पर, मेरा प्रथम-डिग्री नेटवर्क कुछ इस तरह दिखता है:
अस्वीकरण: हालाँकि मैं तब से Clay & Milk छोड़ चुका हूँ और इसे सक्षम हाथों में छोड़ दिया है, जब मैंने यह स्क्रीनशॉट लिया था तब ऐसा नहीं था। साथ ही, मैंने TAI को एक कनेक्शन के रूप में जोड़ा, हालाँकि जब मैंने शुरुआत की थी तब यह एक कनेक्शन नहीं था।
जल्द ही, मैंने इस शुरुआती बिंदु से निकलने वाले डेटा को खंगालने और कनेक्शन इकट्ठा करने में कुछ घंटों से अधिक का समय लगा दिया था, और यह एक वैश्विक स्तर पर फैले एक अधिक सार्थक मॉडल में बदल गया।
मैंने शुरुआत में ही लोगों को कंपनियों और संगठनों से जोड़ने का फैसला किया, लेकिन उन्हें एक-दूसरे से नहीं, जब तक कि वे शादी के जरिए जुड़े न हों। इस फैसले ने मॉडल को प्रभावित कर सकता था, लेकिन इसने कंपनियों और संगठनों को प्राथमिकता देने में मदद की, जो मेरा इरादा भी था।
चूंकि मैं एगेनवेक्टर सेंट्रैलिटी का लाभ उठाने पर केंद्रित था, इसलिए इसका वर्णन करने वाला एक अंश यहाँ दिया गया है:
… यह मापता है कि कोई तत्व अन्य अच्छी तरह से जुड़े तत्वों से कितना अच्छी तरह से जुड़ा है। सामान्य तौर पर, उच्च एगेनवेक्टर सेंट्रैलिटी वाले तत्व नेटवर्क के नेता होते हैं, हालांकि उनका सबसे मजबूत स्थानीय प्रभाव नहीं हो सकता है।
शुक्र है कि कुमु, जिस टूल का मैं उपयोग कर रहा था, यह सरल बनाता है। एक बार जब आप तत्वों, विशेषताओं और कनेक्शन के प्रकारों पर निर्णय लेकर मॉडल बना लेते हैं, तो बाकी काम सॉफ्टवेयर स्वयं कर लेता है। मैंने दो दृश्यों पर ध्यान केंद्रित किया:
- मैं सीधे किससे जुड़ा नहीं हूँ जिसकी कहीं और उच्च कनेक्टिविटी है?
- मैं किन चीज़ों से जुड़ा नहीं हूँ, जिनमें योगदान देकर मुझे उत्साह महसूस होगा?
मैं पहले वाले में पहले से ही योगदान दे रहा हूँ। सूची में दूसरी संस्था टेक्नोलॉजी एसोसिएशन ऑफ़ आयोवा थी। तीसरी एक और संस्था थी, जिसके बोर्ड में शामिल होने के लिए मैं अभी भी प्रयास कर रहा हूँ।
तो जब कोई मुझसे पूछता है, "आप TAI बोर्ड में क्यों शामिल हुए", तो मैं ईमानदारी से निम्नलिखित कह सकता हूँ:
- मैं TAI नेटवर्क की उन कंपनियों और संबंधित संगठनों से बुरी तरह से जुड़ा नहीं था, जो राज्य में तकनीकी नवाचार को बढ़ावा देने वाली नीतियां बनाते और ढांचा तैयार करते हैं।
- इसमें ऐसे मूल सिद्धांत हैं जिनमें मैं विश्वास करता हूँ:
- प्रतिभा का विकास और भर्ती
- विविधता और समावेशन
- सार्वजनिक नीति
मुझे लोग भी पसंद हैं। यह दुर्लभ है और बहुत मज़ेदार होता है जब आपको ऐसे अच्छे लोग मिलते हैं जो किसी ऐसी चीज़ पर काम कर रहे हों जिसमें आप विश्वास करते हों, और जहाँ आपके योगदान के लिए भी जगह हो।
यह पहली बार है जब मैंने गणित का उपयोग करके समुदाय में अपने योगदान का विश्लेषण करने की कोशिश की, जैसा पैडी कहेंगे।
भले ही एक बोर्ड में शामिल होने का जवाब बहुत से लोगों के लिए उबाऊ हो सकता है, मुझे इस सवाल का पीछा करने में मज़ा आया कि समुदाय में और अधिक निवेश कैसे किया जाए।