तथ्य
वर्षों से क्यूरेट किए गए एसेट्स।
वह मेहनत डूबी हुई लागत नहीं है।
डोमेन, ग्लॉसरी, वर्गीकरण, वे स्वामी जिन पर आपने दो साल बहस की — ये किसी मॉडल का सबसे कठिन हिस्सा हैं, और आप इन्हें पहले ही तैयार कर चुके हैं। Nodwise इन्हें भीतर पढ़ लेता है और इन्हें आगे जाने की जगह देता है। अपने मौजूदा कैटलॉग को डेटा स्रोत के रूप में चालू रखना आपका विकल्प है, कोई अनिवार्यता नहीं।
क्या भीतर आता है
तथ्य ख़ाली शुरुआत नहीं करते। वे उसी से शुरू होते हैं जो आपके पास पहले से है।
तीन स्रोत किसी संगठन की टाइप-आधारित वास्तविकता का अधिकांश हिस्सा कवर करते हैं, और इनमें से किसी को भी हाथ से लिखने की ज़रूरत नहीं है:
01
आपका डेटा कैटलॉग
02
आपका HR सिस्टम
03
आपका आइडेंटिटी प्रोवाइडर
तीनों Remote Services के ज़रिए आते हैं — और वे कहाँ चलें, यह आपका निर्णय है।
फ़ायरवॉल के पीछे का स्रोत
इंटरनेट पर पहुँच योग्य स्रोत
और चूँकि ये नोड्स लिखे नहीं बल्कि पढ़े जाते हैं, इसलिए ये अपने स्रोत से भटक नहीं सकते। जब अपस्ट्रीम में कुछ ग़ायब हो जाता है, तो नोड का दर्जा घटाकर स्रोत में अनुपलब्ध कर दिया जाता है — उसे एक ऐसे तथ्य के रूप में खड़ा नहीं रहने दिया जाता जो चुपचाप सच होना बंद कर चुका है।
इसमें कितना समय लगता है
दो साल का क्यूरेशन। पढ़ने में आधे घंटे से कम।
बगल वाले जितना बड़ा कैटलॉग — स्कीमा, तालिकाएँ, कॉलम और उनके बीच का लीनेज — 24 मिनट से कम में बीस लाख टाइप-आधारित नोड के रूप में आ जाता है, हर एक प्रवेश पर ही मेटामॉडल के विरुद्ध जाँचा हुआ। कोई माइग्रेशन प्रोजेक्ट नहीं। नीचे दिए गए सवालों के जवाब उस मीटिंग से पहले ही दिए जा सकते हैं जो इंपोर्ट पर चर्चा के लिए तय की गई है।
अक्टूबर 2026 में मापा गया, एक रन, उसी बेस कॉन्फ़िगरेशन पर जिस पर हमारी सेवा चलती है। हमने इसे कैसे मापा →
कैटलॉग इंपोर्ट · पहला लोड
ख़ाली से जाँचे हुए तक
स्कीमा
128
तालिकाएँ
16 384
कॉलम
विवरण, डेटा प्रकार, प्राइमरी की
2 097 152
कॉलम-से-कॉलम लीनेज
2 080 768
लोड किया, जाँचा, इतिहास में दर्ज
23 मिनट 36 सेकंडजहाँ आपका कैटलॉग ख़त्म होता है
एक कैटलॉग डेटा का अभिशासन करता है। एक संगठन अपने डेटा से कहीं बढ़कर है।
रणनीति और प्रभाव
मानव संसाधन
व्यवसाय
अभिशासन और अनुपालन
डेटा और ज्ञान
अनुप्रयोग
प्रौद्योगिकी
भौतिक संपत्तियाँ
बाहरी इकाइयाँ
आर्टिफिशियल इंटेलिजेंस
यह कोई ऐसी कमी नहीं है जिसे आपका कैटलॉग पूरा करने में विफल रहा। यह उस दायरे की सीमा है जिसके लिए उसे बनाया गया था, और यही सीमा खींचना सही था। डेटा और ज्ञान दस संगठन आयामों में से एक है, और यही वह आयाम है जिसे आपका कैटलॉग अच्छी तरह संभालता है।
बाक़ी नौ वही जगहें हैं जहाँ वे सवाल रहते हैं जिनका जवाब फ़िलहाल कोई नहीं दे सकता: फ़ैक्टरी फ़्लोर की मशीन, कानूनी दायित्व, बिक्री प्रक्रिया, प्रोडक्शन में चल रहा मॉडल, वह व्यक्ति जो अकेला जानता है कि यह सब आपस में कैसे जुड़ता है। इनका अभिशासन ख़राब नहीं है। ये किसी मॉडल में हैं ही नहीं।
Nodwise आपका कैटलॉग जो जानता है, उसे शुरुआती बिंदु के रूप में लेता है और उसी टाइप-आधारित व्याकरण को बाक़ी नौ आयामों तक फैलाता है — ताकि कोई सवाल किसी एसेट से होकर उस प्रक्रिया तक जा सके जो उसका उपभोग करती है, फिर उस व्यक्ति तक जो उस प्रक्रिया का स्वामी है, फिर उस दायित्व तक जिसे वह पूरा करती है।
क्या जवाब देने लायक बन जाता है
वही तथ्य, एक ऐसे मॉडल में जिसका ट्रैवर्सल किया जा सकता है।
कुछ भी नया नहीं लिखा गया। नीचे दिए गए सवालों के जवाब इंपोर्ट के अगले ही दिन दिए जा सकते हैं, क्योंकि इनमें से हर एक उन नोड्स के आर-पार का एक पथ है जो पहले से मौजूद थे — बस वे तीन अलग-अलग सिस्टम में थे जो एक-दूसरे को देख नहीं पाते थे।
कौन-सा महत्वपूर्ण कार्य केवल एक व्यक्ति ही कर सकता है?
कौन-से प्रमाणित एसेट्स ऐसे व्यक्ति के स्वामित्व में हैं जो संगठन छोड़ चुका है?
अगर यह सिस्टम बंद हो जाए, तो क्या रुक जाएगा — और किसे बताना ज़रूरी है?
इसे किसने मंज़ूरी दी, और क्या उस समय उनके पास इसका अधिकार था?
इनमें से कोई भी ऐसी रिपोर्ट नहीं है जिसे आपको बनवाना पड़े। ये एक ऐसे मॉडल पर क्वेरी हैं जिसमें उत्तर पहले से मौजूद है।
तीसरा पद
अकेले तथ्य कोई कार्रवाई नहीं करते।
तीन सिस्टम से बना मॉडल उसी दिन सटीक होता है जिस दिन वह बनता है। जो उसे सत्य बनाए रखता है — और जो उसे ऐसी चीज़ से, जिससे आप क्वेरी करते हैं, ऐसी चीज़ में बदल देता है जो ख़ुद आप तक पहुँचती है — वह है तीसरा पद।