Überwindung von acht Barrieren bei der Datenkompetenz – DATAVERSITY

Überwindung von acht Barrieren bei der Datenkompetenz – DATAVERSITY

Zeitstempel: 6. Juni 2023, 3:35 Uhr
Quellknoten: 2704609
Hürden bei der DatenkompetenzHürden bei der Datenkompetenz

Führungskräfte möchten, dass „jeder, überall und auf einmal über hohe Datenkompetenz verfügt und eine hohe Fähigkeit zum Lesen, Arbeiten mit und Analysieren von Daten zeigt“, sagt Dr. Wendy Lynch, Gründerin von Analytic-Translastor.com und Lynch Consulting. Als Beraterin zahlreicher Fortune-100-Unternehmen versteht sie, warum Organisationen möchten, dass alle ihre Mitglieder über ein hohes Maß an Datenkompetenz verfügen. Dr. Lynch beleuchtet in einem DATAVERSITY-Webinar einige der größten Hindernisse bei der Datenkompetenz und wie man sie lösen kann: „Herausforderungen beim Erreichen der Datenkompetenz meistern.“ In ihrer Präsentation erläutert und formuliert sie die Herausforderungen bei der Datenkompetenzschulung neu und empfiehlt einen dreigleisigen Ansatz zur Bewältigung dieser Herausforderungen.

Im Webinar zitierte Dr. Lynch eine Studie von McKinsey und stellte fest, dass sich mindestens 1 von 5 US-Dollar des Gewinns vor Zinsen und Steuern (EBIT) eines Unternehmens in Wert aus Datenbeständen umwandeln lässt. Darüber hinaus erzielen Unternehmen mit der höchsten Datenbeherrschung, einschließlich Richtlinien, Personal und Technologie, einen um 70 % höheren Umsatz pro Person.

Dennoch mangelt es fast 80 % der Menschen an Vertrauen in ihre eigenen Fähigkeiten zur Datenkompetenz, und Studien zeigen, dass 90 % nicht über eine hohe Datenkompetenz verfügen. Wie Lynch betont: „Unternehmen wollen, dass jeder als Datenwissenschaftler fungiert, aber sie fangen an einem schwierigen Punkt an.“

Hindernisse für die Datenkompetenz

Dr. Lynch zitiert acht Themen aus DATAVERSITY-Fokusgruppen, die Anfang 2023 durchgeführt wurden, um zu verstehen, warum Menschen und Organisationen die Schulung zur Datenkompetenz als schwierig empfinden. Sie beinhalten:

1. Buy-In: Führungskräfte überschätzen die Fähigkeiten ihrer Mitarbeiter im Umgang mit Daten und verstehen möglicherweise nicht die Bedeutung von Schulungen zur Datenkompetenz oder die Priorität solcher Bemühungen.

2. Eigentum: Organisationen müssen klären, wer die Bemühungen zur Datenkompetenz vorantreibt. Handelt es sich um die Person mit dem höchsten Wert für Datenkompetenz, um eine Person auf C-Ebene oder um eine neue Rolle? Dr. Lynch stellt fest, dass Mitarbeiter beim Erlernen von Datenkompetenz zögern oder Angst haben, weil ihnen das Interesse oder die Begabung dafür fehlt. Ist also die Person, die die Datenkompetenzschulung leitet, für die Behebung dieser Probleme verantwortlich?

3. Messungen: Wie funktionieren Organisationen? den aktuellen Stand oder Verbesserungen der Datenkompetenz beurteilen? Was zeichnet ein gutes Maß an Datenkompetenz aus? Darüber hinaus erwähnt sie basierend auf einem Forbes-Artikel, dass Unternehmen, wenn sie kein gutes Niveau an Datenkompetenz erreichen würden, eine erstellen würden toxische Kluft zwischen Datenproduzenten und -konsumenten – denen, die lesen und schreiben können, und denen, die eine höhere Ebene erreichen müssen. Wie können Messungen also dazu beitragen, die Datenkompetenz voranzutreiben, ohne ein solch umstrittenes Umfeld unter den Mitarbeitern zu schaffen?

4. Trainingsansatz: Lynch fragt, wie wir an Schulungen zur Datenkompetenz herangehen. Tun Organisationen dies unternehmensweit? Wählen sie Schulungen von einem Anbieter oder innerhalb der Organisation aus? Wie deckt der Trainer einer Organisation außerdem alle wichtigen Schritte ab, um eine hohe Datenkompetenz zu erreichen, wie unten aufgeführt?

  • Machen Sie sich die in der Organisation verfügbaren Daten bewusst.
  • Identifizieren Sie diese verschiedenen Datenquellen.
  • Wissen, wie man die richtigen Quellen zur richtigen Zeit auswählt.
  • Verstehen Sie den Wert und die Einschränkungen der ausgewählten Datensätze.
  • Bearbeiten Sie Daten, um Informationen kompetent zu definieren und zu filtern.
  • Analysieren Sie Daten, einschließlich der Verwendung der Berechnungen, um dorthin zu gelangen.
  • Interpretieren Sie Daten und die daraus resultierenden Ergebnisse sinnvoll.
  • Wenden Sie diese Informationen an, um geschäftliche und berufliche Anforderungen zu erfüllen.

5. Dauer/Stufen: Wie oft werden Mitarbeiter geschult? Ist es fortlaufend oder einmalig? Um diese Herausforderung zu veranschaulichen, erzählt Dr. Lynch von einer Erfahrung, bei der er die Auswirkungen von KI in einer medizinischen Einrichtung untersucht. Ärzte in dieser Organisation haben manchmal Misstrauen gegenüber der KI und benötigen eine gewisse Schulung. Aber sie fragt: „Wollen wir, dass ein Arzt, der 12 Jahre lang Medizin studiert hat, zur Schule zurückkehrt, um Datenwissenschaftler zu werden?“

6. Personal: Verfügt die Organisation über Personen, die dabei helfen können, die Datenkompetenz anderer auf ein höheres Niveau zu bringen? Bedenken Sie, dass ein Drittel der Amerikaner nicht weiß, dass ein Viertel eines Kreisdiagramms dasselbe ist wie 25 %, und 22 % verstehen alltägliche numerische Informationen wie Kontoauszüge nicht. Zusätzlich, 20% der Menschen haben schwere Matheangst, die ihr Gehirn einfriert. Verfügt eine Organisation also über die Ressourcen, um all diese erheblichen Lücken zu schließen?

7. Kosten: Verfügt die Organisation über das Budget für Datenkompetenz? Es kostet viel, alle zu schulen. Einige Unternehmen erwägen möglicherweise, Geld zu sparen, indem sie ihre Mitarbeiter dazu ermutigen, an kostenlosen, selbstgesteuerten Online-Kursen teilzunehmen. Allerdings stellen mehrere Studien die Wirksamkeit eines solchen Ansatzes in Frage.

8. Uhrzeit: Dr. Lynch betont, dass Zeit die knappste Ressource der Menschen darstellt. Unternehmen müssen Zeit für den täglichen Betrieb und ihre Datenanwendungen nutzen. Wie können Unternehmen also Zeit einplanen, um Schulungen zur Datenkompetenz zu kombinieren und die Mitarbeiter zum Lernen zu bewegen, insbesondere wenn die Mitarbeiter geografisch verteilt sind?

Neuformulierung von Barrieren bei der Datenkompetenz-Schulung

Wie oben erwähnt, stellt Dr. Lynch viele komplexe Hindernisse bei der Schulung von Datenkompetenz fest, wenn Mitarbeiter überall eine hohe Datenkompetenz erreichen müssen. Daher empfiehlt sie, dieses Problem der Datenkompetenz auf Teamebene neu zu definieren, um diese Hindernisse möglichst effizient abzubauen.

Nicht jeder hat die gleichen Fähigkeiten oder das gleiche Interesse an Datenkompetenz, aber es gibt unterschiedliche, die ein Unternehmen benötigt, wie z. B. Menschenkompetenz (emotionale Reife und Kommunikationsfähigkeiten) und Geschäftskompetenz (Verstehen von Geschäftsprioritäten und strategischen Erfordernissen und wie die eigene Arbeit damit zusammenhängt). Wenn man Data Literacy auf diese Weise betrachtet, verändern sich die Herausforderungen im Bereich Data Literacy und gewinnen insgesamt an Bedeutung.

Dann müssen sich Unternehmen fragen, wie sie ihre Teams mit Gruppen von Menschen mit unterschiedlichen Stärken am besten einsetzen können. Dr. Lynch erklärt es so: 

„Führungskräfte wollen eine bessere Datenkompetenz, nicht weil sie wollen, dass jeder Mitarbeiter Mathematik liebt. Stattdessen möchten sie, dass ihre Organisationen bessere Einblicke erhalten. Je mehr Menschen insgesamt in der Datenkompetenz aufsteigen können, desto mehr Erkenntnisse können Sie gewinnen.“

Mit anderen Worten: Manager wünschen sich Datenkompetenzen oder Arbeitskooperationen, um jedem Mitarbeiter das Wissen und den analytischen Zugriff zu geben, um seine Arbeit gut zu erledigen.

Ein dreigleisiger Ansatz: Schulung, Rollen und Zugang

Angesichts dieser neuen Perspektive schlägt Dr. Lynch vor, dass Unternehmen einen dreigleisigen Ansatz verfolgen, der sich aus Schulung, Rollen und Zugänglichkeit zusammensetzt höhere Datenkompetenz für organisatorische Einblicke. Sie erklärt dies jeweils weiter:

Ausbildung: Basierend auf früheren Daten empfiehlt Dr. Lynch die folgenden Best Practices für die Datenkompetenz:

  • Benennen Sie einen kompetenten Experten, der sich um die Verbesserung der Alphabetisierung kümmert. Diese Person sollte aus einem anderen Bereich als Data Governance oder einem Datenbereich stammen.
  • Haben Sie einen klaren Business Case dafür, was das Unternehmen erreichen wird, wenn es eine höhere Datenkompetenz erreicht.
  • Strukturieren Sie die Ausbildung so, dass sie zum normalen Geschäftsbetrieb passt, und geben Sie relevante Beispiele, die den Unterricht mit der Rolle eines Mitarbeiters verknüpfen, wenn diese Person lernt.

Rollen: Während Dr. Lynch die gemeinsame Weiterentwicklung der Datenkompetenz erforscht, fragt sie sich, wie man neben der Schulung auch Aufgaben festlegen kann, um die Stärken der Menschen zu nutzen und ihre Schwächen zu berücksichtigen. Sie schlägt sogar mögliche Kombinationsrollen vor.

Wenn Lynch beispielsweise mit ihrem medizinischen Kunden zusammenarbeitet, sieht sie KI-Experten (technisch versierter) und klinische Experten (besser in der Lage, Patienten zu diagnostizieren und zu behandeln). Während sie den Teammitgliedern ermöglicht, ihre Datenkompetenzen zu verbessern, implementiert sie Übersetzerrollen zwischen der KI und den klinischen Experten.

Diese Übersetzerrollen helfen der KI und den klinischen Mitarbeitern, Dateneinblicke zu erhalten. Dr. Lynch behauptet:

„Vielleicht geben Übersetzer, die mit unterschiedlichen Dateneinblicken vertraut sind und über grundlegende SQL-Kenntnisse verfügen, Informationen an alle anderen weiter. Dann hat jeder Zugriff auf erweiterte Erkenntnisse aus den Daten.“

Auf diese Weise kann das Team die Informationen besser verarbeiten und jeden Auftrag abschließen. Dieser Ansatz spart auch Zeit und Geld, die nötig wären, um jeden Einzelnen im Umgang mit Daten zu schulen, insbesondere wenn diese Person kein Interesse an der Berechnung hat.

Zugang: Komplexe Technologie schränkt den Schulungsaufwand ein und erfordert zusätzliche Zeit, um den Auszubildenden zu zeigen, wie sie Daten finden, abrufen und bearbeiten. Um diesem Problem entgegenzuwirken, befürwortet Dr. Lynch Plattformen, die Datenschnittstellen verwenden, die weniger technische Fähigkeiten erfordern und die Nutzung für ein Unternehmen eröffnen, wie es der Markt bereits bei Computern getan hat.

Sie erklärt, dass Programmierer und spezialisierte Ingenieure in den 1970er Jahren Computer nur benutzten, weil sie wussten, wie. Dann ermöglichten Fortschritte bei Hardware, PCs und GUIs den Zugang zu Computern für jedermann. Heutzutage nutzen die meisten Menschen problemlos Computer für ihre Arbeit, unabhängig von ihren Kenntnissen über Algorithmen.

In gleicher Weise sagt Dr. Lynch:

„Wir können anfangen, darüber nachzudenken, dass Analysen leichter zugänglich sind. Anstatt die Datenanalyse beispielsweise auf Dashboard-Interaktionen und SQL-Abfragen zu beschränken, könnten wir uns eine Technologie vorstellen, die in einer natürlichen Sprache formulierte Abfragen in Analysen umwandelt.“

Fortschritte in der AI und maschinelles Lernen (ML) kann potenziell den Zugang zu Analysedaten verbessern. Lynch weist darauf hin, dass GPT-4 gesprochene Fragen in SQL umwandeln und Grafiken erstellen kann, die die Analyse zeigen, wodurch die Anforderungen an die Datenkompetenz für Erkenntnisse gesenkt werden.

Zusammenfassung

Die Hürden bei der Datenkompetenz scheinen komplex und schwierig zu sein, insbesondere wenn es darum geht, jeden Mitarbeiter auf ein höheres Niveau zu bringen. Während Schulungen also ein Werkzeug darstellen, benötigen Unternehmen andere Ansätze.

Übersetzerrollen versprechen eine Brücke zwischen datenkompetenten und technisch nicht versierten Teammitgliedern. Außerdem können technologische Fortschritte die Hürde für den Gewinn von Erkenntnissen senken, indem sie den Zugang für weniger technisch versierte Mitglieder öffnen. Mit dieser neuen Perspektive können Führungskräfte die Datenkompetenzschulung überdenken, um die acht in diesem Artikel aufgeführten Hindernisse zu beseitigen.

Sehen Sie sich das Webinar hier an:

Bild verwendet unter Lizenz von Shutterstock.com

Zeitstempel:

Mehr von DATENVERSITÄT