Superando Ocho Barreras de Alfabetización de Datos - DATAVERSITY

Superando Ocho Barreras de Alfabetización de Datos – DATAVERSITY

Marca de tiempo: 6 de junio de 2023 3:35 a.m.
Nodo de origen: 2704609
barreras de alfabetización de datosbarreras de alfabetización de datos

Los líderes quieren que “todos, en todas partes y a la vez se vuelvan altamente alfabetizados en datos, demuestren una gran capacidad para leer, trabajar con y analizar datos”, dice la Dra. Wendy Lynch, fundadora de Analytic-Translastor.com y Lynch Consulting. Como consultora de numerosas empresas Fortune 100, entiende por qué las organizaciones quieren que todos sus miembros tengan un alto nivel de alfabetización de datos. El Dr. Lynch destaca algunas de las mayores barreras de la alfabetización de datos y cómo resolverlas durante un seminario web de DATAVERSITY, “Superar los desafíos para lograr la alfabetización de datos.” En su presentación, explica y reformula los desafíos de la capacitación en alfabetización de datos y alentó un enfoque triple para abordarlos.

En el seminario web, el Dr. Lynch citó un estudio de McKinsey, y señaló que al menos $ 1 de $ 5 de las ganancias de una empresa antes de intereses e impuestos (EBIT) se traduce en valor de los activos de datos. Además, las empresas con el nivel más alto de dominio de datos, incluidas políticas, personas y tecnología, tienen un 70 % más de ingresos por persona.

Sin embargo, casi el 80% de las personas no tienen confianza en sus Habilidades de alfabetización de datos, y los estudios muestran que el 90% no tiene una Alfabetización de datos alta. Entonces, como señala Lynch, "las empresas quieren que todos funcionen como científicos de datos, pero están comenzando en un lugar difícil".

Barreras para la alfabetización de datos

El Dr. Lynch cita ocho temas de los grupos de enfoque de DATAVERSITY realizados a principios de 2023 para comprender por qué las personas y las organizaciones encuentran difícil la capacitación en alfabetización de datos. Incluyen:

1. Entrada: Los líderes sobrestiman las capacidades de sus trabajadores con los datos y es posible que no entiendan la importancia de la capacitación en alfabetización de datos o la prioridad de dichos esfuerzos.

2. Propiedad: Las organizaciones deben aclarar quién impulsa los esfuerzos de alfabetización de datos. ¿Es la persona con el puntaje más alto de alfabetización de datos, una persona de nivel C o un nuevo rol? El Dr. Lynch observa que los empleados pueden dudar o sentirse aprensivos acerca de aprender Alfabetización de datos porque no tienen el interés o la aptitud. Entonces, ¿la persona que impulsa la capacitación en alfabetización de datos es responsable de mitigar estos problemas?

3. Medidas: ¿Cómo las organizaciones evaluar los niveles actuales o las mejoras en la alfabetización de datos? ¿Qué representa un buen nivel de alfabetización de datos? Además, con base en un artículo de Forbes, menciona que si las empresas no llegan a un buen nivel de Alfabetización de datos, crearían un división tóxica entre los productores de datos y los consumidores: los que saben leer y escribir y los que necesitan llegar a un nivel superior. Entonces, ¿cómo pueden las mediciones ayudar a avanzar en la alfabetización de datos sin crear un entorno tan polémico entre los empleados?

4. Enfoque de entrenamiento: Lynch pregunta cómo abordamos la capacitación en alfabetización de datos. ¿Las organizaciones lo hacen en toda la empresa? ¿Seleccionan la capacitación de un proveedor o dentro de la organización? Además, ¿cómo cubre el formador de una organización todos los pasos importantes para alcanzar un alto nivel de alfabetización de datos, como se indica a continuación?

  • Obtener conocimiento de los datos disponibles en la organización.
  • Identifique estas diferentes fuentes de datos.
  • Sepa cómo seleccionar las fuentes adecuadas en el momento adecuado.
  • Comprender el valor y las limitaciones de los conjuntos de datos seleccionados.
  • Manipule los datos para definir y filtrar la información de manera competente.
  • Analice los datos, incluido el uso de los cálculos para llegar allí.
  • Interpretar los datos y los resultados que siguen razonablemente.
  • Aplique esta información para cumplir con los requisitos comerciales y laborales.

5. Duración/ Niveles: ¿Con qué frecuencia reciben capacitación los empleados? ¿Está en curso o una vez hecho? Para ilustrar este desafío, el Dr. Lynch relata una experiencia en la que examinó las implicaciones de la IA en una institución médica. Los médicos de esta organización a veces desconfían de la IA y necesitan algo de capacitación. Pero ella pregunta: "¿Queremos que un médico que haya cursado 12 años en la escuela de medicina regrese a la escuela para convertirse en científico de datos?"

6. Personal: ¿La organización tiene personas que pueden ayudar a avanzar la alfabetización de datos de otros a un nivel superior? Considere que un tercio de los estadounidenses no sabe que un cuarto de un gráfico circular es lo mismo que el 25 %, y el 22 % no entiende la información numérica cotidiana, como los extractos bancarios. Además, 20% de las personas tienen una ansiedad matemática severa que congela sus cerebros. Entonces, ¿una organización tiene los recursos para manejar todas estas brechas significativas?

7. Costo: ¿La organización cuenta con el presupuesto para Alfabetización de datos? Entrenar a todos cuesta mucho. Algunas organizaciones pueden considerar ahorrar dinero alentando a los empleados a tomar cursos en línea autodirigidos sin costo alguno. Sin embargo, varios estudios cuestionan la efectividad de tal enfoque.

8. Tiempo: El Dr. Lynch destaca que el tiempo representa el recurso más escaso de las personas. Las organizaciones necesitan aprovechar el tiempo para las operaciones diarias y sus aplicaciones de datos. Entonces, ¿cómo pueden las empresas asignar tiempo para combinar la capacitación en alfabetización de datos y hacer que las personas aprendan, especialmente si los empleados están dispersos geográficamente?

Replanteamiento de las barreras de capacitación en alfabetización de datos

Como se mencionó anteriormente, el Dr. Lynch encuentra muchas barreras complejas de capacitación en alfabetización de datos cuando los empleados necesitan lograr una alta alfabetización de datos en todas partes. Por lo tanto, recomienda reformular este problema de alfabetización de datos a nivel de equipo para reducir estas barreras de manera más eficiente.

No todos tienen la misma capacidad o interés en la alfabetización de datos, pero tienen diferentes habilidades que necesita una empresa, como la alfabetización de personas (madurez emocional y habilidades de comunicación) y la alfabetización empresarial (comprensión de las prioridades comerciales y los imperativos estratégicos y cómo el trabajo de uno se conecta con eso). Al ver la Alfabetización de datos de esta manera, los desafíos de la Alfabetización de datos cambian y se vuelven más significativos en conjunto.

Luego, las organizaciones deben preguntarse cómo utilizar mejor sus equipos con colecciones de personas con diferentes fortalezas. El Dr. Lynch lo explica de esta manera: 

“Los líderes quieren una mejor alfabetización de datos no porque quieran que a todos los empleados les encanten las matemáticas. En cambio, quieren que sus organizaciones obtengan mejores conocimientos. A medida que más personas, colectivamente, puedan ascender en la alfabetización de datos, más podrá obtener estos conocimientos”.

En otras palabras, los gerentes quieren conjuntos de habilidades de datos o colaboraciones de trabajo para brindar a cada empleado el conocimiento y el acceso analítico para hacer bien el trabajo.

Un enfoque triple: capacitación, funciones y acceso

Dada esta nueva perspectiva, el Dr. Lynch sugiere que las organizaciones utilicen un enfoque triple a través de la capacitación, los roles y la accesibilidad para lograr mayor alfabetización de datos para conocimientos organizacionales. Ella explica cada uno de estos más:

Capacitación: Con base en datos anteriores, el Dr. Lynch recomienda las siguientes mejores prácticas al hacer alfabetización de datos:

  • Designe a un experto competente que sea responsable del esfuerzo por mejorar la alfabetización, y esta persona debe ser de algo que no sea Data Governance o un área de datos.
  • Tenga un caso de negocio claro de lo que la organización logrará cuando alcance una alfabetización de datos más alta.
  • Estructure la educación para que encaje con las operaciones comerciales normales y brinde ejemplos relevantes que vinculen cualquier enseñanza con el rol de un empleado cuando esa persona aprende.

Roles: A medida que la Dra. Lynch explora el avance colectivo de la alfabetización de datos, se pregunta acerca de designar el trabajo para capitalizar las fortalezas de las personas y adaptarse a sus debilidades además de la capacitación. Incluso sugiere posibles roles combinados.

Por ejemplo, cuando Lynch trabaja con su cliente médico, ve expertos en inteligencia artificial (más expertos en tecnología) y expertos clínicos (más capaces de diagnosticar y tratar a los pacientes). Entonces, mientras permite que los miembros del equipo mejoren sus habilidades con los datos, implementa roles de traductor entre la IA y los expertos clínicos.

Estos roles de traductor ayudan a la IA y a los empleados clínicos a obtener información sobre los datos. El Dr. Lynch afirma:

“Quizás los traductores familiarizados con diferentes perspectivas de datos y que tienen habilidades básicas de SQL brindan información a todos los demás. Entonces todos tienen acceso a información más avanzada a partir de los datos”.

De esta manera, el equipo puede procesar mejor la información y completar cada trabajo. Este enfoque también ahorra el tiempo y el dinero necesarios para capacitar a cada individuo en la manipulación de datos, especialmente si esa persona no está interesada en hacer los cálculos.

Acceso: La tecnología compleja restringe la cantidad de capacitación que se necesita, lo que requiere tiempo adicional para mostrar a los alumnos cómo encontrar, recuperar y manipular datos. Para contrarrestar este problema, el Dr. Lynch aboga por plataformas que utilicen interfaces de datos que requieran menos habilidades técnicas, abriendo el uso de una organización, como lo ha hecho el mercado con las computadoras.

Ella explica que en la década de 1970, los programadores e ingenieros especializados solo usaban computadoras porque sabían cómo hacerlo. Luego, los avances en hardware, PC y GUI abrieron el acceso informático a todos. Ahora, la mayoría de las personas usan las computadoras sin problemas para su trabajo, independientemente de su conocimiento de los algoritmos.

De la misma manera, el Dr. Lynch dice:

“Podemos empezar a pensar en la analítica como algo más accesible. Por ejemplo, en lugar de limitar el análisis de datos a las interacciones del tablero y las consultas SQL, podríamos pensar en una tecnología que convierta las consultas, formadas en un lenguaje natural, en análisis”.

Avances en AI y el aprendizaje automático (ML) puede aumentar potencialmente el acceso a los datos analíticos. Lynch señala que GPT-4 puede convertir preguntas habladas en SQL y producir gráficos, mostrando el análisis, reduciendo los requisitos de alfabetización de datos para obtener información.

Conclusión

Las barreras de la alfabetización de datos parecen complejas y difíciles, especialmente para lograr que cada empleado alcance un nivel superior. Entonces, si bien la capacitación proporciona una herramienta, las organizaciones necesitan otros enfoques.

Los roles de traductor prometen un puente entre los miembros del equipo con conocimientos de datos y los no técnicos. Además, los avances tecnológicos pueden bajar el listón para obtener información al abrir el acceso a miembros menos técnicos. Con esta nueva perspectiva, los ejecutivos pueden repensar la capacitación en alfabetización de datos para abordar las ocho barreras enumeradas en este artículo.

Vea el seminario web aquí:

Imagen utilizada bajo licencia de Shutterstock.com

Sello de tiempo:

Mas de VERSIDAD DE DATOS