Surmonter huit obstacles à la littératie des données – DATAVERSITY

Les dirigeants veulent que "tout le monde, partout et en même temps, devienne très compétent en matière de données, démontre une grande capacité à lire, travailler avec et analyser les données", déclare le Dr Wendy Lynch, fondatrice de Traducteur-Analytique.com et Lynch Consulting. En tant que consultante auprès de nombreuses entreprises du Fortune 100, elle comprend pourquoi les organisations souhaitent que tous leurs membres aient un niveau élevé de Data Literacy. Le Dr Lynch met en évidence certains des plus grands obstacles à la littératie des données et comment les résoudre lors d'un webinaire DATAVERSITY, "Surmonter les défis pour atteindre la littératie des données.” Dans sa présentation, elle explique et recadre les défis de la formation en littératie des données et encourage une approche à trois volets pour les relever.

Dans le webinaire, le Dr Lynch a cité une étude de McKinsey, notant qu'au moins 1 $ sur 5 $ provenant du bénéfice avant intérêts et impôts (EBIT) d'une entreprise se traduit par la valeur des actifs de données. De plus, les entreprises ayant le plus haut niveau de maîtrise des données, y compris les politiques, les personnes et la technologie, ont un revenu par personne 70 % plus élevé.

Pourtant, près de 80 % des gens manquent de confiance en leur Compétences en littératie des données, et des études montrent que 90 % n'ont pas une littératie élevée en matière de données. Ainsi, comme le souligne Lynch, "les entreprises veulent que tout le monde fonctionne comme des scientifiques des données, mais commencent à un endroit difficile".

Obstacles à la littératie des données

Le Dr Lynch cite huit thèmes des groupes de discussion DATAVERSITY menés au début de 2023 pour comprendre pourquoi les personnes et les organisations trouvent difficile la formation en littératie des données. Ils comprennent:

1. Adhésion : Les dirigeants surestiment les capacités de leurs employés avec les données et peuvent ne pas comprendre l'importance de la formation à la Data Literacy ou la priorité de ces efforts.

2. Propriété : Les organisations doivent clarifier qui dirige les efforts de Data Literacy. Est-ce la personne avec le score de littératie en données le plus élevé, une personne de niveau C ou un nouveau rôle ? Le Dr Lynch observe que les employés peuvent hésiter ou avoir des appréhensions à l'idée d'apprendre la Data Literacy parce qu'ils n'ont pas l'intérêt ou l'aptitude. Alors, la personne qui dirige la formation Data Literacy est-elle responsable de l'atténuation de ces problèmes ?

3. Mesures : Comment les organisations évaluer les niveaux actuels ou les améliorations de la Data Literacy ? Que représente un bon niveau de Data Literacy ? De plus, sur la base d'un article de Forbes, elle mentionne que si les entreprises n'atteignaient pas un bon niveau de Data Literacy, elles créeraient un fracture toxique entre les producteurs de données et les consommateurs - ceux qui sont alphabétisés et ceux qui ont besoin d'accéder à un niveau supérieur. Alors, comment les mesures peuvent-elles aider à faire progresser la Data Literacy sans créer un tel environnement controversé parmi les employés ?

4. Approche de la formation : Lynch demande comment nous abordons la formation à la Data Literacy. Les organisations le font-elles à l'échelle de l'entreprise ? Choisissent-ils la formation d'un fournisseur ou de l'intérieur de l'organisation ? De plus, comment le formateur d'une organisation couvre-t-il toutes les étapes importantes pour atteindre une littératie élevée en matière de données, comme indiqué ci-dessous ?

• Prendre connaissance des données disponibles dans l'organisation.
• Identifiez ces différentes sources de données.
• Savoir sélectionner les bonnes sources au bon moment.
• Comprendre la valeur et les limites des ensembles de données sélectionnés.
• Manipulez les données pour définir et filtrer les informations avec compétence.
• Analysez les données, y compris en utilisant les calculs pour y arriver.
• Interpréter raisonnablement les données et les résultats qui en découlent.
• Appliquez ces informations pour répondre aux exigences de l'entreprise et de l'emploi.

5. Durée/Niveaux : À quelle fréquence les employés suivent-ils une formation ? Est-ce en cours ou une fois fait ? Pour illustrer ce défi, le Dr Lynch raconte une expérience examinant les implications de l'IA dans un établissement médical. Les médecins de cette organisation se méfient parfois de l'IA et ont besoin de formation. Mais elle demande : « Voulons-nous qu'un médecin qui a fait 12 ans d'études en médecine retourne à l'école pour devenir data scientist ?

6. Personnel : L'organisation a-t-elle des personnes qui peuvent aider à faire progresser la littératie des données des autres à un niveau supérieur ? Considérez qu'un tiers des Américains ne savent pas qu'un quart d'un graphique à secteurs équivaut à 25 %, et 22 % ne comprennent pas les informations numériques quotidiennes telles que les relevés bancaires. En outre, 20% des personnes avoir une anxiété mathématique sévère qui gèle leur cerveau. Alors, une organisation a-t-elle les ressources pour gérer toutes ces lacunes importantes ?

7. Coût: L'organisation dispose-t-elle du budget pour la Data Literacy ? Former tout le monde coûte cher. Certaines organisations peuvent envisager d'économiser de l'argent en encourageant les employés à suivre des cours en ligne autonomes et gratuits. Cependant, plusieurs études remettent en question l'efficacité d'une telle approche.

8. Heure : Le Dr Lynch souligne que le temps représente la ressource la plus rare des gens. Les organisations ont besoin de gagner du temps pour les opérations quotidiennes et leurs applications de données. Alors, comment les entreprises peuvent-elles allouer du temps pour combiner la formation à la Data Literacy et faire apprendre les gens, surtout si les employés sont dispersés géographiquement ?

Recadrer les obstacles à la formation à la littératie des données

Comme mentionné ci-dessus, le Dr Lynch trouve de nombreux obstacles complexes à la formation en littératie des données lorsque les employés doivent atteindre partout une littératie élevée en matière de données. Elle recommande donc de recadrer ce problème de Data Literacy au niveau de l'équipe afin de réduire ces obstacles plus efficacement.

Tout le monde n'a pas la même capacité ou le même intérêt pour la littératie des données, mais en a différents dont une entreprise a besoin, comme la littératie des personnes (maturité émotionnelle et compétences en communication) et la littératie commerciale (comprendre les priorités de l'entreprise et les impératifs stratégiques et comment son travail s'y rapporte). Lorsque vous envisagez la littératie des données de cette manière, les défis de la littératie des données changent et deviennent plus significatifs dans l'ensemble.

Ensuite, les organisations doivent se demander comment utiliser au mieux leurs équipes avec des groupes de personnes aux forces différentes. Le Dr Lynch l'explique ainsi : 

"Les dirigeants veulent une meilleure littératie des données non pas parce qu'ils veulent que chaque employé aime les mathématiques. Au lieu de cela, ils veulent que leurs organisations obtiennent de meilleures informations. Comme plus de personnes, collectivement, peuvent monter plus haut dans la littératie des données, plus vous pouvez obtenir ces informations.

En d'autres termes, les managers veulent des ensembles de compétences en matière de données ou des collaborations de travail pour donner à chaque employé les connaissances et l'accès analytique nécessaires pour bien faire le travail.

Une approche à trois volets : formation, rôles et accès

Compte tenu de cette nouvelle perspective, le Dr Lynch suggère aux organisations d'utiliser une approche à trois volets par la formation, les rôles et l'accessibilité pour atteindre une meilleure littératie des données pour des aperçus organisationnels. Elle explique chacun de ces éléments plus en détail :

La formation Sur la base de données antérieures, le Dr Lynch conseille les meilleures pratiques suivantes lors de la littératie des données :

• Désignez un expert compétent qui est responsable de l'effort d'amélioration de l'alphabétisation, et cette personne doit provenir d'autre chose que de la gouvernance des données ou d'un domaine de données.
• Avoir une analyse de rentabilisation claire de ce que l'organisation réalisera lorsqu'elle atteindra une meilleure littératie en matière de données.
• Structurez l'éducation pour s'adapter aux opérations commerciales normales et donnez des exemples pertinents qui lient tout enseignement au rôle d'un employé lorsque cette personne apprend.

Les rôles: Alors que le Dr Lynch explore l'avancement collectif de la littératie des données, elle s'interroge sur la désignation de travail pour capitaliser sur les forces des gens et tenir compte de leurs faiblesses en plus de la formation. Elle suggère même des rôles de combinaison possibles.

Par exemple, alors que Lynch travaille avec son client médical, elle voit des experts en IA (plus férus de technologie) et des experts cliniques (mieux capables de diagnostiquer et de traiter les patients). Ainsi, tout en permettant aux membres de l'équipe d'améliorer leurs compétences en matière de données, elle met en œuvre des rôles de traducteur entre l'IA et les experts cliniques.

Ces rôles de traducteur aident l'IA et les employés cliniques à obtenir des informations sur les données. Le Dr Lynch affirme :

"Peut-être que les traducteurs familiarisés avec différentes informations sur les données et qui ont des compétences de base en SQL donnent des informations à tout le monde. Ensuite, tout le monde a accès à des informations plus avancées à partir des données. »

De cette façon, l'équipe peut mieux traiter les informations et terminer chaque travail. Cette approche permet également d'économiser le temps et l'argent nécessaires pour former chaque individu à manipuler les données, surtout si cette personne n'est pas intéressée à faire les calculs.

Accès: La technologie complexe limite la quantité de formation nécessaire, nécessitant du temps supplémentaire pour montrer aux stagiaires comment trouver, récupérer et manipuler des données. Pour contrer ce problème, le Dr Lynch préconise des plates-formes qui utilisent des interfaces de données qui nécessitent moins de compétences techniques, ouvrant l'utilisation d'une organisation, comme le marché l'a fait avec les ordinateurs.

Elle explique que dans les années 1970, les programmeurs et les ingénieurs spécialisés n'utilisaient les ordinateurs que parce qu'ils savaient comment. Ensuite, les progrès du matériel, des PC et des interfaces graphiques ont ouvert l'accès à l'informatique à tout le monde. Aujourd'hui, la plupart des gens utilisent des ordinateurs de manière transparente pour leur travail, quelle que soit leur connaissance des algorithmes.

De la même manière, le Dr Lynch dit :

« Nous pouvons commencer à penser que l'analyse est plus accessible. Par exemple, au lieu de limiter l'analyse des données aux interactions du tableau de bord et aux requêtes SQL, nous pourrions penser à une technologie qui convertit les requêtes, formées dans un langage naturel, en analyses. »

Progrès en AI et l'apprentissage automatique (ML) peut potentiellement accroître l'accès aux données analytiques. Lynch souligne que GPT-4 peut convertir des questions orales en SQL et produire des graphiques, montrant l'analyse, réduisant ainsi les exigences de Data Literacy pour obtenir des informations.

Conclusion

Les obstacles à la littératie des données semblent complexes et difficiles, en particulier pour amener chaque employé à un niveau supérieur. Ainsi, si la formation est un outil, les organisations ont besoin d'autres approches.

Les rôles de traducteur promettent un pont entre les membres de l'équipe connaissant les données et les non-techniciens. De plus, les progrès technologiques peuvent réduire la barre pour obtenir des informations en ouvrant l'accès aux membres moins techniques. Avec cette nouvelle perspective, les dirigeants peuvent repenser la formation à la Data Literacy pour surmonter les huit obstacles répertoriés dans cet article.

Regardez le webinaire ici:

Image utilisée sous licence de Shutterstock.com

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoAiStream. Intelligence des données Web3. Connaissance Amplifiée. Accéder ici.
• Frapper l'avenir avec Adryenn Ashley. Accéder ici.
• Achetez et vendez des actions de sociétés PRE-IPO avec PREIPO®. Accéder ici.
• La source: https://www.dataversity.net/overcoming-eight-data-literacy-barriers/