आठ डेटा साक्षरता बाधाओं पर काबू पाना - डेटा विविधता

नेता चाहते हैं कि "हर कोई, हर जगह, और सभी एक साथ अत्यधिक डेटा-साक्षर बनें, डेटा को पढ़ने, काम करने और विश्लेषण करने की उच्च क्षमता प्रदर्शित करें," के संस्थापक डॉ. वेंडी लिंच कहते हैं। विश्लेषणात्मक-Translastor.com और लिंच परामर्श। कई फॉर्च्यून 100 कंपनियों की सलाहकार के रूप में, वह समझती हैं कि संगठन क्यों चाहते हैं कि उनके सभी सदस्यों के पास उच्च स्तर की डेटा साक्षरता हो। डॉ. लिंच ने डेटावर्सिटी वेबिनार के दौरान कुछ सबसे बड़ी डेटा साक्षरता बाधाओं और उन्हें हल करने के तरीके पर प्रकाश डाला, "डेटा साक्षरता हासिल करने की चुनौतियों पर काबू पाना।” अपनी प्रस्तुति में, वह डेटा साक्षरता प्रशिक्षण की चुनौतियों के बारे में बताती हैं और उन्हें पुनः प्रस्तुत करती हैं और उन्हें संबोधित करने के लिए तीन-आयामी दृष्टिकोण को प्रोत्साहित करती हैं।

वेबिनार में, डॉ. लिंच ने मैकिन्से के एक अध्ययन का हवाला दिया, जिसमें कहा गया था कि किसी कंपनी की ब्याज और करों से पहले की कमाई (ईबीआईटी) से $1 में से कम से कम $5 डेटा परिसंपत्तियों के मूल्य में तब्दील हो जाता है। इसके अलावा, नीतियों, लोगों और प्रौद्योगिकी सहित उच्चतम स्तर की डेटा महारत वाले व्यवसायों में प्रति व्यक्ति 70% अधिक राजस्व होता है।

फिर भी, लगभग 80% लोगों में आत्मविश्वास की कमी है डेटा साक्षरता कौशल, और अध्ययनों से पता चलता है कि 90% के पास उच्च डेटा साक्षरता नहीं है। इसलिए, जैसा कि लिंच बताते हैं, "व्यवसाय चाहते हैं कि हर कोई डेटा वैज्ञानिक के रूप में कार्य करे लेकिन वे एक कठिन जगह से शुरुआत कर रहे हैं।"

डेटा साक्षरता में बाधाएँ

लोगों और संगठनों को डेटा साक्षरता प्रशिक्षण कठिन क्यों लगता है, यह समझने के लिए डॉ. लिंच 2023 की शुरुआत में आयोजित डेटावर्सिटी फोकस समूहों के आठ विषयों का हवाला देते हैं। वे सम्मिलित करते हैं:

1. खरीदें-इन: नेता डेटा के मामले में अपने कार्यकर्ताओं की क्षमताओं को ज़्यादा आंकते हैं और डेटा साक्षरता प्रशिक्षण के महत्व या ऐसे प्रयासों की प्राथमिकता को नहीं समझ सकते हैं।

2. स्वामित्व: संगठनों को यह स्पष्ट करने की आवश्यकता है कि डेटा साक्षरता प्रयासों को कौन संचालित करता है। क्या यह उच्चतम डेटा साक्षरता स्कोर वाला व्यक्ति है, सी-स्तर का व्यक्ति है, या कोई नई भूमिका है? डॉ. लिंच का मानना ​​है कि कर्मचारी डेटा साक्षरता सीखने में झिझक सकते हैं या आशंकित महसूस कर सकते हैं क्योंकि उनमें रुचि या योग्यता नहीं है। तो, क्या डेटा साक्षरता प्रशिक्षण चलाने वाला व्यक्ति इन मुद्दों को कम करने के लिए जिम्मेदार है?

3. माप: संगठन कैसे करते हैं डेटा साक्षरता के वर्तमान स्तर या उसमें सुधार का आकलन करें? डेटा साक्षरता के अच्छे स्तर का क्या प्रतिनिधित्व करता है? इसके अलावा, फोर्ब्स के एक लेख के आधार पर, उन्होंने उल्लेख किया है कि यदि कंपनियां डेटा साक्षरता के अच्छे स्तर तक नहीं पहुंच पाती हैं, तो वे एक विषैला विभाजन डेटा उत्पादकों और उपभोक्ताओं के बीच - जो साक्षर हैं और जिन्हें उच्च स्तर तक पहुंचने की आवश्यकता है। तो, कर्मचारियों के बीच ऐसा विवादास्पद माहौल बनाए बिना माप डेटा साक्षरता को आगे बढ़ाने में कैसे मदद कर सकता है?

4. प्रशिक्षण दृष्टिकोण: लिंच पूछती है कि हम डेटा साक्षरता प्रशिक्षण कैसे लेते हैं। क्या संगठन इसे कंपनी-व्यापी करते हैं? क्या वे किसी विक्रेता से या संगठन के भीतर से प्रशिक्षण का चयन करते हैं? इसके अतिरिक्त, किसी संगठन का प्रशिक्षक उच्च डेटा साक्षरता तक पहुंचने के लिए नीचे सूचीबद्ध सभी महत्वपूर्ण कदमों को कैसे कवर करता है?

• संगठन में उपलब्ध डेटा के बारे में जागरूकता हासिल करें।
• इन विभिन्न डेटा स्रोतों को पहचानें।
• जानिए सही समय पर सही स्रोतों का चयन कैसे करें।
• चयनित डेटा सेट के मूल्य और सीमाओं को समझें।
• जानकारी को कुशलतापूर्वक परिभाषित और फ़िल्टर करने के लिए डेटा में हेरफेर करें।
• वहां तक ​​पहुंचने के लिए गणनाओं का उपयोग करने सहित डेटा का विश्लेषण करें।
• डेटा और उसके बाद आने वाले परिणामों की यथोचित व्याख्या करें।
• व्यवसाय और नौकरी की आवश्यकताओं को पूरा करने के लिए इस जानकारी को लागू करें।

5. अवधि/स्तर: कर्मचारी कितनी बार प्रशिक्षण लेते हैं? क्या यह चालू है या एक बार हो गया? इस चुनौती को स्पष्ट करने के लिए, डॉ. लिंच एक चिकित्सा संस्थान में एआई के निहितार्थों की जांच करने वाले एक अनुभव का वर्णन करते हैं। इस संगठन के चिकित्सक कभी-कभी एआई पर भरोसा नहीं करते हैं और उन्हें कुछ प्रशिक्षण की आवश्यकता होती है। लेकिन वह पूछती है, "क्या हम चाहते हैं कि एक डॉक्टर जो 12 साल के मेडिकल स्कूल से गुजरा हो, वह डेटा वैज्ञानिक बनने के लिए स्कूल लौट आए?"

6. कार्मिक: क्या संगठन में ऐसे लोग हैं जो दूसरों की डेटा साक्षरता को उच्च स्तर तक आगे बढ़ाने में मदद कर सकते हैं? विचार करें कि एक तिहाई अमेरिकियों को यह नहीं पता है कि पाई चार्ट का एक चौथाई 25% के बराबर है, और 22% बैंक स्टेटमेंट जैसी रोजमर्रा की संख्यात्मक जानकारी को नहीं समझते हैं। इसके अतिरिक्त, लोगों के 20% उन्हें गणित की गंभीर चिंता है जो उनके दिमाग को स्थिर कर देती है। तो, क्या किसी संगठन के पास इन सभी महत्वपूर्ण कमियों को संभालने के लिए संसाधन हैं?

7. लागत: क्या संगठन के पास डेटा साक्षरता के लिए बजट है? सभी को प्रशिक्षण देने में बहुत खर्च होता है। कुछ संगठन कर्मचारियों को बिना लागत वाले स्व-संचालित ऑनलाइन पाठ्यक्रम लेने के लिए प्रोत्साहित करके पैसे बचाने पर विचार कर सकते हैं। हालाँकि, कई अध्ययन इस तरह के दृष्टिकोण की प्रभावशीलता पर सवाल उठाते हैं।

8. समय: डॉ. लिंच इस बात पर प्रकाश डालते हैं कि समय लोगों के सबसे दुर्लभ संसाधन का प्रतिनिधित्व करता है। संगठनों को दैनिक संचालन और उनके डेटा अनुप्रयोगों के लिए समय का लाभ उठाने की आवश्यकता है। तो, कंपनियां डेटा साक्षरता प्रशिक्षण को संयोजित करने और लोगों को सीखने के लिए समय कैसे आवंटित कर सकती हैं, खासकर यदि कर्मचारी भौगोलिक रूप से फैले हुए हैं?

डेटा साक्षरता प्रशिक्षण बाधाओं को फिर से तैयार करना

जैसा कि ऊपर उल्लेख किया गया है, जब कर्मचारियों को हर जगह उच्च डेटा साक्षरता प्राप्त करने की आवश्यकता होती है, तो डॉ. लिंच को कई जटिल डेटा साक्षरता प्रशिक्षण बाधाएं मिलती हैं। इसलिए, वह इन बाधाओं को सबसे कुशलता से कम करने के लिए टीम स्तर पर इस डेटा साक्षरता समस्या को फिर से तैयार करने की सिफारिश करती है।

हर किसी के पास डेटा साक्षरता में समान क्षमता या रुचि नहीं होती है, लेकिन इसमें अलग-अलग चीजें होती हैं जिनकी व्यवसाय को आवश्यकता होती है, जैसे लोगों की साक्षरता (भावनात्मक परिपक्वता और संचार कौशल) और व्यावसायिक साक्षरता (व्यावसायिक प्राथमिकताओं और रणनीतिक अनिवार्यताओं को समझना और किसी की नौकरी उससे कैसे जुड़ती है)। डेटा साक्षरता को इस तरह से देखने पर, डेटा साक्षरता चुनौतियाँ बदल जाती हैं और कुल मिलाकर अधिक सार्थक हो जाती हैं।

फिर, संगठनों को यह पूछना चाहिए कि विभिन्न शक्तियों वाले लोगों के संग्रह के साथ अपनी टीमों का सर्वोत्तम उपयोग कैसे किया जाए। डॉ. लिंच इसे इस प्रकार समझाते हैं: 

“नेता बेहतर डेटा साक्षरता चाहते हैं, इसलिए नहीं कि वे चाहते हैं कि हर कर्मचारी गणित से प्यार करे। इसके बजाय, वे चाहते हैं कि उनके संगठनों को बेहतर जानकारी मिले। जैसे-जैसे अधिक लोग, सामूहिक रूप से, डेटा साक्षरता में ऊपर जा सकते हैं, आप इन जानकारियों को उतना ही अधिक प्राप्त कर सकते हैं।

दूसरे शब्दों में, प्रबंधक प्रत्येक कर्मचारी को काम को अच्छी तरह से करने के लिए ज्ञान और विश्लेषणात्मक पहुंच प्रदान करने के लिए डेटा कौशल या कार्य सहयोग चाहते हैं।

त्रि-आयामी दृष्टिकोण: प्रशिक्षण, भूमिकाएँ और पहुँच

इस नए परिप्रेक्ष्य को देखते हुए, डॉ. लिंच का सुझाव है कि संगठन लक्ष्य हासिल करने के लिए प्रशिक्षण, भूमिका और पहुंच के माध्यम से तीन-आयामी दृष्टिकोण का उपयोग करें। उच्च डेटा साक्षरता संगठनात्मक अंतर्दृष्टि के लिए. वह इनमें से प्रत्येक को आगे समझाती है:

प्रशिक्षण: पिछले डेटा के आधार पर, डॉ. लिंच डेटा साक्षरता करते समय निम्नलिखित सर्वोत्तम प्रथाओं की सलाह देते हैं:

• एक सक्षम विशेषज्ञ को नामित करें जो साक्षरता में सुधार के प्रयास का मालिक हो, और यह व्यक्ति डेटा गवर्नेंस या डेटा क्षेत्र के अलावा किसी अन्य चीज़ से होना चाहिए।
• उच्च डेटा साक्षरता तक पहुंचने पर संगठन क्या हासिल करेगा, इसके लिए एक स्पष्ट व्यावसायिक मामला रखें।
• शिक्षा को सामान्य व्यावसायिक संचालन के साथ फिट करने के लिए संरचना बनाएं और प्रासंगिक उदाहरण दें जो किसी भी शिक्षण को किसी कर्मचारी की भूमिका से जोड़ते हैं जब वह सीखता है।

भूमिका: जैसा कि डॉ. लिंच सामूहिक रूप से डेटा साक्षरता को आगे बढ़ाने की खोज कर रही हैं, वह लोगों की ताकत को भुनाने और प्रशिक्षण के अलावा उनकी कमजोरियों को समायोजित करने के लिए काम को नामित करने के बारे में सोचती हैं। वह संभावित संयोजन भूमिकाएँ भी सुझाती है।

उदाहरण के लिए, जब लिंच अपने मेडिकल क्लाइंट के साथ काम करती है, तो वह एआई विशेषज्ञों (अधिक तकनीक-प्रेमी) और नैदानिक ​​​​विशेषज्ञों (रोगियों का निदान और उपचार करने में बेहतर सक्षम) को देखती है। इसलिए, टीम के सदस्यों को अपने डेटा कौशल में सुधार करने की अनुमति देते हुए, वह एआई और नैदानिक ​​​​विशेषज्ञों के बीच अनुवादक भूमिकाएं लागू करती है।

ये अनुवादक भूमिकाएँ एआई की मदद करती हैं, और नैदानिक ​​​​कर्मचारियों को डेटा अंतर्दृष्टि प्राप्त होती है। डॉ. लिंच का दावा है:

“शायद अनुवादक विभिन्न डेटा अंतर्दृष्टि से परिचित हैं और जिनके पास बुनियादी एसक्यूएल कौशल हैं, वे बाकी सभी को जानकारी देते हैं। तब हर किसी के पास डेटा से अधिक उन्नत अंतर्दृष्टि तक पहुंच होती है।"

इस तरह, टीम जानकारी को बेहतर ढंग से संसाधित कर सकती है और प्रत्येक कार्य को पूरा कर सकती है। यह दृष्टिकोण प्रत्येक व्यक्ति को डेटा में हेरफेर करने के लिए प्रशिक्षित करने के लिए आवश्यक समय और धन की भी बचत करता है, खासकर यदि उस व्यक्ति को गणित करने में कोई दिलचस्पी नहीं है।

प्रवेश: जटिल तकनीक यह सीमित करती है कि प्रशिक्षण की कितनी आवश्यकता है, जिससे प्रशिक्षुओं को डेटा खोजने, पुनः प्राप्त करने और हेरफेर करने का तरीका दिखाने के लिए अतिरिक्त समय की आवश्यकता होती है। इस मुद्दे का मुकाबला करने के लिए, डॉ. लिंच उन प्लेटफार्मों की वकालत करते हैं जो डेटा इंटरफेस का उपयोग करते हैं जिनके लिए कम तकनीकी कौशल की आवश्यकता होती है, जो संगठन के उपयोग को खोलता है, जैसा कि बाज़ार ने कंप्यूटर के साथ किया है।

वह बताती हैं कि 1970 के दशक में, प्रोग्रामर और विशेष इंजीनियर केवल कंप्यूटर का उपयोग करते थे क्योंकि वे जानते थे कि कैसे। फिर, हार्डवेयर, पीसी और जीयूआई में प्रगति ने सभी के लिए कंप्यूटिंग पहुंच खोल दी। अब, एल्गोरिदम के बारे में उनके ज्ञान की परवाह किए बिना, अधिकांश लोग अपने काम के लिए कंप्यूटर का निर्बाध रूप से उपयोग करते हैं।

इसी प्रकार डॉ. लिंच कहते हैं:

“हम एनालिटिक्स के बारे में अधिक सुलभ के रूप में सोचना शुरू कर सकते हैं। उदाहरण के लिए, डेटा विश्लेषण को डैशबोर्ड इंटरैक्शन और SQL क्वेरी तक सीमित करने के बजाय, हम ऐसी तकनीक के बारे में सोच सकते हैं जो प्राकृतिक भाषा में बनी क्वेरी को एनालिटिक्स में परिवर्तित करती है।

प्रस्तावित AI और मशीन लर्निंग (एमएल) संभावित रूप से विश्लेषणात्मक डेटा तक पहुंच बढ़ा सकता है। लिंच बताते हैं कि GPT-4 बोले गए प्रश्नों को SQL में परिवर्तित कर सकता है और विश्लेषण दिखाते हुए ग्राफिक्स का उत्पादन कर सकता है, जिससे अंतर्दृष्टि के लिए डेटा साक्षरता आवश्यकताओं को कम किया जा सकता है।

निष्कर्ष

डेटा साक्षरता बाधाएँ जटिल और कठिन लगती हैं, विशेषकर प्रत्येक कर्मचारी को उच्च स्तर तक पहुँचाने में। इसलिए, जबकि प्रशिक्षण एक उपकरण प्रदान करता है, संगठनों को अन्य दृष्टिकोणों की आवश्यकता होती है।

अनुवादक की भूमिकाएँ डेटा-साक्षर और गैर-तकनीकी टीम के सदस्यों के बीच एक पुल का वादा करती हैं। साथ ही, तकनीकी प्रगति कम तकनीकी सदस्यों तक पहुंच खोलकर अंतर्दृष्टि प्राप्त करने की बाधाओं को कम कर सकती है। इस नए परिप्रेक्ष्य के साथ, अधिकारी इस लेख में सूचीबद्ध आठ बाधाओं को दूर करने के लिए डेटा साक्षरता प्रशिक्षण पर पुनर्विचार कर सकते हैं।

वेबिनार यहां देखें:

Shutterstock.com से लाइसेंस के तहत उपयोग की गई छवि

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोआईस्ट्रीम। Web3 डेटा इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• मिंटिंग द फ्यूचर डब्ल्यू एड्रिएन एशले। यहां पहुंचें।
• PREIPO® के साथ PRE-IPO कंपनियों में शेयर खरीदें और बेचें। यहां पहुंचें।
• स्रोत: https://www.dataversity.net/overcoming-eight-data-literacy-barriers/