Superare otto barriere all'alfabetizzazione dei dati - DATAVERSITY

Superare otto barriere all'alfabetizzazione dei dati – DATAVERSITY

Timestamp: 6 giugno 2023 3:35
Nodo di origine: 2704609
barriere all'alfabetizzazione dei datibarriere all'alfabetizzazione dei dati

I leader vogliono che "tutti, ovunque e contemporaneamente diventino altamente esperti di dati, dimostrino un'elevata capacità di leggere, lavorare e analizzare i dati", afferma la dott.ssa Wendy Lynch, fondatrice di Analytic-Translastor.com e consulenza Lynch. In qualità di consulente di numerose aziende Fortune 100, capisce perché le organizzazioni vogliono che tutti i loro membri abbiano un alto livello di Data Literacy. Il Dr. Lynch evidenzia alcuni dei più grandi ostacoli all'alfabetizzazione dei dati e come risolverli durante un webinar DATAVERSITY, "Superare le sfide per raggiungere l'alfabetizzazione dei dati.” Nella sua presentazione, spiega e riformula le sfide della formazione sull'alfabetizzazione dei dati e ha incoraggiato un approccio su tre fronti per affrontarle.

Nel webinar, il dottor Lynch ha citato uno studio di McKinsey, osservando che almeno $ 1 su $ 5 dagli utili di un'azienda prima di interessi e tasse (EBIT) si traduce in valore dalle risorse di dati. Inoltre, le aziende con il più alto livello di padronanza dei dati, inclusi criteri, personale e tecnologia, registrano entrate pro capite superiori del 70%.

Tuttavia, quasi l'80% delle persone non ha fiducia nei propri Competenze di Data Literacye gli studi dimostrano che il 90% non ha un'elevata alfabetizzazione dei dati. Quindi, come sottolinea Lynch, "Le aziende vogliono che tutti funzionino come data scientist, ma stanno iniziando da un punto difficile".

Ostacoli all'alfabetizzazione dei dati

Il Dr. Lynch cita otto temi dei focus group di DATAVERSITY condotti all'inizio del 2023 per capire perché le persone e le organizzazioni trovano difficile la formazione sull'alfabetizzazione dei dati. Loro includono:

1. Riscatto: I leader sopravvalutano le capacità dei loro lavoratori con i dati e potrebbero non comprendere l'importanza della formazione sull'alfabetizzazione dei dati o la priorità di tali sforzi.

2. Proprietà: Le organizzazioni devono chiarire chi guida gli sforzi di Data Literacy. È la persona con il punteggio di Data Literacy più alto, una persona di livello C o un nuovo ruolo? Il Dr. Lynch osserva che i dipendenti possono esitare o provare apprensione nell'apprendere l'alfabetizzazione dei dati perché non hanno l'interesse o l'attitudine. Quindi, la persona che guida la formazione sull'alfabetizzazione dei dati è responsabile della mitigazione di questi problemi?

3. Misure: Come fanno le organizzazioni valutare gli attuali livelli o miglioramenti nell'alfabetizzazione dei dati? Cosa rappresenta un buon livello di Data Literacy? Inoltre, sulla base di un articolo di Forbes, afferma che se le aziende non raggiungessero un buon livello di Data Literacy, creerebbero un divisione tossica tra produttori di dati e consumatori – coloro che sono alfabetizzati e coloro che hanno bisogno di raggiungere un livello superiore. Quindi, in che modo le misurazioni possono aiutare a far progredire l'alfabetizzazione dei dati senza creare un ambiente così controverso tra i dipendenti?

4. Approccio formativo: Lynch chiede come affrontiamo la formazione sull'alfabetizzazione dei dati. Le organizzazioni lo fanno a livello aziendale? Selezionano la formazione da un fornitore o dall'interno dell'organizzazione? Inoltre, in che modo il formatore di un'organizzazione copre tutti i passaggi significativi per raggiungere un'elevata alfabetizzazione dei dati, come elencato di seguito?

  • Acquisire consapevolezza dei dati disponibili nell'organizzazione.
  • Identifica queste diverse fonti di dati.
  • Sapere come selezionare le fonti giuste al momento giusto.
  • Comprendere il valore e le limitazioni dei set di dati selezionati.
  • Manipola i dati per definire e filtrare le informazioni in modo efficiente.
  • Analizza i dati, anche utilizzando i calcoli per arrivarci.
  • Interpretare ragionevolmente i dati e i risultati che ne derivano.
  • Applicare queste informazioni per soddisfare i requisiti aziendali e di lavoro.

5. Durata/Livelli: Con quale frequenza i dipendenti seguono la formazione? È in corso o una volta terminato? Per illustrare questa sfida, il dottor Lynch racconta un'esperienza che esamina le implicazioni dell'IA in un istituto medico. I medici di questa organizzazione a volte diffidano dell'intelligenza artificiale e hanno bisogno di formazione. Ma lei chiede: "Vogliamo che un medico che ha frequentato 12 anni di facoltà di medicina torni a scuola per diventare un data scientist?"

6. Personale: L'organizzazione dispone di persone che possono aiutare a portare l'alfabetizzazione dei dati degli altri a un livello superiore? Considera che un terzo degli americani non sa che un quarto di un grafico a torta è uguale al 25% e il 22% non capisce le informazioni numeriche quotidiane come gli estratti conto bancari. Inoltre, 20% delle persone hanno una grave ansia per la matematica che congela i loro cervelli. Quindi, un'organizzazione ha le risorse per gestire tutte queste lacune significative?

7. Costo: L'organizzazione dispone del budget per l'alfabetizzazione dei dati? Allenare tutti costa molto. Alcune organizzazioni potrebbero prendere in considerazione la possibilità di risparmiare denaro incoraggiando i dipendenti a seguire corsi online autoguidati gratuiti. Tuttavia, diversi studi mettono in dubbio l'efficacia di un tale approccio.

8. Orari: Il Dr. Lynch sottolinea che il tempo rappresenta la risorsa più scarsa per le persone. Le organizzazioni devono sfruttare il tempo per le operazioni quotidiane e le loro applicazioni dati. Quindi, come possono le aziende dedicare del tempo per combinare la formazione sull'alfabetizzazione dei dati e far apprendere alle persone, soprattutto se i dipendenti sono distribuiti geograficamente?

Reinquadrare gli ostacoli alla formazione sull'alfabetizzazione dei dati

Come accennato in precedenza, il Dr. Lynch trova molti complessi ostacoli alla formazione sull'alfabetizzazione dei dati quando i dipendenti devono raggiungere un'elevata alfabetizzazione dei dati ovunque. Pertanto, consiglia di riformulare questo problema di alfabetizzazione dei dati a livello di team per ridurre queste barriere nel modo più efficiente.

Non tutti hanno la stessa capacità o interesse per l'alfabetizzazione dei dati, ma ne hanno di diversi di cui un'azienda ha bisogno, come l'alfabetizzazione delle persone (maturità emotiva e capacità di comunicazione) e l'alfabetizzazione aziendale (comprensione delle priorità aziendali e degli imperativi strategici e del modo in cui il proprio lavoro si collega a questo). Quando si considera l'alfabetizzazione dei dati in questo modo, le sfide dell'alfabetizzazione dei dati cambiano e diventano più significative nel complesso.

Quindi, le organizzazioni devono chiedersi come utilizzare al meglio i propri team con raccolte di persone con punti di forza diversi. Il dottor Lynch lo spiega in questo modo: 

“I leader vogliono una migliore alfabetizzazione dei dati non perché vogliono che ogni dipendente ami la matematica. Invece, vogliono che le loro organizzazioni ottengano informazioni migliori. Man mano che più persone, collettivamente, possono salire più in alto nell'alfabetizzazione dei dati, più puoi ottenere queste informazioni".

In altre parole, i manager vogliono set di competenze sui dati o collaborazioni lavorative per dare a ciascun dipendente la conoscenza e l'accesso analitico per svolgere bene il lavoro.

Un approccio su tre fronti: formazione, ruoli e accesso

Data questa nuova prospettiva, il Dr. Lynch suggerisce alle organizzazioni di utilizzare un approccio su tre fronti attraverso la formazione, i ruoli e l'accessibilità per raggiungere maggiore alfabetizzazione dei dati per approfondimenti organizzativi Spiega ciascuno di questi ulteriormente:

Formazione: Sulla base dei dati passati, il Dr. Lynch consiglia le seguenti best practice quando si esegue l'alfabetizzazione dei dati:

  • Designare un esperto competente che possieda lo sforzo per migliorare l'alfabetizzazione e questa persona dovrebbe provenire da qualcosa di diverso dalla governance dei dati o da un'area dati.
  • Avere un business case chiaro per ciò che l'organizzazione otterrà quando raggiungerà una maggiore alfabetizzazione dei dati.
  • Strutturare l'istruzione in modo che si adatti alle normali operazioni aziendali e fornire esempi pertinenti che colleghino qualsiasi insegnamento al ruolo di un dipendente quando quella persona apprende.

ruoli: Mentre la dott.ssa Lynch esplora collettivamente l'avanzamento dell'alfabetizzazione dei dati, si chiede come designare il lavoro per capitalizzare i punti di forza delle persone e accogliere le loro debolezze oltre alla formazione. Suggerisce persino possibili combinazioni di ruoli.

Ad esempio, mentre Lynch lavora con il suo cliente medico, vede esperti di intelligenza artificiale (più esperti di tecnologia) ed esperti clinici (più in grado di diagnosticare e curare i pazienti). Quindi, pur consentendo ai membri del team di migliorare le proprie competenze sui dati, implementa ruoli di traduttore tra l'IA e gli esperti clinici.

Questi ruoli di traduttore aiutano l'intelligenza artificiale e i dipendenti clinici ottengono approfondimenti sui dati. Il dottor Lynch afferma:

“Forse i traduttori che hanno familiarità con diversi approfondimenti sui dati e che hanno competenze SQL di base forniscono informazioni a tutti gli altri. Quindi tutti hanno accesso a informazioni più avanzate dai dati.

In questo modo, il team può elaborare meglio le informazioni e completare ogni lavoro. Questo approccio consente inoltre di risparmiare tempo e denaro necessari per addestrare ogni individuo a manipolare i dati, soprattutto se quella persona non è interessata a fare i conti.

Accesso: La tecnologia complessa limita la quantità di formazione necessaria, richiedendo più tempo per mostrare ai tirocinanti come trovare, recuperare e manipolare i dati. Per contrastare questo problema, il dottor Lynch sostiene piattaforme che utilizzano interfacce dati che richiedono meno competenze tecniche, aprendo l'utilizzo a un'organizzazione, come ha fatto il mercato con i computer.

Spiega che negli anni '1970 i programmatori e gli ingegneri specializzati usavano i computer solo perché sapevano come farlo. Quindi, i progressi nell'hardware, nei PC e nelle GUI hanno aperto l'accesso al computer a tutti. Ora, la maggior parte delle persone utilizza senza problemi i computer per il proprio lavoro, indipendentemente dalla loro conoscenza degli algoritmi.

Allo stesso modo, il Dr. Lynch dice:

“Possiamo iniziare a pensare all'analisi come più accessibile. Ad esempio, invece di limitare l'analisi dei dati alle interazioni del dashboard e alle query SQL, potremmo pensare a una tecnologia che converte le query, formate in un linguaggio naturale, in analisi".

Avanza in AI e l'apprendimento automatico (ML) può potenzialmente aumentare l'accesso ai dati analitici. Lynch sottolinea che GPT-4 può convertire le domande pronunciate in SQL e produrre grafici, mostrando l'analisi, riducendo i requisiti di alfabetizzazione dei dati per la comprensione.

Conclusione

Le barriere dell'alfabetizzazione dei dati sembrano complesse e difficili, soprattutto per portare ogni dipendente a un livello superiore. Quindi, mentre la formazione fornisce uno strumento, le organizzazioni hanno bisogno di altri approcci.

I ruoli di traduttore promettono un ponte tra i membri del team esperti di dati e quelli non tecnici. Inoltre, i progressi tecnologici possono abbassare l'asticella per ottenere approfondimenti aprendo l'accesso a membri meno tecnici. Con questa nuova prospettiva, i dirigenti possono ripensare la formazione sull'alfabetizzazione dei dati per affrontare le otto barriere elencate in questo articolo.

Guarda il webinar qui:

Immagine utilizzata su licenza di Shutterstock.com

Timestamp:

Di più da VERSITÀ DEI DATI