データ リテラシーの XNUMX つの障壁を克服 – DATAVERSITY

リーダーは、「誰もが、どこにいても、同時に高度なデータリテラシーを身につけ、データを読み取り、操作し、分析する高い能力を実証すること」を望んでいます、と創設者のウェンディ・リンチ博士は言います。 Analytic-Translastor.com そしてリンチ・コンサルティング。 数多くのフォーチュン 100 企業のコンサルタントとして、彼女は組織がすべてのメンバーに高レベルのデータ リテラシーを求める理由を理解しています。 リンチ博士は、DATAVERSITY ウェビナーで、データ リテラシーの最大の障壁のいくつかとその解決方法を強調しています。データ リテラシーを達成するための課題を克服する」 彼女はプレゼンテーションの中で、データ リテラシー トレーニングの課題を説明して再構成し、それらに対処するための XNUMX つの側面からのアプローチを奨励しました。

ウェビナーの中でリンチ博士はマッキンゼーの調査を引用し、企業の利息・税引前利益（EBIT）の1ドルのうち少なくとも5ドルがデータ資産の価値に換算されると指摘した。 さらに、ポリシー、人材、テクノロジーなどのデータを最高レベルで熟知している企業は、70 人あたりの収益が XNUMX% 高くなります。

しかし、80％近くの人は自分のことに自信を持っていません。 データリテラシースキル、調査によると、90% はデータ リテラシーが高くありません。 したがって、リンチ氏が指摘するように、「企業は全員がデータ サイエンティストとして機能することを望んでいますが、そのスタートは困難な状況にあります。」

データリテラシーの障壁

リンチ博士は、人々や組織がデータ リテラシー トレーニングを難しいと感じている理由を理解するために、2023 年初頭に実施された DATAVERSITY フォーカス グループの XNUMX つのテーマを挙げています。 それらには次のものが含まれます。

1. 賛同: リーダーはデータに関する従業員の能力を過大評価しており、データ リテラシー トレーニングの重要性やそのような取り組みの優先順位を理解していない可能性があります。

2. 所有権: 組織はデータ リテラシーの取り組みを誰が推進しているのかを明確にする必要があります。 それはデータ リテラシー スコアが最も高い人物ですか、経営幹部レベルの人物ですか、それとも新しい役割ですか? リンチ博士は、従業員は興味や適性がないため、データ リテラシーの学習をためらったり、不安を感じたりする可能性があると観察しています。 では、データ リテラシー トレーニングを推進する人には、これらの問題を軽減する責任があるのでしょうか?

3.測定： 組織はどうやって データ リテラシーの現在のレベルまたは向上を評価しますか? 良好なレベルのデータ リテラシーを表すものは何ですか? さらに、フォーブスの記事に基づいて、彼女は、企業がデータ リテラシーを十分なレベルに達していない場合には、 有毒な分断 データの生産者と消費者、つまり読み書き能力のある人と、より高いレベルに到達する必要がある人の間で。 では、従業員間でそのような論争の多い環境を作り出すことなく、データ リテラシーの向上に測定をどのように役立てることができるでしょうか?

4. トレーニングアプローチ: リンチ氏は、データ リテラシー トレーニングにどのようにアプローチするかを尋ねます。 組織は全社的にそれを行っていますか? ベンダーからのトレーニングを選択しますか、それとも組織内からのトレーニングを選択しますか? さらに、組織のトレーナーは、以下にリストされている高いデータ リテラシーを達成するためのすべての重要なステップをどのようにカバーしているのでしょうか?

• 組織内で利用可能なデータを認識します。
• これらのさまざまなデータ ソースを特定します。
• 適切なタイミングで適切なソースを選択する方法を理解してください。
• 選択したデータセットの価値と制限を理解します。
• データを操作して情報を適切に定義およびフィルタリングします。
• そこに到達するための計算の使用など、データを分析します。
• データとその後の結果を合理的に解釈します。
• ビジネスや仕事の要件を満たすためにこの情報を適用してください。

5. 期間/レベル: 従業員はどれくらいの頻度で研修を受けますか? それは継続中ですか、それとも一度完了しましたか? この課題を説明するために、リンチ博士は、医療機関における AI の影響を調査した経験について話します。 この組織の医師は時々 AI に不信感を抱いており、ある程度のトレーニングが必要です。 しかし彼女は、「12 年間医学部を卒業した医師に、データサイエンティストになるために学校に戻ってもらいたいでしょうか?」と尋ねます。

6. 人員: 組織には、他の人のデータ リテラシーをより高いレベルに引き上げることを支援できる人材がいますか? アメリカ人の 25 分の 22 は円グラフの XNUMX 分の XNUMX が XNUMX% と同じであることを知らず、XNUMX% は銀行取引明細書などの日常的な数値情報を理解していないと考えてください。 さらに、 人々の20％ 脳がフリーズしてしまうような重度の数学不安を抱えている。 では、組織にはこれらすべての重大なギャップに対処するためのリソースがあるのでしょうか?

7.費用： 組織にはデータ リテラシーのための予算がありますか? 全員をトレーニングするには多額の費用がかかります。 組織によっては、従業員に無料の自習型オンライン コースの受講を奨励することでコストを節約することを検討している場合があります。 しかし、いくつかの研究ではそのようなアプローチの有効性を疑問視しています。

8. 時間： リンチ博士は、時間が人間にとって最も希少な資源であることを強調します。 組織は、日常業務とデータ アプリケーションのために時間を活用する必要があります。 では、特に従業員が地理的に分散している場合、企業はデータ リテラシー トレーニングを組み合わせて人々に学習させるためにどのように時間を割り当てることができるでしょうか?

データ リテラシー トレーニングの障壁を再構成する

前述したように、リンチ博士は、従業員があらゆる場所で高いデータ リテラシーを達成する必要がある場合、多くの複雑なデータ リテラシー トレーニングの障壁があることに気づきました。 そこで彼女は、このデータ リテラシーの問題をチーム レベルで再構成して、これらの障壁を最も効率的に軽減することを推奨しています。

誰もがデータ リテラシーに対して同じ能力や関心を持っているわけではなく、ピープル リテラシー (感情的な成熟度とコミュニケーション スキル) やビジネス リテラシー (ビジネスの優先順位と戦略的義務、そして自分の仕事がそれにどのように関連しているかを理解する) など、ビジネスに必要な能力や関心は異なります。 データ リテラシーをこのように見ると、データ リテラシーの課題は変化し、全体としてより意味のあるものになります。

次に、組織は、さまざまな強みを持つ人々が集まったチームを最大限に活用する方法を検討する必要があります。 リンチ博士は次のように説明しています。 

「リーダーがデータ リテラシーの向上を望んでいるのは、すべての従業員に数学を好きになってもらいたいからではありません。 代わりに、彼らは組織がより良い洞察を得ることを望んでいます。 より多くの人が集合的にデータ リテラシーの高いレベルに到達できるようになると、より多くの洞察を得ることができるようになります。」

言い換えれば、管理者は、各従業員に仕事をうまく遂行するための知識と分析へのアクセスを提供するためのデータ スキルセットや作業コラボレーションを望んでいます。

XNUMX つの側面からのアプローチ: トレーニング、役割、アクセス

この新しい視点を踏まえ、リンチ博士は、組織がトレーニング、役割、アクセシビリティを通じて、次のことを達成するための XNUMX つの側面からのアプローチを使用することを提案しています。 より高いデータリテラシー 組織の洞察を得るために。 彼女はこれらのそれぞれについてさらに詳しく説明します。

トレーニング： 過去のデータに基づいて、リンチ博士はデータ リテラシーを実践する際の次のベスト プラクティスをアドバイスしています。

• リテラシー向上の取り組みを主導する有能な専門家を指名します。この専門家は、データ ガバナンスまたはデータ分野以外の出身である必要があります。
• 組織がより高いデータ リテラシーを達成したときに達成できることについて、明確なビジネス ケースを用意します。
• 通常の業務に適合するように教育を構成し、教育内容を従業員が学習する際の役割に結びつける関連する例を示します。

役割： リンチ博士は、データ リテラシーの向上を集団的に検討する中で、トレーニングに加えて、人々の強みを活かし、弱みに対応する仕事を指定することについて疑問に思っています。 彼女は組み合わせの役割の可能性も示唆しています。

たとえば、リンチは医療クライアントと協力する際、AI の専門家 (テクノロジーに精通している) や臨床の専門家 (患者の診断と治療に優れている) を目にします。 そのため、彼女はチーム メンバーがデータ スキルを向上できるようにしながら、AI と臨床専門家の間で翻訳者の役割を実装しています。

これらの翻訳者の役割は AI を支援し、臨床従事者はデータの洞察を得ることができます。 リンチ博士は次のように主張します。

「おそらく、さまざまなデータの洞察に精通しており、基本的な SQL スキルを備えた翻訳者が他の全員に情報を提供します。 そうすれば、誰もがデータからより高度な洞察にアクセスできるようになります。」

こうすることで、チームは情報をより適切に処理し、各ジョブを完了することができます。 このアプローチは、特に計算をすることに興味がない人であれば、データを操作できるように各個人を訓練するのに必要な時間と費用も節約できます。

アクセス： 複雑なテクノロジーにより必要なトレーニング量が制限され、データの検索、取得、操作方法を研修生に教えるには余分な時間が必要になります。 この問題に対抗するために、リンチ博士は、市場がコンピュータで行ってきたように、技術的スキルを必要としないデータ インターフェイスを使用するプラットフォームを提唱し、組織の使用方法を広げます。

彼女は、1970 年代のプログラマーや専門エンジニアは、方法を知っていたからコンピューターを使用していたと説明します。 その後、ハードウェア、PC、GUI の進歩により、誰もがコンピューティングにアクセスできるようになりました。 現在、アルゴリズムの知識に関係なく、ほとんどの人が仕事にシームレスにコンピュータを使用しています。

同様に、リンチ博士は次のように述べています。

「私たちは分析をもっと身近なものとして考え始めることができます。 たとえば、データ分析をダッシュ​​ボードのインタラクションと SQL クエリに限定する代わりに、自然言語で形成されたクエリを分析に変換するテクノロジーを考えることもできます。」

前進 AI また、機械学習 (ML) により、分析データへのアクセスが増加する可能性があります。 Lynch 氏は、GPT-4 は口頭での質問を SQL に変換し、分析を示すグラフィックを生成できるため、洞察のためのデータ リテラシー要件が軽減されると指摘しています。

まとめ

データ リテラシーの壁は、特にすべての従業員をより高いレベルに引き上げる上で、複雑かつ困難に見えます。 したがって、トレーニングはツールを提供しますが、組織には他のアプローチが必要です。

翻訳者の役割は、データに精通したチームメンバーと非技術的なチームメンバーの間の橋渡しとなることを約束します。 また、技術の進歩により、技術的に低いメンバーにもアクセスできるようになるため、洞察を得るハードルが低くなります。 この新しい視点により、経営幹部はデータ リテラシー トレーニングを再考して、この記事に記載されている XNUMX つの障壁に対処することができます。

ウェビナーはこちらからご覧ください:

Shutterstock.comからのライセンスに基づき使用されている画像

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• プラトアイストリーム。 Web3 データ インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• 未来を鋳造する w エイドリエン・アシュリー。 こちらからアクセスしてください。
• PREIPO® を使用して PRE-IPO 企業の株式を売買します。 こちらからアクセスしてください。
• 情報源： https://www.dataversity.net/overcoming-eight-data-literacy-barriers/