Superando oito barreiras à alfabetização em dados - DATAVERSITY

Superando oito barreiras de alfabetização de dados - DATAVERSITY

Carimbo de data / hora: 6 de junho de 2023 3h35
Nó Fonte: 2704609
barreiras de alfabetização de dadosbarreiras de alfabetização de dados

Os líderes querem que “todos, em todos os lugares e ao mesmo tempo, se tornem altamente alfabetizados em dados, demonstrem uma alta capacidade de ler, trabalhar e analisar dados”, diz a Dra. Wendy Lynch, fundadora da Analítico-Translastor.com e Consultoria Lynch. Como consultora de várias empresas da Fortune 100, ela entende por que as organizações desejam que todos os seus membros tenham um alto nível de alfabetização de dados. O Dr. Lynch destaca algumas das maiores barreiras da alfabetização de dados e como resolvê-las durante um webinar DATAVERSITY, “Superando desafios para alcançar a alfabetização de dados.” Em sua apresentação, ela explica e reformula os desafios do treinamento em Alfabetização de Dados e incentiva uma abordagem em três frentes para enfrentá-los.

No webinar, o Dr. Lynch citou um estudo da McKinsey, observando que pelo menos US$ 1 de US$ 5 dos ganhos de uma empresa antes de juros e impostos (EBIT) se traduz em valor de ativos de dados. Além disso, as empresas com o mais alto nível de domínio de dados, incluindo políticas, pessoas e tecnologia, têm uma receita 70% maior por pessoa.

No entanto, quase 80% das pessoas não confiam em seus Habilidades de alfabetização de dados, e estudos mostram que 90% não têm alta alfabetização de dados. Então, como Lynch aponta, “as empresas querem que todos funcionem como cientistas de dados, mas estão começando em um lugar difícil”.

Barreiras à Alfabetização de Dados

O Dr. Lynch cita oito temas dos grupos focais DATAVERSITY conduzidos no início de 2023 para entender por que as pessoas e organizações acham difícil o treinamento em Alfabetização de Dados. Eles incluem:

1. Compra: Os líderes superestimam as capacidades de seus funcionários com dados e podem não entender a importância do treinamento de alfabetização de dados ou a prioridade de tais esforços.

2. Propriedade: As organizações precisam esclarecer quem dirige os esforços de alfabetização de dados. É a pessoa com a pontuação mais alta em Alfabetização de Dados, uma pessoa de nível C ou uma nova função? O Dr. Lynch observa que os funcionários podem hesitar ou ficar apreensivos em aprender Alfabetização de Dados porque não têm interesse ou aptidão. Então, a pessoa que conduz o treinamento de Alfabetização de Dados é responsável por mitigar esses problemas?

3. Medições: Como as organizações avaliar os níveis atuais ou melhorias na Alfabetização de Dados? O que representa um bom nível de Alfabetização de Dados? Além disso, com base em um artigo da Forbes, ela menciona que, caso as empresas não chegassem a um bom nível de Alfabetização de Dados, elas criariam um divisão tóxica entre produtores e consumidores de dados – aqueles que são alfabetizados e aqueles que precisam chegar a um nível superior. Então, como as medições podem ajudar a aprimorar a Alfabetização de Dados sem criar um ambiente tão contencioso entre os funcionários?

4. Abordagem de treinamento: Lynch pergunta como abordamos o treinamento de alfabetização de dados. As organizações fazem isso em toda a empresa? Eles selecionam o treinamento de um fornecedor ou de dentro da organização? Além disso, como o instrutor de uma organização abrange todas as etapas importantes para alcançar alta alfabetização de dados, conforme listado abaixo?

  • Conscientize-se dos dados disponíveis na organização.
  • Identifique essas diferentes fontes de dados.
  • Saiba como selecionar as fontes certas no momento certo.
  • Entenda o valor e as limitações dos conjuntos de dados selecionados.
  • Manipule dados para definir e filtrar informações de forma competente.
  • Analise os dados, inclusive usando os cálculos para chegar lá.
  • Interprete os dados e os resultados que se seguem de forma razoável.
  • Aplique essas informações para atender aos requisitos de negócios e de trabalho.

5. Duração/ Níveis: Com que frequência os funcionários passam por treinamento? É contínuo ou uma vez feito? Para ilustrar esse desafio, o Dr. Lynch relata uma experiência que examina as implicações da IA ​​em uma instituição médica. Os médicos desta organização às vezes desconfiam da IA ​​e precisam de algum treinamento. Mas ela pergunta: “Queremos que um médico com 12 anos de faculdade de medicina volte a estudar para se tornar um cientista de dados?”

6. Pessoal: A organização tem pessoas que podem ajudar a levar a alfabetização de dados de outras pessoas a um nível mais alto? Considere que um terço dos americanos não sabe que um quarto de um gráfico de pizza é o mesmo que 25% e 22% não entendem informações numéricas cotidianas, como extratos bancários. Adicionalmente, 20% das pessoas têm ansiedade matemática severa que congela seus cérebros. Então, uma organização tem os recursos para lidar com todas essas lacunas significativas?

7. Custo: A organização tem orçamento para Alfabetização de Dados? Treinar todo mundo custa muito. Algumas organizações podem considerar economizar dinheiro incentivando os funcionários a fazer cursos on-line sem custo. No entanto, vários estudos questionam a eficácia de tal abordagem.

8. Tempo: O Dr. Lynch destaca que o tempo representa o recurso mais escasso das pessoas. As organizações precisam aproveitar o tempo para operações diárias e seus aplicativos de dados. Então, como as empresas podem alocar tempo para combinar o treinamento de Alfabetização de Dados e fazer com que as pessoas aprendam, especialmente se os funcionários estiverem espalhados geograficamente?

Reformulando as barreiras de treinamento de alfabetização de dados

Conforme mencionado acima, o Dr. Lynch encontra muitas barreiras complexas de treinamento em Alfabetização de Dados quando os funcionários precisam alcançar alta Alfabetização de Dados em qualquer lugar. Portanto, ela recomenda reformular esse problema de alfabetização de dados em nível de equipe para reduzir essas barreiras com mais eficiência.

Nem todo mundo tem a mesma habilidade ou interesse em Alfabetização de Dados, mas tem habilidades diferentes que uma empresa precisa, como alfabetização de pessoas (maturidade emocional e habilidades de comunicação) e alfabetização de negócios (compreensão das prioridades de negócios e imperativos estratégicos e como o trabalho de alguém se conecta a isso). Ao visualizar a Alfabetização de Dados dessa maneira, os desafios da Alfabetização de Dados mudam e se tornam mais significativos no agregado.

Em seguida, as organizações devem se perguntar como melhor utilizar suas equipes com coleções de pessoas com diferentes pontos fortes. Dr. Lynch explica desta forma: 

“Os líderes querem uma melhor Alfabetização de Dados não porque querem que todos os funcionários amem a matemática. Em vez disso, eles querem que suas organizações obtenham melhores insights. À medida que mais pessoas, coletivamente, podem subir na Alfabetização de Dados, mais você pode obter esses insights.”

Em outras palavras, os gerentes querem conjuntos de habilidades de dados ou colaborações de trabalho para dar a cada funcionário o conhecimento e o acesso analítico para fazer bem o trabalho.

Uma abordagem em três frentes: treinamento, funções e acesso

Dada essa nova perspectiva, o Dr. Lynch sugere que as organizações usem uma abordagem tripla por meio de treinamento, funções e acessibilidade para alcançar alfabetização de dados mais alta para insights organizacionais. Ela explica melhor cada um deles:

Treinamento: Com base em dados anteriores, o Dr. Lynch aconselha as seguintes práticas recomendadas ao fazer alfabetização de dados:

  • Designe um especialista competente que possua o esforço para melhorar a alfabetização, e essa pessoa deve ser de algo diferente da Governança de Dados ou de uma área de dados.
  • Tenha um caso de negócios claro para o que a organização alcançará quando atingir maior alfabetização de dados.
  • Estruture a educação para se adequar às operações comerciais normais e dê exemplos relevantes que vinculem qualquer ensino à função de um funcionário quando essa pessoa aprender.

funções: Enquanto a Dra. Lynch explora o avanço da Alfabetização de Dados coletivamente, ela se pergunta sobre a designação de trabalho para capitalizar os pontos fortes das pessoas e acomodar suas fraquezas, além do treinamento. Ela até sugere possíveis papéis combinados.

Por exemplo, enquanto Lynch trabalha com seu cliente médico, ela vê especialistas em IA (mais experientes em tecnologia) e especialistas clínicos (mais capazes de diagnosticar e tratar pacientes). Assim, enquanto permite que os membros da equipe melhorem suas habilidades com dados, ela implementa funções de tradutor entre a IA e os especialistas clínicos.

Essas funções de tradutor ajudam a IA e os funcionários clínicos obtêm insights de dados. Dr. Lynch afirma:

“Talvez tradutores familiarizados com diferentes percepções de dados e que tenham habilidades básicas de SQL forneçam informações a todos os outros. Assim, todos têm acesso a insights mais avançados dos dados.”

Dessa forma, a equipe pode processar melhor as informações e concluir cada trabalho. Essa abordagem também economiza tempo e dinheiro necessários para treinar cada indivíduo para manipular dados, especialmente se essa pessoa não estiver interessada em fazer as contas.

Acesse em: A tecnologia complexa restringe quanto treinamento é necessário, exigindo tempo extra para mostrar aos trainees como encontrar, recuperar e manipular dados. Para combater esse problema, o Dr. Lynch defende plataformas que usam interfaces de dados que exigem menos habilidade técnica, abrindo o uso de uma organização, como o mercado fez com computadores.

Ela explica que na década de 1970, programadores e engenheiros especializados só usavam computadores porque sabiam. Então, os avanços em hardware, PCs e GUIs abriram o acesso à computação para todos. Agora, a maioria das pessoas usa computadores para trabalhar, independentemente de seu conhecimento de algoritmos.

Da mesma forma, o Dr. Lynch diz:

“Podemos começar a pensar em análises como mais acessíveis. Por exemplo, em vez de limitar a análise de dados a interações de painel e consultas SQL, poderíamos pensar em uma tecnologia que converte consultas, formadas em uma linguagem natural, em análises.”

Avanços AI e o aprendizado de máquina (ML) pode potencialmente aumentar o acesso a dados analíticos. Lynch aponta que o GPT-4 pode converter perguntas faladas em SQL e produzir gráficos, mostrando a análise, reduzindo os requisitos de alfabetização de dados para insights.

Conclusão

As barreiras da alfabetização de dados parecem complexas e difíceis, especialmente para elevar cada funcionário a um nível mais alto. Portanto, embora o treinamento forneça uma ferramenta, as organizações precisam de outras abordagens.

As funções do tradutor prometem uma ponte entre os membros da equipe alfabetizados em dados e os não técnicos. Além disso, os avanços tecnológicos podem reduzir o nível de obtenção de insights ao abrir o acesso a membros menos técnicos. Com essa nova perspectiva, os executivos podem repensar o treinamento de Alfabetização de Dados para abordar as oito barreiras listadas neste artigo.

Assista ao webinar aqui:

Imagem usada sob licença da Shutterstock.com

Carimbo de hora:

Mais de DATAVERSIDADE