Преодоление восьми барьеров грамотности данных — DATAVERSITY

Лидеры хотят, чтобы «все, везде и сразу стали высокограмотными в данных, продемонстрировали высокую способность читать, работать с данными и анализировать их», — говорит доктор Венди Линч, основатель Аналитик-Трансластор.com и Линч Консалтинг. Как консультант многих компаний из списка Fortune 100, она понимает, почему организации хотят, чтобы все их члены имели высокий уровень грамотности в отношении данных. Доктор Линч выделяет некоторые из самых больших барьеров грамотности данных и способы их решения во время вебинара DATAVERSITY:Преодоление проблем на пути к грамотности данных». В своей презентации она объясняет и переформулирует проблемы, связанные с обучением навыкам работы с данными, и рекомендует трехсторонний подход к их решению.

На вебинаре доктор Линч процитировал исследование McKinsey, отметив, что по крайней мере 1 доллар из 5 долларов прибыли компании до вычета процентов и налогов (EBIT) преобразуется в стоимость активов данных. Более того, предприятия с самым высоким уровнем владения данными, включая политики, людей и технологии, имеют на 70 % более высокий доход на человека.

Тем не менее, почти 80% людей не уверены в своих силах. Навыки грамотности в отношении данных, и исследования показывают, что 90% не обладают высокой грамотностью в отношении данных. Итак, как отмечает Линч, «предприятия хотят, чтобы все работали как специалисты по данным, но начинают с трудного места».

Барьеры на пути к грамотности данных

Доктор Линч цитирует восемь тем из фокус-групп DATAVERSITY, проведенных в начале 2023 года, чтобы понять, почему людям и организациям сложно обучаться грамотности в отношении данных. Они включают:

1. Бай-ин: Руководители переоценивают способности своих сотрудников работать с данными и могут не понимать важности обучения грамотности в отношении данных или приоритета таких усилий.

2. Собственность: Организациям необходимо уточнить, кто руководит усилиями по грамотности данных. Это человек с самым высоким баллом по грамотности данных, человек уровня C или новая роль? Доктор Линч отмечает, что сотрудники могут колебаться или бояться изучать грамотность данных, потому что у них нет интереса или способностей. Итак, отвечает ли лицо, проводящее обучение по грамотности данных, за смягчение этих проблем?

3. Измерения: Как организации оценить текущие уровни или улучшения грамотности данных? Что представляет собой хороший уровень грамотности данных? Более того, основываясь на статье Forbes, она упоминает, что если компании не достигнут хорошего уровня грамотности в работе с данными, они создадут токсичный разрыв между производителями данных и потребителями — теми, кто грамотен, и теми, кому нужно выйти на более высокий уровень. Итак, как измерения могут помочь повысить грамотность данных, не создавая такой спорной среды среди сотрудников?

4. Подход к обучению: Линч спрашивает, как мы подходим к обучению грамотности данных. Делают ли организации это в масштабах всей компании? Они выбирают обучение у поставщика или внутри организации? Кроме того, как инструктор организации охватывает все важные шаги для достижения высокого уровня грамотности в отношении данных, как указано ниже?

• Получить информацию о данных, доступных в организации.
• Определите эти различные источники данных.
• Умейте выбирать правильные источники в нужное время.
• Поймите ценность и ограничения выбранных наборов данных.
• Манипулируйте данными, чтобы эффективно определять и фильтровать информацию.
• Анализируйте данные, в том числе используя расчеты, чтобы получить их.
• Разумно интерпретируйте данные и последующие результаты.
• Применяйте эту информацию для удовлетворения требований бизнеса и работы.

5. Продолжительность/Уровни: Как часто сотрудники проходят обучение? Это продолжается или когда-то сделано? Чтобы проиллюстрировать эту проблему, доктор Линч рассказывает об опыте изучения применения ИИ в медицинском учреждении. Врачи в этой организации иногда не доверяют ИИ и нуждаются в некоторой подготовке. Но она спрашивает: «Хотим ли мы, чтобы врач, проучившийся 12 лет в медицинской школе, вернулся в школу, чтобы стать специалистом по данным?»

6. Персонал: Есть ли в организации люди, которые могут помочь поднять грамотность других на более высокий уровень? Учтите, что одна треть американцев не знает, что четверть круговой диаграммы равна 25%, а 22% не понимают повседневную числовую информацию, такую ​​как банковские выписки. Кроме того, 20% людей имеют сильную математическую тревогу, которая замораживает их мозг. Итак, есть ли у организации ресурсы, чтобы справиться со всеми этими значительными пробелами?

7. Стоимость: Есть ли у организации бюджет на грамотность данных? Обучение каждого стоит дорого. Некоторые организации могут рассмотреть возможность экономии денег, поощряя сотрудников посещать бесплатные онлайн-курсы для самостоятельного обучения. Тем не менее, несколько исследований ставят под сомнение эффективность такого подхода.

8. Время: Доктор Линч подчеркивает, что время представляет собой самый дефицитный ресурс людей. Организациям необходимо использовать время для повседневных операций и приложений для работы с данными. Итак, как компании могут выделить время для совмещения обучения по грамотности данных и обучения людей, особенно если сотрудники разбросаны по географическому положению?

Переосмысление барьеров обучения грамотности данных

Как упоминалось выше, д-р Линч находит множество сложных барьеров для обучения грамотности данных, когда сотрудникам необходимо везде достичь высокого уровня грамотности данных. Поэтому она рекомендует переформулировать эту проблему грамотности данных на командном уровне, чтобы максимально эффективно устранить эти барьеры.

Не у всех есть одинаковые способности или интерес к Грамотности данных, но есть разные, которые нужны бизнесу, такие как грамотность людей (эмоциональная зрелость и коммуникативные навыки) и бизнес-грамотность (понимание бизнес-приоритетов и стратегических императивов и того, как работа связана с этим). При таком взгляде на грамотность данных проблемы грамотности данных меняются и становятся более значимыми в совокупности.

Затем организации должны задаться вопросом, как лучше всего использовать свои команды с набором людей с разными сильными сторонами. Доктор Линч объясняет это так: 

«Руководители хотят повысить грамотность данных не потому, что они хотят, чтобы каждый сотрудник любил математику. Вместо этого они хотят, чтобы их организации получали более полную информацию. Чем больше людей в совокупности могут подняться выше в грамотности данных, тем больше вы сможете получить этих идей».

Другими словами, менеджеры хотят, чтобы наборы навыков работы с данными или совместная работа давали каждому сотруднику знания и аналитический доступ для хорошего выполнения работы.

Трехсторонний подход: обучение, роли и доступ

Учитывая эту новую перспективу, д-р Линч предлагает организациям использовать трехаспектный подход: обучение, роли и доступность для достижения поставленных целей. более высокая грамотность данных для организационного понимания. Она объясняет каждый из них далее:

Обучение: Основываясь на прошлых данных, д-р Линч рекомендует следующие передовые методы повышения грамотности данных:

• Назначьте компетентного эксперта, который отвечает за усилия по повышению грамотности, и этот человек должен быть из чего-то другого, кроме управления данными или области данных.
• Имейте четкое экономическое обоснование того, чего организация достигнет, когда достигнет более высокого уровня Грамотности Данных.
• Структурируйте обучение, чтобы оно соответствовало обычным деловым операциям, и приведите соответствующие примеры, которые связывают любое обучение с ролью сотрудника, когда этот человек учится.

Роли: Пока доктор Линч исследует коллективное продвижение грамотности в области данных, она задается вопросом о назначении работы, чтобы извлечь выгоду из сильных сторон людей и учесть их слабые стороны в дополнение к обучению. Она даже предлагает возможные комбинации ролей.

Например, когда Линч работает со своим клиентом-медиком, она видит экспертов по искусственному интеллекту (более технически подкованных) и клинических экспертов (более способных диагностировать и лечить пациентов). Таким образом, позволяя членам команды улучшать свои навыки работы с данными, она реализует роль переводчика между ИИ и клиническими экспертами.

Эти роли переводчиков помогают ИИ и медицинским работникам получать ценную информацию. Доктор Линч утверждает:

«Возможно, переводчики, знакомые с разным пониманием данных и обладающие базовыми навыками SQL, предоставляют информацию всем остальным. Тогда у каждого будет доступ к более продвинутой информации из данных».

Таким образом, команда может лучше обрабатывать информацию и выполнять каждую работу. Этот подход также экономит время и деньги, необходимые для обучения каждого человека работе с данными, особенно если этот человек не заинтересован в математических расчетах.

Access: Сложная технология ограничивает объем необходимого обучения, требуя дополнительного времени, чтобы показать обучаемым, как находить, извлекать данные и манипулировать ими. Чтобы решить эту проблему, д-р Линч выступает за платформы, использующие интерфейсы данных, которые требуют меньше технических навыков, открывая использование организации, как рынок сделал с компьютерами.

Она объясняет, что в 1970-х годах программисты и инженеры-специалисты использовали компьютеры только потому, что знали, как это сделать. Затем достижения в области аппаратного обеспечения, ПК и графических интерфейсов открыли вычислительный доступ для всех. Теперь большинство людей легко используют компьютеры для своей работы, независимо от их знания алгоритмов.

Точно так же доктор Линч говорит:

«Мы можем начать думать об аналитике как о более доступной. Например, вместо того, чтобы ограничивать анализ данных взаимодействием с приборной панелью и SQL-запросами, мы могли бы подумать о технологии, которая преобразует запросы, сформированные на естественном языке, в аналитику».

Достижения в AI а машинное обучение (МО) потенциально может расширить доступ к аналитическим данным. Линч отмечает, что GPT-4 может преобразовывать устные вопросы в SQL и создавать графики, демонстрирующие анализ, что снижает требования к грамотности данных для понимания.

Заключение

Барьеры информационной грамотности кажутся сложными и сложными, особенно в том, что касается перехода каждого сотрудника на более высокий уровень. Таким образом, хотя обучение предоставляет инструмент, организациям нужны другие подходы.

Роли переводчика обещают мост между грамотными в данных и нетехническими членами команды. Кроме того, технологические достижения могут снизить планку для получения информации, открывая доступ менее техническим членам. С этой новой точки зрения руководители могут переосмыслить обучение грамотности данных, чтобы устранить восемь барьеров, перечисленных в этой статье.

Посмотрите вебинар здесь:

Изображение используется по лицензии от Shutterstock.com

• SEO-контент и PR-распределение. Получите усиление сегодня.
• ПлатонАйСтрим. Анализ данных Web3. Расширение знаний. Доступ здесь.
• Чеканка будущего с Эдриенн Эшли. Доступ здесь.
• Покупайте и продавайте акции компаний PREIPO® с помощью PREIPO®. Доступ здесь.
• Источник: https://www.dataversity.net/overcoming-eight-data-literacy-barriers/