Sekiz Veri Okuryazarlığı Engelini Aşmak – DATAVERSITY

Wendy Lynch, liderlerin "herkesin, her yerde ve birdenbire yüksek düzeyde veri okuryazarı olmasını, verileri okumak, verilerle çalışmak ve analiz etmek için yüksek bir yetenek sergilemesini" istediğini söylüyor. Analitik-Translastor.com ve Lynch Danışmanlık. Çok sayıda Fortune 100 şirketinin danışmanı olarak, kuruluşların neden tüm üyelerinin yüksek düzeyde Veri Okuryazarlığına sahip olmasını istediğini anlıyor. Dr. Lynch, bir DATAVERSITY web seminerinde Veri Okuryazarlığının en büyük engellerinden bazılarını ve bunların nasıl çözüleceğini vurguluyor, “Veri Okuryazarlığına Ulaşmadaki Zorlukların Aşılması” Sunumunda, Veri Okuryazarlığı eğitiminin zorluklarını açıklıyor ve yeniden çerçevelendiriyor ve bunları ele almak için üç yönlü bir yaklaşımı teşvik ediyor.

Web seminerinde Dr. Lynch, McKinsey'in yaptığı bir araştırmaya atıfta bulunarak, bir şirketin faiz ve vergilerden önceki kazancının (EBIT) 1 dolarından en az 5 dolarının veri varlıklarından değere dönüştüğünü belirtti. Ayrıca, politikalar, insanlar ve teknoloji dahil olmak üzere en yüksek veri uzmanlığına sahip işletmeler, kişi başına %70 daha yüksek gelir elde ediyor.

Yine de, insanların yaklaşık %80'i işlerine güvenmiyor. Veri Okuryazarlığı becerilerive araştırmalar %90'ının yüksek Veri Okuryazarlığına sahip olmadığını gösteriyor. Bu nedenle, Lynch'in işaret ettiği gibi, "İşletmeler, herkesin veri bilimcisi olarak işlev görmesini istiyor, ancak işe zor bir yerden başlıyor."

Veri Okuryazarlığının Önündeki Engeller

Dr. Lynch, insanların ve kuruluşların Veri Okuryazarlığı eğitimini neden zor bulduğunu anlamak için 2023'ün başlarında yürütülen DATAVERSITY odak gruplarından sekiz temayı aktarıyor. Onlar içerir:

1. Katılım: Liderler, çalışanlarının kapasitelerini verilerle abartırlar ve Veri Okuryazarlığı eğitiminin önemini veya bu tür çabaların önceliğini anlamayabilirler.

2. Mülkiyet: Kuruluşların, Veri Okuryazarlığı çabalarını kimin yönlendirdiğini netleştirmesi gerekir. En yüksek Veri Okuryazarlığı puanına sahip kişi mi, C düzeyinde bir kişi mi yoksa yeni bir rol mü? Dr. Lynch, çalışanların Veri Okuryazarlığını öğrenme konusunda ilgileri veya yetenekleri olmadığı için tereddüt edebileceklerini veya endişeli hissedebileceklerini gözlemliyor. Peki, Veri Okuryazarlığı eğitimini yöneten kişi bu sorunları azaltmaktan sorumlu mu?

3. Ölçümler: organizasyonlar nasıl Veri Okuryazarlığının mevcut düzeylerini veya iyileştirmelerini değerlendiriyor musunuz? İyi bir Veri Okuryazarlığı düzeyini ne temsil eder? Ayrıca, bir Forbes makalesine dayanarak, şirketlerin Veri Okuryazarlığı konusunda iyi bir seviyeye gelmemeleri durumunda, bir toksik bölünme veri üreticileri ve tüketiciler arasında – okuma yazma bilenler ve daha yüksek bir seviyeye çıkması gerekenler. Öyleyse ölçümler, çalışanlar arasında bu kadar çekişmeli bir ortam yaratmadan Veri Okuryazarlığının ilerlemesine nasıl yardımcı olabilir?

4. Eğitim Yaklaşımı: Lynch, Veri Okuryazarlığı eğitimine nasıl yaklaştığımızı soruyor. Kuruluşlar bunu şirket çapında yapıyor mu? Eğitimi bir satıcıdan mı yoksa kuruluş içinden mi seçiyorlar? Ek olarak, bir kuruluşun eğitmeni, aşağıda listelendiği gibi, yüksek Veri Okuryazarlığına ulaşmak için tüm önemli adımları nasıl kapsar?

• Kuruluşta mevcut veriler hakkında farkındalık kazanın.
• Bu farklı veri kaynaklarını tanımlayın.
• Doğru zamanda doğru kaynakları nasıl seçeceğinizi bilin.
• Seçilen veri setlerinin değerini ve sınırlamalarını anlayın.
• Bilgileri yetenekli bir şekilde tanımlamak ve filtrelemek için verileri işleyin.
• Oraya ulaşmak için hesaplamaları kullanmak da dahil olmak üzere verileri analiz edin.
• Verileri ve takip eden sonuçları makul bir şekilde yorumlayın.
• İş ve iş gereksinimlerini karşılamak için bu bilgileri uygulayın.

5. Süre/Seviyeler: Çalışanlar ne sıklıkla eğitim alıyor? Devam ediyor mu yoksa bir kez mi yapıldı? Bu zorluğu göstermek için Dr. Lynch, yapay zekanın bir tıp kurumundaki etkilerini inceleyen bir deneyimi anlatıyor. Bu kuruluştaki doktorlar zaman zaman yapay zekaya güvenmezler ve biraz eğitime ihtiyaçları vardır. Ancak, "12 yıllık tıp fakültesinden geçen bir doktorun okula dönüp veri bilimcisi olmasını istiyor muyuz?"

6. Personel: Kuruluşta, başkalarının Veri Okuryazarlığını daha yüksek bir düzeye çıkarmaya yardımcı olabilecek kişiler var mı? Amerikalıların üçte birinin pasta grafiğin çeyreğinin %25'e eşit olduğunu bilmediğini ve %22'sinin banka hesap özetleri gibi günlük sayısal bilgileri anlamadığını düşünün. Bunlara ek olarak, Insanların 20% beyinlerini donduran şiddetli matematik kaygısı var. Öyleyse, bir kuruluşun tüm bu önemli boşlukları kaldıracak kaynakları var mı?

7. Maliyet: Kuruluşun Veri Okuryazarlığı için bütçesi var mı? Herkesi eğitmek çok pahalıya mal olur. Bazı kuruluşlar, çalışanlarını ücretsiz, kendi kendine yönlendirilen çevrimiçi kurslar almaya teşvik ederek tasarruf etmeyi düşünebilir. Bununla birlikte, bazı çalışmalar böyle bir yaklaşımın etkinliğini sorgulamaktadır.

8. Zaman: Dr. Lynch, zamanın insanların en kıt kaynağı olduğunu vurguluyor. Kuruluşların günlük operasyonlar ve veri uygulamaları için zamandan yararlanmaları gerekir. Peki şirketler, özellikle çalışanlar coğrafi olarak dağılmışsa, Veri Okuryazarlığı eğitimini birleştirmek ve insanların öğrenmesini sağlamak için nasıl zaman ayırabilir?

Veri Okuryazarlığı Eğitimi Engellerini Yeniden Çerçevelendirme

Yukarıda bahsedildiği gibi, Dr. Lynch, çalışanların her yerde yüksek Veri Okuryazarlığı elde etmesi gerektiğinde birçok karmaşık Veri Okuryazarlığı eğitim engeli bulmaktadır. Bu nedenle, bu engelleri en verimli şekilde azaltmak için bu Veri Okuryazarlığı sorununu ekip düzeyinde yeniden çerçevelendirmeyi öneriyor.

Veri Okuryazarlığında herkes aynı beceriye veya ilgiye sahip değildir, ancak insan okuryazarlığı (duygusal olgunluk ve iletişim becerileri) ve iş okuryazarlığı (iş önceliklerini ve stratejik zorunlulukları ve bir kişinin işinin bununla nasıl bağlantılı olduğunu anlama) gibi bir işletmenin ihtiyaç duyduğu farklı yeteneklere veya ilgiye sahiptir. Veri Okuryazarlığına bu şekilde bakıldığında, Veri Okuryazarlığı değişime meydan okur ve toplamda daha anlamlı hale gelir.

Ardından, kuruluşlar, farklı güçlere sahip insanlardan oluşan koleksiyonlarla ekiplerini en iyi şekilde nasıl kullanacaklarını sormalıdır. Dr. Lynch bunu şu şekilde açıklıyor: 

“Liderler, her çalışanın matematiği sevmesini istedikleri için daha iyi Veri Okuryazarlığı istiyorlar. Bunun yerine kuruluşlarının daha iyi içgörüler elde etmesini istiyorlar. Veri Okuryazarlığında toplu olarak daha fazla insan yükseldikçe, bu içgörülerden daha fazlasını elde edebilirsiniz.

Başka bir deyişle, yöneticiler, her çalışana işi iyi yapmak için bilgi ve analitik erişim sağlamak için veri becerileri veya iş işbirlikleri ister.

Üç Yönlü Bir Yaklaşım: Eğitim, Roller ve Erişim

Bu yeni bakış açısı göz önüne alındığında, Dr. Lynch, kuruluşların eğitim, roller ve erişilebilirlik aracılığıyla üç yönlü bir yaklaşım kullanmalarını önerir. daha yüksek Veri Okuryazarlığı organizasyon içgörüleri için. Bunların her birini daha ayrıntılı olarak açıklıyor:

Eğitim: Geçmiş verilere dayanarak Dr. Lynch, Veri Okuryazarlığı yaparken aşağıdaki en iyi uygulamaları önerir:

• Okuryazarlığı geliştirme çabasına sahip yetkin bir uzman atayın ve bu kişi Veri Yönetişimi veya bir veri alanı dışında bir yerden olmalıdır.
• Kuruluşun daha yüksek Veri Okuryazarlığına ulaştığında neyi başaracağına dair net bir iş gerekçesine sahip olun.
• Eğitimi normal iş faaliyetlerine uyacak şekilde yapılandırın ve herhangi bir öğretimi bir çalışanın o kişi öğrendiğindeki rolüne bağlayan ilgili örnekler verin.

Roller: Dr. Lynch, Veri Okuryazarlığını toplu olarak ilerletmeyi araştırırken, eğitime ek olarak insanların güçlü yönlerinden yararlanmak ve zayıf yönlerini karşılamak için iş belirlemeyi merak ediyor. Hatta olası kombinasyon rollerini öneriyor.

Örneğin, Lynch tıbbi müşterisiyle çalışırken yapay zeka uzmanlarıyla (teknolojiden daha fazla anlayan) ve klinik uzmanlarla (hastaları daha iyi teşhis edip tedavi edebilen) görüşür. Bu nedenle, ekip üyelerinin veri becerilerini geliştirmelerine izin verirken, yapay zeka ile klinik uzmanlar arasında tercüman rolleri uygular.

Bu tercüman rolleri yapay zekaya ve klinik çalışanların veri içgörüleri elde etmesine yardımcı olur. Dr. Lynch'in iddiası:

"Belki de farklı veri içgörülerine aşina olan ve temel SQL becerilerine sahip çevirmenler, diğer herkese bilgi verir. Böylece herkes verilerden daha gelişmiş içgörülere erişebilir."

Bu şekilde, ekip bilgileri daha iyi işleyebilir ve her işi tamamlayabilir. Bu yaklaşım aynı zamanda, özellikle o kişi matematik yapmakla ilgilenmiyorsa, her bireyi verileri manipüle edecek şekilde eğitmek için gereken zamandan ve paradan tasarruf sağlar.

erişim: Karmaşık teknoloji, ne kadar eğitim gerektiğini kısıtlayarak, kursiyerlere verileri nasıl bulacaklarını, alacaklarını ve değiştireceklerini göstermek için fazladan zaman gerektiriyor. Bu soruna karşı, Dr. Lynch, daha az teknik beceri gerektiren veri arabirimlerini kullanan platformları savunarak, pazarın bilgisayarlarla yaptığı gibi bir kuruluşun kullanımını açar.

1970'lerde programcıların ve uzman mühendislerin bilgisayarları yalnızca nasıl yapılacağını bildikleri için kullandıklarını açıklıyor. Ardından, donanım, PC'ler ve GUI'lerdeki gelişmeler herkese bilgi işlem erişimi sağladı. Artık çoğu insan, algoritma bilgisine bakılmaksızın bilgisayarları işleri için sorunsuz bir şekilde kullanıyor.

Aynı şekilde, Dr. Lynch şöyle diyor:

"Analitiği daha erişilebilir olarak düşünmeye başlayabiliriz. Örneğin, veri analizini pano etkileşimleri ve SQL sorgularıyla sınırlamak yerine, doğal bir dilde oluşturulmuş sorguları analitiğe dönüştüren bir teknoloji düşünebiliriz.”

Gelişmeler AI ve makine öğrenimi (ML), potansiyel olarak analitik verilere erişimi artırabilir. Lynch, GPT-4'ün sözlü soruları SQL'e dönüştürebildiğine ve analizleri gösteren grafikler üretebildiğine ve içgörü için Veri Okuryazarlığı gereksinimlerini azaltabildiğine dikkat çekiyor.

Sonuç

Veri Okuryazarlığı engelleri, özellikle her çalışanı bir üst seviyeye çıkarmak açısından karmaşık ve zor görünüyor. Dolayısıyla, eğitim bir araç sağlarken kuruluşların başka yaklaşımlara ihtiyacı vardır.

Çevirmen rolleri, veri okuryazarı ve teknik olmayan ekip üyeleri arasında bir köprü vaat ediyor. Ayrıca teknolojik gelişmeler, daha az teknik üyeye erişim sağlayarak içgörü kazanma çıtasını düşürebilir. Bu yeni bakış açısıyla yöneticiler, bu makalede listelenen sekiz engeli ele almak için Veri Okuryazarlığı eğitimini yeniden düşünebilirler.

Web seminerini buradan izleyin:

Shutterstock.com lisansı altında kullanılan görsel

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoAiStream. Web3 Veri Zekası. Bilgi Genişletildi. Buradan Erişin.
• Adryenn Ashley ile Geleceği Basmak. Buradan Erişin.
• PREIPO® ile PRE-IPO Şirketlerinde Hisse Al ve Sat. Buradan Erişin.
• Kaynak: https://www.dataversity.net/overcoming-eight-data-literacy-barriers/