Подолання восьми бар’єрів грамотності даних – DATAVERSITY

Керівники хочуть, щоб «кожен, скрізь і всі відразу стали високограмотними в роботі з даними, продемонстрували високу здатність читати, працювати з даними й аналізувати їх», – каже д-р Венді Лінч, засновник Analytic-Translastor.com та Lynch Consulting. Як консультант багатьох компаній зі списку Fortune 100, вона розуміє, чому організації хочуть, щоб усі їхні члени мали високий рівень грамотності даних. Доктор Лінч під час вебінару DATAVERSITY розповідає про деякі з найбільших бар’єрів грамотності з даними та про те, як їх вирішити,Подолання викликів для досягнення грамотності даних.” У своїй презентації вона пояснює та переформулює виклики, пов’язані з навчанням грамотності даних, і заохочує тристоронній підхід до їх вирішення.

Під час вебінару доктор Лінч процитував дослідження McKinsey, зазначивши, що принаймні 1 долар із 5 прибутків компанії до сплати відсотків і податків (EBIT) перетворюється на вартість активів даних. Крім того, компанії з найвищим рівнем оволодіння даними, включаючи політику, людей і технології, мають на 70% більший дохід на людину.

Проте майже 80% людей не довіряють своїм Навички володіння даними, і дослідження показують, що 90% не мають високої грамотності даних. Отже, як зазначає Лінч, «підприємства хочуть, щоб усі працювали як дослідники даних, але починають зі складного місця».

Перешкоди на шляху грамотності даних

Доктор Лінч цитує вісім тем фокус-груп DATAVERSITY, проведених на початку 2023 року, щоб зрозуміти, чому людям і організаціям важко навчатися грамотності даних. Вони включають:

1. Бай-ін: Керівники переоцінюють здібності своїх працівників щодо даних і можуть не розуміти важливості навчання грамотності даних або пріоритету таких зусиль.

2. Право власності: Організаціям необхідно уточнити, хто керує зусиллями з підвищення кваліфікації даних. Це особа з найвищим балом грамотності даних, особа рівня C чи нова роль? Доктор Лінч зауважує, що працівники можуть вагатися або відчувати побоювання щодо навчання грамотності даних, оскільки вони не мають інтересу чи здібностей. Отже, чи несе відповідальність за пом’якшення цих проблем особа, яка веде навчання грамотності даних?

3. Вимірювання: Як організації оцінити поточний рівень або покращення грамотності даних? Що означає хороший рівень грамотності даних? Крім того, спираючись на статтю Forbes, вона зазначає, що якщо компанії не досягнуть належного рівня грамотності даних, вони створять токсичний розрив між виробниками даних і споживачами – тими, хто грамотний, і тими, кому потрібно вийти на вищий рівень. Отже, як вимірювання можуть сприяти розвитку грамотності даних, не створюючи такого конфліктного середовища серед співробітників?

4. Підхід до навчання: Лінч запитує, як ми підходимо до навчання грамотності даних. Чи роблять організації це для всієї компанії? Вони обирають навчання у постачальника чи всередині організації? Крім того, як тренер організації охоплює всі важливі кроки для досягнення високої грамотності даних, як зазначено нижче?

• Отримайте обізнаність про дані, доступні в організації.
• Визначте ці різні джерела даних.
• Знати, як вибрати правильні джерела в правильний час.
• Зрозумійте цінність і обмеження вибраних наборів даних.
• Маніпулюйте даними, щоб вміло визначати та фільтрувати інформацію.
• Аналізуйте дані, зокрема використовуючи обчислення, щоб отримати їх.
• Розумно інтерпретуйте дані та отримані результати.
• Застосуйте цю інформацію, щоб відповідати вимогам бізнесу та роботи.

5. Тривалість/рівні: Як часто співробітники проходять навчання? Це триває чи вже зроблено? Щоб проілюструвати цю проблему, доктор Лінч розповідає про досвід дослідження наслідків штучного інтелекту в медичному закладі. Лікарі цієї організації часом не довіряють штучному інтелекту й потребують певного навчання. Але вона запитує: «Чи хочемо ми, щоб лікар, який пройшов 12 років медичної школи, повернувся до школи, щоб стати науковцем даних?»

6. Персонал: Чи є в організації люди, які можуть допомогти підняти грамотність інших на вищий рівень? Вважайте, що одна третина американців не знає, що чверть кругової діаграми – це те саме, що 25%, а 22% не розуміють щоденної числової інформації, як-от банківських виписок. Крім того, 20% людей мають сильну математичну тривогу, яка заморожує їхні мізки. Отже, чи має організація ресурси, щоб усунути всі ці значні прогалини?

7. Вартість: Чи є в організації бюджет на підвищення кваліфікації даних? Навчання кожного коштує багато. Деякі організації можуть заощадити гроші, заохочуючи співробітників відвідувати безкоштовні самостійні онлайн-курси. Однак деякі дослідження ставлять під сумнів ефективність такого підходу.

8. час: Доктор Лінч підкреслює, що час є найбільш дефіцитним ресурсом людей. Організаціям потрібно використовувати час для повсякденних операцій і програм даних. Отже, як компанії можуть виділяти час, щоб поєднати навчання грамотності з даними та навчати людей, особливо якщо співробітники розподілені територіально?

Переформатування бар’єрів навчання грамотності даних

Як згадувалося вище, доктор Лінч знаходить багато складних бар’єрів для навчання грамотності даних, коли співробітникам потрібно досягти високого рівня грамотності даних усюди. Тому вона рекомендує переосмислити цю проблему грамотності даних на рівні команди, щоб максимально ефективно зменшити ці бар’єри.

Не всі мають однакові здібності або інтерес до грамотності з даними, але мають різні, які потрібні бізнесу, наприклад грамотність щодо людей (емоційна зрілість і комунікативні навички) і бізнес-грамотність (розуміння бізнес-пріоритетів і стратегічних імперативів і того, як ваша робота пов’язана з цим). Якщо розглядати грамотність даних у такий спосіб, виклики грамотності даних змінюються та стають більш значущими в сукупності.

Тоді організації повинні запитати, як найкраще використовувати свої команди з групами людей з різними сильними сторонами. Доктор Лінч пояснює це так: 

«Керівники хочуть кращої грамотності даних не тому, що вони хочуть, щоб кожен співробітник любив математику. Натомість вони хочуть, щоб їхні організації отримували кращу інформацію. Чим більше людей, разом, можуть піднятися вище в галузі грамотності даних, тим більше ви зможете отримати ці знання».

Іншими словами, менеджери хочуть, щоб набори навичок даних або робоча співпраця давали кожному працівнику знання та аналітичний доступ для якісного виконання роботи.

Тристоронній підхід: навчання, ролі та доступ

Враховуючи цю нову перспективу, доктор Лінч пропонує організаціям використовувати тристоронній підхід: навчання, ролі та доступність для досягнення вища грамотність даних для організаційних уявлень. Вона пояснює кожен із них далі:

Навчання: Спираючись на минулі дані, д-р Лінч рекомендує наступні найкращі практики під час виконання грамотності даних:

• Призначте компетентного експерта, який докладе зусиль для покращення грамотності, і ця особа має бути не з управління даними чи сфери даних.
• Майте чітке ділове обґрунтування того, чого досягне організація, коли вона досягне вищого рівня грамотності даних.
• Структуруйте освіту так, щоб вона відповідала нормальним бізнес-операціям, і наведіть відповідні приклади, які пов’язують будь-яке навчання з роллю працівника, коли ця особа навчається.

ролі: У той час як доктор Лінч досліджує колективне просування грамотності з даними, вона задається питанням про призначення роботи, щоб використовувати сильні сторони людей і враховувати їхні слабкі сторони на додаток до навчання. Вона навіть пропонує можливі комбінації ролей.

Наприклад, коли Лінч працює зі своїм медичним клієнтом, вона бачить експертів зі штучного інтелекту (більш підкованих у техніці) та клінічних експертів (які краще вміють діагностувати та лікувати пацієнтів). Таким чином, дозволяючи членам команди вдосконалювати свої навички обробки даних, вона реалізує ролі перекладача між ШІ та клінічними експертами.

Ці ролі перекладача допомагають штучному інтелекту, а співробітники клініки отримують інформацію про дані. Доктор Лінч стверджує:

«Можливо, перекладачі, знайомі з різними даними та мають базові навички SQL, надають інформацію всім іншим. Тоді кожен матиме доступ до більш розширеної інформації з даних».

Таким чином команда може краще обробляти інформацію та виконувати кожну роботу. Цей підхід також економить час і гроші, необхідні для навчання кожної людини маніпулювати даними, особливо якщо ця особа не зацікавлена ​​в обчисленнях.

Доступ: Складна технологія обмежує необхідний обсяг навчання, вимагаючи додаткового часу, щоб показати слухачам, як знаходити, отримувати та маніпулювати даними. Щоб протистояти цій проблемі, доктор Лінч виступає за платформи, які використовують інтерфейси даних, що вимагають менших технічних навичок, що відкриває доступ до організації, як ринок зробив з комп’ютерами.

Вона пояснює, що в 1970-х роках програмісти та інженери-спеціалісти використовували комп’ютери лише тому, що знали як це зробити. Потім прогрес у апаратному забезпеченні, ПК та графічних інтерфейсах відкрив доступ до обчислювальної техніки для всіх. Зараз більшість людей без проблем використовують комп’ютери для своєї роботи, незалежно від їхнього знання алгоритмів.

Подібним чином доктор Лінч каже:

«Ми можемо почати думати про більш доступну аналітику. Наприклад, замість того, щоб обмежувати аналіз даних взаємодією з інформаційною панеллю та запитами SQL, ми могли б подумати про технологію, яка перетворює запити, сформовані природною мовою, на аналітику».

Прогрес у Росії AI і машинне навчання (ML) може потенційно збільшити доступ до аналітичних даних. Лінч зазначає, що GPT-4 може перетворювати голосові запитання в SQL і створювати графіки, що демонструють аналіз, знижуючи вимоги до грамотності даних для розуміння.

Висновок

Перешкоди, пов’язані з грамотністю даних, виглядають складними та важкими, особливо при піднятті кожного працівника на вищий рівень. Отже, хоча навчання є інструментом, організаціям потрібні інші підходи.

Ролі перекладача обіцяють зв’язок між членами команди, які володіють даними, та нетехнічними. Крім того, технологічний прогрес може знизити планку для отримання розуміння, відкриваючи доступ для менш технічних учасників. Завдяки цьому новому погляду керівники можуть переосмислити навчання грамотності з даними, щоб усунути вісім перешкод, перелічених у цій статті.

Перегляньте вебінар тут:

Зображення використовується за ліцензією Shutterstock.com

• Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
• PlatoAiStream. Web3 Data Intelligence. Розширення знань. Доступ тут.
• Карбування майбутнього з Адріенн Ешлі. Доступ тут.
• Купуйте та продавайте акції компаній, які вийшли на IPO, за допомогою PREIPO®. Доступ тут.
• джерело: https://www.dataversity.net/overcoming-eight-data-literacy-barriers/