Leiders willen dat "iedereen, overal en allemaal tegelijk zeer data-geletterd wordt, blijk geeft van een hoog vermogen om gegevens te lezen, ermee te werken en te analyseren", zegt dr. Wendy Lynch, oprichter van Analytic-Translastor.com en Lynch Consulting. Als consultant voor tal van Fortune 100-bedrijven begrijpt ze waarom organisaties willen dat al hun leden een hoog niveau van datageletterdheid hebben. Dr. Lynch belicht enkele van de grootste barrières op het gebied van datageletterdheid en hoe deze op te lossen tijdens een DATAVERSITY-webinar, “Uitdagingen overwinnen om gegevensgeletterdheid te bereiken.” In haar presentatie legt ze de uitdagingen voor datavaardighedentraining uit en herformuleert ze en moedigt ze een drieledige aanpak aan om ze aan te pakken.

In het webinar citeerde Dr. Lynch een studie van McKinsey, waarbij hij opmerkte dat ten minste $ 1 van de $ 5 van de inkomsten van een bedrijf vóór rente en belastingen (EBIT) zich vertaalt in waarde uit gegevensactiva. Bovendien hebben bedrijven met het hoogste niveau van databeheersing, inclusief beleid, mensen en technologie, een 70% hogere omzet per persoon.

Toch heeft bijna 80% van de mensen geen vertrouwen in hun Vaardigheden op het gebied van datageletterdheid, en studies tonen aan dat 90% geen hoge datageletterdheid heeft. Dus, zoals Lynch aangeeft: "Bedrijven willen dat iedereen als datawetenschapper functioneert, maar beginnen op een moeilijke plek."

Belemmeringen voor datageletterdheid

Dr. Lynch haalt acht thema's aan uit de DATAVERSITY-focusgroepen die begin 2023 zijn gehouden om te begrijpen waarom mensen en organisaties datavaardighedentraining moeilijk vinden. Ze bevatten:

1. Inkoop: Leiders overschatten de capaciteiten van hun werknemers met data en begrijpen misschien niet het belang van Data Literacy-training of de prioriteit van dergelijke inspanningen.

2. Eigendom: Organisaties moeten duidelijk maken wie de inspanningen op het gebied van datageletterdheid drijft. Is het de persoon met de hoogste datageletterdheidscore, een C-level persoon of een nieuwe rol? Dr. Lynch merkt op dat werknemers kunnen aarzelen of zich ongerust voelen over het leren van datageletterdheid omdat ze er niet de interesse of aanleg voor hebben. Dus, is de persoon die Data Literacy-training geeft verantwoordelijk voor het oplossen van deze problemen?

3. Afmetingen: Hoe doen organisaties huidige niveaus van of verbeteringen in datageletterdheid beoordelen? Wat is een goed niveau van datageletterdheid? Bovendien vermeldt ze op basis van een artikel in Forbes dat als bedrijven geen goed niveau van datageletterdheid bereiken, ze een giftige kloof tussen dataproducenten en consumenten – zij die geletterd zijn en zij die een hoger niveau moeten bereiken. Dus, hoe kunnen metingen datageletterdheid helpen bevorderen zonder zo'n controversiële omgeving onder werknemers te creëren?

4. Trainingsaanpak: Lynch vraagt ​​hoe we de training Data Literacy aanpakken. Doen organisaties het bedrijfsbreed? Selecteren ze training van een leverancier of van binnen de organisatie? Hoe behandelt de trainer van een organisatie bovendien alle belangrijke stappen om hoge datageletterdheid te bereiken, zoals hieronder vermeld?

• Bewustwording krijgen van beschikbare gegevens in de organisatie.
• Identificeer deze verschillende gegevensbronnen.
• Weet hoe je de juiste bronnen op het juiste moment selecteert.
• Begrijp de waarde en beperkingen van de geselecteerde datasets.
• Gegevens manipuleren om informatie bekwaam te definiëren en te filteren.
• Analyseer gegevens, inclusief het gebruik van de berekeningen om daar te komen.
• Interpreteer gegevens en de resultaten die volgen redelijkerwijs.
• Pas deze informatie toe om te voldoen aan zakelijke en functievereisten.

5. Duur/Niveaus: Hoe vaak volgen medewerkers opleidingen? Is het doorlopend of eenmalig? Om deze uitdaging te illustreren, vertelt Dr. Lynch over een ervaring waarin hij de implicaties van AI in een medische instelling onderzoekt. Artsen in deze organisatie wantrouwen soms AI en hebben training nodig. Maar ze vraagt: "Willen we dat een arts die 12 jaar geneeskunde heeft gestudeerd, terugkeert naar school om datawetenschapper te worden?"

6. Personeel: Heeft de organisatie mensen die kunnen helpen om de datageletterdheid van anderen naar een hoger niveau te tillen? Bedenk dat een derde van de Amerikanen niet weet dat een kwart van een cirkeldiagram hetzelfde is als 25%, en dat 22% alledaagse numerieke informatie zoals bankafschriften niet begrijpt. Aanvullend, 20% van de mensen ernstige rekenangst hebben die hun hersenen bevriest. Dus, heeft een organisatie de middelen om al deze belangrijke hiaten aan te pakken?

7. Kosten: Heeft de organisatie het budget voor Data Literacy? Iedereen opleiden kost veel. Sommige organisaties kunnen overwegen geld te besparen door werknemers aan te moedigen om gratis zelfgestuurde online cursussen te volgen. Verschillende onderzoeken zetten echter vraagtekens bij de effectiviteit van een dergelijke aanpak.

8. Tijd: Dr. Lynch benadrukt dat tijd de meest schaarse hulpbron van mensen is. Organisaties moeten tijd benutten voor dagelijkse activiteiten en hun datatoepassingen. Dus, hoe kunnen bedrijven tijd vrijmaken om datageletterdheidstraining te combineren en mensen te laten leren, vooral als werknemers geografisch verspreid zijn?

Trainingsbelemmeringen voor datageletterdheid herformuleren

Zoals hierboven vermeld, vindt Dr. Lynch veel complexe trainingsbelemmeringen op het gebied van datageletterdheid wanneer werknemers overal een hoge datageletterdheid moeten bereiken. Daarom raadt ze aan om dit datageletterdheidsprobleem op teamniveau te herformuleren om deze barrières zo efficiënt mogelijk te verminderen.

Niet iedereen heeft dezelfde bekwaamheid of interesse in datageletterdheid, maar heeft verschillende vaardigheden die een bedrijf nodig heeft, zoals mensengeletterdheid (emotionele volwassenheid en communicatieve vaardigheden) en zakelijke geletterdheid (inzicht in zakelijke prioriteiten en strategische vereisten en hoe iemands baan daarmee verband houdt). Als je datageletterdheid op deze manier bekijkt, daagt datageletterdheid uit tot verandering en krijgt het meer betekenis in het geheel.

Vervolgens moeten organisaties zich afvragen hoe ze hun teams het beste kunnen inzetten met verzamelingen mensen met verschillende sterke punten. Dr. Lynch legt het zo uit: 

“Leiders willen betere datageletterdheid, niet omdat ze willen dat elke werknemer van wiskunde houdt. In plaats daarvan willen ze dat hun organisaties betere inzichten krijgen. Hoe meer mensen collectief hogerop kunnen komen in datageletterdheid, hoe meer je kunt halen uit deze inzichten.”

Met andere woorden, managers willen gegevensvaardigheden of werksamenwerkingen om elke medewerker de kennis en analytische toegang te geven om het werk goed te doen.

Een drieledige aanpak: training, rollen en toegang

Gezien dit nieuwe perspectief stelt Dr. Lynch voor dat organisaties een drieledige aanpak gebruiken door middel van training, rollen en toegankelijkheid om hogere datageletterdheid voor organisatorische inzichten. Ze legt elk van deze verder uit:

Opleiding: Op basis van gegevens uit het verleden adviseert Dr. Lynch de volgende best practices bij het doen van datageletterdheid:

• Wijs een competente expert aan die eigenaar is van de inspanning om geletterdheid te verbeteren, en deze persoon moet afkomstig zijn van iets anders dan het gegevensbeheer of een gegevensgebied.
• Zorg voor een duidelijke business case voor wat de organisatie zal bereiken als ze een hogere datageletterdheid bereikt.
• Structureer het onderwijs zodat het aansluit bij de normale bedrijfsvoering en geef relevante voorbeelden die elk onderwijs koppelen aan de rol van een werknemer wanneer die persoon leert.

Rollen: Terwijl Dr. Lynch onderzoek doet naar het gezamenlijk bevorderen van datageletterdheid, vraagt ​​ze zich af hoe het is om naast training werk aan te wijzen om te profiteren van de sterke punten van mensen en tegemoet te komen aan hun zwakheden. Ze suggereert zelfs mogelijke combinatierollen.

Terwijl Lynch bijvoorbeeld met haar medische klant werkt, ziet ze AI-experts (meer technisch onderlegd) en klinische experts (beter in staat om patiënten te diagnosticeren en te behandelen). Dus terwijl ze teamleden in staat stelt hun datavaardigheden te verbeteren, implementeert ze vertalersrollen tussen de AI en klinische experts.

Deze vertalersrollen helpen de AI en de klinische medewerkers om data-inzichten te krijgen. Dr. Lynch beweert:

“Misschien geven vertalers die bekend zijn met verschillende data-inzichten en basiskennis van SQL hebben, informatie aan iedereen. Dan heeft iedereen toegang tot meer geavanceerde inzichten uit de data.”

Op deze manier kan het team de informatie beter verwerken en elke opdracht voltooien. Deze aanpak bespaart ook de tijd en het geld dat nodig is om elk individu te trainen in het manipuleren van gegevens, vooral als die persoon niet geïnteresseerd is in wiskunde.

Toegang: Complexe technologie beperkt hoeveel training er nodig is, waardoor er extra tijd nodig is om cursisten te laten zien hoe ze gegevens kunnen vinden, ophalen en manipuleren. Om dit probleem tegen te gaan, pleit Dr. Lynch voor platforms die gegevensinterfaces gebruiken die minder technische vaardigheden vereisen, waardoor het gebruik van een organisatie wordt geopend, zoals de markt heeft gedaan met computers.

Ze legt uit dat programmeurs en gespecialiseerde ingenieurs in de jaren zeventig alleen computers gebruikten omdat ze wisten hoe. Door de vooruitgang op het gebied van hardware, pc's en GUI's kreeg iedereen toegang tot computers. Nu gebruiken de meeste mensen naadloos computers voor hun werk, ongeacht hun kennis van algoritmen.

Op dezelfde manier zegt Dr. Lynch:

“We kunnen analyses gaan beschouwen als toegankelijker. In plaats van data-analyse te beperken tot dashboardinteracties en SQL-queries, zouden we bijvoorbeeld kunnen denken aan technologie die queries, gevormd in een natuurlijke taal, omzet in analytics.”

Voortgang in AI en machine learning (ML) kan mogelijk de toegang tot analytische gegevens vergroten. Lynch wijst erop dat GPT-4 gesproken vragen kan omzetten in SQL en grafische afbeeldingen kan produceren die de analyse laten zien, waardoor de vereisten voor gegevensgeletterdheid voor inzicht worden verlaagd.

Conclusie

Datageletterdheid-barrières zien er complex en moeilijk uit, vooral om elke medewerker naar een hoger niveau te krijgen. Dus hoewel training een hulpmiddel is, hebben organisaties andere benaderingen nodig.

Vertalersrollen beloven een brug te slaan tussen data-geletterde en niet-technische teamleden. Ook kunnen technologische ontwikkelingen de lat voor het verkrijgen van inzichten verlagen door de toegang te openen voor minder technische leden. Met dit nieuwe perspectief kunnen leidinggevenden de training in datageletterdheid heroverwegen om de acht barrières aan te pakken die in dit artikel worden genoemd.

Afbeelding gebruikt onder licentie van Shutterstock.com

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoAiStream. Web3 gegevensintelligentie. Kennis versterkt. Toegang hier.
• De toekomst slaan met Adryenn Ashley. Toegang hier.
• Koop en verkoop aandelen in PRE-IPO-bedrijven met PREIPO®. Toegang hier.
• Bron: https://www.dataversity.net/overcoming-eight-data-literacy-barriers/