数据素养是当今商业界的热门话题。


随着企业努力保持竞争力和事半功倍，每个企业都在寻找一种优化资源并充分利用每个团队成员的方法。为此，业务管理团队必须利用每个团队成员的知识和技能，因为这些技能与他们的角色和职责相关。企业必须使用从经验和教育中收集的团队成员知识，并将这些知识与数据和分析相结合，以做出基于上下文的、数据驱动的决策。

当一家企业开始采取这一进化步骤时，它可能会让其团队成员赶上并落后。

即使在最了解数据的企业环境中，对数据的永不满足的需求和对数据驱动计划的业务痴迷也会造成压力，如果管理不当，这些计划可能会适得其反。

印度数据素养的发展  就是这一现实的一个恰当例子。埃森哲和其他公司最近的研究  表明，

虽然印度企业已经接受了数据素养并鼓励团队成员接受培训并采用数据和分析来支持决策，但这场新的革命给团队成员带来了额外的压力。

题为 “数据素养对人类的影响”的埃森哲报告 揭示了企业为将数据注入普通业务对话而采取的方法中存在许多缺陷。

这些研究表明：

“在接受调查的企业高管中，只有 32% 的人表示他们能够从数据中创造可衡量的价值，而只有 27% 的人表示他们的数据和分析项目产生了可操作的见解。”
'组织需要认识到，数据使用的指数增长已经远远超出了员工使用数据所需的技能和信心。只有 25% 的员工在进入当前职位时感到充分准备好有效使用数据。
“尽管几乎所有员工都将工作场所的数据视为资产，但很少有人使用它来为决策提供信息。当决策基于数据时，只有 37% 的员工更信任他们的决策，而几乎一半 (48%) 的员工经常推迟根据直觉做出决策，而不是数据驱动的洞察力。
尽管印度企业一直在努力接受数据分析和数据驱动的决策，但对数据素养的推动通常会导致研究中发现的相同类型的压力源和混合结果。

这些研究表明，印度的调查受访者报告说，“该国只有 46% 的受访者对他们的数据素养技能充满信心。” 而且，虽然 53% 的印度受访者更信任基于数据的决策，但 80% 的受访者在做出决策时经常会遵从“直觉”，而不是数据驱动的洞察力。

值得注意的是，53% 的印度受访者表示，他们相信“数据素养培训将使他们更有效率”。

那么这项研究告诉我们什么？印度数据素养倡议受访者的调查可以告诉我们什么？

它告诉我们，虽然企业和团队成员认识到数据驱动、基于事实的决策的价值，但团队成员并不认为他们得到了足够的支持或培训来帮助他们自信地采用和接受数据分析，以及由此导致的缺乏自信正在给团队成员带来额外的压力。这种类型的压力会导致生产力下降，这可能意味着团队成员将在其他地方寻找不那么苛刻的职业。

赋予团队成员权力是很好的，让他们负责是必要的。但是，如果企业打算让团队成员承担责任，它必须首先提供团队成员表现良好所需的培训和工具。当企业提供适当的环境、指导、培训和工具时，它可以期望提高生产力和提高团队成员的满意度。

那么，对于希望在团队成员中培养数据素养并成功创建优化资源、知识和技能并允许团队成员信心和提高生产力的协作环境的企业来说，这意味着什么？

采用正确的方法，企业可以成功地跨越从分散的数据知识或数据敏锐度孤岛到数据素养团队的差距，该团队可以轻松拥抱这个新世界并采用将数据纳入决策的流程。企业还可以确保团队成员愿意采用和接受数据分析，并在日常流程中使用这些工具来完成任务并做出更好的业务决策。数据素养不必像您想象的那么复杂。为了实现这一目标，企业必须培育具有数据素养的环境和文化，并鼓励各个级别、各个职能和角色的团队成员。为了那个原因，

为了在数据分析方面教育和支持团队成员，企业提供的软件工具必须允许增强分析：提供指导和自动建议以帮助用户选择适合他们正在分析的数据类型的可视化技术的分析工具，和辅助预测建模工具，帮助用户选择正确的算法来完成他们希望执行的分析。自然语言处理 (NLP) 和机器学习基础允许团队成员使用自然语言提出问题并获得答案，因此他们无需成为数据科学家或 IT 专家即可深入了解数据、预测、计划、寻找机会，请参阅趋势和模式、产品和共享报告以及作为 公民数据科学家的职能。

那些试图使用捷径来获得数据素养或不太可能达到他们想要的结果的企业，肯定会在这个过程中让他们的团队成员感到沮丧和沮丧。通过适当的文化变革、用户角色之间的协作以及简单、直观、自助式增强分析工具来计划和实施 数据素养 和数据民主化计划的企业将更快、更成功地实现数据素养并提高用户采用率。


编辑推荐
1、2022年300个以上最佳免费数据科学课程
2、大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！
3、机器学习模型方法总结
4、历史最全机器学习/深度学习/人工智能专业术语表中英对照表
5、机器学习如何应用于商业场景？三个真实的商业项目
6、数据工作者的自我修养 | 哪些技能是必不可少的？
7、《汗牛充栋：数据分析书籍分享》CDA网校新课上线
8、文本挖掘常用的107个语料库
9、一图读懂“东数西算”工程
10、零基础转行数据分析，看这篇文章就够了

DA内容精选