每个图表、数据集和图表背后都有一个故事。了解如何在整个组织中理解这种叙述需要数据素养。增加数据素养较小的团队可能很复杂，但装备整个组织是一项更大的任务。如此多的团队带来了如此多不同的技能组合，他们对公司数据的技术、业务和主题内容有着截然不同的知识。因此，让每个人都达到相同水平的数据素养仍然是难以捉摸的。
Oliver Hughes，首席执行官兼联合创始人Count.co. 和 Taylor Brownlow，数据主管Count.co，想要了解各个级别的数据素养的最大原因。他们目睹了社区和组织研讨会的数千名参与者在数据信心和理解方面的挣扎。从他们的实地调查中，他们发现了许多涉及公司范围内数据素养差距的问题。
在最近的一次 DATAVERSITY® 采访中，休斯说：
“数据素养不仅仅是为一两个小组提供服务和授权。整个团队需要更好地共同使用数据。这对于一群拥有跨职能技能范围的人来说会成为问题，其中一些人非常技术性和分析性很强，而另一些人则不然。他们很难就数据是什么以及如何有效地使用数据达成共识。”
数据素养与上下文和复杂性的关系
在采访中，休斯表示，“组织的首要问题是：‘我们拥有不同能力的多元化团队如何达成共识，共同有效地使用数据并做出伟大的业务决策？”
他解释说，这个目标实际上比人们意识到的更多。如果没有足够的上下文，任何人都可能难以有效地使用数据。拿一个数据科学家，具有从数据中提取价值的所有必要技能的人，但在某些情况下，如果他们不了解所使用信息的上下文，则可能完全无效。休斯解释说，如果他们不了解数据的来源或其主题，那么即使是最精通的数据专家也会成为文盲，因为他们不知道如何使用数据并回答问题。
他加了：
“在一个极端的例子中，一个人收到一列没有标题的数字，也不知道该列的字段名称。在这种情况下，那个人也可能没有数据技能，因为他们无法对数据做任何有意义的事情。”
每个团队成员都必须拥有数据集的上下文才能有效地使用它，同时还要了解它的重要性。随着世界变得越来越复杂，这样做的紧迫性变得更加重要。
“大约 50 年前，一位经营工厂的工头在工厂车间走动时可以观察不同的机制和流程，以了解如何改进工厂。现在这样的人有这么多相互关联的部分，提供的改进幅度越来越小，以至于肉眼无法看到。因此，数据成为查看您的运营、了解趋势和进行改进的唯一有效手段，”他说。
正如休斯所说，在工厂车间之外，在每个行业中，业务价值都取决于数据，正如企业运营变得更加无形和复杂一样。现在的挑战变成了如何确保这些数据被定义和理解，以便可以有效地使用。
数据素养专业困境
将不同的技能、数据环境和业务复杂性混在一起，集体数据素养差距就会扩大。布朗洛说：
“越来越多地使用复杂数据导致专业化。现在任何使用数据的人都需要获得十年前不需要的技能才能用它做任何有意义的事情。”
鉴于数据在业务中的明确价值，每个员工都感受到适应、学习和精通数据的压力。但它所花费的时间可能是一个真正的障碍。布朗洛说，随着人们试图获得更多技能，技术离他们越来越远。数据的规模和复杂性不断增加，这推动了对能够应对的新技术的需求。
“企业拥有如此多不同的数据类型和来源，所有这些数据类型和来源都具有不同的含义和版本类型，因此不断需要新技术来帮助管理和利用所有这些差异。”
一个人知道的太多了。为了解决这个问题，公司购买数据工具来制作更简单、更漂亮的仪表板和图表，这样用户就可以以直观的方式访问数据。但是，正如 Hughes 所强调的那样，这种产品并不能让人们了解底层数据集、围绕它的定义，或者如何简洁地将这些信息传达给他人。这些信息仍然隐藏在典型的数据平台后面。
顶级驱动器集体数据素养
关于数据及其叙述的注释是关键，他们都同意。但是数据的故事需要连贯一致，在协作的情况下，人们就数据及其周围的世界达成共识。组织通常具有三种类型的熟练程度：
商业智能 (BI)：理解数据
数据治理：重视数据
数据科学：利用数据
当被问及哪种能力最重要时，Brownlow 建议每个人都做出同等贡献，并相互建立和加强。对企业来说，投资数据科学与投资基础设施同样重要。她相信自上而下的方法，即领导者做出投资数据素养的战略决策。
经常，数据素养当高管要求提供数据驱动的证据时，挑战最为明显。正如布朗洛所说，他们的询问顺着公司而下，要求：
“如果组织内部没有很好地了解哪些数据是可用的，它如何连接在一起并代表外部世界，那么对于被动决策来说，事情很快就会变得一团糟。这种基本的数据理解，每个人每天都与之交互，需要放在首位。”
Hughes 建议，当管理层的请求需要很长时间才能交付并且人们意识到支持信息不太正确时，摩擦点会变得更加明显。这些情况可以很好地证明进一步投资于数据素养的价值。
高管推动业务发展，其有效性仅与数据素养的基线水平一样好在他们的业务范围内.
数据素养不仅仅是语法
即便是当管理者领导数据素养任务时，Hughes 也指出，人们将培训与教授特定工具（如 SQL 或 Excel）相混淆。但是这种方法有一个问题。休斯说：
“教授工具的工作原理与解释良好分析、询问和统计数据背后的原理非常不同，以使分析发生。人们首先需要有信心知道如何提出正确的问题，然后才能学习如何将其应用于特定工具。你不能反过来做。”
他指出，这些核心数据处理技能往往投资不足，必须通过重复来学习——这大大减慢了进度。幸运的是，正规训练确实存在，如果在以工具为中心的教学之前或同时使用，它有望更有效。例如，Count 汇集了一系列可供组织使用的资源，无论他们在内部使用何种数据工具。
通过午餐和学习正式化数据素养培训
Brownlow 相信正式教授
数据分析原理，而不是让人们孤军奋战。培训应该简短但有规律，一次集中在几个关键点上。正如他们的培训材料中所建议的那样，午餐和学习课程可能是一个很好的开始方式。她说：
“午餐和学习会议提供了一种教授和收集见解的方式，因为它们允许各方以非正式的方式聚集在一起，就数据和任何需要解决的挑战进行公开对话。例如，从这种会话中，团队成员可以发现某个数据表需要更好的解释或编辑，因为某个特定字段不再使用。”
Brownlow 认为，午餐和学习会议可以帮助整个组织从下到上提高整体数据素养，方法是让人们聚在一起并就数据及其影响进行公开对话。
缩小协作数据素养差距
除了午餐和学习之外，Count's 这样的软件平台还通过以下三个好处，通过授权“跨职能和跨技能团队更好地处理数据”来缩小差距：
共享环境中的透明度：信任将团队联系在一起，Hughes 坚信透明度可以看到对数据做了什么，在哪里，以及从什么环境。这样做可以建立共识，并允许团队更快地做出决策。
每个人的增值： “伟大的决定需要每个人的投入，”休斯说。虽然有些人可以比其他人更好地操纵原始数据，但每个人对信息都有自己的看法，这些看法可以添加到叙述中。
关注所有用户：他们提倡一个简单、通用的地方，每个人都可以一起工作并享受使用工具的乐趣。
伯爵的平台将这些原则放在每个人的电子笔记本中。该工具将数据清理、分析、可视化、讨论和叙述结合在一个文档中。“这是第一个数据平台，从原始数据到最终报告，每个分析阶段都有端到端的可见性。” 根据休斯。
此外，基于网络和移动友好的笔记本存储上下文和定义，澄清上下文并降低复杂性。“从那里，每个人都可以评论笔记本中的定义，并对数据的表示方式充满信心，从而使团队决策更容易。”
也算提供三个模块关于基本数据技能、查询数据和组合分析。这些培训工具是不可知的，向具有广泛能力的人传授数据分析原则，更紧密地缩小协作数据素养差距。他们发现透明度和通用语言对于提高数据素养和团队处理数据的有效性至关重要，并正在提供一个平台，支持每个人的高数据素养成就。
扫码加好友，拉您进群
全部版块
我的主页
收藏
