چرا شرکت ها باید شکاف سواد داده را پر کنند؟

فناوری و مردم اغلب به عنوان دو کلید برای باز کردن قدرت داده ها در نظر گرفته می شوند. از آنجایی که سازمان ها به دنبال استخدام متخصصان داده های بیشتری هستند، آنها همچنین به قابلیت های تجزیه و تحلیل سلف سرویس روی آورده اند تا تأثیر داده ها را در بخش ها و تیم ها گسترش دهند. دموکراتیک کردن داده‌ها در یک شرکت می‌تواند به همه از مدیرعامل گرفته تا کارمندان خط مقدم کمک کند – کارهای خود را سریع‌تر، بهتر و هوشمندانه‌تر انجام دهند. امسال، بازار هوش تجاری و تجزیه و تحلیل توسط گارتنر پیش‌بینی می‌شود که به دلیل نیاز به انعطاف‌پذیری، دسترسی و بینش عمیق‌تر، به 18.3 میلیارد دلار افزایش یابد.

این را توییت کنید

اکثر شرکت‌ها می‌دانند که داده‌هایی که در دست چند متخصص داده است می‌تواند قدرتمند باشد، اما داده‌هایی که در نوک انگشتان بسیاری قرار دارند چیزی است که واقعاً تحول‌آفرین خواهد بود. از آنجایی که سازمان ها به دنبال افزایش دسترسی به داده ها برای مدیران و کارکنان خود هستند، این انتظار ضمنی وجود دارد که آنها بدانند پس از به اشتراک گذاشتن داده ها با آنها چه کنند. با این حال، بسیاری از شرکت‌ها دریافته‌اند که صرفاً گسترده‌تر کردن و در دسترس‌تر کردن داده‌ها کافی نیست.

تصور کنید که یک کتابخانه وسیع متشکل از بهترین آثار ادبی جهان جمع آوری کرده اید. برای کسی که سواد ندارد چقدر ارزش دارد؟ تا زمانی که نتوانند آن را بخوانند و از آن قدردانی کنند، کتابخانه فقط یک مجموعه بی ارزش از کاغذ با جوهر باقی می ماند. به طور مشابه، تمام تجسم‌ها و اطلاعات غنی داده‌ای که در ابزارهای تحلیل سلف سرویس امروزی تعبیه شده است را می‌توان با یک کسری ساده در سواد داده‌ای که می‌تواند به عنوان توانایی درک، استفاده و برقراری ارتباط مؤثر داده‌ها تعریف شود، نفی کرد. به طور فزاینده‌ای، این شکاف در سواد داده‌ای، سازمان‌ها در هر نوع و اندازه‌ای را از بهره‌برداری بیشتر از سرمایه‌گذاری‌های داده‌ای خود باز می‌دارد.

این را توییت کنید

برخی ممکن است فکر کنند که فناوری باید بتواند به اندازه کافی این مشکل را برطرف کند، اما به تنهایی نمی تواند سواد داده را ارتقا دهد. در حالی که برخی از راه‌حل‌های تحلیلی پیشرفته ممکن است بتوانند نسل جدیدی از متخصصان داده شهروندی را تقویت کنند، این افراد از زیرمجموعه‌ای از کارمندانی می‌آیند که در حال حاضر با اعداد خوب هستند. در حالی که شنیدن این موضوع که گارتنر پیش‌بینی می‌کند 40 درصد از وظایف علم داده تا سال 2020 خودکار می‌شوند، هیجان‌انگیز است، اما بیشتر این اتوماسیون برای کار دنیوی و وقت‌گیر خرد کردن داده‌ها که در حال حاضر متخصصان داده را ناامید می‌کند، اعمال می‌شود. حتی تجزیه و تحلیل تجویزی برای افرادی که نمی توانند بر اساس مناسب بودن اقدامات توصیه شده بر اساس داده های اساسی تأیید کنند، غیرمنطقی خواهد بود. ما فقط می توانیم امیدوار باشیم که سیستم آموزشی ما در نهایت این مشکل سواد داده را حل کند. در حالی که مؤسسات تحصیلات تکمیلی به آرامی نیاز به آموزش تجزیه و تحلیل بهتر را درک می کنند، آموزش K-12 همچنان از نیازهای سواد داده نیروی کار امروزی عقب است. در سخنرانی سال 2009 خود در TED، آرتور بنجامین ریاضیدان استدلال کرد که زمان آن رسیده است که برنامه درسی ریاضی از آنالوگ به دیجیتال تبدیل شود و آمار و احتمال جایگزین حساب دیفرانسیل و انتگرال در بالای هرم ریاضی شود. دشوار است که بگوییم این تغییر بسیار مورد نیاز چه زمانی رخ خواهد داد.

** این مقاله در ابتدا در Forbes.com در 9 مارس 2017 منتشر شد.