Data literacy definisjon (datakompetanse)
Gartner definerer data literacy (datakompetanse) som evnen til å kunne lese, skrive, jobbe med og kommunisere data i sammenheng. Det er en ferdighet som gjør at alle i en virksomhet kan stille de riktige spørsmålene om data, bygge kunnskap, argumentere ved hjelp av data og ta beslutninger basert på data, samt å kommunisere en mening til andre. Dette inkluderer forståelse av datakilder og konstruksjoner, anvendte analysemetoder og teknikker.
Alt dette koker ned til et enkelt spørsmål; “Kan du snakke data?” Data literacy handler ikke derfor bare om å lese tall og tekst, men også om å kunne lese og forstå data.
Evnen til å forstå og kommunisere på et felles dataspråk i virksomheten er en viktig ferdighet for å verdi av teknologi. Å ha et felles språk er driveren for å få verdi fra data og analyse.
Data literacy i dagens virksomheter
Mange virksomheter føler at de drukner i data, rapporter og grafer, og blir derfor skuffet over at man ikke finner den innsikten man forventer i dataene. Er man data literate (har dataferdigheter) vil man ha kunnskap om hvilke data som skaper verdi for virksomheten og hva som er meningsfylt materiale.
Nesten alle virksomheter behandler en enorm mengde data. Men å samle inn data er ikke det samme som å forstå data. Dårlige ferdigheter om forståelse av data holder mange virksomheter tilbake, og stopper initiativer for digital transformasjon i hele virksomheten, skriver Qlik.
Tall fra en undersøkelse om data literacy fra Qlik, viser at bare 24% av beslutningstakere anser seg selv som data literate. På tross av at 92% svarer at det tror det er viktig for deres ansatte å være data literate i dag, så svarer de også at bare 17% oppfordrer de ansatte til å bli med data literate.
Hvorfor er data literacy viktig?
Dårlige datakunnskaper rangeres som den nest største interne hindringen for å nå resultater for chief data officers, ifølge undersøkelser fra Gartner. De anslår at i 2020 vil 80% av alle virksomheter sette i gang bevisst kompetanseheving innenfor data. I tillegg anslår de at 50% av virksomheter vil mangle tilstrekkelig kompetanse for å få forretningsverdi innen AI og data analyse.
I en verden der virksomheter blir mer datadrevne, blir det et hinder for vekst dersom virksomheter ikke har sørget for god kompetanse rundt forståelsen av data.
Ifølge Tableau vil data literacy vil være en essensiell faktor for å holde deg og din virksomhet relevant i fremtiden. Å omgjøre data til verdifull innsikt er ikke lenger bare noe ekspertene bør kunne, men det er essensielt for alle i virksomheten. Universiteter og høyskoler utdanner dataeksperter på høygir, for å møte det ekstreme behovet.
Skap en data literacy kultur
Å fremme data literacy i virksomheten starter med å bygge kultur. Virksomheter må etablere en “data-først-kultur”, som handler om å oppmuntre folk til å bruke data i beslutningsprosesser og heie på nysgjerrighet og kritisk tenkning. Å skape denne typen kultur krever en kombinasjon av riktig teknologi og de rette menneskene. Det er innenfor rekruttering vi først vil se at dette skiftet skjer, ettersom at selskaper ansetter datadrevne ansatte.
Som nevnt må den riktige teknologien være på plass for å skape en god datadrevet kultur.
Start med å kartlegge kompetansen
Før man setter i gang med å øke datakompetansen internt må man ha en forståelse for hvordan bildet ser ut i dag. Start derfor med å kartlegge ferdighetene internt gjennom å stille deg disse spørsmålene:
- Hvor mange mennesker i selskapet tror du at kan tolke enkle statistiske operasjoner som korrelasjoner eller gjennomsnitt?
- Hvor mange av lederne klarer å laget et case basert på konkrete, nøyaktige og relevante tall?
- Hvor mange av lederne kan forklare resultatene av systemene eller prosessene sine?
- Hvor mange data scientists kan forklare resultatene fra deres maskinlæringsalgoritmer?
- Hvor mange av kundene dine kan virkelig verdsette essensen av dataene du deler med dem?
Ønsker du å bli data literate?
twoday arrangerer jevnlig kurs innen business intelligence, der du kan få en bedre forståelse for data.