数据素养适合所有人 – 不仅仅是数据科学家

当今,世界各地的企业比以往任何时候都更重视数据和数据驱动的决策,将其作为运营现代化、成功组织的关键要素。然而,尽管表面上认识到数据及其洞察的重要性,但利用数据和挖掘这些洞察的过程通常被认为是抽象和神秘的——一个完全属于拥有博士学位的专家的领域。

虽然在清理数据、调整模型和解释洞察方面进行广泛的培训对于成为一名成功的数据科学家来说是必要的,但认为企业中的其他运营人员不需要了解任何关于数据世界的概念是有害的。理解数据并根据数据做出决策不能在象牙塔中发生;如果业务领导者不能对数据的来源以及模型选择中的权衡提出明智的问题,那么他们就不太可能充分实现其数据科学计划的价值。相反,数据从业者和非技术业务领导者必须在中间地带会合。

我们之前讨论过数据科学家如何更好地提升和解释他们的工作,使其能够被不太懂技术的受众所理解;在这篇博文中,我们将讨论业务主管如何提高他们的数据素养,以便更好地成为数据组织的合作伙伴。通过提高所有员工的数据素养门槛,公司将发现自己能够更好地适应未来的工作,并有能力充分实现数据驱动文化的价值。

从构建模块开始

类似于计算机素养已成为当今社会的必备技能,专业人士的下一个基础技能将是数据素养。从营销到招聘再到产品开发,每个职能都变得更加数据驱动。在未来,这种趋势将演变为每项工作都需要对数据有基本的了解。为应对这一趋势做好准备的最佳方法是立即提升您的员工队伍的技能。

这始于围绕数据基本原理以及数据科学可以做什么和不能做什么的教育。虽然 Excel 和 Google Sheets 等商业工具使数据建模更易于访问,但我们不能将其等同于数据分析。电子表格思维不足以捕捉数据的全部细微之处,例如概率和推论的概念。广泛的数据素养将从如何处理数据的基本构建模块开始。无论这始于创建由内部数据专家领导的培训计划、引入外部咨询公司还是利用在线课程,都有多种方法可以投资于员工队伍的专业发展。

培养数据直觉

处理数据不仅仅是编写代码或调整模型——它需要敏锐的直觉来情境化和理解手头的信息。这种能力可以通过培养批判性思维来训练,从而提出正确的问题。虽然不是每个人都需要成为数据专家,但帮助员工理解提供数据科学洞察的背景以及某些模型的局限性将有助于企业根据数据发现采取最佳行动。

更广泛的数据素养的目标不是扩大数据科学团队;相反,它的目的是使广大员工能够培养敏锐的判断力,并在获得数据时对决策充满信心。培养这种能力需要实践:习惯于查看数据集,弄清楚它们告诉你什么,并理解隐藏在关系内部的潜在解释。作为数据的拥护者,今天的数据科学家有责任让他们的同事熟悉统计推理和科学过程。

与数据专家在中间地带会合

在与业务领导者和数据科学从业者的对话中,我们有时会观察到双方在关于数据如何最好地帮助业务方面存在沟通不畅。业务领导者期望数据科学家就公司的发展方向提出明确的建议,而数据科学家则寻求探索空间来检验关于他们的数据显示的假设。为了弥合差距,双方都有责任理解并说出对方的“行话”。对于业务领导者来说,基础的数据素养将确保他们能够更好地与他们的数据科学家合作。类似于我们不能都期望像专业作家一样写作,但都期望阅读和写作与他人交流,数据素养将成为改善与数据科学职能部门协作的基础。

在审查给定模型的结果时,决策者应该能够提出诸如以下问题:“我们如何为此模型选择数据?”,“不同参数对模型的输出有多大影响?”,“置信区间有多强?”以及“我们如何测试偏差?”。对数据的透彻理解始于接受数据的流动性——认识到我们经常渴望的直线图通常是一种过度简化。使用真实数据可能会产生阴影区域或误差范围,这些区域或范围可能无法描绘出完全清晰的画面,但对于引导领导者做出决策仍然非常有价值。

今天的公司可以访问比以往任何时候都更多的数据。虽然拥有一支强大的数据科学团队是最大化数据价值的关键组成部分,但这并不是全部。非技术员工也必须提高他们的数据素养,以便更好地理解和使用模型结果。正如最成功的数据专家学会如何向非技术受众传达他们的工作一样,最优秀的业务领导者也学会如何成为他们数据团队更明智的合作伙伴。更广泛的数据素养将成为未来数据驱动型组织的标志,而今天投资于提升员工队伍技能的公司将为其数据科学战略的长期成功做好准备。

与专家交流

与我们的专家之一交流,为您的 AI 之旅找到解决方案。

与专家交流