如今，全球各地的企业都将数据和数据驱动型决策视为运营现代成功组织的关键方面。然而，尽管表面上认识到数据的价值及其所能提供的洞察力，但利用数据和挖掘这些洞察力的过程往往被认为是抽象和神秘的——一个仅仅属于拥有博士学位的专家的领域。
虽然数据科学家需要对数据清理、模型调整和洞察力解释进行广泛的培训才能取得成功，但认为企业中的其他运营人员无需了解数据的世界是有害的。理解数据并据此做出决策无法在象牙塔中进行；如果企业领导者无法对数据的来源和模型选择中做出的权衡提出明智的问题，那么他们就不可能实现其数据科学计划的全部价值。相反，数据从业人员和非技术业务领导者必须在中间相遇。
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，使其更容易被不太懂技术的受众理解；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，以便更好地与数据组织合作。通过提高所有员工的数据素养水平，企业将发现自己能更好地适应未来工作，并有能力实现数据驱动型文化的全部价值。
从构建模块开始
与计算机素养已成为当今社会必备技能类似，下一项专业人员必备的技能将是数据素养。从营销到招聘再到产品开发，每个功能都变得更加数据驱动。在未来，这种趋势将发展到，每个工作都需要对数据的基本了解。为应对这一趋势的最佳方法是现在就提升您的员工技能。
这首先需要对数据的基本原理以及数据科学可以做什么和不能做什么进行教育。虽然 Excel 和 Google Sheets 等业务工具使数据建模更容易访问，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差别，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。无论是从由内部数据专家领导的培训计划开始，还是聘请外部咨询公司，或利用在线课程，都有多种方法可以投资于员工的专业发展。
培养数据直觉
使用数据不仅仅是编写代码或调整模型——它需要敏锐的直觉来将信息置于语境中并理解其含义。这种能力可以通过培养批判性思维来提出正确的问题而得到训练。虽然并非每个人都需要成为数据专家，但帮助员工理解数据科学洞察力所提供的背景以及某些模型的局限性将帮助企业根据数据发现做出最佳行动。
更广泛的数据素养的目标不是扩展数据科学团队；而是赋予众多员工权力，让他们在提供数据时发展敏锐的判断力，并对决策充满信心。培养这种能力需要实践：习惯查看数据集，找出它们告诉你的内容，并理解隐藏在关系中的潜在解释。作为数据的倡导者，当今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。
与数据专家在中间相遇
在与业务领导者和数据科学从业人员的对话中，我们有时会观察到双方在数据如何最好地帮助企业方面存在沟通上的差异。业务领导者期望数据科学家对公司的发展方向提出明确的建议，而数据科学家则希望有探索空间来测试关于数据显示内容的假设。为了弥合差距，双方都有责任理解和说对方的“行话”。对于业务领导者来说，基础数据素养将确保他们能够更好地与数据科学家合作。就像我们不能指望每个人都像专业作家一样写作，但我们都应该能够阅读和写作以与他人交流一样，数据素养将成为提高与数据科学部门合作的基础。
在审查给定模型的结果时，决策者应该能够提出以下问题：“我们是如何为该模型选择数据的？”、“不同参数对模型输出的影响有多大？”、“置信区间有多强？”、“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——认识到我们如此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边界，这些区域或边界可能不会描绘出一幅完全清晰的图像，但它们在引导领导者做出决策方面仍然非常有价值。
如今的企业拥有比以往任何时候都多的数据。虽然拥有强大的数据科学团队是最大化这些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，才能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将他们的工作传达给非技术受众一样，最好的业务领导者也学会如何成为他们数据团队更有见地的合作伙伴。更广泛的数据素养将成为未来数据驱动型组织的标志，而现在就投资于提升员工技能的企业将在数据科学战略中取得长期成功。
