۵ روش برای توسعه‌ی سواد داده (Data Literacy) در سازمان

اکرم امراه‌نژاد

امروزه، شرکت‌ها بیش از هر زمانی به داده‌ها وابسته‌اند و استفاده از داده در بیش‌تر کسب‌وکارها اهمیت پیدا کرده‌است؛ به همین دلیل مهارت تحلیل داده و استفاده از آن‌ها چیزی است که اکثر کارکنان باید داشته‌باشند؛ با وجود این، شواهد نشان می‌دهند که بیش‌تر شرکت‌ها علی‌رغم آگاهی از اهمیت بالای دانش تحلیل داده‌ها، هنوز در حال تلاش برای راه‌اندازی سواد داده (Data Literacy) در کسب‌وکار خود و آموزش آن به کارکنان هستند؛ به طوری که فقط یک‌چهارم کارکنان با اطمینان کامل از مهارت‌های تحلیل داده‌ای خود صحبت می‌کنند.

در این مطلب قصد داریم به اهمیت سواد داده در سازمان و استراتژی‌های توسعه‌ی آن بپردازیم. همراه ما باشید.

سواد داده چیست؟

سواد داده بسیار فراتر از یادگیری ماشینی و دیتا ساینس (Data Science)، و هم‌چنین چیزی بیش‌تر از هوش مصنوعی است. به بیان بهتر،‌ سواد داده صرفا به این معناست که انسان‌ها در دنیایی سرشار از داده‌ها چگونه با همدیگر به نحو بهتری کنار می‌آیند و به همین دلیل است که ما اکنون بیش از هر زمان دیگری به آن نیاز داریم.

سواد داده، توانایی تحلیل و سازمان‌دهی داده‌های پیچیده، تفسیر و خلاصه‌سازی اطلاعات، توسعه‌ی پیش‌بینی‌ها یا درک پیامدهای جهت‌گیری الگوریتم‌ها را شامل می‌شود.

این دانش را مانند علم ریاضیات می‌توان در سطح مبتدی تا پیشرفته آموخت؛ هم‌چنین، چندین رشته را شامل می‌شود و اغلب کاربردی‌تر از آموخته‌های دانشگاهی است.

همه‌ی کارکنان شرکت باید درمورد داده‌هایی که جمع‌آوری می‌کنند و هم‌چنین نحوه‌ی استفاده از آن‌ها تفکر انتقادی داشته‌باشند. گسترش افراد تیم برای طرح سؤالات انتقادی، توسعه و نظارت بر الگوریتم‌ها تنها راه برای توسعه‌ی الگوریتم‌های هوش مصنوعی مناسب است. انجام چنین کاری مستلزم داشتن سواد داده است.

اهمیت سواد داده در سازمان

اهمیت سواد داده در سازمان

توسعه‌ی سواد داده در سازمان در میان تیم‌های داده‌‌ای، تنوع ایجاد می‌کند که در خط مقدم تصمیم‌گیری‌های مهم درمورد نحوه‌ی جمع‌آوری، پردازش و استقرار داده‌ها هستند. تیم‌های مختلف از نظر تنوع در خط فکری در سازمان اهمیت بسیار بالایی دارند؛ به عبارتی، این اعتقاد رایج در میان کسب‌وکارهای مختلف وجود دارد که تیم‌های متنوع ریسک کار را کاهش می‌دهند، عملکرد بهتری را ارائه می‌دهند و در نتیجه خطر محدود شدن کسب‌وکار به تفکر گروهی خاص را کاهش می‌دهند.

بنابراین، با سرمایه‌گذاری روی گسترش سواد داده در سراسر شرکت، کسب‌وکارها می‌توانند دیدگاه‌‌های متفاوت و خلاقانه‌تری را برای کاهش خطر جهت‌گیری الگوریتمی و همچنین شناسایی فرصت‌هایی برای بهینه‌سازی ارائه دهند.

حال سؤال این‌جاست که چرا با وجود نیاز آشکار و فوری شرکت‌ها به توسعه‌ی سواد داده،‌ این دانش به طور سیستماتیک و در مقیاس بالا آموزش داده نمی‌شود؟

در ادامه برخی از استراتژی‌های مورداستفاده برای توسعه‌ی سواد داده در سازمان را تشریح می‌کنیم:

۵ استراتژی برای توسعه‌ی سواد داده

۱. مدنظر قرار دادن سواد داده به عنوان اولویت کل سازمان

سواد داده مهارت تکنیکی نیست و نوعی مهارت حرفه‌ای محسوب می‌شود. همه‌ی کارکنان خود، از جمله بازاریابان، متخصصان فروش، پرسنل عملیاتی و مدیران محصول را تشویق کنید تا سواد تحلیل داده‌ای خود را از طریق شرکت در جلسات فصلی سازمان توسعه دهند.

در این جلسات نیز موضوعاتی مانند تصمیم گیری داده محور، قابلیت‌های هوش مصنوعی در حل مسائل، نحوه‌ی برقراری ارتباط میان داده‌ها و مشکلات کسب‌وکار، اخلاقیات سازمان و هوش مصنوعی یا نحوه‌ی برقراری ارتباط با دیگران از طریق داده‌ها را پوشش دهید. این نوع تأکید روی سواد داده در سطح سازمان موجب می‌شود که فرهنگ استفاده از داده‌ها در شرکت به اولویت اول همه تبدیل شود.

۲. توسعه‌ی زبانی مشترک برای توصیف داده‌ها

سواد داده - توسعه‌ی زبانی مشترک برای توصیف داده‌ها

دنیای داده‌ها بسیار بزرگ، پر از کلمات و اصطلاحات است؛ به همین دلیل ممکن است گاهی به سوءتفاهم در درک برخی مفاهیم از جانب سایرین منجر شود. از این رو به عنوان سازمانی که بخش‌های مختلف سواد داده برایتان اهمیت بیش‌تری دارد، بهتر است در شرکتتان زبان مشترکی را برای صحبت درمورد داده‌ها و تحلیل آن‌ها رواج دهید.

برای مثال، اگر شرکت ارائه‌ی خدمات مالی دارید، زبان مشترکتان برای تحلیل داده‌ها می‌تواند اندازه‌گیری احتمالات و ریسک‌ها باشد. اگر شرکتی فعال در زمینه‌ی تکنولوژی هستید،‌ می‌توانید از زبان مشترک آزمایش و بصری‌سازی برای تحلیل داده‌ها استفاده کنید؛ هم‌چنین، در جلسات تحقیق و توسعه‌ی خود، محتوایی را مرتبط با این زبان مشترک برای یادگیری سواد داده تنظیم کنید و نحوه‌ی برقراری ارتباط آن را با بخش‌های مختلف کسب‌وکارتان توضیح دهید؛ به این ترتیب، کارکنانتان می‌توانند تمام ارتباطات میان دانش داده‌ای سازمان و گردش کار خود را درک کنند.

۳. فراهم کردن فضایی برای کارکنان برای برقراری ارتباط میان مفاهیم کسب‌وکار

یکی از مواردی که همه‌ی کسب‌وکارها باید به آن توجه کنند، لزوم ایجاد توان‌مندی در کارکنان برای مطرح کردن ایده‌های تجاری جدید با استفاده از دانش داده‌ای جدیدشان است.

به عنوان مثال، فرض کنید که شرکتی فعال در حوزه‌ی سرگرمی و موسیقی دارید. به عنوان بخشی از برنامه‌ی تحقیق و توسعه‌تان، از کارمندان بخواهید که پروژه‌های پیشنهادی خود را با استفاده از آموخته‌های جدیدشان در زمینه‌ی سواد داده توسعه دهند؛ به این ترتیب، با ترکیب دانش داده‌ای با دانشی که در زمینه‌ی صنعت فعالیت خود دارند، می‌توانند ایده‌های شگفت‌انگیز جدیدی را برای صرفه‌جویی در هزینه یا افزایش درآمد شرکت ارائه دهند.

از سوی دیگر، چیزی که به همان اندازه مهم است، این است که با انجام چنین کاری به کارکنان خود قدرتی می‌دهید که فرهنگ جدید استفاده از سواد داده و تحلیل آن‌ را از سطوح پایین تا بالاتر سازمان هدایت کنند.

۴. ایجاد ساختارهای تشویقی برای تصمیم‌گیری مبتنی بر داده‌ها

روند فعلی شرکتتان را برای تأیید ایده‌های جدید یا تنظیم بودجه دنبال کنید، سپس مکانیزم‌هایی را به کسب‌وکار اضافه کنید تا از این طریق به تفکر کارکنان بر اساس تحلیل داده‌ها پاداش دهید. به عنوان مثال، از مدیران بخواهید تا پروژه‌های بصری‌سازی مناسبی را در طرح‌های پیشنهادی خود بگنجانند یا داشبوردهایی را بسازند تا روی شاخص‌های کلیدی عملکرد (KPI) پروژه‌های کارکنان به صورت کمّی و بلادرنگ نظارت داشته‌باشند.

اگر بتوانید با ارائه‌ی امتیازهایی مانند اعطای تأییدیه‌ی سریع‌تر پروژه یا اختصاص بودجه‌ی بیش‌تر به پیشنهادهای حاوی تفکر مبتنی بر داده‌ها، روند تصمیم‌گیری مدیران خود را از بررسی شواهد به تحلیل داده‌ها تغییر دهید، به‌سرعت رفتار موردنظرتان مبنی بر هم‌سویی انگیزشی مدیران و کارکنان برای استفاده از دانش داده‌ای را در شرکت دریافت می‌کنید.

۵. استقرار برنامه‌های تحقیق و توسعه برای آموزش سواد داده مرتبط با حوزه‌ی کسب‌وکارتان

استقرار برنامه‌های تحقیق و توسعه برای آموزش سواد داده مرتبط با حوزه‌ی کسب‌وکارتان

عضویت در پلتفرم‌های تحصیلی و آموزشی مختلف، مانند کورسرا (Coursera)، اغلب در سازمان‌هایی که به دنبال تحول پایدار هستند، کاهش پیدا کرده‌است، زیرا یادگیری زمانی مؤثر واقع می‌شود که:

  • جمعی باشد: به این معنی که با همراهی سایرین انجام شود؛
  • شخصی‌سازی شود: با دریافت بازخورد از متخصصان همراه باشد؛
  • مرتبط با زمینه‌ی فعالیت فرد باشد: به این معنی که به طور مستقیم به مشکلات کسب‌وکاری مرتبط باشد که برای رفع آن‌ها تلاش می‌کنند.

توسعه‌ی چنین برنامه‌های آموزشی شخصی‌سازی‌شده جمعی و مرتبط با زمینه‌ی فعالیت کسب‌وکار نیازمند منابع بسیاری است، اما مزایای آن از نظر مشارکت کارکنان در آموزش مطالب، استفاده از آموخته‌هایشان در حین کار و توان‌مندسازی آنان ارزش بالایی دارد.

جمع‌بندی

تجربیات افراد از کارمندان تا کارفرمایان کسب‌وکارهای مختلف نشان می‌دهند که دانش داده‌ای فقط به چند شغل خاص (متخصص داده یا مهندس داده) محدود نیست و به مجموعه‌ای از مهارت‌ها مربوط می‌شود که حوزه‌ی گسترده‌ای از مشاغل را در زمینه‌های مختلف پوشش می‌دهند.

به عنوان مثال، یک بازاریاب یا مدیر محصول با استفاده از سواد داده می‌تواند عملکرد بهتری از خود ارائه دهد. این شرایط برای مشاغل دیگری مانند موقعیت شغلی عملیاتی، مهندسی، مسئولیت فروش و حتی منابع انسانی نیز صدق می‌کند. به عبارت بهتر، در یک کسب‌وکار نیاز نیست که همه‌ی کارکنان دانش برنامه نویسی داشته‌باشند، اما به‌زودی همه‌ی آن‌ها به دانش تحلیل و استفاده از داده‌ها نیاز خواهند داشت.

منبع: hbr.org

۴.۵ ( ۲ امتیاز )

بخش کارفرما

آگهی استخدام خود را ثبت کنید و منتظر بهترین‌ها باشید

مطالب مرتبط

۴.۵

۵ راهکار برای توسعه‌ی مخزن استعداد در برنامه ریزی جانشین پروری

دلایل نیاز سازمان به برنامه ریزی جانشین پروری اهمیت مخزن استعداد در برنامه ریزی جانشین پروری ۵ نکته‌ی کلیدی برای توسعه‌ی مخزن استعداد در جانشین ...

  ۵۶  |    ۶ دقیقه 

۴.۰

بازاریابی داده محور (Data-driven marketing)؛ راهنمای جامع

بازاریابی داده محور چیست و چرا مهم است؟ فروشندگان چگونه از داده‌ها برای تشخیص اهداف استفاده می‌کنند؟ چگونه استراتژی بازاریابی داده محور را پیاده‌سازی کنیم؟ ...

  ۳۴۰  |    ۸ دقیقه 

۵.۰

استراتژی های جذب استعداد برای سازمان با ۵ روش اثربخش

جذب بهترین استعدادها برای تمام شرکت‏‌هایی که خواهان رشد هستند، ضروری است. برای جذب استعداد، سازمان‌‏ها باید تلاش زیادی انجام دهند و استراتژی های جذب ...

  ۷۱۰  |    ۹ دقیقه 

معرفی شغل دانشمند داده یا دیتا ساینتیست (Data Scientist)

معرفی شغل دیتا ساینتیست: شرح وظایف متخصصان علم داده معرفی شغل دیتا ساینتیست: نیازمندی‌های کار   معرفی شغل دیتا ساینتیست: چگونه دیتا ساینتیست شویم؟ دانشمند ...

  ۱۶۱  |    ۳ دقیقه 

دیدگاه

۰  دیدگاه‌