Orientácia v dátovej gramotnosti vo svete rozšírenej analýzy

Možnosti umelej inteligencie (AI), ako je strojové učenie (ML) a spracovanie prirodzeného jazyka (NLP), sa neustále zlepšujú a rozšírené analytické produkty dokážu spoľahlivo automatizovať mnohé úlohy súvisiace s prezeraním a porozumením údajov. Vďaka výkonným nástrojom, ktoré dokážu odhaliť poznatky z údajov, sa vedúci pracovníci často pýtajú: Znižuje táto technológia skutočne potrebu? dátová gramotnosť školiace úsilie vo svojich organizáciách? Nie, skôr naopak.

Dátová gramotnosť – schopnosť čítať, zapisovať a komunikovať údaje v kontexte – je dôležitejšia ako kedykoľvek predtým. Je veľmi dôležité pomôcť organizáciám vyvinúť spôsob práce založený na údajoch a umožniť zamestnancom rozšíriť zručnosti AI vlastnou kreativitou a kritickým myslením.

Existujú ďalšie faktory, ktoré je potrebné zvážiť v úlohe dátovej gramotnosti pre rast a úspech organizácie. Zamestnávanie, školenie a udržiavanie dátových vedcov a analytikov je ťažké – navyše ich zručnosti sú často rozdielne a drahé. Podľa 365 Data Science, väčšina dátových vedcov pravdepodobne nestrávi na svojom súčasnom pracovisku viac ako 1.7 roka. Vedci a analytici údajov, ktorí sú vysoko vyškolení, často dostávajú požiadavky na úlohy, ako je vytvorenie čistého zdroja údajov pre predaj alebo chrlenie základných správ. S ich špecializovanými schopnosťami by ich čas a súbor zručností lepšie poslúžil pri modelovaní a vývoji pracovných tokov pre komplexné obchodné otázky s vyššou hodnotou.

Keď vedúci pracovníci investujú do AI a technológie rozšírenej analýzy, podnikový používateľ – príležitostnejší používateľ údajov v porovnaní so špecializovaným analytikom – môže získať prístup k odpovediam na svoje otázky a informáciám, ktoré potrebujú na to, aby si dobre robili svoju prácu, bez toho, aby sa museli obávať o mechanizmus vykonávania. tak.

Skúmanie toho, ako môžu riešenia s podporou AI podporovať úlohy používateľa a nájsť tú správnu používateľskú skúsenosť, má obrovský potenciál pripraviť nástroj a používateľa na úspech. Napríklad nástroj AI dokáže zautomatizovať niektoré únavnejšie úlohy okolo prípravy údajov a potom poskytnúť výsledky človeku, ktorý môže ďalej analyzovať a vizualizovať obsah na základe svojich analytických potrieb.

Pokroky v rozšírenej analýze pomáhajú ľuďom rýchlejšie odpovedať na otázky

Rozšírené analytické riešenia môžu podnikovým používateľom uľahčiť pochopenie údajov, čo pomáha spoločnostiam maximalizovať hodnotu týchto nákladných technológií. Rozšírená analytika môže napríklad pochopiť záujem zákazníkov a ponúknuť predpovede o preferenciách spotrebiteľov, vývoji produktov a marketingových kanáloch. Môžu tiež poskytnúť ďalší kontext o trendoch, hodnotách a odchýlkach v údajoch. Sofistikované algoritmy môžu navrhnúť ďalšie vizualizácie, ktoré možno pridať na dashboard, spolu s vysvetleniami textu a kontextom generovaným v prirodzenom jazyku.

Tu je niekoľko príkladov riešení, ktoré vám môžu pomôcť pozdvihnúť vašu pracovnú silu.

1. Príbehy údajov. Tableau Cloud teraz zahŕňa Dátové príbehy, dynamická funkcia widgetu dashboardu, ktorá využíva algoritmy AI na analýzu údajov a napísanie jednoduchého príbehu o nich vo forme príbehu alebo s odrážkami. Príbehy spájajú príbehy o údajoch nad rámec obyčajných tabuliek a informačných panelov v registri, ktorý je prístupný podnikovým používateľom na zodpovedanie mnohých ich otázok. To znižuje úroveň dátovej gramotnosti, ktorú podnikový používateľ potrebuje na pochopenie informácií, ktoré sú pre nich najdôležitejšie. Dátové príbehy odhaľujú jednoduché otázky, ktoré si používateľ kladie pri prvom pohľade na stĺpcový alebo čiarový graf: Bolo toto číslo, ktoré vyzerá ako odľahlá hodnota, skutočne odľahlé? Ako sa toto číslo časom zmenilo? Aký je priemer? Údaje je stále potrebné interpretovať – nie je to celý príbeh – ale je to veľký krok smerom k sprístupneniu prehľadov v údajoch.

2. Ukáž mi. Funkcie rozšírenej analýzy tiež umožňujú inteligentnejšie predvolené nastavenia kódovania. Napríklad Ukáž mi odporúča typy grafov a vhodné kódovanie značiek na základe atribútov údajov, ktoré vás zaujímajú. Používatelia sa potom môžu zamerať na informácie na vysokej úrovni, o ktorých chcú komunikovať, a zdieľať tieto grafy so svojím publikom ako súčasť svojho vizuálneho analytického pracovného postupu.

3. Pochopenie prirodzeného jazyka. So sofistikovaným výskumom, veľkými tréningovými súbormi pre jazykové modely a vylepšenými výpočtovými schopnosťami sa v priebehu rokov výrazne zlepšilo aj porozumenie prirodzeného jazyka.

Ľudia môžu klásť analytické otázky bez toho, aby museli rozumieť mechanizmu vytvárania SQL dotazov. S lepším zámerom porozumenia môžu rozhrania v prirodzenom jazyku odpovedať na otázky pomocou interaktívnych grafov, ktoré môžu používatelia opravovať, upravovať a interagovať s nimi, keď dávajú zmysel údajom.

4. Strojové učenie. Pokrok zaznamenala aj rozšírená analytika súvisiaca s ML. Tieto modely sa môžu naučiť sofistikované a zložité analytické úlohy, ako sú operácie transformácie údajov, ktoré sú prispôsobené špecifickému typu používateľa alebo skupine používateľov. Okrem toho, mnoho rozšírených analytických skúseností má teraz používateľské rozhrania, ktoré sa cítia intuitívne, čím sa znižuje zložitosť školenia a aplikácia modelu v analytickom pracovnom toku používateľa.

Hoci má AI neuveriteľné schopnosti, nikdy úplne nenahradí ľudí. Získavanie poznatkov na vysokej úrovni zo štatistických vlastností nižšej úrovne môže byť zložité a dosť jemné. Ľudia majú vyššiu úroveň tvorivého poznania; sme zvedaví; tieto vysokoúrovňové poznatky môžeme destilovať z údajov.

Odporúčania na podporu dátovej gramotnosti

Aby organizácie mohli zo svojich údajov získať prehľad na vyššej úrovni, zamestnanci – obchodní používatelia aj analytici – musia byť poučení o tom, ako by mali analyzovať svoje údaje, a musia mať osvedčené postupy na vizualizáciu a prezentáciu údajov. Tu je návod, ako môžu organizácie vyvinúť osvedčené postupy na podporu dátovej gramotnosti a rozšírenie AI pomocou analytických nástrojov.

1. Investujte do školenia.

Pre každú organizáciu je rozhodujúce mať správne nástroje a správne vzdelávanie/školenie. V Štúdia Forrester Consulting o dátovej gramotnosti, iba 40 % zamestnancov uviedlo, že ich organizácia poskytla školenie v oblasti dátových zručností, ktoré sa od nich očakáva.¹ Jednotlivci a organizácie by mali vystaviť ľudí lepšiemu zaškoleniu, pokiaľ ide o osvedčené postupy videnia a chápania ich údajov. Pracoviská by mali ponúkať kurzy týkajúce sa vizualizácie údajov a dátovej gramotnosti, aby zamestnanci porozumeli vzorcom a naučili sa najlepšie spôsoby vytvárania a reprezentácie grafov.

Ak chcete vyškoliť svojich zamestnancov, môžete získať skvelé programy tretích strán od spoločností, ako sú Qlik, Dátová gramotnosť, Akadémia údajov a analytiky spoločnosti Coursera, EDX, datacamp, Khan Academy, Valného zhromaždenia, LinkedIn Learning, a viac. Tableau ponúka samoučenie, živé, virtuálne školenia, A bezplatný kurz dátovej gramotnosti. Medzi podobné projekty, ktoré zahŕňajú školenia, z ktorých niektoré sú bezplatné, patria Údaje pre ľudí, Rozprávanie s dátami, The Data Lodge, Projekt dátovej gramotnosti, A ďalšie.

Vedúci pracovníci by tiež mali zvážiť: Ako môžu byť vaši zamestnanci vyškolení nielen v jazyku tabuliek, ale aj ako širšej paradigme?

Jednou nevýhodou nástrojov na vytváranie, ktoré majú veľa rozšírených možností – medzi ktoré patrí AI a strojové učenie – je, že môžu vyzerať klamlivo jednoducho a môžu používateľov veľmi rýchlo rozbehnúť. Nedostatočne vyškolení používatelia by však mohli vygenerovať graf alebo prehľad z grafu, ktorý by mohol byť zavádzajúci alebo nejakým spôsobom zavádzajúci.

Je dôležité vzdelávať ľudí o jazyku vizuálnej reprezentácie a vede za tým, aby boli aspoň informovaní o údajoch, ak nie o údajoch. Napríklad, ako ľudia identifikujú, čo je odľahlá hodnota? Ako by mali navrhovať dashboardy, ktoré sú dôveryhodné? Mali by byť tiež schopní pochopiť rozdiel medzi koreláciou a príčinnou súvislosťou. Tým sa zabezpečí, že údaje budú presné a budú sa dať použiť na analýzu.

2. Robte rozhodnutia založené na údajoch.

Prechod od dátovej orality – kde ľudia hovoria o rozhodovaní na základe dát – k dátovej gramotnosti – kde ľudia majú schopnosť skúmať, chápať dáta a komunikovať s nimi – si vyžaduje demokratizáciu prístupu k vizualizáciám dát. Znamená to zameranie sa na individuálne učenie a použiteľnosť, ale malo by ísť skôr o organizačnú zmenu. Skutočná demokratizácia dátovej gramotnosti berie do úvahy celý ekosystém dát. Uvedomuje si rozširovanie grafov v každodennom živote používateľov a pracuje na tom, aby boli všeobecne zrozumiteľné.

Ľudia by sa mali rozhodovať na základe údajov a nielen na základe subjektívnych názorov; toto sa vracia k dôležitosti školenia, ktoré vzdeláva používateľov o rozdiele medzi koreláciou a príčinnou súvislosťou. Ako by sa mali robiť rozhodnutia založené na údajoch? Aké je médium prezentácie údajov a kľúčových poznatkov, aby diskusia zostala objektívna a mohla sa robiť efektívne rozhodnutia? Technické spoločnosti by napríklad mali používať telemetrické údaje používateľov na určenie toho, aké funkcie majú vytvoriť, charakteristiky používania a identifikovať akékoľvek rozdiely v používateľskej skúsenosti.

3. Vybudovať a udržiavať primeranú infraštruktúru.

Na podporu prvých dvoch odporúčaní musia vedúci pracovníci zabezpečiť, aby ich organizácia vybudovala primeranú, škálovateľnú infraštruktúru na uloženie a riadenie svojich údajov. Mali by tiež pomôcť svojim organizáciám identifikovať a získať prístup k technológii AI, ktorá rieši problémy a potreby ich zákazníkov.

Okrem toho osoby s rozhodovacou právomocou musia byť premyslené a premyslené, pokiaľ ide o ochranu údajov a dôveru. Nemôže to byť dodatočný nápad; treba to brať vážne hneď od začiatku. Zodpovednosť za súkromie a dôveru údajov by sa mala preniesť až na jednotlivého používateľa, na čo sa môžu vzťahovať komplexné zásady správy a riadenia údajov.

Pokračujte v zameraní sa na úsilie v oblasti dátovej gramotnosti

Investovanie do AI a rozšírených analytických nástrojov, ako sú Data Stories, je vynikajúcim krokom k tomu, aby podnikovým používateľom umožnili odhaľovať odpovede z ich údajov, ale tieto nástroje skôr doplnia snahy o dátovú gramotnosť, než ich nahradia. Okrem toho, správne formy investícií do technológie AI a školenia môžu efektívne podporiť ľudí v tom, v čom sú najlepší: pri vymýšľaní a vytváraní riešení pri riešení potrieb zákazníkov, ktoré sa sústreďujú okolo údajov.

Pokračovaním v zameraní sa na dátovú gramotnosť v celej organizácii zaistíte, že viac vašich zamestnancov – príležitostný podnikový používateľ a sofistikovaný dátový analytik – bude klásť správne otázky o vašich údajoch, ktoré povedú k ďalším informáciám.

VYBERTE SI FLEXIBILNÉHO PARTNERA ANALYTIKY

Analytický partner, akým je Tableau, ponúka široké a hĺbkové možnosti, ako aj školenia založené na rolách, vďaka čomu je flexibilným partnerom na ceste k objavovaniu toho, čo je pre vašu spoločnosť najlepšie. Naučiť sa viac o Tableau Cloud.

ÚDAJE PRE FIREMNÝCH POUŽÍVATEĽOV

Nastavte svojich firemných používateľov na úspech. Prečítajte si viac o dátových príbehoch tu.