فمع النقلة التي يحدثها الذكاء الاصطناعي في أماكن العمل عالميًا، سيزداد الطلب على مهارات معرفة البيانات. في الواقع، تشير 79% من المؤسسات إلى أنه بالنظر إلى الاثني عشر شهرًا المقبلة، ستكون البيانات أكثر أهمية في عملية اتخاذ القرارات في مؤسساتهم.¹ ولكن ما المقصود بالمعرفة بالبيانات على وجه التحديد؟

تعرّف مؤسسة Gartner® المعرفة بالبيانات على أنها القدرة على قراءة البيانات وكتابتها وتوصيلها في سياقها، بما في ذلك فهم مصادر البيانات وبنياتها والأساليب التحليلية والتقنيات المطبقة والقدرة على وصف التطبيق العملي والقيمة الناتجة.²

ما أهمية هذه المهارات؟ إن قيادة مؤسسة تعمل بدعم من الذكاء الاصطناعي، وقرارات تستند إلى البيانات، تجعل من المعرفة بالبيانات مهارة يحتاجها الجميع، وليس فقط محلل البيانات. فسواءً كان الشخص في بداية حياته المهنية أو في الإدارة العليا، فإن قدرته على فهم البيانات وتفسيرها والتواصل باستخدامها تعد مهارة حاسمة لجميع الموظفين.



وفي بيئة يتوفر فيها التدريب لمساعدة الفرق على فهم قيمة البيانات في ضوء مهامها اليومية، يمكن للفرق الحصول على الرؤى والأفكار المفيدة من البيانات وتطبيقها بسهولة أكبر، وتبدأ في التطلع إلى العمل في بيئة مدمج فيها البيانات. وبمرور الوقت، يمكن أن يؤدي ذلك إلى زيادة الثقة والاستعداد لتفويض القرارات إلى الذكاء الاصطناعي لأنهم يفهمون البيانات الأساسية التي تشكل توصياته.

2. تنظيم المعلومات بطريقة واضحة وشفافة.

بمجرد إنشاء منصة للوصول إلى البيانات المحوكمة، فمن المهم مساعدة صانعي القرار على فهم كيفية حركة البيانات في جميع مراحل المنظومة. لذا، احرص على عرض قيمة البيانات ومنشأها وجودتها بوضوح واحترام لكل مستوى من مستويات الخبرة. هذه هي أسرع طريقة لتمكين البيانات للمستخدمين التقنيين وغير التقنيين على حد سواء، ولتعزيز الثقة في مبادرات الذكاء الاصطناعي (ففي النهاية، رهاب التكنولوجيا ظاهرة حقيقية). فعندما يتم تنظيم البيانات بطريقة شفافة وقابلة للتفسير، يمكن للأشخاص فهم البيانات بسهولة أكبر قبل تطبيق الذكاء الاصطناعي وبعده.

في حين لا يحتاج الجميع إلى امتلاك مستوى المعرفة الذي يمتلكه عالم البيانات، إلا أنه يجب أن يكون لدى الجميع فهم عام للبيانات وتسلسلها وكيفية تدفقها ضمن العمليات بين نقطتين —وليس مجرد جزء واحد من تلك العملية. ويتطلب تحقيق هذا الفهم طرح بعض الأسئلة الرئيسية.

• ما هو مصدر البيانات وهل هو موثوق به؟ 

• ما هي البيانات الوصفية والقواعد وسياسات الامتثال التي تحكمها؟ 

• ماذا تعني البيانات التي تولدها هذه الخوارزمية للمستخدمين المستهدفين؟
• كيف يمكنني شرح القيمة التجارية لهذه البيانات لتحقيق 
 نتائج أعمال أفضل؟ 

يجب أن تكون فرقك قادرة على البحث عن البيانات، والوصول إلى جميع البيانات التي من المفترض أن تتاح لهم، ومن ثم استخدامها في تطبيقات الأعمال.

3. تدريب أفراد منظومة البيانات على استخدام البيانات وتحليلها بمسؤولية وتحويل البيانات إلى أفعال باستخدام الذكاء الاصطناعي


يساعد التدريب على المعرفة بالبيانات على تمكين مؤسستك من قراءة البيانات وفك رموزها واستخدامها (خاصةً عندما تكون ناشئة من نموذج ذكاء اصطناعي) وذلك لاتخاذ القرارات بشكل أفضل. كما يُمكِّن الفرق من استخدام البيانات باعتبارها ميزة تنافسية. ولتطبيق ما تدربوا عليه وربط البيانات بنتائج الأعمال، تحتاج فرق العمل لديك إلى فهم جيد لأدوات البيانات التي لديهم وكيفية استخدامها لتحقيق أهدافهم. وتحتاج في نهاية المطاف إلى خبراء يمكنهم إضفاء الطابع الإنساني على البيانات والذكاء الاصطناعي من خلال جعل البيانات ذات مغزى أكبر للأشخاص. فبرنامج التعريف بالبيانات ينجح عندما تتمكن فرقك من ترجمة البيانات إلى قصص مرئية مقنعة تلقى رواجًا بين الناس وتحول البيانات إلى معرفة قابلة للتنفيذ ونتائج ملموسة.

تدعم Johnson & Johnson موظفيها من خلال تثقيفهم حول أفضل السبل للاستفادة من التقنيات المتقدمة والناشئة، بما في ذلك الذكاء الاصطناعي. يقول Jim Swanson، المدير التنفيذي للمعلومات في شركة Johnson & Johnson: " لقد أنشأنا بالشراكة مع IBM نموذجًا استنتاجيًا مستندًا إلى الذكاء الاصطناعي لقسم التكنولوجيا بالشركة جمع بين البيانات الخارجية غير محددة الهوية وبيانات المهارات المستمدة من مجموعات بياناتنا الداخلية".

"وقد تمكنا من أخذ البيانات المتعلقة بمهارات الموظفين الموجودة في الأدوات التي تستخدمها إدارة تكنولوجيا المعلومات لدي وتغذيتها للنموذج. "بعد ذلك تمكن الذكاء الاصطناعي من تحديد مستوى نضج كل شخص في كل مهارة من المهارات التي أردنا تسليط الضوء عليها مما أدى إلى تكوين رؤية شاملة لنقاط القوة والضعف الفردية".

وعلى غرار Johnson and Johnson، يمكن للمؤسسات الأخرى بناء معرفة البيانات من خلال البدء بوضع استراتيجية أعمال شديدة الترابط على مستوى الأطراف المعنية وربطها عبر نطاقات عمل تلك الأطراف".

تقول Jennifer Kirkwood الشريك والمدير العالمي لبيانات مواهب العاملين بشركة IBM® Consulting: "عندما يشتكي أحد الأطراف المعنية من "فشل" جهود الاستفادة من البيانات أو عدم تحقيق ما كانوا يتوقعونه، فعادة ما يكون السبب في ذلك هو عدم تحديد استراتيجية العمل التنفيذية بشكل واضح، وعدم مواءمة المعرفة بالبيانات في جميع المجالات والفريق."

4. القيادة بتعاطف لخلق المتميزين في البيانات

يعد الفضول جوهر عملية صنع القرار القائم على البيانات وبناء ثقافة المعرفة بالبيانات. يتساءل الموظفون والقادة من الملمين بالبيانات دائمًا "لماذا" ولا يقبلون أي معلومة بظاهرها؛ وهو سلوك من المهم تبنيه لضمان أن تخدم التوصيات التي يقدمها الذكاء الاصطناعي احتياجات مؤسستك بدقة.

تتمثل مهمتك في أن تكون مستمعًا جيدًا وتحدد مع فرقك، بناءً على أدوارهم المختلفة، مهارات المعرفة بالبيانات التي يمكن أن تأتي بنتائج في الأعمال وتضع خطة للتدريب عليها.

يتمتع داعمو البيانات بالتمكين الكامل داخل IBM بمعنى أنهم إذا وجدوا مجموعة مشابهة في التفكير في فريق الحسابات أو سلسلة التوريدات على سبيل المثال ويرغبون في الاعتماد على البيانات وقدرات الذكاء الاصطناعي، فيمكنهم تنفيذ ذلك دون الحاجة إلى العودة للحصول على إذن أو تمويل. فمن خلال التأكد من فهم الموظفين لكيفية عمل البيانات في جميع مستويات المؤسسة وما دور الذكاء الاصطناعي في هذه المنظومة، فإنك تبني ثقافة تهتم بالإشراف على البيانات. ويؤدي ذلك في نهاية المطاف إلى ظهور شبكة من المتميزين في مجال البيانات عبر مؤسستك بحيث يصبح التعلم في مجال البيانات جزءًا من دورة تعلم حميدة.