Mentre l'AI trasforma i posti di lavoro su scala globale, le competenze in materia di dati restano tra le più richieste. Infatti, il 79% delle organizzazioni prevede che i dati assumeranno un ruolo fondamentale per il processo decisionale della propria organizzazione.¹ Ma cos'è esattamente l'alfabetizzazione dei dati?
Gartner® definisce l'alfabetizzazione dei dati come la capacità di leggere, scrivere e comunicare i dati nel contesto, compresa la comprensione delle fonti e dei costrutti dei dati, dei metodi e delle tecniche analitiche applicate e la capacità di descrivere l'applicazione del caso d'uso e il valore che ne deriva.²
Perché queste competenze sono importanti? Per guidare un'organizzazione con decisioni data-driven basate sull'AI, l'alfabetizzazione dei dati è una competenza che dovrebbe interessare chiunque, non solo i data scientist. Sia che una persona abbia appena iniziato la propria carriera o che si trovi ai vertici dell'azienda, la capacità di comprendere, interpretare e comunicare utilizzando i dati è un'abilità cruciale per tutto il personale.
Un ambiente con un'offerta formativa di questo tipo, permetterà ai team di comprendere il valore dei dati per le loro responsabilità quotidiane. In questo modo, potranno ottenere e applicare più facilmente gli insight dai dati e iniziare a preferire un workflow di integrazione dei dati. Nel tempo, ciò accrescerà la fiducia e la propensione a delegare le decisioni all'AI, in quanto si comprendono i dati sottostanti che hanno dato origine alla raccomandazione.
Scopri watsonx
Iscriviti per ricevere gli aggiornamenti sull'IA
Cosa fare per eseguire una corretta alfabetizzazione dei dati?
1. Democratizza l'accesso ai dati in tutta l'impresa
Molti pensano che i programmi di formazione di data science siano il primo passo per diventare un'organizzazione data-driven, ma in realtà tutto inizia con il rendere i dati più accessibili. Prendiamo un sistema di call center. Il più delle volte i dati sono bloccati nell'applicazione e resi indisponibili al resto dell'organizzazione. Tuttavia, se fossero condivisi con il consenso del cliente, l'analisi dei dati dei call center potrebbe contribuire alla formazione e all'istruzione, all'efficienza generale e al miglioramento delle comunicazioni per questa parte dell'organizzazione.
"A volte è necessario insegnare alle persone ad apprezzare il valore che i diversi tipi di analisi possono apportare, soprattutto su scala e al di fuori delle singole aree funzionali e dei domini", afferma Tim Humphrey, Chief Analytics Officer di IBM. Creando un repository centrale, come un data fabric, le persone di tutta l'organizzazione possono memorizzare e accedere facilmente ai dati, semplificando così l'accesso ai dati e aprendo le porte a tecnologie come analisi e AI dei dati per semplificare i workflow.
Per creare un accesso ai dati democratizzato, il GCDO di IBM ha implementato una piattaforma dati unificata che fornisce una fonte centrale di dati governati e consente agli utenti di caricare, trasformare e analizzare i dati. Dal suo lancio, la piattaforma ha rapidamente migliorato i risultati aziendali per il GCDO. In circa 18 mesi, l'ufficio ha generato 1,3 miliardi di dollari di benefit aziendali e un ROI 10 volte superiore grazie alle iniziative di trasformazione basate sui dati e su AI.
IBM GCDO ha generato un ritorno sugli investimenti pari a 10 volte dalle iniziative di trasformazione basate sui dati e sull'AI.
Implementa un'architettura che consenta un accesso rapido e semplice ai dati in un patrimonio di dati eterogeneo.
Presta attenzione a ripulire i dati esistenti e a preservare la riservatezza dei dati, le misure di sicurezza e di conformità quando combini i set di dati per garantire che i dati siano significativi.
Valuta i diritti di accesso ai dati, le licenze e i permessi di condivisione mentre si integrano i dati tra le varie fonti, ecosistemi e silo, in modo che gli insight non siano intrappolati a livello funzionale e possano essere scalati in tutta l'azienda.
2. Organizza le informazioni in modo chiaro e trasparente
Una volta stabilita una piattaforma per l'accesso ai dati governati, è importante aiutare i decisori a capire come i dati si spostano lungo la pipeline. Comunica quindi il valore, l'origine e la qualità dei dati con chiarezza e rispetto per ogni livello di competenza. Questo è il modo più rapido per responsabilizzare gli utenti tecnici e non tecnici e per ispirare fiducia nelle iniziative di AI (dopo tutto, la tecno fobia è reale). Quando i dati sono organizzati in modo trasparente e spiegabile, le persone possono comprensibile più facilmente i dati prima e dopo l'applicazione dell'AI.
Sebbene non sia richiesto che tutti possiedano le competenze di un data scientist, è fondamentale che ciascuno sviluppi una comprensione dei dati, del loro percorso e di come fluiscono nei processi end-to-end e non solo una parte del processo. Per ottenere conoscenze del genere, è necessario porsi alcune domande chiave.
- Qual è la fonte e se questa è attendibile?
- Quali sono i metadati, le regole e le politiche di conformità alla base?
- Che significato hanno i dati generati da questo algoritmo per gli utenti a cui è destinato?
- Come posso spiegare il valore commerciale di questi dati per ottenere risultati migliori?
Il team deve essere in grado di cercare e accedere a tutti i dati a cui deve avere accesso, per poi utilizzarli nelle applicazioni aziendali.
Utilizza i metadati e standardizza le definizioni e la terminologia associate ai dati tra le varie funzioni aziendali.
Trova KPI che mostrino come l'alfabetizzazione dei dati contribuisca al raggiungimento degli obiettivi aziendali. Visualizza insight significativi, traccia l'uso dei dati, prova e ottimizza poche iniziative alla volta.
Aiuta i team a tracciare e comprendere il data lineage e a garantire coerenza in tutta l'organizzazione.
3. Addestra la collettività all'uso e all'analisi responsabile e alla trasformazione dei dati in azione con l'AI
La formazione sull'alfabetizzazione dei dati aiuta l'organizzazione a leggere, decifrare e utilizzare i dati (soprattutto se forniti da un modello) per migliorare il processo decisionale. Ma consente anche ai team di utilizzare i dati come elemento di differenziazione competitiva. Per applicare la loro formazione e collegare i dati ai risultati aziendali, i team devono avere una buona comprensione degli strumenti preposti di cui dispongono e di come possono essere utilizzati per raggiungere i loro obiettivi. In definitiva, è necessario un esperto in grado di umanizzare i dati e l'AI rendendo i dati più significativi per le persone. Un programma di alfabetizzazione dei dati ha successo quando i team sono in grado di tradurre i dati in storie avvincenti e visive che colpiscono le persone e trasformano i dati in conoscenze attuabili e risultati aziendali concreti.
Johnson & Johnson supporta il personale istruendolo su come sfruttare al meglio le tecnologie avanzate ed emergenti, tra cui l'AI. "In collaborazione con IBM, abbiamo creato un modello di inferenza delle competenze basato sull'AI per la funzione tecnologica che ha unito dati esterni de-identificati con dati sulle competenze provenienti dai nostri set di dati interni", afferma Jim Swanson, Chief Information Officer di Johnson & Johnson.
"Siamo stati in grado di prendere i dati sulle competenze del personale che risiedono negli strumenti che la mia organizzazione IT utilizza e di darli al modello. L'AI è stata quindi in grado di determinare il livello di maturità in ciascuna delle competenze che volevamo evidenziare, creando una visione completa dei punti di forza e di debolezza individuali", afferma Swanson.
Come Johnson & Johnson, l'organizzazione può costruire l'alfabetizzazione dei dati partendo da una strategia aziendale altamente connessa a livello di stakeholder esecutivi e mappandola attraverso i domini degli stakeholder.
"Quando gli stakeholder lamentano il fallimento delle iniziative sui dati o il mancato raggiungimento delle aspettative, spesso è perché la strategia esecutiva non è chiaramente definita e l'alfabetizzazione dei dati degli stakeholder non è allineata tra i vari settori e il team", afferma Jennifer Kirkwood, Partner, Global Head of Talent Data, IBM Consulting.
Assicurati che i professionisti a tutti i livelli dell'organizzazione siano in grado di utilizzare le tecniche di visualizzazione dei dati e di storytelling più adatte ai loro obiettivi strategici aziendali, e radicare questa formazione in un curriculum di efficacia comunicativa.
Assicurati che i programmi di formazione riflettano le esigenze reali dei diversi ruoli e colleghino i dati al valore quotidiano degli stakeholder.
Assumi personale con certificazioni tecniche o titoli di studio del programma P-TECH per colmare le lacune di competenze. Utilizza dashboard che definiscono metriche e KPI per monitorare l'evoluzione dell'organizzazione in una direzione sempre più data-driven.
4. Sii un leader empatico per creare esperti di dati
La curiosità è alla base del processo decisionale guidato dai dati e della costruzione di una cultura dell'informazione. Il personale e i leader che conoscono i dati si chiedono sempre "perché" e non danno mai nulla per scontato; adottare questo atteggiamento diventa cruciale per garantire che le raccomandazioni fornite dall'AI continuino a servire accuratamente le esigenze dell'organizzazione.
Il tuo compito è quello di ascoltare e di decidere insieme ai team, in base ai loro ruoli specifici, quali competenze di alfabetizzazione dei dati possono fornire risultati all'azienda e mettere in atto un piano di formazione.
Questi esperti di dati hanno pieni poteri all'interno di IBM, nel senso che se trovano un gruppo che la pensa come loro, ad esempio nel settore della contabilità o della supply chain, e vogliono procedere con i dati e le funzionalità dell'AI, possono farlo senza dover tornare indietro per ottenere permessi o finanziamenti. Assicurandoti che i dipendenti capiscano come funzionano i dati all'interno dell'organizzazione e il ruolo dell'AI, costruisci una cultura della gestione dei dati. Questo darà vita a una rete di professionisti di dati in tutta l'organizzazione, in modo che l'alfabetizzazione dei dati diventi parte di un ciclo di apprendimento virtuoso.
Adotta un approccio basato sui casi d'uso che rafforzi il valore dell'alfabetizzazione dei dati per i leader inter-organizzativi e ottieni il consenso degli stakeholder senior.
Incoraggia conversazioni aperte a ogni livello e includi prospettive diverse per ottenere risultati migliori. Chiarisci continuamente il valore che i dati possono fornire all'organizzazione.
Dai l'esempio del comportamento ideale, come non prendere i dati al valore nominale e incoraggia i team a porre domande sugli insight dei dati. Incoraggia i team a comunicare all'interno e all'esterno dell'organizzazione, in modo che le diverse prospettive siano rappresentate in tutti gli aspetti del lavoro.
Man mano che i dati e l'AI diventano fondamentali per ogni aspetto della gestione di un'organizzazione, l'alfabetizzazione dei dati è fondamentale per costruire una cultura data-driven. In qualità di leader dei dati nella tua organizzazione, promuovi il cambiamento e sostieni gli obiettivi aziendali più ampi instillando un linguaggio comune basato sui dati. Un progetto di tale portata può rivelarsi impegnativo, ma la sua riuscita colma una lacuna importante, il che giustifica l'investimento. Il futuro della tua azienda dipende da questo, infatti.
Non fermarti ora. Continua a promuovere lo sviluppo delle giuste competenze di alfabetizzazione dei dati in base agli obiettivi aziendali, e affermati nei vertici aziendali e nell'intera forza lavoro. "Per essere veramente alfabetizzati ai dati, questo modo di pensare dovrebbe trascendere tutti i ruoli e non soltanto dipartimenti specifici", afferma Humphrey. In altre parole, l'alfabetizzazione dei dati è un percorso ciclico per ogni livello dell'organizzazione.
Soprattutto, bisogna dare l'esempio. In qualità di leader dei dati, il tuo esempio stabilisce il tono e garantisce che i team si sentano a proprio agio nel parlare di dati e nel lasciare che essi guidino i risultati aziendali. Con il framework di advocacy e di alfabetizzazione dei dati, trasformi gli insight di dati in azione e stai gettando le basi per una cultura di esperti per un processo decisionale guidato dai dati per gli anni a venire.
Note a piè di pagina
¹ Voice of the Enterprise: Data & Analytics, Data-Driven Practices, 451 Research, 2022
² How to Create a Balanced Data and Analytics Organizational Model, Gartner, 10 maggio 2022. GARTNER è un marchio registrato e un marchio di servizio di Gartner, Inc. e/o delle sue affiliate negli Stati Uniti e a livello internazionale ed è usato qui con l'autorizzazione. Tutti i diritti riservati.³ 2023 Chief Data Officer Study: Turning data into value, IBM Institute for Business Value, 2023
⁴ Voice of the Enterprise: Data & Analytics, Data-Driven Practices, 451 Research, 2022
⁵ Voice of the Enterprise: Data & Analytics, Data Management and Analytics, 451 Research, 2021