Data literacy: Μια μόνιμη πρόκληση

Καμμιά διαφωνία, ο οικονομικός αναλφαβητισμός, όπως πολύ σωστά επισημαίνει αρκετά χρόνια τώρα ο έγκριτος καθηγητής Οικονομίας κ. Νίκος Φίλιππας, είναι τεράστιο πρόβλημα της εποχής μας και παίζει σοβαρό ρόλο στην δημιουργία χρηματοοικονομικών κρίσεων και όχι μόνον. Στη δε Ελλάδα, το πρόβλημα είναι από τα σοβαρότερα στην Ευρώπη.

Για τις επιχειρήσεις όμως, σήμερα, υπάρχει ένα πρόσθετο συναφές θέμα, που είναι αυτό της κατανόησης και αξιολόγησης δεδομένων (data literacy). Και τούτο διότι για τον κόσμο των επιχειρήσεων, το data literacy μπορεί είτε να λειτουργήσει ως το «επόμενο» βήμα, είτε να αποτελέσει εμπόδιο για όποιον οργανισμό θέλει, σε επιχειρησιακό επίπεδο, να είναι data- driven.

Σύμφωνα με έρευνα γνωστής εταιρείας συμβούλων, το επίπεδο data literacy είναι ένα από τα τρία εμπόδια για μία εταιρεία που στοχεύει να πάει μπροστά.

Σε έναν κόσμο που κατακλύζεται με δεδομένα, οι εταιρείες που έχουν data literate ανθρώπους, θα είναι νικήτρι­ες», αναφέρει χαρακτηριστικά ο Miro Kazakoff, Senior Lecturer, MIT Sloan σε σχετικό άρθρο. Αν και ο δρόμος δεν είναι εύκολος και απαιτούνται αρκετές προσπάθειες, το data training «αξίζει τον κόπο» και όσοι ηγούνται στον επιχειρη­ματικό στίβο, οφείλουν να δώσουν τη δέουσα προσοχή. Στο ίδιο συνηγορεί και η Piyanka Jain, data science expert και συγγραφέας  του «Behind Every Good Decision: How anyone can use Business Analytics to turn data into profitable insight». Όπως χαρακτηριστικά επισημαί­νει, «τα δεδομένα είναι το νέο νόμισμα, η “γλώσσα” των επιχειρήσεων. Οφείλου­με να είμαστε σε θέση να επικοινωνή­σουμε μέσω αυτής». Στο πλαίσιο αυτό, αποτελεί άμεση ανάγκη το ανθρώπινο δυναμικό να εκπαιδευτεί προς αυτή την κατεύθυνση, αρχίζοντας από το γιατί εί­ναι σημαντικό, ορίζοντας ποια δεδομένα ταιριάζουν στον οργανισμό (καθώς ‘it’s not one size fits all’) και να καθοριστεί μία κοινή βάση απαραίτητων και κατάλ­ληλων δεξιοτήτων για όλους, καθώς και μία κοινή γλώσσα δεδομένων. Ας δούμε, όμως, πιο στοχευμένα τι ορίζεται ως data literacy. Οι Catherine D’ Ignazio, MIT professor και Rahul Bhargava, research scientist δίνουν την εξής περιγραφή: Το data literacy είναι η ικανότητα να

•        «διαβάζουμε» δεδομένα, που σημαίνει να κατανοούμε τί είναι τα δεδομένα και ποιες πτυχές αντιπροσωπεύουν στην εκάστοτε περίπτωση,

•        «δουλεύουμε» με δεδομένα, δηλαδή να τα δημιουργούμε, αποκτούμε, απο­κωδικοποιούμε και διαχειριζόμαστε,

•        αναλύουμε δεδομένα, το οποίο περι­λαμβάνει τη συλλογή βάσει φίλτρων, τη διαλογή και την ταξινόμηση, τη σύ­γκριση και την απόδοση των στοιχείων,

•        επιχειρηματολογούμε με βάση τα δε­δομένα, το οποίο σημαίνει ότι μπορού­με να χρησιμοποιήσουμε τα δεδομένα για να υποστηρίξουμε μία θέση και μία απόφαση αλλά και να επικοινωνήσου­με κάποιο μήνυμα στο εκάστοτε κοινό.

Συνεπώς, το data literacy είναι κάτι πα­ραπάνω από απλή κατανόηση αριθμών και στοιχείων. Για να είναι κάποιος data literate πρέπει ταυτόχρονα να είναι verbally literate, numerically literate και graphically literate. Αυτό αποτελεί τη μεγαλύτερη πρόκληση για τους οργα­νισμούς. Το πώς, δηλαδή, θα εντάξουν ανθρώπινο δυναμικό με ένα τέτοιο σύ­νολο δεξιοτήτων, καθώς το data literacy απαιτεί από τους ανθρώπους να αποδί­δουν σε υψηλό επίπεδο και να έχουν δε­ξιότητες που δεν έχουν διδαχθεί συνολι­κά. Για παράδειγμα, το να είναι κάποιος graphically literate, είναι ένα καινούριο πεδίο, άγνωστο και για τους ίδιους τους οργανισμούς, πόσο μάλλον για τους ερ­γαζόμενους. Ως εκ τούτου, δεν μπορούμε να υποθέσουμε ότι είναι επαρκές το επί­πεδο αλφαβητισμού, καθώς κάτι τέτοιο δεν ήταν μέρος της τυπικής εκπαίδευσης που έχουν λάβει. Ο αλφαβητισμός ανα­φορικά με τα δεδομένα σημαίνει επίσης ότι το άτομο είναι σε θέση να υπερβαίνει την ανάλυση και να επικοινωνεί αποτε­λεσματικά τα data σε όποιους κρίνεται σκόπιμο. Ωστόσο, αυτό δεν συνεπάγεται ότι κάθε εργαζόμενος χρειάζεται να είναι data scientist ή να μπορεί να «φορά το καπέλο» αυτό εφόσον ζητηθεί.

Οι διαφορετικοί ρόλοι, λαμβάνοντας υπόψη τον κλάδο δραστηριοποίησης κάθε οργανισμού, απαιτούν διαφορετι­κό επίπεδο «γραφής και ανάγνωσης». Το ζητούμενο είναι να υπάρχει το απαραί­τητο ποσοστό αλφαβητισμού βάσει ρό­λου και αρμοδιοτήτων. Σίγουρα δεν είναι αναγκαίο ο κάθε εργαζόμενος να μπορεί να αντιμετωπίσει ζητήματα υψηλότερου επίπεδου, όπως κενά ή προβλήματα στα δεδομένα ή να αναζητήσει εναλλακτικές πηγές data, έχοντας άπταιστες γνώσεις. Αυτό που είναι μείζονος σημασίας είναι ο καθένας να μπορεί να «αποκρυπτογραφήσει» τα δεδομένα που έχει στη διάθεσή του, να καταλάβει τί σημαίνουν και από πού προέρχονται. Από την πλευρά του, ο οργανισμός καλείται να προσδιορίσει το επίπεδο data literacy που έχει και να σκιαγραφήσει το προφίλ των ανθρώπων του ως προς αυτό.

Πεδίον δράσης λαμπρό ανοίγεται έτσι για τις επιχειρήσεις που θέλουν να πάνε οι ίδιες μπροστά, παρασύροντας προς την κατεύθυνση αυτή και τις κοινωνίες, στις οποίες δραστηριοποιούντα.