Navigeren door datageletterdheid in de wereld van augmented analytics

Kunstmatige intelligentie (AI)-mogelijkheden zoals machine learning (ML) en natuurlijke taalverwerking (NLP) blijven verbeteren, en augmented analytics-producten kunnen op betrouwbare wijze veel taken automatiseren die verband houden met het bekijken en begrijpen van gegevens. Met krachtige tools die inzichten uit gegevens kunnen halen, vragen leidinggevenden zich vaak af: vermindert deze technologie daadwerkelijk de behoefte aan datageletterdheid opleidingsinspanningen in hun organisaties? Nee, eerder het tegendeel.

Datageletterdheid – het vermogen om gegevens in context te lezen, schrijven en communiceren – is belangrijker dan ooit. Het is van cruciaal belang om organisaties te helpen een datagestuurde manier van werken te ontwikkelen en werknemers in staat te stellen AI-vaardigheden te verbeteren met hun eigen creativiteit en kritisch denken.

Er zijn nog meer factoren waarmee rekening moet worden gehouden bij de rol van datageletterdheid voor de groei en het succes van een organisatie. Het inhuren, opleiden en behouden van datawetenschappers en analisten is moeilijk, bovendien zijn hun vaardigheden vaak genuanceerd en duur. Dat meldt 365 Data Science, zullen de meeste datawetenschappers waarschijnlijk niet langer dan 1.7 jaar op hun huidige werkplek blijven. Datawetenschappers en -analisten, die hoog opgeleid zijn, krijgen vaak verzoeken voor taken zoals het bouwen van een schone gegevensbron voor verkoop of het maken van basisrapporten. Met hun gespecialiseerde capaciteiten zouden hun tijd en vaardigheden beter gediend zijn bij het modelleren en ontwikkelen van workflows voor hoogwaardige, complexe zakelijke vragen.

Wanneer leidinggevenden investeren in AI en augmented analytics-technologie, kan de zakelijke gebruiker - een meer informele gebruiker van gegevens in vergelijking met een toegewijde analist - toegang krijgen tot de antwoorden op hun vragen en de informatie die ze nodig hebben om hun werk goed te doen, zonder zich zorgen te hoeven maken over de werking ervan. Dus.

Onderzoeken hoe AI-oplossingen gebruikerstaken kunnen ondersteunen en de juiste gebruikerservaring kunnen vinden, heeft een enorm potentieel om de tool en de gebruiker klaar te stomen voor succes. Een AI-tool kan bijvoorbeeld enkele van de meer vervelende taken rond gegevensvoorbereiding automatiseren en vervolgens de resultaten aan de mens leveren, die de inhoud verder kan analyseren en visualiseren op basis van zijn analytische behoeften.

Verbeteringen in Augmented Analytics helpen mensen vragen sneller te beantwoorden

Augmented analytics-oplossingen kunnen het voor zakelijke gebruikers gemakkelijker maken om gegevens te begrijpen, waardoor bedrijven de waarde van deze kostbare technologieën kunnen maximaliseren. Augmented analytics kan bijvoorbeeld de interesse van klanten begrijpen en voorspellingen doen over consumentenvoorkeuren, productontwikkeling en marketingkanalen. Ze kunnen ook aanvullende context bieden over trends, waarden en afwijkingen in iemands gegevens. Geavanceerde algoritmen kunnen aanvullende visualisaties voorstellen die aan een dashboard kunnen worden toegevoegd, samen met tekstuitleg en context gegenereerd in natuurlijke taal.

Hier zijn enkele voorbeelden van oplossingen die uw personeelsbestand naar een hoger niveau kunnen tillen.

1. Gegevensverhalen. Tableau Cloud bevat nu Gegevensverhalen, een dynamische dashboardwidgetfunctie die AI-algoritmen gebruikt om gegevens te analyseren en er een eenvoudig verhaal over te schrijven in verhalende of opsommingstekens. De verhalen verweven verhalen over gegevens die verder gaan dan alleen grafieken en dashboards in een register dat toegankelijk is voor zakelijke gebruikers voor het beantwoorden van veel van hun vragen. Dit vermindert het niveau van datageletterdheid dat een zakelijke gebruiker nodig heeft om de informatie te begrijpen die voor hem het belangrijkst is. Data Stories toont de simpele vragen die een gebruiker stelt wanneer ze voor het eerst naar een staafdiagram of een lijndiagram kijken: was dit getal dat eruitziet als een uitbijter echt een uitbijter? Hoe is dat aantal in de loop van de tijd veranderd? Wat is het gemiddelde? De gegevens moeten nog worden geïnterpreteerd - het is niet het hele verhaal - maar het is een grote stap in de richting van het ontsluiten van de inzichten in gegevens.

2. Laat het me zien. Augmented analytics-functies maken ook slimmere coderingsstandaarden mogelijk. Show Me beveelt bijvoorbeeld diagramtypen en geschikte markeringscoderingen aan op basis van gegevensattributen die van belang zijn. Gebruikers kunnen zich vervolgens concentreren op de afhaalmaaltijden op hoog niveau die ze willen communiceren en deze grafieken delen met hun publiek als onderdeel van hun visuele analytische workflow.

3. Begrijpen van natuurlijke taal. Met geavanceerd onderzoek, grote trainingssets voor taalmodellen en verbeterde rekenmogelijkheden is het begrip van natuurlijke taal in de loop der jaren ook aanzienlijk verbeterd.

Mensen kunnen analytische vragen stellen zonder de mechanica van het construeren van SQL-query's te hoeven begrijpen. Met een betere bedoeling van begrip kunnen interfaces in natuurlijke taal vragen beantwoorden met interactieve grafieken die gebruikers kunnen repareren, verfijnen en gebruiken terwijl ze de gegevens begrijpen.

4. Machinaal leren. Augmented analytics met betrekking tot ML heeft ook vooruitgang geboekt. Deze modellen kunnen geavanceerde en complexe analytische taken leren, zoals bewerkingen voor gegevenstransformatie die zijn gepersonaliseerd voor een specifiek type gebruiker of een groep gebruikers. Bovendien hebben veel augmented analytics-ervaringen nu gebruikersinterfaces die intuïtief aanvoelen, waardoor de complexiteit van training en het toepassen van een model in de analytische workflow van een gebruiker wordt verminderd.

Hoewel AI ongelooflijke mogelijkheden heeft, zal het de mens nooit volledig vervangen. Het verzamelen van conclusies op hoog niveau uit statistische eigenschappen op een lager niveau kan complex en nogal genuanceerd zijn. Mensen hebben een hoger niveau van creatieve cognitie; we zijn nieuwsgierig; we kunnen deze afhaalrestaurants op hoog niveau uit gegevens destilleren.

Aanbevelingen voor het bevorderen van datageletterdheid

Om organisaties in staat te stellen hogere inzichten uit hun data te halen, moeten werknemers - zowel zakelijke gebruikers als analisten - worden voorgelicht over hoe ze hun data moeten analyseren en best practices hebben voor het visualiseren en presenteren van data. Hier leest u hoe organisaties best practices kunnen ontwikkelen voor het bevorderen van datageletterdheid en het verbeteren van AI met analysetools.

1. Investeer in opleiding.

Het hebben van zowel de juiste tools als de juiste opleiding/training is van cruciaal belang voor elke organisatie. In een Forrester Consulting onderzoek naar datageletterdheid, zei slechts 40% van de werknemers dat hun organisatie de training in datavaardigheden had gegeven die van hen wordt verwacht.¹ Individuen en organisaties zouden mensen moeten blootstellen aan betere training in termen van best practices voor het zien en begrijpen van hun gegevens. Werkplekken zouden cursussen over datavisualisatie en datageletterdheid moeten aanbieden, zodat werknemers patronen kunnen begrijpen en de beste manieren leren om grafieken te maken en weer te geven.

Om uw werknemers te trainen, kunt u geweldige programma's van derden inschakelen van bedrijven zoals Leuk vinden, Datageletterdheid, Coursera's Data & Analytics Academie, edx, Datakamp, Khan Academy, Algemene vergadering, LinkedIn Learning, en meer. Tableau aanbiedingen zelfsturend leren, live, virtuele trainingslessenEn een gratis cursus datageletterdheid. Vergelijkbare projecten met training, waarvan sommige gratis zijn, omvatten Gegevens aan de mensen, Storytelling met gegevens, De Dataloge, Het datageletterdheidsproject, En anderen.

Leidinggevenden moeten ook overwegen: hoe kunnen uw medewerkers worden opgeleid, niet alleen in de taal van grafieken, maar ook als een breder paradigma?

Een nadeel van het bouwen van tools met veel verbeterde mogelijkheden, waaronder AI en machine learning, is dat ze er bedrieglijk eenvoudig uit kunnen zien en gebruikers er heel snel mee kunnen helpen. Maar ongeschoolde gebruikers kunnen een grafiek of afhaalinzichten genereren uit een grafiek die op de een of andere manier misleidend of misleidend kan zijn.

Het is belangrijk om mensen te onderwijzen in de taal van visuele representatie en de wetenschap erachter, zodat ze op zijn minst data-geïnformeerd zijn, zo niet data-geletterd. Hoe identificeren mensen bijvoorbeeld wat een uitbijter is? Hoe moeten ze dashboards ontwerpen die betrouwbaar zijn? Ze moeten ook het onderscheid tussen correlatie en oorzakelijk verband kunnen begrijpen. Dit zorgt ervoor dat de gegevens nauwkeurig zijn en kunnen worden gebruikt voor analyse.

2. Neem datagedreven beslissingen.

De overgang van data-oraliteit - waar mensen praten over het nemen van data-gedreven beslissingen - naar datageletterdheid - waar mensen de mogelijkheid hebben om data te verkennen, te begrijpen en ermee te communiceren - vereist democratisering van de toegang tot datavisualisaties. Dit brengt een focus op individueel leren en toepasbaarheid met zich mee, maar het zou meer een organisatorische verandering moeten zijn. De echte democratisering van datageletterdheid houdt rekening met het hele ecosysteem van data. Het erkent de wildgroei aan grafieken in het dagelijks leven van gebruikers en werkt eraan om ze breed begrijpelijk te maken.

Mensen zouden beslissingen moeten nemen op basis van gegevens en niet alleen op subjectieve meningen; dit gaat terug op het belang van training die gebruikers informeert over het onderscheid tussen correlatie en oorzakelijk verband. Hoe moeten datagedreven beslissingen worden genomen? Wat is het medium voor het presenteren van gegevens en de belangrijkste afhaalrestaurants, zodat de discussie objectief kan blijven om effectieve beslissingen te nemen? Technologiebedrijven zouden bijvoorbeeld gebruikerstelemetriegegevens moeten gebruiken om te bepalen welke functies moeten worden gebouwd, gebruikskenmerken en om eventuele wrijving in de gebruikerservaring te identificeren.

3. Ontwikkelen en onderhouden van een adequate infrastructuur.

Om de eerste twee aanbevelingen te ondersteunen, moeten leidinggevenden ervoor zorgen dat hun organisatie een adequate, schaalbare infrastructuur heeft gebouwd om haar gegevens te huisvesten en te beheren. Ze moeten hun organisaties ook helpen bij het identificeren van en toegang krijgen tot AI-technologie die de problemen en behoeften van hun klanten aanpakt.

Bovendien moeten besluitvormers bedachtzaam en weloverwogen zijn over gegevensprivacy en vertrouwen. Het kan geen bijzaak zijn; er moet vanaf het begin serieus rekening mee worden gehouden. De verantwoordelijkheid voor gegevensprivacy en -vertrouwen moet helemaal worden gedestilleerd tot de individuele gebruiker, waarvoor een uitgebreid beleid voor gegevensbeheer en -beheer kan worden gebruikt.

Blijf focussen op inspanningen op het gebied van datageletterdheid

Investeren in AI en augmented analytics-tools zoals Data Stories is een uitstekende stap om zakelijke gebruikers in staat te stellen antwoorden uit hun data te halen, maar deze tools zullen de inspanningen op het gebied van datageletterdheid eerder aanvullen dan ze vervangen. Bovendien kunnen de juiste vormen van investeringen in zowel AI-technologie als training mensen effectief ondersteunen om te doen waar ze het beste in zijn: het bedenken en creëren van oplossingen en het oplossen van klantbehoeften, allemaal gecentreerd rond data.

Als u zich in uw hele organisatie blijft richten op datageletterdheid, zorgt u ervoor dat meer van uw medewerkers - de informele zakelijke gebruiker en de geavanceerde data-analist - de juiste vragen stellen over uw data die tot verdere inzichten zullen leiden.

KIES EEN FLEXIBELE ANALYTICSPARTNER

Een analysepartner als Tableau biedt brede en diepgaande mogelijkheden, evenals op rollen gebaseerde training, waardoor het een flexibele partner is om te ontdekken wat het beste werkt voor uw bedrijf. Leer meer over Tabel wolk.

DATA INZICHTEN VOOR ZAKELIJKE GEBRUIKERS

Stel uw zakelijke gebruikers in voor succes. Meer informatie over gegevensverhalen hier.