Navigare nell'alfabetizzazione dei dati nel mondo dell'analisi aumentata

Le funzionalità di intelligenza artificiale (AI) come l'apprendimento automatico (ML) e l'elaborazione del linguaggio naturale (NLP) continuano a migliorare e i prodotti di analisi aumentata possono automatizzare in modo affidabile molte attività relative alla visualizzazione e alla comprensione dei dati. Con potenti strumenti in grado di far emergere informazioni dettagliate dai dati, i dirigenti spesso si chiedono: questa tecnologia riduce effettivamente la necessità alfabetizzazione dei dati sforzi di formazione nelle loro organizzazioni? No, anzi il contrario.

L'alfabetizzazione dei dati, la capacità di leggere, scrivere e comunicare i dati nel contesto, è più importante che mai. È fondamentale per aiutare le organizzazioni a sviluppare un modo di lavorare basato sui dati e consentire ai dipendenti di aumentare le capacità di intelligenza artificiale con la propria creatività e pensiero critico.

Ci sono ulteriori fattori da considerare nel ruolo dell'alfabetizzazione dei dati per la crescita e il successo di un'organizzazione. Assumere, formare e trattenere data scientist e analisti è difficile, inoltre le loro competenze sono spesso sfumate e costose. Secondo 365 Data Science, la maggior parte dei data scientist probabilmente non trascorrerà più di 1.7 anni nell'attuale luogo di lavoro. I data scientist e gli analisti, che sono altamente qualificati, spesso ricevono richieste per attività come la creazione di un'origine dati pulita per le vendite o la produzione di report di base. Con le loro abilità specializzate, il loro tempo e le loro competenze sarebbero meglio serviti lavorando sulla modellazione e sullo sviluppo di flussi di lavoro per questioni aziendali complesse e di valore superiore.

Quando i dirigenti investono nell'intelligenza artificiale e nella tecnologia di analisi aumentata, l'utente aziendale, un utente di dati più occasionale rispetto a un analista dedicato, può accedere alle risposte alle proprie domande e alle informazioni di cui ha bisogno per svolgere bene il proprio lavoro senza preoccuparsi dei meccanismi di esecuzione Così.

Esplorare il modo in cui le soluzioni abilitate all'intelligenza artificiale possono supportare le attività degli utenti e trovare la giusta esperienza utente ha un enorme potenziale per impostare lo strumento e l'utente per il successo. Ad esempio, uno strumento di intelligenza artificiale può automatizzare alcune delle attività più noiose relative alla preparazione dei dati e quindi fornire i risultati all'essere umano, che può analizzare e visualizzare ulteriormente il contenuto in base alle proprie esigenze analitiche.

I progressi nell'Analisi Aumentata aiutano le persone a rispondere alle domande più velocemente

Le soluzioni di analisi aumentata possono facilitare la comprensione dei dati da parte degli utenti aziendali, il che aiuta le aziende a massimizzare il valore di queste costose tecnologie. Ad esempio, l'analisi aumentata può comprendere l'interesse dei clienti e offrire previsioni sulle preferenze dei consumatori, sullo sviluppo del prodotto e sui canali di marketing. Possono anche fornire un contesto aggiuntivo su tendenze, valori e varianze nei propri dati. Sofisticati algoritmi possono suggerire visualizzazioni aggiuntive che possono essere aggiunte a una dashboard, insieme a spiegazioni di testo e contesto generati in linguaggio naturale.

Ecco alcuni esempi di soluzioni che possono aiutare a elevare la tua forza lavoro.

1. Storie di dati. Tableau Cloud ora include Storie di dati, una funzionalità di widget dashboard dinamico che utilizza algoritmi di intelligenza artificiale per analizzare i dati e scrivere una semplice storia su di essi in forma narrativa o puntata. Le storie intrecciano narrazioni sui dati oltre i semplici grafici e dashboard in un registro accessibile agli utenti aziendali per rispondere a molte delle loro domande. Ciò riduce il livello di alfabetizzazione dei dati di cui un utente aziendale ha bisogno per comprendere le informazioni più importanti per lui. Le storie di dati fanno emergere le semplici domande che un utente fa quando guarda per la prima volta un grafico a barre o un grafico a linee: questo numero che sembra un valore anomalo era davvero un valore anomalo? Come è cambiato quel numero nel tempo? Qual è la media? I dati devono ancora essere interpretati, non è l'intera storia, ma è un grande passo avanti verso lo sblocco delle intuizioni nei dati.

2. Mostrami. Le funzionalità di analisi aumentata consentono anche impostazioni predefinite di codifica più intelligenti. Ad esempio, Show Me consiglia tipi di grafici e codifiche di contrassegni appropriate in base agli attributi dei dati di interesse. Gli utenti possono quindi concentrarsi sul takeaway di alto livello che vogliono comunicare e condividere questi grafici con il loro pubblico come parte del loro flusso di lavoro di analisi visiva.

3. Comprensione del linguaggio naturale. Grazie a ricerche sofisticate, ampi set di formazione per modelli linguistici e capacità di calcolo migliorate, anche la comprensione del linguaggio naturale è notevolmente migliorata nel corso degli anni.

Le persone possono porre domande analitiche senza dover comprendere i meccanismi di costruzione di query SQL. Con un migliore intento di comprensione, le interfacce in linguaggio naturale possono rispondere alle domande con grafici interattivi che gli utenti possono riparare, perfezionare e interagire man mano che danno un senso ai dati.

4. Apprendimento automatico. Anche l'analisi aumentata relativa al ML ha fatto passi da gigante. Questi modelli possono apprendere attività analitiche sofisticate e complesse come operazioni di trasformazione dei dati personalizzate per un tipo specifico di utente o un gruppo di utenti. Inoltre, molte esperienze di analisi aumentata ora dispongono di interfacce utente intuitive, che riducono la complessità della formazione e applicano un modello nel flusso di lavoro analitico di un utente.

Sebbene l'IA abbia capacità incredibili, non sostituirà mai completamente gli esseri umani. Raccogliere risultati di alto livello da proprietà statistiche di livello inferiore può essere complesso e piuttosto sfumato. Le persone hanno un livello più alto di cognizione creativa; siamo curiosi; possiamo distillare questi risultati di alto livello dai dati.

Raccomandazioni per promuovere l'alfabetizzazione dei dati

Affinché le organizzazioni possano ottenere informazioni di livello superiore dai propri dati, i dipendenti, utenti aziendali e analisti allo stesso modo, devono essere istruiti su come analizzare i propri dati e disporre delle migliori pratiche per la visualizzazione e la presentazione dei dati. Ecco come le organizzazioni possono sviluppare le migliori pratiche per promuovere l'alfabetizzazione dei dati e aumentare l'IA con strumenti di analisi.

1. Investi in formazione.

Avere sia gli strumenti giusti che la giusta istruzione/formazione è fondamentale per qualsiasi organizzazione. In un Studio di Forrester Consulting sull'alfabetizzazione dei dati, solo il 40% dei dipendenti ha affermato che la propria organizzazione ha fornito la formazione sulle competenze sui dati che dovrebbero avere.¹ Gli individui e le organizzazioni dovrebbero esporre le persone a una migliore formazione in termini di migliori pratiche di visualizzazione e comprensione dei propri dati. I luoghi di lavoro dovrebbero offrire corsi sulla visualizzazione dei dati e sull'alfabetizzazione dei dati in modo che i dipendenti possano comprendere i modelli e apprendere i modi migliori per creare e rappresentare grafici.

Per formare i tuoi dipendenti, puoi arruolare ottimi programmi di terze parti da aziende come Qlik, Alfabetizzazione dei dati, Accademia di dati e analisi di Coursera, edx, Data Camp, Khan Academy, Assemblea generale, Learning LinkedIn, e altro ancora. Offerte Tableau apprendimento autonomo, corsi di formazione dal vivo e virtuali, e un corso gratuito di alfabetizzazione dei dati. Progetti simili che incorporano la formazione, alcuni dei quali sono gratuiti, includono Dati al popolo, Storytelling con i dati, La Loggia dei Dati, Il progetto di alfabetizzazione dei dati, E altri.

I dirigenti dovrebbero anche considerare: come possono essere formati i tuoi dipendenti, non solo nel linguaggio dei grafici ma anche come paradigma più ampio?

Uno svantaggio della creazione di strumenti che hanno molte capacità aumentate, che includono intelligenza artificiale e apprendimento automatico, è che possono sembrare ingannevolmente semplici e possono far aumentare gli utenti molto rapidamente. Ma gli utenti poco addestrati potrebbero generare un grafico o informazioni da asporto da un grafico che potrebbero essere fuorvianti o fuorvianti in qualche modo.

È importante educare le persone sul linguaggio della rappresentazione visiva e sulla scienza dietro di esso in modo che, almeno, siano informate sui dati, se non alfabetizzati. Ad esempio, in che modo le persone identificano cos'è un valore anomalo? Come dovrebbero progettare dashboard affidabili? Dovrebbero anche essere in grado di comprendere la distinzione tra correlazione e causalità. Ciò garantirà che i dati siano accurati e possano essere utilizzati per l'analisi.

2. Prendi decisioni basate sui dati.

Il passaggio dall'oralità dei dati, in cui le persone parlano di prendere decisioni basate sui dati, all'alfabetizzazione dei dati, in cui le persone hanno la capacità di esplorare, comprendere e comunicare con i dati, richiede la democratizzazione dell'accesso alle visualizzazioni dei dati. Ciò comporta un focus sull'apprendimento individuale e sull'applicabilità, ma dovrebbe essere più un cambiamento organizzativo. La vera democratizzazione dell'alfabetizzazione dei dati tiene conto dell'intero ecosistema dei dati. Riconosce la proliferazione di grafici nella vita quotidiana degli utenti e lavora per renderli ampiamente intelligibili.

Le persone dovrebbero prendere decisioni basate su dati e non solo su opinioni soggettive; ciò risale all'importanza della formazione che educa gli utenti alla distinzione tra correlazione e causalità. Come dovrebbero essere prese le decisioni basate sui dati? Qual è il mezzo per presentare i dati e gli aspetti chiave in modo che la discussione possa rimanere obiettiva per prendere decisioni efficaci? Ad esempio, le aziende tecnologiche dovrebbero utilizzare i dati di telemetria dell'utente per determinare quali funzionalità creare, caratteristiche di utilizzo e identificare eventuali attriti nell'esperienza dell'utente.

3. Sviluppare e mantenere un'infrastruttura adeguata.

Per supportare le prime due raccomandazioni, i dirigenti devono assicurarsi che la loro organizzazione abbia costruito un'infrastruttura adeguata e scalabile per ospitare e governare i suoi dati. Dovrebbero anche aiutare le loro organizzazioni a identificare e ottenere l'accesso alla tecnologia di intelligenza artificiale che affronta i problemi e le esigenze dei loro clienti.

Inoltre, i decisori devono essere premurosi e attenti alla riservatezza e alla fiducia dei dati. Non può essere un ripensamento; deve essere preso seriamente in considerazione fin dall'inizio. La responsabilità della privacy e della fiducia dei dati dovrebbe essere distillata fino in fondo al singolo utente, che può coprire politiche di governance e gestione dei dati complete.

Continua a concentrarti sugli sforzi di alfabetizzazione dei dati

Investire nell'intelligenza artificiale e negli strumenti di analisi aumentata come le storie di dati è un ottimo passo avanti per consentire agli utenti aziendali di scoprire le risposte dai loro dati, ma questi strumenti integreranno gli sforzi di alfabetizzazione dei dati piuttosto che sostituirli. Inoltre, le giuste forme di investimento sia nella tecnologia dell'IA che nella formazione possono supportare efficacemente gli esseri umani a fare ciò in cui sono migliori: ideare e creare soluzioni mentre risolvono le esigenze dei clienti, il tutto incentrato sui dati.

Continuare a concentrarsi sull'alfabetizzazione dei dati in tutta l'organizzazione garantirà che un numero maggiore di dipendenti, l'utente business occasionale e l'analista di dati sofisticato, pongano le domande giuste sui dati che porteranno a ulteriori approfondimenti.

SCEGLI UN PARTNER DI ANALISI FLESSIBILE

Un partner di analisi come Tableau offre funzionalità complete e approfondite, nonché formazione basata sui ruoli, rendendolo un partner flessibile nel viaggio alla scoperta di ciò che funziona meglio per la tua azienda. Impara di più riguardo Tavolo Nuvola.

APPROFONDIMENTI SUI DATI PER GLI UTENTI BUSINESS

Imposta i tuoi utenti aziendali per il successo. Ulteriori informazioni sulle storie di dati