我们今天带您来更深入地了解数据素养
来源：CPDA数据分析师网 / 时间：2021-03-02
企业可以通过一种简单的方法来衡量数据的素养：公司/生态系统中有多少人有效地使用数据在日常工作流程中做出决策？从历史上看，数据分析作为一种业务功能已经降级到组织中特定的（通常是技术的）部门，而实际上却应渗透到整个部门，当数据以可消化且一致的方式在整个组织中呈现时，企业便开始看到可观的ROI（投资回报率），这是一种衡量素养的更精确方法。
公司如何提高员工的数据素养？
长期以来，解释数据的责任一直在终用户身上，这导致数据素养较低，实际上我们实际上需要完全转移责任制，并不再将低数据素养视为用户错误，相反需要对数据进行预解释，以提高任何组织的数据素养，真正的开始是为员工提供设计更好的，数据驱动的应用程序，当已经解释了复杂性而取而代之以直观资产的形式传递数据时，操作解释和重要的是根据数据的含义进行操作要容易得多。
您认为识字的责任应该落在提供数据的人或解释数据的人身上吗？为什么？
我认为，传递数据的责任是当务之急，企业应该为用户提供以用户为中心的设计体验，而不是为人们提供CSV（逗号分隔值）文件和数据可视化应用程序的副本，而是希望用户从原始数据中提取见解，技术团队仍应该知道如何理解数据，但是组织中的每个人都不需要具备该技能，并且当然也不应该成为根据数据见解实际采取行动的障碍。
分析人员能够访问所需数据的关键。无障碍获取和识字之间有什么区别，为什么如此重要？
即使数据的可访问性和素养不同，它们也并驾齐驱，可访问性就是要给组织内数量的人员提供数据访问权限，而数据素养则是要解释所述数据，目标是创建一个同时提高可访问性和读写能力的系统，以使数据驱动的决策尽可能容易，借助更好的后端应用程序来替换CSV文件和易出错公式的歧义，公司可以无缝分发数据并提供预解释和可消化的数据，从而提高效率和实现能力，终结果是组织内部出现了一种新的数据文化-以易用性，明智的决策，一致性和信任为中心，几个月前，当我们发言时，您讨论了公司如何通过其货币获利，从本质上将数据分析从成本中心转移到收入来源，这是否发生了您所期望的程度？
是的-明确地说，通过数据货币化，我并不是说公司应该出售数据
公司可以从数据而不是数据本身收集的见解中创建新的收入流，自从我们上次讲话以来，一些公司已开始通过其数据获利，通过增加整个组织的洞察力消耗，他们已经能够从数据驱动的决策中获得真正的ROI，但是有更多企业加入的真正机会，尤其是随着大流行持续存在，公司变得更加势在必行，要抓住增加收入的新机会。我坚信，数据是他们一直在寻找的新的创收工具。
您是否相信更多的公司将在2021年实现这一目标？要实现这一目标，行业中正在发生什么变化？
是的整个云数据市场，我们已经看到了数据领域的重大变化，这将改变我们所知道的数据格局，世界数据将存储在标准化的云存储中，而不是缓慢而麻烦的数据仓库，这将重新定义每个公司中数据的管理方式并重新调整数据价值链，下一步，我们还将看到深入了解洞察力的情况，当企业可以有效地跨职能制定数据驱动的决策时，这将是我们看到巨大增长的地方。
您如何预测未来几年数据格局中的变化将影响企业的数据素养水平？
多年来分析师一直将商业智能的定义仅限于专门用于仪表板的数据探索工具，但是数据可视化与数据引擎的后端创建之间存在很大的差异，如今例如当数据分析人师根据CSV文件编写公式时，他们可能会想到数千种不同的事实，但是当您在数据驱动的应用程序的后台执行复杂的索引编制并将其转换为日常业务术语时，您将获得更加直观，准确的前端体验，由于多年来对BI的深入研究，我们只剩下一个术语，仅代表电子表格和数据仪表板，取而代之的是，我们需要对企业数据素养进行新的定义-基于对洞察力的消费和做出真正由数据驱动的决策的能力。
预测分析，人工智能或机器学习在数据素养中扮演什么角色？
我们正处于一个有趣的时刻，集体迁移到云正在加速行业的增长和现代化，这与Y2K对软件所做的类似，这是自Y2K以来的机会，它可以重新企业数据分析并重塑企业如何使用数据的规范，从而摆脱当今普遍使用的混乱，零散的方法，预测分析和AI /机器学习将终帮助创建更准确，更简化的模型，以扩展未来十年的数据货币化。