Datageletterdheid: de competentie van de 22e eeuw!

Els Dees , Data Architect en adviseur, Eigenaar

Els Dees , Data Architect en adviseur, Eigenaar

Datagedreven werken verandert fundamenteel de rol van kenniswerkers in organisaties en vraagt om datageletterdheid van medewerkers. Maar wat is data literacy precies, waarom is het zo belangrijk en waarom is het een kerncompetentie voor organisaties die datagedreven willen werken? We vroegen het aan Els Dees, Data Architect en adviseur bij The Data Effect en hoofddocent van de opleiding Data literacy / datavaardigheden. Els geeft antwoord op deze en andere vragen.

 

Wat is data literacy (datageletterdheid) en in welke organisaties speelt dit?

Data literacy is het vermogen om op basis van data betere besluiten te kunnen nemen. Hiervoor moet u als professional data en visualisaties van data in haar context kunnen begrijpen, data kunnen analyseren en erover kunnen discussiëren. Ook is het belangrijk dat u begrijpt wat data betekent, dat je weet hoe je de juiste conclusies trekt uit gegevens en dat u herkent wanneer data op een misleidende of ambigue wijze wordt gepresenteerd.

 

Data literacy is cruciaal voor business leaders en medewerkers binnen organisaties die zowel hun strategische keuzes als hun dagelijkse operationele beslissingen baseren op feiten. Data is overal. Er is geen bedrijfstak of organisatie denkbaar waar geen data gebruikt wordt om de klantgerichtheid, kwaliteit van dienstverlening of financiële resultaten te verbeteren. Kortom, het speelt voor elke organisatie, van groot tot klein, van commercieel tot (semi-)overheid.

Waarom is datageletterdheid zo belangrijk voor organisaties die datagedreven willen werken?

In een datagedreven organisatie worden besluiten gebaseerd op gegevens. En niet louter op intuïtie of persoonlijke ervaring. Of het nu gaat om HR beleid, het introduceren van nieuwe producten, diensten of abonnementen, het identificeren van mogelijk frauduleuze belastingaangiftes of betalingen, het verbeteren van productieprocessen, overal is er een gat tussen de wens en de realiteit.

 

Een gat tussen de wens om data gedreven te zijn enerzijds, en de vaardigheden om data en data visualisaties te gebruiken in besluitvorming anderzijds. Zonder deze vaardigheden leiden datagedreven beslissingen niet tot betere resultaten.

Welke vaardigheden vallen onder datageletterdheid en een data-mindset?

De belangrijkste vaardigheid en doel van data literacy is het komen tot goed onderbouwde besluiten, in plaats van vertrouwen op persoonlijke inschatting of intuïtie. Hierdoor verandert datagedreven werken fundamenteel de rol van de kenniswerker. Of dat nu een arts, belastinginspecteur, rechercheur, beleidsadviseur, HR-manager, productmanager, sales, recruiter of marketeer is.

 

Datagedreven werken kan niet zonder ‘data-savvy’ kenniswerkers. Dit betekent dat de kenniswerker zowel kennis als ervaring moet opdoen op de volgende onderdelen van het werken met data:

  • Het herkennen en communiceren waar u in uw processen en besluiten winst kunt behalen door data gedreven te gaan werken
  • Het gebruiken van gegevens en visualisaties in de onderbouwing van uw advies of besluit over beleid, producten, strategieën, procesverbeteringen, risico beheersing
  • Het begrijpen en correct interpreteren van data visualisaties
  • U bewust te zijn van de risico’s en valkuilen in het gebruik van data
  • Begrip van hoe gegevens tot stand komen en wat ze betekenen in uw context
  • Weten hoe u een hypothese opstelt en (laat) toetsen
  • Weten hoe u uw informatievraag of verzoek goed opstelt zodat dataspecialisten op uw behoefte aansluiten
  • Samen werken met data specialisten, IT specialisten en juristen. Hun taal spreken en een gesprekspartner zijn
  • Een solide basiskennis hebben van de productieketens van data en informatieproducten

 

Wat zijn de risico’s en valkuilen bij het werken met data?

Wanneer besluiten grotendeels gebaseerd worden op gegevens, in plaats van intuïtie of persoonlijke ervaring, is er een aantal veel voorkomende risico’s en valkuilen. Een informatieproduct representeert kennis. Niet zo zeer kennis over hoe we dingen doen, zoals autorijden, maar kennis over ‘hoe dingen zijn’, bijvoorbeeld de kans dat een verzekeringsclaim frauduleus is.

 

Wanneer u de omslag maakt van primair vertrouwen op uw eigen intuïtie of persoonlijke ervaring als kennisbron, naar een gedeelde kennisbron zoals die in een dashboard, grafiek staat, dan is het van belang dat u rekening houdt met de volgende risico’s die van invloed zijn op de betrouwbaarheid van deze kennisbron:

  • Kwaliteit van de inputgegevens. Is de kwaliteit van de gegevens bekend en voldoende?
  • Incorrect gebruik van de informatie. Is het duidelijk hoe u de informatie interpreteert en waarvoor u het gebruikt?
  • Inaccurate voorspellingen. Is de betrouwbaarheid van de voorspellingen, uitgevoerd door het onderliggende algoritme, duidelijk?
  • Uitvallen van ICT systemen. Is het systeem beschikbaar en zijn de gegevens actueel op moment dat u het nodig hebt?
  • Informatiebeveiliging en privacy. Heeft u wellicht ten onrechte toegang tot gevoelige gegevens waardoor u, onbedoeld, wetgeving of beleid overtreedt?
  • Reputatie en ethiek. Leidt het gebruik van deze informatie niet tot een reputatierisico vanwege de ethische maatschappelijke of politieke discussies die de inzet ervan kan oproepen?

 

Is datageletterdheid ook gerelateerd aan de mate van volwassenheid van een organisatie?

Ik denk het wel. De resultante van veel data geletterde medewerkers is dat zij actief op zoek gaan naar manieren ter verbetering van onder meer bedrijfsprocessen, productportfolio, dienstverlening, besturing etc. Dat leidt tot een hogere volwassenheid van je organisatie.

Waarom moeten ook managers en beleidsmedewerkers een juiste data-mindset hebben?

Managers en beleidsmedewerkers zijn bij uitstek de consumenten van dashboards, grafieken, forecasts, trendanalyses. Wanneer zij hun beslissingen meer funderen op gegevens, en minder vertrouwen op hun intuïtie of persoonlijke ervaring, is het van groot belang dat ze deze informatie goed weten te gebruiken. Met een data-mindset bent u als manager of beleidsmedewerker in staat om feiten van interpretaties te onderscheiden en voorkomt u dat uw keuzes verkeerd uitpakken.

Wat zijn consequenties wanneer de datageletterdheid van een organisatie te laag is?

Een organisatie is dan niet in staat om de enorme hoeveelheid gegevens in te zetten voor een beter resultaat. En dat is wel wat we als burger, consument, management of aandeelhouder verwachten. Het onbenut laten van het data-potentieel heeft zeker commerciële consequenties, want de concurrentie zal het wel doen.

 

Een groot afbreukrisico loopt een organisatie wanneer men wel datagedreven wil worden, maar de medewerkers, bestuurders en beleidsmakers niet datageletterd zijn. Hun keuzes leiden dan niet tot betere resultaten, maar kunnen ook grote risico’s op het gebied van impact op burgers (overheid), patiënten (zorg) of juridische consequenties in het geval van schending van privacy wetgeving of ongelijke behandeling als gevolg hebben.

 

Hier zijn genoeg voorbeelden van te vinden, zowel in het publieke domein (Syri, algoritmes bij Toeslagen) als het private domein (inzet van discutabele algoritmen bij Facebook, AI voor recruitment bij Amazon).

Campagnebeeld DGL

Wat is er nodig om de datageletterdheid van een organisatie op behoorlijk niveau te krijgen?

Het is belangrijk om de kenniswerkers, managers en beleidsmakers te (blijven) trainen op datavaardigheden, die ze nodig hebben om data goed te kunnen beoordelen, gebruiken en besluiten op te nemen. Ook de werkvloer en stakeholders moeten datageletterd zijn om als datagedreven organisatie te kunnen functioneren en vraagt dit om een continu kennisniveau op datagebied.

Wat leren de cursisten in de training data literacy / datavaardigheden?

De essentiële competenties die nodig zijn om data op een juiste manier te kunnen interpreteren, beoordelen, analyseren en juiste, gefundeerde conclusies te kunnen trekken. Cursisten krijgen een data-mindset die nodig is in een informatiegestuurde organisatie, waarin data een stategisch asset is.

Waarin onderscheidt deze training zich van andere opleidingen op gebied van datavaardigheden?

De training is business georiënteerd en gericht op adviseurs, managers, beleidsmedewerkers, architecten. In tegenstelling tot veel andere datatrainingen ligt er geen nadruk op techniek, maar op het begrijpen wat data is en wat je er mee kunt in je dagelijks werk. Techniek is slechts een middel. Dit doen we zonder oppervlakkig of opportunistisch te zijn over de inzet van data. Cursisten krijgen een eerlijk verhaal over de kansen en risico’s van intensief datagebruik voor het verbeteren van de processen en besluitvorming in de organisatie.

Wat zijn de belangrijkste redenen om nu te investeren in de datageletterdheid van medewerkers?

  1. We staan op een kantelpunt. Veel bedrijven en organisaties moeten innoveren of veranderen om mee te kunnen gaan in onze veranderende wereld. Deze beslissingen datagedreven kunnen maken is van cruciaal belang.

  2. Heel veel organisaties zijn al gestart met initiatieven om data driven of datagedreven te worden. Veelal focussen deze initiatieven zich of op innovatie (data-labs) of zijn ze gedreven vanuit technologische mogelijkheden van bijvoorbeeld AI. Echter, er is vooralsnog veel te weinig aandacht voor het belang van training van kenniswerkers, managers en beleidsmakers om daadwerkelijk iets te gaan doen met al deze informatie. Anders is alle investering in uw data of AI lab weggegooid geld.

  3. De Covid-crisis heeft duidelijk gemaakt hoe grafieken en data verschillend geïnterpreteerd kunnen worden, afhankelijk van uw overtuiging of belang. Wilt u als organisatie datagedreven worden, dan zult u uw medewerkers moeten trainen in hoe zij grafieken en gegevens goed kunnen interpreteren. Anders worden grafieken en gegevens gebruikt om argumenten te zoeken bij mensen volgens hun eigen intuïtie of persoonlijke ervaring. En dat maakt u als organisatie niet data driven en op termijn kwetsbaar.

Share

Share on linkedin
Share on twitter
Share on facebook
Share on email