Datageletterdheid is belangrijk, iedereen moet de gegevens begrijpen als we naar het volgende niveau willen. Daar ben ik het ook mee eens, maar ik denk dat de manier waarop de meeste organisaties het aanpakken helemaal verkeerd is. Ik zal het uitleggen.
Wie moet de gegevens beter beheersen?
“De business moet de gegevens begrijpen” – zou iemand in de IT zeggen. De business weet dat ze wat te leren hebben, dus ze zijn het er min of meer mee eens dat zij het onderwerp zijn van deze oefening.
Het bedrijf weet niet precies wat de toestand van zijn gegevens is. Ze hebben IT en tools nodig om hen te helpen. Vaak hebben ze zelfs IT nodig om hen te vertellen wat ze moeten willen. De business heeft het gevoel dat ze nog wat moeten leren en dat is ook zo. Ze moeten het belang begrijpen van strings, data, cijfers, query’s, filteren, snelheid en geheugen, allemaal leuke dingen voor IT.
In feite is het de volgende stap in computervaardigheid en dat is een goede aanpak.
Het is echter niet het complete plaatje…
IT moet ‘bedrijfsgegevens’ leren kennen
Het is cruciaal dat IT over gegevens praat in bedrijfstermen. In plaats van te praten over gegevenstabellen en -velden, waarden en referentiegegevens, moeten zij ook praten over de betekenis van gegevens in bedrijfstermen. Heel vaak begrijpt IT niet wat de betekenis is van bepaalde gegevens, het belang of de impact voor het bedrijf. Het is alsof je praat met iemand die alleen verstand heeft van bakstenen en mortel en je wilt uitleggen wat je doet met huizen, kantoren, fabrieken en wegen.
IT moet zich verdiepen in zakelijke gegevens en concepten om deze beter te begrijpen en vervolgens te kunnen helpen.
Wat missen we?
We missen nog steeds de beste partij aan tafel. Wanneer IT en business gegevens in elkaars termen begrijpen en kunnen samenwerken, is er nog 1 partij die ook beter moet worden in het begrijpen van de gegevens. Correct, de computer moet de gegevens begrijpen in IT-termen en in bedrijfstermen. Lukt dat niet, dan zullen IT en de business blijven reageren op gegevens, elke regel en uitzondering moeten definiëren, trial and error doen, handmatige analyses uitvoeren om uit te zoeken of er een patroon in de gegevens zit.
We moeten ook de computer betrekken bij onze inspanningen op het gebied van datageletterdheid. Deze 3 partijen moeten samen worden opgeleid in elkaars kijk op de gegevens om doeltreffender te kunnen werken aan een geautomatiseerde toekomst met gegevens.
Bent u op uw hoede voor kunstmatige intelligentie (AI) en machinaal leren (ML)? Ik ook, want hier leren computers over onze wereld, of ons bedrijf. Te vaak wordt dit alleen door IT gedaan, met gemengde resultaten.
Een aanpak die averechts kan werken is een aanpak waarbij korte- en langetermijndoelstellingen worden vastgesteld en mensen nu op die doelstellingen worden getraind. Dat laat het bedrijf weinig ruimte om uit te zoeken hoe gegevens hen kunnen helpen. Ook worden de noodzakelijke stappen in datakwaliteit en afstemming vergeten.
Datageletterdheid: bedrijfsleven, IT en computer spreken dezelfde taal
