Navegando la alfabetización de datos en el mundo de la analítica aumentada

Las capacidades de inteligencia artificial (IA) como el aprendizaje automático (ML) y el procesamiento del lenguaje natural (NLP) continúan mejorando, y los productos de análisis aumentados pueden automatizar de manera confiable muchas tareas relacionadas con la visualización y comprensión de datos. Con herramientas poderosas que pueden sacar a la luz información de los datos, los ejecutivos a menudo se preguntan: ¿Esta tecnología realmente reduce la necesidad de alfabetización de datos esfuerzos de capacitación en sus organizaciones? No, más bien al contrario.

La alfabetización de datos, la capacidad de leer, escribir y comunicar datos en contexto, es más importante que nunca. Es fundamental para ayudar a las organizaciones a desarrollar una forma de trabajar basada en datos y empoderar a los empleados para aumentar las habilidades de IA con su propia creatividad y pensamiento crítico.

Hay factores adicionales a considerar en el papel de la alfabetización de datos para el crecimiento y el éxito de una organización. Contratar, capacitar y retener científicos y analistas de datos es difícil; además, sus habilidades a menudo son matizadas y costosas. Según 365 Data Science, la mayoría de los científicos de datos probablemente no pasarán más de 1.7 años en su lugar de trabajo actual. Los científicos y analistas de datos, que están altamente capacitados, a menudo reciben solicitudes de tareas como crear una fuente de datos limpia para ventas o generar informes básicos. Con sus habilidades especializadas, su tiempo y conjunto de habilidades se beneficiarían mejor trabajando en el modelado y el desarrollo de flujos de trabajo para preguntas comerciales complejas y de mayor valor.

Cuando los ejecutivos invierten en inteligencia artificial y tecnología de análisis aumentada, el usuario comercial (un usuario de datos más casual en comparación con un analista dedicado) puede acceder a las respuestas a sus preguntas y a la información que necesita para hacer bien su trabajo sin preocuparse por la mecánica de hacerlo. asi que.

Explorar cómo las soluciones habilitadas para IA pueden respaldar las tareas de los usuarios y encontrar la experiencia de usuario adecuada tiene un enorme potencial para configurar la herramienta y el usuario para el éxito. Por ejemplo, una herramienta de IA puede automatizar algunas de las tareas más tediosas relacionadas con la preparación de datos y luego proporcionar los resultados al ser humano, que puede analizar y visualizar más el contenido en función de sus necesidades analíticas.

Los avances en análisis aumentado ayudan a las personas a responder preguntas más rápido

Las soluciones de análisis aumentadas pueden facilitar a los usuarios empresariales la comprensión de los datos, lo que ayuda a las empresas a maximizar el valor de estas costosas tecnologías. Por ejemplo, el análisis aumentado puede comprender el interés de los clientes y ofrecer predicciones sobre las preferencias de los consumidores, el desarrollo de productos y los canales de comercialización. También pueden proporcionar contexto adicional sobre tendencias, valores y variaciones en los datos. Los algoritmos sofisticados pueden sugerir visualizaciones adicionales que se pueden agregar a un tablero, junto con explicaciones de texto y contexto generado en lenguaje natural.

Estos son algunos ejemplos de soluciones que pueden ayudar a elevar su fuerza laboral.

1. Historias de datos. Tableau Cloud ahora incluye Historias de datos, una función de widget de tablero dinámico que emplea algoritmos de IA para analizar datos y escribir una historia simple sobre ellos en forma narrativa o con viñetas. Las historias entrelazan narrativas sobre datos más allá de meros gráficos y tableros en un registro accesible a los usuarios comerciales para responder muchas de sus preguntas. Esto reduce el nivel de alfabetización de datos que un usuario empresarial necesita para comprender la información más importante para él. Historias de datos muestra las preguntas simples que hace un usuario cuando mira por primera vez un gráfico de barras o un gráfico de líneas: ¿Era este número que parece un valor atípico realmente un valor atípico? ¿Cómo ha cambiado ese número con el tiempo? ¿Cuál es el promedio? Los datos aún necesitan ser interpretados, no es la historia completa, pero es un gran paso hacia el desbloqueo de los conocimientos en los datos.

2. Muéstrame. Las funciones de análisis aumentadas también permiten valores predeterminados de codificación más inteligentes. Por ejemplo, Muéstrame recomienda tipos de gráficos y codificaciones de marcas adecuadas en función de los atributos de datos de interés. Luego, los usuarios pueden concentrarse en la conclusión de alto nivel que desean comunicar y compartir estos gráficos con su audiencia como parte de su flujo de trabajo analítico visual.

3. Comprensión del lenguaje natural. Con investigaciones sofisticadas, grandes conjuntos de entrenamiento para modelos de lenguaje y capacidades informáticas mejoradas, la comprensión del lenguaje natural también ha mejorado significativamente a lo largo de los años.

Las personas pueden hacer preguntas analíticas sin tener que comprender la mecánica de la construcción de consultas SQL. Con una mejor intención de comprensión, las interfaces de lenguaje natural pueden responder preguntas con gráficos interactivos que los usuarios pueden reparar, refinar e interactuar a medida que dan sentido a los datos.

4. Aprendizaje automático. El análisis aumentado relacionado con ML también ha avanzado. Estos modelos pueden aprender tareas analíticas sofisticadas y complejas, como operaciones de transformación de datos que se personalizan para un tipo específico de usuario o un grupo de usuarios. Además, muchas experiencias de análisis aumentado ahora tienen interfaces de usuario que se sienten intuitivas, lo que reduce la complejidad de la capacitación y la aplicación de un modelo en el flujo de trabajo analítico de un usuario.

Aunque la IA tiene capacidades increíbles, nunca reemplazará por completo a los humanos. Obtener conclusiones de alto nivel a partir de propiedades estadísticas de nivel inferior puede ser complejo y bastante matizado. Las personas tienen un mayor nivel de cognición creativa; somos curiosos; podemos destilar estos aprendizajes de alto nivel de los datos.

Recomendaciones para fomentar la alfabetización de datos

Para que las organizaciones desbloqueen conocimientos de alto nivel a partir de sus datos, los empleados (tanto usuarios comerciales como analistas) deben estar informados sobre cómo deben analizar sus datos y tener las mejores prácticas para visualizar y presentar datos. Así es como las organizaciones pueden desarrollar mejores prácticas para promover la alfabetización de datos y aumentar la IA con herramientas de análisis.

1. Invierta en capacitación.

Tener las herramientas adecuadas y la educación/capacitación adecuada es fundamental para cualquier organización. en un Estudio de Forrester Consulting sobre alfabetización de datos, solo el 40% de los empleados dijeron que su organización les había brindado la capacitación en habilidades de datos que se esperaba que tuvieran.¹ Los individuos y las organizaciones deben exponer a las personas a una mejor capacitación en términos de las mejores prácticas para ver y comprender sus datos. Los lugares de trabajo deben ofrecer cursos sobre visualización de datos y alfabetización de datos para que los empleados puedan comprender patrones y aprender las mejores formas de crear y representar gráficos.

Para capacitar a sus empleados, puede contratar excelentes programas de terceros de empresas como Qlik, Alfabetización de datos, Academia de datos y análisis de Coursera, EdX, campo de datos, Khan Academy, Asamblea General, Etiqueta LinkedIn Learning, y más. Ofertas de Tableau aprendizaje autodirigido, Clases de capacitación virtual en vivo, Y un curso gratuito de alfabetización de datos. Proyectos similares que incorporan capacitación, algunos de los cuales son gratuitos, incluyen Datos para las personas, Cuentacuentos con datos, El albergue de datos, El proyecto de alfabetización de datos, Y otros.

Los ejecutivos también deben considerar: ¿Cómo se puede capacitar a sus empleados, no solo en el lenguaje de los gráficos sino también como un paradigma más amplio?

Una desventaja de crear herramientas que tienen muchas capacidades aumentadas, que incluyen inteligencia artificial y aprendizaje automático, es que pueden parecer engañosamente simples y pueden hacer que los usuarios aumenten rápidamente. Pero los usuarios poco capacitados podrían generar un gráfico o información para llevar de un gráfico que podría ser engañoso o equivocado de alguna manera.

Es importante educar a las personas sobre el lenguaje de la representación visual y la ciencia detrás de él para que, al menos, estén informados sobre los datos, si no alfabetizados en datos. Por ejemplo, ¿cómo identifica la gente qué es un valor atípico? ¿Cómo deberían diseñar tableros que sean confiables? También deben ser capaces de comprender la distinción entre correlación y causalidad. Esto garantizará que los datos sean precisos y puedan utilizarse para el análisis.

2. Tome decisiones basadas en datos.

Pasar de la oralidad de los datos, donde las personas hablan de tomar decisiones basadas en datos, a la alfabetización de datos, donde las personas tienen la capacidad de explorar, comprender y comunicarse con los datos, requiere democratizar el acceso a las visualizaciones de datos. Esto implica un enfoque en el aprendizaje individual y la aplicabilidad, pero debería ser más un cambio organizacional. La verdadera democratización de la alfabetización de datos tiene en cuenta todo el ecosistema de datos. Reconoce la proliferación de gráficos en la vida diaria de los usuarios y trabaja para hacerlos ampliamente inteligibles.

Las personas deberían tomar decisiones basadas en datos y no solo en opiniones subjetivas; esto se remonta a la importancia de la capacitación que eduque a los usuarios sobre la distinción entre correlación y causalidad. ¿Cómo se deben tomar las decisiones basadas en datos? ¿Cuál es el medio de presentación de datos y los puntos clave para que la discusión pueda mantenerse objetiva para tomar decisiones efectivas? Por ejemplo, las empresas de tecnología deberían utilizar los datos de telemetría de los usuarios para determinar qué características construir, las características de uso e identificar cualquier fricción en la experiencia del usuario.

3. Desarrollar y mantener una infraestructura adecuada.

Para respaldar las dos primeras recomendaciones, los ejecutivos deben asegurarse de que su organización haya construido una infraestructura adecuada y escalable para alojar y gobernar sus datos. También deben ayudar a sus organizaciones a identificar y obtener acceso a la tecnología de inteligencia artificial que aborde los problemas y necesidades de sus clientes.

Además, los responsables de la toma de decisiones deben ser reflexivos y deliberados acerca de la privacidad y la confianza de los datos. No puede ser una ocurrencia tardía; hay que tenerlo muy en cuenta desde el principio. La responsabilidad de la privacidad y la confianza de los datos debe destilarse hasta el usuario individual, que pueden cubrir las políticas integrales de gobierno y gestión de datos.

Continuar enfocándose en los esfuerzos de alfabetización de datos

Invertir en inteligencia artificial y herramientas de análisis aumentadas como Historias de datos es un paso excelente para empoderar a los usuarios comerciales para que descubran respuestas de sus datos, pero estas herramientas complementarán los esfuerzos de alfabetización de datos en lugar de reemplazarlos. Además, las formas correctas de inversión tanto en tecnología de IA como en capacitación pueden ayudar de manera efectiva a los humanos a hacer lo que mejor saben hacer: idear y crear soluciones mientras resuelven las necesidades de los clientes, todo centrado en los datos.

Si continúa centrándose en la alfabetización de datos en toda su organización, se asegurará de que más empleados (el usuario comercial casual y el analista de datos sofisticado) hagan las preguntas correctas sobre sus datos que conducirán a más conocimientos.

ELIJA UN SOCIO DE ANÁLISIS FLEXIBLE

Un socio de análisis como Tableau ofrece capacidades amplias y profundas, además de capacitación basada en roles, lo que lo convierte en un socio flexible en el viaje para descubrir qué funciona mejor para su empresa. Aprender más acerca de Nube de Tableau.

PERSPECTIVA DE DATOS PARA USUARIOS EMPRESARIALES

Configure sus usuarios comerciales para el éxito. Obtenga más información sobre Historias de datos haga clic aquí