Mivel a munka jövője egyre inkább adatközpontú, természetes módon számos kérdés felvetődik. Hogyan lehet felkészíteni munkavállalóinkat arra, hogy képzettebbek legyenek az adatokkal kapcsolatos munka terén?
Az uniós politika követte a piaci tendenciákat azáltal, hogy különböző beruházásokat kezdeményezett az adatközpontú gazdaság érdekében. Ez a megközelítés több adatmegosztást irányoz elő a szervezeti ökoszisztémákon belül, amelyek konszolidálják és új értékeket teremtenek az adatokból. Jogi keretével az Európai Bizottság megpróbálja biztosítani azt, hogy mindez tisztességes, nyitott és biztonságos módon történjen.
De ez hogyan fogja érinteni jelenlegi munkahelyeinket? Milyen készségekre lesz szükségünk ahhoz, hogy részt vegyünk ebben az adatközpontú gazdaságban? Ez a cikk betekintést nyújt abba, hogy az adatokat hogyan használják fel jövőbeli munkánk meghatározására.
Bájtonként: bizonyos összefüggések
Amikor digitális eszközeinket használjuk, adatokat hozunk létre – numerikus információkból álló apró digitális nyomot hozunk létre, amelyek valamit állítanak az eszközzel való interakciónkról. Ez lehet arra vonatkozó információ, hogy mire kattinttunk, milyen weboldalakat nyitottunk meg, milyen szövegeket írtunk, mely helyszíneket látogattuk meg, vagy honnan indítottunk telefonhíávást.
Mindezek a digitális nyomok együttesen átfogó betekintést adhatnak online magatartásunkba. Egyre inkább felhasználják az adatokat arra, hogy különböző okokból kifolyólag jobban megismerjék az emberi viselkedést. És egyre több adatot gyűjtenek. A becslések szerint a globális adatmennyiség 2025-ig több mint 500%-kal fog nőni. A vállalatok arra használják az adatokat, hogy jobban megértsék ügyfeleiket, és javítsák termékeiket és szolgáltatásaikat. A kormányok arra használják az adatokat, hogy javítsák politikai döntéseik hatásait. Az egyének az adatokat arra is felhasználhatják, hogy jobban tudják ellátni a mindennapi feladataikat. Példa? Menj egy kört a háztömböd körül és nézd meg hány osórával rendelkező emberrel találkozol. Ha ezt arra használod, hogy figyelemmel kísérd mennyire vagy aktív napközben, vagy hogy figyelemmel kísérd az egészségügyi mutatókat, vagy olyan alkalmazásokat használsz, amelyek nyomon követik, hogy milyen gyakran vagy online, ezek mind adatokat használnak fel ezekhez a kimutatásokhoz.
Az adattárolás felhőbe való átkerülése következtében technikailag könnyebbé vált a különböző típusú adatok, valamint a különböző forrásokból származó adatok összevetése, ami potenciálisan sokkal átfogóbb betekintést eredményezhet. Ez csökkenti a vállalatok azon nehézségeit, hogy ezeket az adatokat arra használják fel, hogy nagyobb értéket teremtsenek – legyen szó akár magukról, másokról, akár üzleti ökoszisztéma-partnereikről.
Adatok az üzleti világban
Az adatokat ezért a vállalkozások egyre inkább alapvető bevételi forrásnak tekintik. De vajon mely adatok hasznosak, és hogyan tudják ezeket az adatokat biztonságosan gyűjteni? Ebben a részben elmélyülünk abban a két kérdésben, hogy az adatok hogyan válnak a vállalatok számára eszközzé és áruvá, és hogyan szabályozzák ezt az EU politikai döntéshozói.
Adat, adat, adat… Milyen adat?
Az adatokat különböző módokon kategorizálhatjuk. Itt két fontos kategorizálást mutatunk be, figyelembe véve a tágabb európai adatstratégiát.
Az első tulajdonság az adat és egy adott személy közötti kapcsolatra vonatkozik: személyes adatok kontra nem személyes adatok. Személyes adat minden olyan adat, amely egy adott személyre vonatkozik (vagy vonatkozhat): név, személyazonosító adatok (pl. kártyaszámok stb.), egészségügyi adatok, helymeghatározó adatok stb. Egyes személyes adatok érzékenyek lehetnek. Azok egy külön kategóriába tartoznak, amelyet további feltételekkel kell kezelni, mivel az ilyen adatokkal való visszaélés káros, nemkívánatos vagy akár veszélyes helyzeteket eredményezhet. Az általános adatvédelmi rendelet (GDPR) meghatározza az érzékeny adatokat (Európai Bizottság, 2023a). A nem személyes adat minden egyéb gyűjthető adat. Ilyenek például a tömegközlekedés napi használatára, az otthonon belüli energiafelhasználásra vagy az adott területen dolgozó iskolai tanárok számára vonatkozó adatok.
A második tulajdonság azokra a szervezetekre vonatkozik, amelyek az adat gyűjtik: ipari és nyilvános adatok. Ipari adatok alatt a magánvállalkozások által gyűjtött valamennyi adattípust értjük. Mivel egyre több vállalat hoz létre digitális termékeket, a vállalkozásoknak lehetőségük van arra, hogy könnyen gyűjtsenek személyes és nem személyes adatokat, amelyeket később felhasználhatnak, hogy nagyobb értéket teremtsenek fogyasztóik és maguk számára, ami versenyelőnyt biztosíthat. Sokak által ismert és használt nem személyes ipari adat például a tömegközlekedés napi használata (pl. Google Maps), vagy az energiaszolgáltató által gyűjtött, az otthoni energiafelhasználásra vonatkozó adatok. A kormányok emellett adatokat gyűjtenek szakpolitikai döntéseik megalapozása és digitális szolgáltatások nyújtása céljából. Az ilyen típusú adatok megosztása számos előnnyel jár. A vállalatok például a nyilvános adatokat arra használhatják fel, hogy jobb és relevánsabb szolgáltatásokat és termékeket hozzanak létre. Az egyéni felhasználók javíthatják döntéshozatalukat valódi adatok alapján: pl. annak eldöntése, hogy mikor kell bekapcsolni mosógépüket az otthoni energiafogyasztás optimalizálása érdekében.
Más szóval a különböző típusú adatok különböző célokra lehetnek hasznosak a különböző érdekelt felek számára. Ez azt jelenti, hogy ha több lehetőséget teremtünk az adatok megosztására, az több értéket teremthet. A megosztás azonban kockázatokkal jár:
- Személyes adatokkal való visszaélés
- Érzékeny adatokkal való visszaélés
- Az interneten nagy szerepet játszó platformcégek visszaélése a pozíciójukkal.
- Egyenlőtlenség az egyéni felhasználók és a nagyobb vállalatok között
A fentiek példák azokra a kockázatokra, amelyeket az európai szabályozások megpróbálnak kezelni és megelőzni. A legismertebb hatályos rendelet az általános adatvédelmi rendelet (GDPR), amely különböző típusú adatokat határoz meg, és szabályozza az egyének és a vállalkozások jogait és kötelezettségeit az adatok kezelése során. Az Európai Bizottság által 2023-ban elfogadott digitális piacokról szóló jogszabály (Digital Markets Act – DMA) meghatározza a „kapuőrök” (az interneten betöltött szerepük miatt hatalmas és széles körű hozzáféréssel rendelkező magánvállalkozások tulajdonában lévő online platformok) jellemzőit, és szabályozza, hogy miként használhatják fel azokat az egyedi adatokat, amelyekhez hozzáférnek. A digitális szolgáltatásokról szóló jogszabálycsomag (Digital Service Act – DSA)(Európai Bizottság, 2023c) segít a digitális szolgáltatások valamennyi felhasználójának védelmében, és meghatározza, hogy a kapuőröknek hogyan kell kezelniük a platformjukkal való visszaéléseket (pl. amikor illegális árukat értékesítenek a platformjukon keresztül, vagy ha dezinformációt/félinformációt osztanak meg rjtuk keresztül). Az európai adatkormányzásról szóló jogszabály (European Data Governance Act) (Európai Bizottság, 2023f) és az uniós adatmegosztási jogszabály (Európai Bizottság, 2023d) – amelyek jelenleg kidolgozás alatt állnak – célja az adatmegosztás akadályainak felszámolása, de oly módon, hogy megőrizze az ellenőrzést az egyének és a kisebb szervezetek számára. Egy másik prioritás, hogy az adatmegosztás több ösztönző létrehozását eredményezheti az adatgenerálásba való beruházásra.
Összefoglalva, az európai politika célja, hogy támogassa a szervezeteket (különösen a kkv-kat) abban, hogy beruházzanak és kiaknázzák adatstratégiáikat. A szabályozások elősegítik az egyének és a különböző méretű és szerepű szervezetek közötti méltányosabb és biztonságosabb adatmegosztást, hogy nagyobb értéket teremtsenek saját maguk és az európai polgárok számára. A vállalatok ezért egyre inkább újraértékelik üzleti tevékenységüket annak megállapítása érdekében, hogy az általuk előállított adatok hogyan teremthetnek új értéket üzleti tevékenységük számára.
Hogyan és milyen célokra használják fel a vállalatok az adatokat?
A vállalatok különböző módokon használják fel az adatokat üzleti érték teremtésére. Nagyrészt két utat különböztethetünk meg:
- Adatok felhasználása annak érdekében, hogy betekintést nyerjenek abba, hogy ügyfeleik hogyan viszonyulnak termékeikhez vagy szolgáltatásaikhoz. Ennek eredménye a hangulatelemzés, annak megértése, hogy mikor és hogyan használják a termékeket, és adott esetben mely más termékekkel együtt használják azokat. Klee, Janson & Leimeister (2021) ezt szupra-szervezeti szintként hívja, ahol az üzleti értéket a külső adatokból származó előnyök realizálása biztosítja.
- Adatok felhasználása az operatív kiválóság érdekében, mellyel a belső munkafolyamaok vagy az ellátási lánc irányítása javítható annak érdekében, hogy ügyfeleik számára hatékony és eredményes értéket nyújtsanak. Klee, Janson & Leimeister (2021) árnyalja ezt a szervezeti szinten (adatvezérelt szervezeti modellek kidolgozása) és a munkagyakorlat szintjén (adatokkal dolgozva a napi üzleti folyamatokban).
Ha az adatokat biztonságosan lehet megosztani másokkal, a vállalatok előtt számos lehetőség nyílik meg új termékek vagy szolgáltatások létrehozásával kapcsolatban – egy olyan ökoszisztémában, amelyben hasonló gondolkodású partnerekkel dolgoznak együtt.
Hogyan gyűjtenek adatokat a vállalatok?
Az online tevékenységek számának növekedése azt jelenti, hogy az adatgyűjtés technikai korlátai alacsonyak: a digitális eszközökkel való interakció során létrehozott adatokat vagy például az érzékelők által felvett intézkedéseket naplózzák és felhőalapú szolgáltatásokban tárolják további elemzés és értelmezés céljából. A döntéshozatal megkönnyítése érdekében ezekből az adatokból elemzés állítható elő.
Mint említettük, egyes vállalatok „kapuőrként” működnek az interneten, ahol létrehozzák és irányítják azokat az online platformokat, amelyeken keresztül más tevékenységekre kerül sor. Ezek a kapuőrök természetesen számos adatforrással rendelkeznek, az adatokat eltárolják továbbértékesítés és elemzés céljából (gondolj csak a Meta-ra, az X-re vagy újabban a Tik Tok-ra). Ez a helyzet látszólag korlátlan mennyiségű adattárolást eredményezett, ahol a vállalatok végül olyan adatokat tárolnak, amelyek kereskedelmi célra hasznosak lehetnek. Ez a helyzet azonban valószínűleg meg fog változni – részben a fent említett szakpolitikai szabályozásnak köszönhetően –, mivel más vélemények is felmerülnek.
Az egyik szempont az adatok észszerű felhasználása és gyűjtése, azaz a hatalmas adatmennyiségekkel való navigálás operatívabb megközelítése, amelynek során a vállalatok mérlegelik, hogy hol rejlik az említett adatok potenciális értéke, és pontosan mely adatok nyomon követése hasznos (Mazzei & Noble, 2017). Egyre gyakrabban merülnek fel az adattárolás környezeti hatásával kapcsolatos aggályok is. A Lucivero, 2019 szerint fokozódik az emberek tudatossága atekintetben, hogy mennyi energiát igényel az adatok korlátlan ideig történő tárolása, ami viszont arra kényszeríti a vállalatokat, hogy mérlegeljék az adatfelhasználás és -tárolás észszerűbb megközelítését. Végül a költség kérdésköre: az adattárolás egyre drágább. A vállalatok üzleti tevékenységének a felhőbe történő áthelyezésének együtt kell járnia az üzleti éleslátással (Gartner, 2022).
Hogyan kezelik biztonságosan az adatokat a vállalatok?
Ahhoz, hogy az adatok értéket teremtsenek egy ökoszisztémában, bizalomra van szükség a jó és biztonságos adatkezelés iránt. Ehhez a szervezeteknek lépniük kell az adatgyűjtésre és -elemzésre vonatkozó jövőkép és stratégia meghatározása tekintetében, de adatarchitektúrájukat (IBM, 2023) is hozzá kell igazítaniuk ehhez a stratégiához és jövőképhez. Az európai adatpolitika átfogó stratégiája egy valódi egységes európai adatpiac létrehozása (Európai Bizottság, 2023e.), ahol a szervezetek ökoszisztémáján belüli adatokból értéket lehet teremteni. Olyan ágazati adatterek létrehozása a cél, ahol a megosztott adatok körül partnerségek jönnek létre, melyek új és innovatív alkalmazások közös létrehozását és fejlesztését eredményezhetik. Ehhez számos gyakorlati megfontolásra van szükség a szervezetek műszaki architektúrájában, például:
- Az adatok nyomonkövethetősége: amikor adattereket hozunk létre, meg kell teremteni a lehetőséget annak nyomon követésére, hogy ki gyűjtötte az adatokat és milyen feltételek mellett.
- Biztonságos hozzáférés biztosítása az engedéllyel rendelkező partnerek és személyek számára: az adattereknek azt is szabályozniuk kell, hogy ki és milyen mértékben fér hozzá a megosztott adatokhoz.
- A hozzáférésről és a hozzáférés kezeléséről szóló megállapodás jogi kerete: az adatökoszisztémában részt vevő valamennyi félnek olyan jogi együttműködési struktúrával kell rendelkeznie, amelyen keresztül megbízható környezetben oszthatják meg az adatokat.
Ha az adatok egyre gyakoribbá válnak, ez azt jelenti, hogy egyre többen kerülünk kapcsolatba adatalapú informatikai termékekkel. A Gartner előrejelzése szerint 2023-ban „az adatokkal kapcsolatos „műveltség” az üzleti érték kifejezett és szükséges mozgatórugójává válik”, és a vállalatok közel 80%-a stratégiai terveiben kulcsfontosságú tényezőként tünteti fel az adatokat (Gartner, 2023a). Ez a cikk több betekintést nyújt abba, hogy az adatok hogyan használhatók fel az emberi döntéshozatal irányítására, és milyen készségekre van szükségünk, hogy ezeket az új eszközöket hatékonyan használjuk fel a jobb betekintés és a bölcsebb választás érdekében.
Hogyan működünk együtt az adatalapú informatikai termékekkel?
A különböző adatalapú alkalmazásokon keresztül már most is naponta kapcsolatba lépünk az adatokkal. Előfordulhat, hogy nem is észleljük ezeket az adatokat, mivel az alkalmazások nem nyilvánvaló módon mutatják be nekünk ezeket az adatokat.
Az adatokon alapuló alkalmazások kategorizálhatók annak alapján, hogy hogyan mutatják be nekünk ezeket az adatokat.
Tükörként működő eszközök
A tükröző eszközök grafikus módszerekkel, az adatok jelentésének értelmezése nélkül lehetővé teszik a felhasználók számára az eredményekre, folyamatokra stb. vonatkozó adatok megjelenítését. Ezeket a megjelenítéseket gyakran egy dashboard-ba csoportosítják. Erre példa az idősoros adatok, mint például a népesség időbeli növekedése vagy az olyan fiziológiai adatok, mint az EKG, ahol a grafikon a testmozgás megjelenítését mutatja. Vegyük például a virágpormérőt. A pollenszintek megjelenítésére szolgáló tüköreszköz egy olyan grafikont kínál, amelyben a pollenszinteket idő lelőrehaladtával ábrázolják (pl. a légkör napi pollenszintje). A felhasználó feladata, hogy értelmezze a vizualizációt, értelmet adjon annak (magasszintről van szó? Alacsony szintről van szó? Növekszik vagy csökken? Mi a kívánt szint?”), és meghatározza a lehetséges beavatkozásokat ezen információk alapján („A magas pollenszint miatt zárt térben maradok, mivel allergiában szenvedek; Az elfogadható virágporszintek miatt intenzív szabadtéri sportot végezhetek.”) (van Leeuwen & Rummel, 2019)
Figyelmeztető eszközök
A figyelmeztető eszközök esetében a megjelenített adatok a valós tevékenységet tükrözik, de minimális értelmezést is tartalmaznak, mivel az adatokból kiemelik a figyelemre méltóbb elemeket. A pollenre vonatkozó példánkban például a napi pollenszintek kívánt szintjei beépíthetők magába az eszközbe azáltal, hogy meghatározzák, mi a normál/magas/alacsony pollenszint. Az eszköz ezt követően figyelmeztetheti a felhasználót arra, hogy egy bizonyos szintet elért az érték (pl. „a pollenszint ma már magas”). Ezek a riasztások felhasználhatóak kiindulópontként a beavatkozások megtervezéséhez. A beavatkozást már az ember teszi meg, de az eszköz figyelmezteti őket erre. (van Leeuwen & Rummel, 2019)
Tanácsadó eszközök
A tanácsadó eszközök egy lépéssel tovább mennek és már konkrét beavatkozásra is javaslatot tesznek. Például egy javaslattevő pollenmérő ezt mondhatja: Ne végezz ma intenzív kültéri mmozgást mivel a a pollen szi túl magas ma és te érzékeny vagy allergaia szempontjából”. Ilyen esetben az ember dönthet úgy, hogy végrehajtja a javasolt beavatkozást, de nem kell önállóan értelmeznie az adatokat, és nem kell azon alapuló beavatkozást meghatároznia. Az eszköz az adatok elemzésén alapuló beavatkozást javasol. (van Leeuwen & Rummel, 2019)
Automatizált döntéshozatali eszközök
Az automatizált döntéshozatali eszközökben az eszköz saját adatelemzése alapján maga ellenőrzi a döntéshozatalt és a beavatkozás végrehajtását. Ebben az összefüggésben az ember nem vesz részt közvetlenül a döntéshozatalban és a beavatkozás végrehajtásában. A pollenmérőre vonatkozó példánkban egy fiktív helyzetben az automatizált eszköz a következőket mondhatja: „a pollenszint ma magas. Mivel allergiás vagy, tanácsos otthon maradnod. Ennek megkönnyítése érdekében ma minden találkozódat online meetingre változtattuk.”
Egy ilyen eszköz potenciálisan aggasztó (de teljesen fiktív) viselkedése lehetne ha ezt mondaná: „Annak érdekében, hogy ne hagyd el a házat, az ajtókat automatikusan bezártam, amíg a pollenszint el nem éri az elfogadható szintet.” Ilyen esetben az ember csak megfigyelőként vesz részt a döntéshozatalban, a beavatkozás meghatározásában és a végrehajtási folyamatban.
Milyen készségekre van szükségünk ahhoz, hogy ezeket az eszközöket hatékonyan használjuk?
Az adatalapú eszközök széles körű használata miatt egyértelmű, hogy az ezen eszközök használatához szükséges készségeinknek és kompetenciáinknak a magas szintűeknek kell lenniük ahhoz, hogy hatékonyan használjuk őket, anélkül, hogy akaratlanul okoznánk vagy hozzájárulnánk emberek megkárosításához/sérüléséhez.
Adatok a múltban és a jövőben
Rgebben, amikor az adatok szűkösek és nehezen gyűjthetők voltak, nagy adathalmazokat elsősorban egyetemek alkalmazottai (vagy egyetemek együttműködéseként), kormányok vagy nagy szervezetek hoztak létre. Mivel az adatok archiválása intenzív, longitudinális munka, ezek olyan többéves tevékenységek voltak, amelyek jelentős időt, erőfeszítéseket és pénzügyi forrásokat igényeltek. Ezt csak azok a vállalatok tudták ténylegesen megtenni, amelyek rendelkeztek az adatarchiváláshoz szükséges forrásokkal, és közvetlen gazdasági előnyt láttak benne.
Képzett szakemberek, akik ezeket az adatkészleteket létrehozták, specializálódtak a különböző adatok összekapcsolására, strukturálására, elemzésére és értelmezésére. Ez a folyamat ma már nem annyira körülményes, számos kifinomult digitális eszközzel lehet ezt a folyamatot támogatni. Ez azt jelenti, hogy ma már sokkal hozzáférhetőbbek ezek a szervezetek számára, amelyek kezdeti beruházásai ebből kifolyólag alacsonyabbak lehetnek. Ennek következtében a helyzet is összetettebbé válik. Egyre több a naprakész, könnyen hozzáférhető adat: könnyű túltelni adatokkal. Ahhoz, hogy az adatokból értéket teremtsünk, jobb vizualizációs technikákra és az információ stratégiai megközelítésére van szükségünk.
Mivel a folyamat már nem egy személytől függ, aki egszemélyben összegyűjti, elemzi és értelmezi az adatokat, így nagyobb koordinációra van szükség az adatokhoz való megosztott hozzáférés kezelése érdekében. A munkaerő-igényes munkafolyamatok egyre inkább automatizálhatók a rendelkezésre álló eszközök segítségével, csökkentve a vállalkozásokra nehezedő nyomást. Ugyanakkor a nagyobb mértékű automatizálás szabványosítottabb elemzésekhez vezet. Ez egyrészt több lehetőséget teremt, mivel többen férhetnek hozzá az adatokhoz különböző módokon. Másrészt ez korlátozó is lehet, mivel nagyobb valószínűséggel fog az alapértelmezett opciók közé tartozni, és így megvonja a felhasználótól a mélyreható mérlegelést és a döntéshozatalt. Szélsőséges esetekben a döntéshozatal teljesen elrejthető.
Mivel egyre nagyobb a „távolság” az adatok értelmezése, valamint az adatgyűjtés és -elemzés között, lehetőség van értelmezési hibákra, főleg ha az adatgyűjtés és -elemzés kontextusát nem dokumentálják és nem tüntetik fel egyértelműen.
Készségek az adatvezérelt jövőhöz
Az alábbiakban ismertetem azokat a készségeket, amelyeket ki kell építenünk ehhez az adatközpontú jövőhöz.
1. Adatműveltség
Az első alapvető készségek az adatműveltséghez kapcsolódnak. Gartner (2023b) ezt a következőképpen írja le: „az adatok szövegkörnyezetben történő olvasásának, írásának és közlésének képessége, beleértve az adatforrások és -konstrukciók, az alkalmazott analitikai módszerek és technikák megértését, valamint a felhasználási eset, az alkalmazás és az ebből eredő érték leírásának képességét”.
Más szóval, mint az adateszközökkel kapcsolatba kerülő embereknek tudnunk kell és képeseknek kell lennünk annak felmérésére, hogy mely adatokat használják fel, honnan származnak, megbízhatóak-e, megbízhatóak-e az adatokon elvégzett elemzések, és van-e emberi kontrollmechanizmus, amely lehetővé teszi, hogy felhasználóként ellenőrizhessem ezeket a problémákat. Ezek az ellenőrzési tényezők – különösen akkor, ha az eszközök magas szinteű automatizált döntéshozatallal és beavatkozás-sal dolgoznak – rendkívül fontosak az emberi felügyelet szempontjából. Ahhoz, hogy kellően megbízhassunk az adatalapú eszközökben, nekünk felhasználóknak hozzáféréssel kell rendelkeznünk ezekhez a háttér-információkhoz, és hozzáférést kell igényelniük ezekhez a háttér-információkhoz. Az európai adatmegosztási jogszabályhoz (Európai Bizottság, 2023) kapcsolódó szakpolitikai követelmények megerősítik az adatok kontextusba helyezésének e szintjét.
Több program is létezik az adatműveltségi készségek fejlesztésének támogatására. Például az Erasmus+ program keretében finanszírozott MOOC, amelyet a Koppenhágai Egyetem, a Varsói Egyetem, a Milánói Egyetem, a Sorbonne Egyetem és a prágai Károly Egyetem (a 4EU + szövetségrésze) fejlesztettek ki, széles körű betekintést nyújt abba, hogy az adatok hogyan működnek és milyen szerepet töltenek be mindennapi életünkben. Az adatterek támogató központjának célja, hogy a gyakorlatban támogassa az adatterekkel foglalkozó szervezeteket.
2. Az adatalapú eszközök körének és az adateszközökkel való dolgozás ismerete és alapos megértése
A második készség az adatalapú eszközök körének ismeretes és alapos megértése az azokkal való széles körű munka révén. Ez lehetővé teszi számunkra, hogy megértsük az eszközök korlátait, az eszközök kínálta lehetőségeket, valamint értékeljük az adatokon alapuló értelmezések érvényességét, függetlenül attól, hogy azok ember által készítettek vagy automatizáltak-e. Ha jobban tisztában vagy azzal, hogy az eszköz mit tud és mit nem tud tenni, az lehetővé teszi, hogy olyan érvényes, megvalósítható betekintést nyerj, amelyek elfogadható beavatkozásokhoz vezetnek. Felhasználóként az is elengedhetetlen, hogy az adatalapú eszközöket csak a több adatforrás egyikeként tekintsük, és ezen eszközök bármely eredményét más, minőségibb adatokkal is öszevessük.
3. Egyeztetés az adatok értelmezéséről
Mivel az üzleti ökoszisztémákban egyre gyakoribbá válik az adatalapú döntéshozatal, nyilvánvaló, hogy egymás mellett többféle adatalapú eszköz fog rendelkezésre állni, amelyek ugyanazon adatok köré szerveződnek. Ennek számos következménye van: a különböző vállalatok különböző eszközöket hozhatnak létre többféle elemzési módszerrel, amelyek előhívják azokat az elemzéseket, amelyek a maguk kontextusában fontosak számukra. Ez gyakorlatilag azt jelenti, hogy a különböző vállalatok adatelemzésük révén kézzelfoghatóvá teszik nézeteiket a világról.
Mi történik akkor, ha a világ e különböző értelmezései eltérnek egymástól? Az várható, hogy az adatok értelmezéséről szóló egyeztetés készsége egy rendkívül fontos készséggé válik. Hogyan működhetsz együtt az ökoszisztéma-partnerekkel a különböző adatértelmezések alkalmazási körének meghatározása terén? Hogyan kezeli az eltérő értelmezéseket? Milyen alapon választod ki a beavatkozásként végrehajtandó intézkedéseket, és milyen (kollektívan elfogadott) adatok alapján? Ez a téma jelenleg nem eléggé kutatott még.
4. Adat-technikai készségek
A szakirodalomban egyre gyakrabban említik az adatokhoz kapcsolódó technikai készségeket, mint például az adattervezést, az adatelemzést és az adateszközök fejlesztését. Mivel a szervezeteken belül egyre több adat válik elérhetővé helyi szinten, a munkavállalók létrehozhatják saját adattermékeiket, hogy támogassák egyéni feladataikat és folyamataikat. Ehhez több általánosabb ismeretre és készségre van szükség ahhoz, hogy képesek legyenek az adatok rögzítésére, az adatok felelősségteljes és pontos kezelésére, az adatok megbízható hipotéziseken alapuló elemzésére, valamint megbízható adatelemzési módszerekkel és a megfelelő eszközök megfelelő használatával történő végrehajtására. Végezetül ehhez olyan készségekre is szükség van, amelyek lehetővé teszik az adatelemzés eredményeinek pontos értelmezését és a beavatkozáshoz szükséges üzleti betekintésekké alakítását.
Az adatok csomagolása: néhány fő üzenet
Világunk egyre inkább adatközpontú. Ez a munka, az oktatási és munkaügyi rendszereink, illetve a társadalmi csoportok valamennyi aspektusát átszövi. Az adatalapú eszközök egyes adatelemzések automatizálásával támogathatják a szervezeteket, ezáltal javítva a döntéshozatalt és hozzáadott értéket teremtve. Ugyanakkor kihívásokkal is szembe kell nézniük. Felhasználóként tisztában kell lennünk az ilyen eszközök alkalmazási körével, ha tudni akarjuk, hogyan lehet ezeket hatékonyan (és hatásosan) használni a munkához. Az eszközkészítőknek és a fejlesztőknek félúton találkozniuk kell a felhasználókkal: az egyes eszközökre vonatkozó információkhoz való hozzáférés javítása – és különösen annak lehetővé tétele a felhasználók számára, hogy ellenőrizzék az adatok megbízhatóságát és érvényességét, valamint az alkalmazott elemzési módszereket. Az adatok kezelése, gyűjtése és tárolása mdjának a javítása központi szerepet játszik ezen eszközök elterjedésében és a használatukkal kapcsolatos akadályok felszámolásában. Ami pedig a jövőt illeti, egy biztos: adatvezérelt.
A teljes dokumentum a hivatkozásokkal együtt itt és az alább is elérhető PDF formátumban.
Töltsd le most a Knowledge, skills and attitudes for data-driven future című infografikát.
Néhány szó a szerzőről
Dr . Kamakshi Rajagopal interdiszciplináris kutató és szabadúszó tanácsadó az oktatástervezés és a technológia területén, és jelentős tapasztalattal rendelkezik az innovatív technológiák által támogatott hálózatba kapcsolt tanulási és társadalmi tanulási formák terén. A KU Leuven egyetemen nyelvészetből (2003) és mesterséges intelligenciából (2004) szerzett mesterfokozatot (KU Leuven, Belgium). 2013-ban fejezte be doktori kutatását az Open Universiteit-en (NL), mely a személyes tanulási hálózatokat és az általuk a folyamatos szakmai fejlődéshez kínált értékeket vizsgálata. Jelenleg a tanulási környezet összetettségét tanulmányozza, és konkrétabban azt, hogy miként lehet támogatni a tanárokat és a tanulókat e komplexitás kezelésében. Dr. Rajagopal több (nemzeti finanszírozású és európai) együttműködésen alapuló kutatási projektet dolgozott ki az alap-, közép- és felsőfokú oktatás területén a közszférából, az iparból és a civil társadalomból származó partnerekkel közösen. Projektjei közül kiemelhető a tanári hálózatoknak az oktatási innovációban betöltött szerepéről szóló, a felsőoktatásban a disszertációs körökről szóló, az együttműködésen alapuló hibrid tanulási terekben végzett multimodális mérésről szóló, valamint a virtuális mobilitás felsőoktatási intézményekben való általános érvényesítéséről szóló projektek. 2023 óta az informatikai és üzleti tanácsadás terén folytatott tanuláson és fejlesztésen dolgozik.
Cikk Information
Website link
Az „All Things Data” dokumentum letöltése
Digitális készségszint
Középszintű
Emelt szintű
Digitális szakértő