What Is Data Literacy?

데이터 리터러시란 무엇이고, 왜 중요한가요?
데이터 리터러시는 정의하기 어려운 용어입니다. 너무 많은 것을 포함하는 데 사용될 수 있으므로 의미를 잃을 수 있습니다. 모든 것이 데이터와 관련된 경우 이 용어는 별로 도움이 되지 않습니다.

 

데이터 리터러시를 정의하는 가장 좋은 방법은 리터러시의 정의로 시작한 다음 데이터 세계에 적용하는 것이라고 생각합니다. 일반 리터러시는 내가 더 친숙한 개념이기 때문에 주제를 이해하는 데 도움이 되었습니다. Alberta Education은 문해력을 다음과 같이 정의합니다.

"…일상 생활의 모든 측면에서 의미를 획득, 구성 및 전달하기 위해 언어를 사용하는 능력, 자신감 및 의지." [1]

이 기사에서는 "데이터 리터러시란 무엇입니까?"라는 질문에 대한 균형 잡힌 답변을 공식화하기 위해 이 문장을 해체하고 각 부분을 데이터에 적용할 것입니다.

 

 

1. 데이터를 다루는 능력
2. 데이터에 참여하려는 의지
3. 데이터 참여에 대한 자신감
4. 데이터에서 의미 획득 및 구성
5. 데이터의 의미 전달

 

 

1. 데이터를 다루는 능력
학교나 조직에서 데이터에 참여하려면 (최소한) 무엇이 필요합니까?

첫째, 데이터가 존재해야 합니다. 이는 Excel 스프레드시트처럼 간단할 수도 있고 수백 개의 데이터베이스가 있는 클라우드 기반 데이터 레이크만큼 복잡할 수도 있습니다. 소스가 무엇이든 어떤 방식으로든 수집 또는 생성되었을 것입니다.

이상적으로는 데이터 저장 및 검색을 둘러싼 거버넌스도 있을 것입니다. 이를 통해 데이터를 신뢰할 수 있고 최종 사용자가 데이터에 참여할 때 확신을 가질 수 있습니다(자세한 내용은 추후 설명).

따라서 조직에서 "데이터 리터러시"가 되기 전에 데이터 수집/생성, 데이터 스토리지 시스템 및 데이터 거버넌스의 세 가지 요소가 필요합니다. 우리의 은유로 돌아가서, 이것은 사람들이 글을 읽을 수 있기 전에 먼저 언어와 우리의 언어를 저장하기 위한 조직화된 시스템(사전과 같은)이 필요하다고 말하는 것과 비슷합니다.

 

2. 데이터에 참여하려는 의지
누군가 "데이터 활용 능력"이 되려면 먼저 데이터 분석 수행의 가치를 알아야 합니다. 그들에게 아무런 가치가 없다면 왜 그들은 기꺼이 이 배움의 길을 가고자 할까요?

저에게는 데이터와의 상호 작용을 장려하는 방법이 많이 있습니다. 내 생각에 가장 큰 두 가지는 1. 데이터 분석의 가능성을 보여주는 것, 2. 의사 결정을 위한 데이터 보유의 실질적인 이점을 전달하는 것입니다.

데이터로 이야기를 전달하는 멋진 Tableau 대시보드를 보면 더 유용하고 흥미로운 시각 자료를 만들 수 있도록 기술을 연마하는 데 영감을 받습니다. 또한 데이터 및 데이터 소프트웨어로 가능한 것에 대한 나의 선입견에 도전할 수 있습니다.

여기 또 다른 예가 있습니다. 귀하가 금융 분야에 종사하고 있고 귀하가 보유한 데이터를 사용하여 더 나은 예측 방법을 만들면 수익이 __% 증가할 수 있다고 제가 말씀드렸다면 시도해 보시지 않으시겠습니까? 긍정적인 결과가 나온 성공 사례와 사례 연구를 들으면 조직 전체에서 데이터에 참여하려는 의지가 확실히 높아질 것입니다.

 

3. 데이터 참여에 대한 자신감

대부분의 기술에 대한 자신감을 키우려면 교육과 실습이 필요하며 데이터 기술도 예외는 아닙니다. 조직의 직원이 데이터 활용 능력을 갖추려면 교육 및 학습 기회가 있어야 합니다.

저는 현재 회사인 Stanley Black & Decker에서 새로운 소프트웨어와 개념을 배우고 연습할 수 있는 충분한 기회가 있다는 것이 좋습니다. 일상 업무에서 데이터를 다룰 때 자신감(및 능력)이 확실히 높아졌습니다.

다른 사람에게서 배우거나 연습하지 않고는 누구도 글을 읽을 수 있을 것이라고 기대하지 않습니다. 그런 식으로 작동하지 않습니다. 마치 수학 교과서 위에서 잠을 자도 삼투 등을 통해 수학 지식이 증가하지 않는 것과 같습니다.

 

4. 데이터에서 의미 획득 및 구성
좋아, 이제 우리는 좋은 것들을 얻고 있다.

데이터에서 의미를 구성하는 것은 스페인어로 어휘를 아는 것에서 일관된 문장을 구성할 수 있는 것으로 이동하는 것과 같이 엄청난 도약입니다. 이것은 필요한 데이터, 필요한 도구 및 필요한 기술을 보유하는 것보다 한 단계 더 나아갑니다. 여기에는 데이터와 그 의미를 실제로 이해하는 것이 포함됩니다.

데이터에서 의미를 찾으려면 숫자가 의미하는 바(및 예상 값)를 알 수 있는 주제 전문 지식이 필요합니다. 종종 여기에는 데이터에 "가장 가까운" 회사 사람들과의 만남이 포함됩니다. 그들은 대시보드를 구축하는 방법을 모를 수 있지만 데이터의 의미와 모양에 대해 자세히 알려줄 수 있습니다. 그런 다음, 해당 지식을 가져와 의미 있는 결과에 도달할 수 있도록 모든 단계에서 분석 프로세스를 안내/지시하는 데 사용해야 합니다.

 

5. 데이터의 의미 전달

데이터 활용 능력을 향한 여정의 이 마지막 단계에서 숫자가 당신에게 "말하는" 것을 취하고 그것을 다른 사람들에게 말할 수 있습니다. 여기에는 청중을 이해하고 보고서 및 대시보드와 간결하게 소통할 수 있는 능력이 포함됩니다.

이것을 우리의 문해력 개념과 비교하기 위해, 이 마지막 단계는 이해가 되는 문장을 쓰는 것에서 다른 사람에게 문장을 말하는 것, 그들의 이해 능력을 염두에 두는 것입니다. 귀하가 주장하는 요점 등을 이해하기에 충분한 맥락을 그들에게 제공했습니까?)

마찬가지로 경영진과 영업 관리자에게 전달되는 경우 보고서를 다르게 디자인하게 됩니다. 결과를 전달하려면 고객이 이미 알고 있는 것과 알고 싶어하는 것(또한 고객이 원하는 세부 정보의 양)에 대해 생각해야 합니다.

데이터 분석 연습의 의미 있는 결과를 전달하는 것은 기업이 나가서 실제로 변화를 만들 수 있게 하는 것입니다. 이는 지속적인 개선을 주도하고 데이터 분석/데이터 과학 팀을 회사에 가치 있게 만드는 것입니다.