Alfabetización en datos
Por Flavio Fazzano, socio director de It Maker
A medida que avanzamos en la era del conocimiento, debemos aprender a pensar críticamente sobre los datos y la información. Necesitamos entender qué datos son relevantes y cuáles no. Necesitamos aprender a interpretar los resultados para evitar cualquier sesgo que haya.
Los datos deben convertirse en un idioma nativo. Si alguien dice algo que creemos que es incorrecto o engañoso normalmente lo cuestionamos, pero, cuando alguien presenta datos, no todos tenemos una mentalidad para saber cómo desafiarlo (¡aún con el deseo de hacerlo!) y terminamos tratándolo ingenuamente como una verdad.
En este sentido se viene escuchando cada vez más el término Organizaciones Data-Driven. En este concepto se resume a las organizaciones donde sus decisiones se impulsan con datos.
Parece algo simple y cotidiano, pero veamos un primer nivel de detalle.
Enfoque data-driven
En este tipo de enfoques data–driven se necesitan tres partes y cada una de ellas es fundamental para una organización impulsadas con datos:
- Procesos implementados – data pipeline automatizados
- Tecnologías adecuadas para captura, replicación, transformación, catalogación y explotación, análisis, predicción, etc.
- Personas alfabetizadas en datos.
En esta nota nos introduciremos el tema de alfabetización de datos o data literacy, una posición que se centra en las competencias que deben tener, o adquirir, aquellas personas que estén involucrados en analizar e interpretar datos.
Paso a paso..
Partimos con la definición de “Alfabetización de datos”: es la habilidad para leer, analizar, trabajar con y argumentar con datos, independientemente del rol, nivel de habilidad o de las herramientas que utiliza la persona.
- Habilidad de Leer: según RAE, “leer” es comprender el sentido de cualquier tipo de representación gráfica: la hora, una partitura, un plano.
Entonces ¿podemos decir con certeza que sabemos mirar y comprender bien los datos?, si en una mesa de trabajo (¡post pandemia!) se sentaran 3 personas y se les diera uno de los gráficos de abajo a cada una, a primera vista, ¿ concluirían lo mismo?.
- Trabajar con: es la forma y herramientas con la que cada persona trabaja con datos. Científicos de datos, usuario de negocio, analistas, ejecutivos o directivos todos trabajan de manera distintas con los datos ya que todos tienen distintas habilidades y herramientas.
Entre “leer” y “trabajar con” datos, estamos empezando a ver cuán impactantes son las personas con estas habilidades para una organización y cómo cada faceta de un negocio puede tener datos en diferentes formas, lo que hace que se necesiten fuertes habilidades de alfabetización de datos.
- Análisis de datos significa la capacidad de tomar datos y obtener información a partir de ellos.
- Argumentar es exponer razones a favor o en contra de algo. Entonces, “argumentar con datos” significa apoyar ideas, acciones o teorías en base a datos.
La capacidad de “discutir” con los datos nos lleva más allá del enfoque histórico de “intuición o sensación” y realmente logra que una organización se oriente a tomar acciones basadas en datos. ¿No es esto algo que a todos nos gustaría utilizar más?
Para lograrlo necesitamos aprender no sólo a trabajar con datos correctos y con buenas prácticas analíticas en conjunto con las herramientas y tecnologías adecuadas; sino que también necesitamos tener una mentalidad orientada a los datos,lograr cambiar el “buscar datos e información” a buscar “ideas y conocimientos”.
Esto requiere profundizar el aprendizaje de nuestras habilidades blandas como la capacidad de mitigar los sesgos implícitos en los datos y tener un pensamiento crítico, por ejemplo la ley de los números pequeños presentada en el libro “Pensar Rápido, Pensar Despacio” de Daniel Kahneman y Amos Tversky.
La alfabetización de datos junto con la implementación de procesos y tecnologías adecuadas hacen posible que las organizaciones sean Data Driven.
Mejorar la alfabetización en datos afina las habilidades de toma de decisiones.
