拡張分析の世界におけるデータリテラシーのナビゲート

機械学習（ML）や自然言語処理（NLP）などの人工知能（AI）機能は引き続き向上しており、拡張分析製品は、データの表示と理解に関連する多くのタスクを確実に自動化できます。 データから洞察を浮かび上がらせることができる強力なツールを使用すると、経営幹部はしばしば疑問に思うままになります。このテクノロジーは実際に データリテラシー 組織内でのトレーニングの取り組みはどうなっていますか？ いや、むしろその逆です。

データ リテラシー (状況に応じてデータを読み取り、書き込み、伝達する能力) がこれまで以上に重要になっています。 これは、組織がデータドリブンな働き方を開発し、従業員が独自の創造性と批判的思考で AI スキルを強化できるように支援する上で非常に重要です。

組織の成長と成功のためのデータ リテラシーの役割については、さらに考慮すべき要素があります。 データ サイエンティストやアナリストの雇用、トレーニング、維持は困難であり、さらに、彼らのスキルは微妙なことが多く、高価です。 365データサイエンスによると、ほとんどのデータサイエンティストは、おそらく現在の職場で1.7。XNUMX年以上過ごすことはないでしょう。 高度な訓練を受けたデータサイエンティストやアナリストは、販売用のクリーンなデータソースの構築や基本的なレポートの作成などのタスクのリクエストを受け取ることがよくあります。 彼らの専門的な能力により、彼らの時間とスキルセットは、より価値の高い複雑なビジネスの質問のためのワークフローのモデリングと開発に取り組むのにより適しています。

経営者が AI や拡張分析テクノロジーに投資すると、ビジネス ユーザー (専任のアナリストに比べてよりカジュアルなデータ ユーザー) は、業務の仕組みを気にすることなく、質問に対する答えや仕事をうまく進めるために必要な情報にアクセスできます。それで。

AI対応ソリューションがユーザータスクをサポートし、適切なユーザーエクスペリエンスを見つける方法を探ることは、ツールとユーザーを成功に導く大きな可能性を秘めています。 たとえば、AIツールは、データ準備に関する面倒なタスクの一部を自動化し、その結果を人間に提供できます。人間は、分析のニーズに基づいてコンテンツをさらに分析および視覚化できます。

拡張分析の進歩により、人々は質問に迅速に回答できるようになります

拡張された分析ソリューションにより、ビジネスユーザーはデータを理解しやすくなり、企業はこれらのコストのかかるテクノロジーの価値を最大化することができます。 たとえば、拡張分析は、顧客の関心を理解し、消費者の好み、製品開発、およびマーケティングチャネルに関する予測を提供できます。 また、データの傾向、値、分散に関する追加のコンテキストを提供することもできます。 洗練されたアルゴリズムは、自然言語で生成されたテキストの説明とコンテキストとともに、ダッシュボードに追加できる追加の視覚化を提案できます。

ここでは、従業員の能力向上に役立つソリューションの例をいくつか紹介します。

1.データストーリー。 TableauCloudに含まれるようになりました データストーリー、AIアルゴリズムを使用してデータを分析し、それに関する簡単なストーリーを説明形式または箇条書き形式で書き込む動的ダッシュボードウィジェット機能。 ストーリーは、ビジネスユーザーが多くの質問に答えるためにアクセスできるレジスターで、単なるチャートやダッシュボードを超えたデータに関する物語を織り交ぜています。 これにより、ビジネスユーザーが自分にとって最も重要な情報を理解するために必要なデータリテラシーのレベルが低下します。 データストーリーは、ユーザーが棒グラフまたは折れ線グラフを最初に見たときに尋ねる簡単な質問を明らかにします。この数値は、外れ値のように見えますが、本当に外れ値でしたか？ その数は時間とともにどのように変化しましたか？ 平均は何ですか？ データはまだ解釈する必要があります—それは全体の話ではありません—しかしそれはデータの洞察を解き放つための大きな一歩です。

2.見せて。 拡張された分析機能により、よりスマートなエンコーディングのデフォルトも可能になります。 たとえば、Show Meは、対象のデータ属性に基づいて、グラフの種類と適切なマークのエンコードを推奨します。 その後、ユーザーは、視覚的な分析ワークフローの一環として、コミュニケーションしたい高レベルのポイントに集中し、これらのチャートを視聴者と共有できます。

3.自然言語理解。 高度な研究、言語モデルの大規模なトレーニング セット、およびコンピューティング機能の向上により、自然言語理解も長年にわたって大幅に向上しました。

SQL クエリを構築する仕組みを理解していなくても、分析的な質問をすることができます。 自然言語インターフェイスは、理解の意図が高まるため、ユーザーがデータを理解しながら修復、改良、対話できる対話型のグラフで質問に答えることができます。

4.機械学習。 MLに関連する拡張分析も進歩しました。 これらのモデルは、特定のタイプのユーザーまたはユーザーのグループに合わせてパーソナライズされたデータ変換操作など、高度で複雑な分析タスクを学習できます。 さらに、多くの拡張分析エクスペリエンスには、直感的に感じるユーザーインターフェイスがあり、トレーニングの複雑さを軽減し、ユーザーの分析ワークフローにモデルを適用します。

AIには驚くべき機能がありますが、人間に完全に取って代わることは決してありません。 低レベルの統計プロパティから高レベルのポイントを拾い集めることは、複雑でかなり微妙な違いがあります。 人々はより高いレベルの創造的認知を持っています。 私たちは好奇心旺盛です。 これらの高レベルのポイントをデータから抽出できます。

データリテラシーを促進するための推奨事項

組織がデータからより高いレベルの洞察を引き出すためには、従業員（ビジネスユーザーとアナリスト）は、データを分析する方法について教育を受け、データを視覚化して表示するためのベストプラクティスを持っている必要があります。 組織がデータリテラシーを促進し、分析ツールを使用してAIを強化するためのベストプラクティスを開発する方法は次のとおりです。

1. トレーニングに投資します。

適切なツールと適切な教育/トレーニングの両方を持つことは、どの組織にとっても重要です。 で Forrester Consulting によるデータ リテラシーに関する調査、組織が期待されているデータ スキル トレーニングを提供していると回答した従業員はわずか 40% でした。¹ 個人や組織は、データを見て理解するためのベストプラクティスの観点から、人々をより良いトレーニングにさらす必要があります。 職場では、従業員がパターンを理解し、グラフを作成して表現するための最良の方法を学ぶことができるように、データの視覚化とデータリテラシーに関するコースを提供する必要があります。

従業員をトレーニングするには、次のような企業による優れたサードパーティ プログラムを利用できます。 Qlik, データリテラシー, Courseraのデータおよび分析アカデミー, EdX, データキャンプ, カーンアカデミー, 総会, LinkedInの学習、 もっと。 Tableauは 自己主導の学習, ライブの仮想トレーニングクラス、と データリテラシーに関する無料コース。 トレーニングを組み込んだ同様のプロジェクト（一部は無料）には、次のようなものがあります。 人々へのデータ, データによるストーリーテリング, データロッジ, データリテラシープロジェクトなどがあります。

経営幹部は次のことも考慮する必要があります。グラフの言語だけでなく、より広範なパラダイムとして、従業員をどのようにトレーニングできるか?

AIや機械学習など、多くの拡張機能を備えたツールを構築することのXNUMXつの欠点は、一見シンプルに見えることと、ユーザーを非常に迅速に立ち上げることができることです。 しかし、十分な訓練を受けていないユーザーは、何らかの方法で誤解を招いたり、誤った方向に進んだりする可能性のあるチャートまたはチャートからの持ち帰りの洞察を生成する可能性があります。

視覚的表現の言語とその背後にある科学について人々を教育することは重要です。そうすることで、少なくとも、データの知識がなくても、データに情報が提供されます。 たとえば、外れ値が何であるかを人々はどのように識別しますか？ 信頼できるダッシュボードをどのように設計する必要がありますか？ また、相関関係と因果関係の違いを理解できる必要があります。 これにより、データが正確になり、分析に使用できるようになります。

2. データ主導の意思決定を行います。

データ主導の意思決定について話し合うデータのオラリティから、データを探索、理解、通信する能力を備えたデータリテラシーに移行するには、データの視覚化へのアクセスを民主化する必要があります。 これは、個人の学習と適用可能性に焦点を当てることを伴いますが、それはより組織的な変化であるべきです。 データリテラシーの真の民主化は、データのエコシステム全体を考慮に入れています。 ユーザーの日常生活におけるチャートの急増を認識し、広く理解できるように努めています。

人々は主観的な意見だけでなく、データに基づいて決定を下すべきです。 これは、相関関係と因果関係の違いについてユーザーを教育するトレーニングの重要性に戻ります。 データ主導の意思決定はどのように行う必要がありますか？ 議論が効果的な意思決定を行うために客観的であり続けることができるように、データと重要なポイントを提示する媒体は何ですか？ たとえば、テクノロジー企業は、ユーザーテレメトリデータを使用して、構築する機能、使用特性を決定し、ユーザーエクスペリエンスの摩擦を特定する必要があります。

3. 適切なインフラストラクチャを開発および維持します。

最初のXNUMXつの推奨事項をサポートするには、経営幹部は、組織がデータを格納および管理するための適切でスケーラブルなインフラストラクチャを構築していることを確認する必要があります。 また、組織が顧客の問題やニーズに対応するAIテクノロジーを特定してアクセスできるようにする必要もあります。

さらに、意思決定者は、データのプライバシーと信頼について思慮深く慎重に考える必要があります。 後から考えることはできません。 それは最初から真剣に考慮されなければなりません。 データのプライバシーと信頼の責任は、包括的なデータガバナンスと管理ポリシーでカバーできる個々のユーザーにまで及ぶ必要があります。

データリテラシーの取り組みに引き続き焦点を当てる

AIやデータストーリーなどの拡張分析ツールへの投資は、ビジネスユーザーがデータから回答を発掘できるようにするための優れたステップですが、これらのツールは、データリテラシーの取り組みを置き換えるのではなく補完します。 さらに、AIテクノロジーとトレーニングの両方への適切な投資形態は、すべてデータを中心とした顧客のニーズを解決しながらソリューションを考案および作成するという、人間が得意とすることを効果的に行うことをサポートします。

組織全体でデータ リテラシーに引き続き注力することで、より多くの従業員 (カジュアルなビジネス ユーザーや洗練されたデータ アナリスト) がデータについて正しい質問をし、さらなる洞察につながるようになります。

柔軟な分析パートナーを選択してください

Tableau のような分析パートナーは、幅広く深い機能と役割ベースのトレーニングを提供しており、会社にとって最適なものを見つける旅において柔軟なパートナーとなります。 詳しくはこちら Tableau クラウド.

ビジネスユーザー向けのデータインサイト

ビジネス ユーザーを成功に導きます。 データストーリーについて詳しく見る ページ をご覧ください