Dies sind Datas Dark Ages, und dass Veränderung (Op-Ed)

Satyen Sangani ist Ökonom und CEO von Alation, die Unternehmen hilft besser finden, verstehen und verwenden interne Daten. Sangani verbrachte fast ein Jahrzehnt bei Oracle nach Positionen mit der Texas Pacific Group und Morgan Stanley & Co. Diese Op-Ed ist Teil einer Reihe von World Economic Forum Technology Pioneers, Klasse 2015 zur Verfügung gestellt. Sangani trug dieses Artikels Leben Wissenschaft Experten stimmen: Op-Ed & Einblicke.

Für diejenigen unter uns, die die Macht der Daten-Weltmeister, wurden die letzten fünf Jahre eine unglaubliche Fahrt durch den Aufstieg von big Data. Betrachten Sie genau diese drei Beispiele: im Jahr 2020 Menschheit haben entstehen so viele digitale Bits wie es Sterne im Universum; Daten fuhr US-Präsident Barack Obama gewinnt bei den Wahlen 2008 und 2012; und Daten ist die treibende Kraft des unglaubliche Aufstieg des neuen Unternehmen wie Uber oder Airbnb, den Menschen ermöglichen, ihre sehr illiquide, monetarisieren wie Autos und Häuser Anlagevermögen.

Natürlich hat keine dieser Daten erreicht. Daten nicht der Protagonist in einem der oben genannten Geschichten. Die Menschen sind. Menschen verwenden Daten. Daten zeigen Zusammenhänge und Trends, aber Menschen haben Einsichten, die Ursache und Wirkung zu empfehlen. Erkenntnisse sind was bessere Entscheidungen zu treffen und Innovationen ermöglichen. Hier ist der Haken: Trotz unserer jüngsten datengesteuerte Errungenschaften, deutet darauf hin, dass Menschen auch in den dunklen Zeiten der Daten sein können.

Verbrauch erfordert Kontext

McKinsey, in ihrer im großen und ganzen Lese Big Data-Bericht zufolge werden nur 2,5 Millionen Daten-Kompetenz-Profis in den Vereinigten Staaten im Jahr 2018 – weniger als 1 Prozent der projizierten Bevölkerung. Umfragen zeigen, dass Fachleute heute noch die altmodische Art und Weise handeln – basierend auf Darm Instinkt persönliche Erfahrungen und was sie glauben zu wissen.

Also, mit diesen Daten, Technik und versprechen, wie bauen eine Welt mehr Daten-Kompetenz wir?

Wenn wir Daten als Nahrung für den Geist denken, könnte die Ernährung Bewegung einige Anhaltspunkte bieten. Heute ist der Zustand der Bezeichnung Daten für den entsprechenden Einsatz ähnlich wie die undurchsichtige Kennzeichnung von Lebensmitteln vor mehr als 40 Jahren. Bis verhältnismäßig vor kurzem, wir hatten keine Ahnung, ob das Essen aßen wir anorganische Produkte, gentechnisch veränderte Zutaten enthalten, führen oder sogar Arsen. Heute haben wir Ernährungsbewusstsein erhöht, durch kritische Zutaten auflisten und ernährungsphysiologischen Alphabetisierung, die bei der Herstellung gesunde Ernährung ein sicherheitsbewusstes Verhalten unterstützen können.

Verwenden von Daten entsprechend erfordert die gleiche Art von bewussten Bewertung der Inhaltsstoffe. Ein relativ gängige und einfache Beispiel aus unserer Erfahrung eine große, multinationale Unternehmen beteiligt-es stellte sich heraus, dass das Feld Geburtsdatum auf eines ihrer Formulare in der Regel nicht aufgefüllt wurde. Vielmehr, es standardmäßig auf 1. Januar 1980. Folglich, wenn ein Mitarbeiter des Unternehmens versucht, das Durchschnittsalter der Kunden zu finden, zeigte der Abschluss Kunden als Jünger, als sie wirklich waren. Der Fehler passiert so oft, dass es einen Mythos innerhalb der Institution, dass sie junge Kunden betreut, wenn ihre tatsächliche Kunden in der Regel im mittleren Alter sind geschaffen hatte.

Wobei Sie falsche Schlussfolgerungen aus Daten oft macht mehr Schaden als nicht mit Daten überhaupt. Betrachten Sie die unechte Beziehung zwischen Impfungen und Autismus oder die sechs 53 Wahrzeichen-Krebs-Studien waren nicht reproduzierbar von Amgen Experte Krebsforscher. Eine Ökonom Umfrage ab 2014 ergab 52 Prozent der befragten Führungskräfte abgezinst Daten, die sie nicht verstanden, und das zu Recht. Der Ökonom erinnert uns daran, dass eine wichtige Prämisse der Wissenschaft "Vertrauen, aber überprüfen." Die logische Folge gilt auch, wenn wir nicht überprüfen können, werden wir nicht vertrauen.

Verpackungsdaten

Niemand will etwas zu konsumieren, die sie nicht erwartet haben. Wenn jemand einen red Velvet Cupcake erwartet und Sie sie Pizza füttern, könnten sie damit leben, aber die erste Erfahrungen wird Erschütterungen sein. Es braucht Zeit, sich anzupassen. Also, was hat dies mit Daten zu tun?

Daten sprechen nicht wirklich Ihre Sprache. Es spricht die Sprache des Software-Programm, das die Informationen produziert. Sagen Sie Verkäufe und das Dataset, sagt Rev_avg_eur. Sie sagen, Frankreich, und das Dataset sagt CTY_CD: 4.

Erlernbar diese Etiketten ist? Sicher, aber auch in einem relativ kleinen Unternehmen möglicherweise 20 Software-Programme im Einsatz jeden Tag, jede davon Hunderte von verschiedenen Codes, Attribute und Tabellen hat. Viel Glück, wenn Sie in einer multinationalen Organisation mit Tausenden solcher Programme sind.

Diese Übersetzung hat einen größeren unsichtbaren Kosten. Eine aktuelle Studie der Industrie deutlich gemacht, dass 39 Prozent der Unternehmen, die Aufbereitung von Daten für die Analyse verbringen Zeit "Waiting for Analysten, Informationen für den Gebrauch zusammenzustellen." Und weitere 33 Prozent Zeit "Interpretation der Informationen für die Verwendung durch andere." Wenn jedes Mal, wenn wir eine Antwort brauchen, es uns dauert Stunden oder Tage zu montieren und die Informationen zu interpretieren, stellen wir nur weniger Fragen – es gibt nur so viele Stunden an einem Tag. Daten leicht zu konsumieren zu machen bedeutet, um sicherzustellen, dass andere leicht entdecken und verstehen können.

Eine Daten-Kompetenz-Welt

Wir haben eine unglaubliche Chance vor uns. Was passiert, wenn nur 5 Prozent der Weltbevölkerung konnten Daten lesen? Was passiert, wenn diese Zahl erreicht 30 Prozent? Wie viele Annahmen konnten wir fordern? Und welche Innovationen konnten wir entwickeln?

Laut Accenture Institute for High Performance in einem Artikel von Harvard Business Review, die Fähigkeiten erforderlich, um Daten lesen und schreiben gehören zu verstehen, welche Daten bedeutet, richtige Schlussfolgerungen aus Daten und zu erkennen, wenn Daten auf irreführende oder unangemessene Weise verwendet werden. Dies sind die Decodierung Fähigkeiten, mit die ein Individuum Datenanalyse genau auf Entscheidungsfindung anwenden können. Anstatt sich auf die Daten Verbraucher machen mehr Arbeit, vielleicht wir Kompetenz steigern können, rund um die Daten mit Kontext und Verringerung der Belastung der Interpretation der Informationen konzentrieren.

Kennzahlen und Statistiken sind wunderbar, aber wir müssen Daten mit mehr Kontext umgeben und senken die Kosten der Verwendung von ihnen. Grundsätzlich müssen wir belohnen die Menschen und Systeme, die diese Transparenz und Benutzerfreundlichkeit bieten. Daten besteht nur aus Informationen – wir müssen sich weiterentwickeln, wie wir sie einsetzen, um Datas Potential zu entfalten.

Lesen Sie mehr von der Technologiepioniere auf ihre Live-Science-Landing-Page. Alle Experten stimmen Fragen und Debatten zu folgen – und werden Sie Teil der Diskussion – auf Facebook, Twitter und Google +. Die Meinungen sind die des Autors und spiegeln nicht unbedingt die Meinung des Herausgebers. Diese Version des Artikels erschien ursprünglich am Leben Wissenschaft.