«Δεδομένα όλων των πραγμάτων: ειδικευμένο εργατικό δυναμικό σε ένα μέλλον που βασίζεται στα δεδομένα;»: ένα βαθύ δίβημα

Καθώς το μέλλον της εργασίας κοιτάζει όλο και περισσότερο με βάση τα δεδομένα, ανακύπτουν φυσικά αρκετά ερωτήματα. Πώς μπορούμε να προετοιμάσουμε το εργατικό μας δυναμικό ώστε να αποκτήσει περισσότερες δεξιότητες όσον αφορά την εργασία με δεδομένα;

Η πολιτική τηςΕΕ ακολούθησε τις τάσεις της αγοράς, συγκεντρώνοντας τις επενδύσεις για μια οικονομία βασιζόμενη στα δεδομένα. Η προσέγγιση αυτή προβλέπει μεγαλύτερη κοινοχρησία δεδομένων εντός οργανωτικών οικοσυστημάτων που ενοποιούν και δημιουργούν νέα αξία από τα δεδομένα. Με το νομικό της πλαίσιο, η Ευρωπαϊκή Επιτροπή προσπαθεί να διασφαλίσει ότι όλα αυτά θα γίνουν με δίκαιο, ανοικτό και ασφαλή τρόπο.

Πώςόμως αυτό θα επηρεάσει τις τρέχουσες θέσεις εργασίας μας; Ποιες δεξιότητες θα χρειαστούμε για να συμμετάσχουμε σε αυτή την οικονομία που βασίζεται στα δεδομένα; Το άρθρο αυτό παρέχει πληροφορίες σχετικά με τον τρόπο με τον οποίο χρησιμοποιούνται τα δεδομένα για τον καθορισμό του μελλοντικού μας έργου.

Δυφιοσυλλαβή ανά δυφιοσυλλαβή: συγκείμενο

Κάθε φορά που αλληλεπιδρούμε με τις ψηφιακές μας συσκευές, δημιουργούμε δεδομένα — ελάχιστα ψηφιακά ίχνη αριθμητικών πληροφοριών που δηλώνουν κάτι σχετικά με την αλληλεπίδρασή μας με τη συσκευή. Μπορείτε να βρείτε πληροφορίες σχετικά με το τι επιλέξαμε, σε ποιες ιστοσελίδες ανοίξαμε, σε ποιο κείμενο γράψαμε, σε ποιες τοποθεσίες επισκεφθήκαμε ή από πού πραγματοποιήσαμε τηλεφωνική κλήση. 

Όλα αυτά τα ψηφιακά ίχνη μαζί μπορούν να μας δώσουν ολοκληρωμένη εικόνα της συμπεριφοράς μας στο διαδίκτυο. Τα δεδομένα χρησιμοποιούνται όλο και περισσότερο για την καλύτερη κατανόηση της ανθρώπινης συμπεριφοράς για διάφορους λόγους. Και όλο και περισσότερα από αυτά συλλέγονται. Σύμφωναμε εκτιμήσεις, ο συνολικός όγκος δεδομένων θα αυξηθεί κατά περισσότερο από 500 % έως το 2025. Οι εταιρείες χρησιμοποιούν τα δεδομένα για να κατανοήσουν καλύτερα τους πελάτες τους και να βελτιώσουν τα προϊόντα και τις υπηρεσίες τους. Οι κυβερνήσεις το χρησιμοποιούν για να βελτιώσουν τα αποτελέσματα των πολιτικών τους αποφάσεων. Τα άτομα μπορούν επίσης να χρησιμοποιούν δεδομένα για να τα βοηθούν να διαχειρίζονται καλύτερα τα καθημερινά τους καθήκοντα. Παράδειγμα; Κάντε ένα περπάτημα γύρω από το μπλοκ και δείτε τον αριθμό των ατόμων με έξυπνα ρολόγια γύρω σας. Εάν χρησιμοποιείτε έναν για να παρακολουθείτε πόσο ενεργείτε κατά τη διάρκεια της ημέρας, για να παρακολουθείτε τα ζωτικά σας στατικά ή για να χρησιμοποιείτε εφαρμογές που παρακολουθούν πόσο συχνά είστε επιγραμμικά, χρησιμοποιείτε δεδομένα για πληροφορίες. 

Με τη μετάβαση της αποθήκευσης δεδομένων στο υπολογιστικό νέφος, είναι τεχνικά ευκολότερο να συγκεντρωθούν διαφορετικά είδη δεδομένων, καθώς και δεδομένα που προέρχονται από διαφορετικές πηγές — γεγονός που μπορεί να οδηγήσει σε μια πολύ πιο ολοκληρωμένη εικόνα. Αυτό μειώνει τις προκλήσεις που αντιμετωπίζουν οι εταιρείες όσον αφορά τη χρήση αυτών των δεδομένων για τη δημιουργία μεγαλύτερης αξίας — είτε πρόκειται για τις ίδιες είτε για άλλες επιχειρήσεις, είτε από κοινού με τους εταίρους τους στο επιχειρηματικό οικοσύστημα. 

Δεδομένα στον κόσμο των επιχειρήσεων

Ως εκ τούτου, τα δεδομένα θεωρούνται όλο και περισσότερο βασική πηγή εσόδων από τις επιχειρήσεις. Ποια όμως δεδομένα είναι χρήσιμα και πώς μπορούν να συλλέξουν τα δεδομένα αυτά με ασφαλή και ασφαλή τρόπο; Σε αυτή την ενότητα, εμβαθύνουμε τη ζωηρότητα των δεδομένων που μετατρέπονται σε περιουσιακό στοιχείο και εμπόρευμα για τις εταιρείες, καθώς και στον τρόπο με τον οποίο αυτό ρυθμίζεται από τους υπεύθυνους χάραξης πολιτικής στην ΕΕ. 

Δεδομένα, δεδομένα, δεδομένα... Ποια δεδομένα;

Υπάρχουν διάφοροι τρόποι με τους οποίους μπορούμε να κατηγοριοποιήσουμε τα δεδομένα. Εδώ, συζητούμε δύο κατηγορίες που παρουσιάζουν ενδιαφέρον, λαμβάνοντας υπόψη την ευρύτερη ευρωπαϊκή στρατηγική για τα δεδομένα. 

Η πρώτη διάκριση αφορά τη σύνδεση μεταξύ δεδομένων και φυσικού προσώπου: δεδομένα προσωπικού χαρακτήρα έναντι δεδομένων μη προσωπικού χαρακτήρα. Δεδομένα προσωπικού χαρακτήρα είναι όλα τα δεδομένα που σχετίζονται (ή μπορούν να σχετίζονται) με ένα φυσικό πρόσωπο: όνομα, στοιχεία ταυτότητας (π.χ. αριθμοί κάρτας κ.λπ.), δεδομένα σχετικά με την υγεία, δεδομένα θέσης κ.λπ. Ορισμένα δεδομένα προσωπικού χαρακτήρα μπορεί να είναι ευαίσθητα. Πρόκειται για χωριστή κατηγορία δεδομένων που πρέπει να αντιμετωπίζονται με πρόσθετες συνθήκες, καθώς η κακή χρήση των δεδομένων αυτών μπορεί να οδηγήσει σε επιβαρυντικές, ανεπιθύμητες ή ακόμη και επικίνδυνες καταστάσεις. Ο γενικός κανονισμός για την προστασία δεδομένων (ΓΚΠΔ) προσδιορίζει τα ευαίσθητα δεδομένα (Ευρωπαϊκή Επιτροπή, 2023α). Τα δεδομένα μη προσωπικού χαρακτήρα είναι όλα τα άλλα δεδομένα που μπορούν να συλλεχθούν. Στα παραδείγματα περιλαμβάνονται δεδομένα σχετικά με την καθημερινή χρήση των δημόσιων συγκοινωνιών, τη χρήση ενέργειας εντός ενός σπιτιού ή τον αριθμό των εκπαιδευτικών σχολείων σε μια συγκεκριμένη περιοχή.        

Η δεύτερη διάκριση αφορά τους οργανισμούς που συλλέγουν δεδομένα: βιομηχανικά δεδομένα και δημόσια δεδομένα. Σύμφωνα με τα βιομηχανικά δεδομένα, εννοούμε όλα τα είδη δεδομένων που συλλέγονται από ιδιωτικές επιχειρήσεις. Καθώς περισσότερες εταιρείες δημιουργούν ψηφιακά προϊόντα, οι επιχειρήσεις έχουν την ευκαιρία να συλλέγουν εύκολα δεδομένα προσωπικού και μη προσωπικού χαρακτήρα, τα οποία μπορούν αργότερα να χρησιμοποιήσουν για να δημιουργήσουν μεγαλύτερη αξία για τους καταναλωτές τους και τις ίδιες, γεγονός που μπορεί να προσφέρει ανταγωνιστικό πλεονέκτημα. Παραδείγματα βιομηχανικών δεδομένων μη προσωπικού χαρακτήρα που μπορεί να γνωρίζετε και να χρησιμοποιείτε είναι η καθημερινή χρήση των δημόσιων συγκοινωνιών (π.χ. στους χάρτες Google) ή δεδομένα σχετικά με τη χρήση ενέργειας στο σπίτι σας που συλλέγονται από τον πάροχο ενέργειας. Οι κυβερνήσεις συλλέγουν επίσης δεδομένα για την τεκμηρίωση των αποφάσεων πολιτικής τους και την παροχή ψηφιακών υπηρεσιών. Η κοινοχρησία αυτού του είδους δεδομένων έχει πολλά οφέλη. Για παράδειγμα, τα δημόσια δεδομένα θα μπορούσαν να χρησιμοποιηθούν από τις εταιρείες για τη δημιουργία καλύτερων και πιο συναφών υπηρεσιών και προϊόντων. Οι μεμονωμένοι χρήστες θα μπορούσαν να βελτιώσουν τη διαδικασία λήψης αποφάσεών τους με βάση πραγματικά δεδομένα: π.χ. να αποφασίσουν πότε θα ενεργοποιήσουν το πλυντήριο ρούχων τους για να βελτιστοποιήσουν την κατανάλωση ενέργειας στο σπίτι.   

Με άλλα λόγια, τα διάφορα είδη δεδομένων θα μπορούσαν να είναι χρήσιμα για διαφορετικούς σκοπούς για τα διάφορα ενδιαφερόμενα μέρη. Αυτό σημαίνει ότι, με τη δημιουργία περισσότερων ευκαιριών για την ανταλλαγή δεδομένων, υπάρχει δυνατότητα δημιουργίας μεγαλύτερης αξίας. Ωστόσο, ο επιμερισμός ενέχει κινδύνους:  

• Κατάχρηση δεδομένων προσωπικού χαρακτήρα: 
• Κατάχρηση ευαίσθητων δεδομένων
• Κατάχρηση θέσης από εταιρείες πλατφορμών που διαδραματίζουν σημαντικό ρόλο στο διαδίκτυο.
• Ανισότητα μεταξύ μεμονωμένων χρηστών και μεγαλύτερων εταιρειών 

Αυτοί είναι ορισμένοι από τους κινδύνους που προσπαθεί να διαχειριστεί και να αποτρέψει ο ευρωπαϊκός κανονισμός πολιτικής. Οευρύτερα γνωστός κανονισμός είναι ο γενικός κανονισμός για την προστασία δεδομένων (ΓΚΠΔ), ο οποίος προσδιορίζει διαφορετικά είδη δεδομένων και ρυθμίζει τα δικαιώματα και τις υποχρεώσεις των φυσικών προσώπων και των επιχειρήσεων όσον αφορά την επεξεργασία δεδομένων. Η πράξη για τις ψηφιακές αγορές (DMA), που εγκρίθηκε από την Ευρωπαϊκή Επιτροπή το 2023, προσδιορίζει τα χαρακτηριστικά των «ρυθμιστών της πρόσβασης» (διαδικτυακές πλατφόρμες που ανήκουν σε ιδιωτικές επιχειρήσεις και έχουν τεράστια και ευρεία πρόσβαση σε δεδομένα λόγω του ρόλου τους στο διαδίκτυο) και ρυθμίζει τον τρόπο με τον οποίο επιτρέπεται να χρησιμοποιούν τα μοναδικά δεδομένα στα οποία έχουν πρόσβαση. Η πράξη για τις ψηφιακές υπηρεσίες (Ευρωπαϊκή Επιτροπή, 2023γ) συμβάλλει στην προστασία όλων των χρηστών ψηφιακών υπηρεσιών και προσδιορίζει τον τρόπο με τον οποίο οι ρυθμιστές της πρόσβασης πρέπει να αντιμετωπίζουν τυχόν καταχρήσεις της πλατφόρμας τους (π.χ. όταν πωλούνται παράνομα αγαθά μέσω της πλατφόρμας τους ή σε περίπτωση ανταλλαγής παραπληροφόρησης/εσφαλμένης πληροφόρησης). Η ευρωπαϊκή πράξη για τη διακυβέρνηση δεδομένων (Ευρωπαϊκή Επιτροπή, 2023στ) και η πράξη της ΕΕ για τα δεδομένα (Ευρωπαϊκή Επιτροπή, 2023δ) — που βρίσκονται επί του παρόντος στο στάδιο της κατάρτισης- αποσκοπούν στην άρση των εμποδίων στην κοινοχρησία δεδομένων, αλλά με τρόπο που διατηρεί τον έλεγχο για τα άτομα και τις μικρότερες οργανώσεις. Μια άλλη προτεραιότητα είναι ότι η κοινοχρησία δεδομένων μπορεί να στηρίξει τη δημιουργία περισσότερων κινήτρων για τους ανθρώπους ώστε να επενδύσουν στην παραγωγή δεδομένων.  

Εν ολίγοις, η ευρωπαϊκή πολιτική αποσκοπεί στη στήριξη των οργανισμών (και ιδίως των ΜΜΕ) ώστε να επενδύουν και να αξιοποιούν τις στρατηγικές τους για τα δεδομένα. Διευκολύνει τη δικαιότερη και ασφαλέστερη ανταλλαγή δεδομένων μεταξύ ατόμων και οργανισμών διαφόρων μεγεθών και ρόλων, ώστε να δημιουργηθεί μεγαλύτερη αξία για τους ίδιους και τους Ευρωπαίους πολίτες. Ως εκ τούτου, οι εταιρείες επαναξιολογούν όλο και περισσότερο τις επιχειρηματικές τους δραστηριότητες προκειμένου να διαπιστώσουν πώς τα δεδομένα που παράγουν μπορούν δυνητικά να δημιουργήσουν νέα αξία για την επιχείρησή τους. 

Πώς χρησιμοποιούν οι εταιρείες τα δεδομένα — και για ποιους σκοπούς; 

Οι εταιρείες χρησιμοποιούν τα δεδομένα με διάφορους τρόπους για να δημιουργήσουν επιχειρηματική αξία. Σε μεγάλο βαθμό, μπορούμε να διακρίνουμε δύο τρόπους:

• Χρήση δεδομένων για την απόκτηση επιχειρηματικών γνώσεων σχετικά με τον τρόπο με τον οποίο οι πελάτες τους συναλλάσσονται με τα προϊόντα ή τις υπηρεσίες τους. Αυτό έχει ως αποτέλεσμα την ανάλυση του αισθήματος, την κατανόηση του χρόνου και του τρόπου με τον οποίο χρησιμοποιούνται τα προϊόντα και, ενδεχομένως, με ποια άλλα προϊόντα τα χρησιμοποιούν. Klee, Janson & Leimeister (2021) δηλώνει ότι πρόκειται για το υπεροργανωτικό επίπεδο στο οποίο δημιουργείται επιχειρηματική αξία από την αξιοποίηση εξωτερικών οφελών από τα δεδομένα.
• Χρήση δεδομένων για επιχειρησιακή αριστεία με σκοπό τη βελτίωση της εσωτερικής τους εργασίας ή της διαχείρισης της αλυσίδας εφοδιασμού τους, προκειμένου να παρέχουν αξία στους πελάτες τους αποδοτικά και αποτελεσματικά. Klee, Janson & Leimeister (2021) διαφοροποιούν το γεγονός αυτό στο οργανωτικό επίπεδο (ανάπτυξη οργανωτικών μοντέλων που βασίζονται στα δεδομένα) και στο επίπεδο της εργασιακής πρακτικής (εργασία με δεδομένα σε καθημερινές επιχειρηματικές διαδικασίες). 

Όταν τα δεδομένα μπορούν να κοινοποιηθούν με ασφάλεια και ασφάλεια σε άλλους, οι εταιρείες είναι επίσης σε θέση να διερευνήσουν πληθώρα ευκαιριών που σχετίζονται με τη δημιουργία νέων προϊόντων ή υπηρεσιών — σε ένα οικοσύστημα που μοιράζονται με ομοϊδεάτες εταίρους. 

Πώς συλλέγουν τα δεδομένα οι εταιρείες; 

Αύξηση των διαδικτυακών δραστηριοτήτων σημαίνει ότι το τεχνικό όριο συλλογής δεδομένων είναι μικρό: τα δεδομένα που δημιουργούνται σε αλληλεπιδράσεις με ψηφιακές συσκευές ή μέτρα που λαμβάνονται από αισθητήρες, για παράδειγμα, καταγράφονται και αποθηκεύονται σε υπηρεσίες που βασίζονται στο υπολογιστικό νέφος για περαιτέρω ανάλυση και ερμηνεία. Από τα δεδομένα αυτά μπορούν να προκύψουν αναλύσεις για τη διευκόλυνση της λήψης αποφάσεων. Όπως

προαναφέρθηκε, ορισμένες εταιρείες ενεργούν ως «ρυθμιστές της πρόσβασης» στο διαδίκτυο, όπου συγκροτούν και διαχειρίζονται τις επιγραμμικές πλατφόρμες μέσω των οποίων διεξάγονται άλλες δραστηριότητες. Οι εν λόγω ρυθμιστές της πρόσβασης έχουν φυσικά πολλές πηγές δεδομένων τις οποίες αποθηκεύουν για να εμπορεύονται και να αναλύουν περαιτέρω για διαφημιστικούς σκοπούς (σκεφτείτε τη Meta, τη X και, πιο πρόσφατα, την Tik Tok). Η κατάσταση αυτή έχει δημιουργήσει έναν φαινομενικά απεριόριστο όγκο αποθήκευσης δεδομένων, στο πλαίσιο της οποίας οι εταιρείες καταλήγουν να διατηρούν δεδομένα που θα μπορούσαν να είναι χρήσιμα για εμπορική χρήση. Ωστόσο, η κατάσταση αυτή είναι πιθανό να αλλάξει — εν μέρει λόγω των προαναφερθέντων κανονισμών πολιτικής — καθώς υπάρχουν και άλλες φωνές. 

Μία πτυχή αφορά την ορθολογική χρήση και συλλογή δεδομένων, δηλαδή μια πιο επιχειρησιακή προσέγγιση για την πλοήγηση τεράστιων όγκων δεδομένων, με τις εταιρείες να εξετάζουν πού βρίσκεται η δυνητική αξία των εν λόγω δεδομένων και ποια ακριβώς δεδομένα είναι χρήσιμα για την παρακολούθηση (Mazzei & Noble, 2017). Εκφράζονται επίσης όλο και περισσότερο ανησυχίες σχετικά με τις περιβαλλοντικές επιπτώσεις της αποθήκευσης δεδομένων. Σύμφωνα με τον Lucivero, 2019, αυξάνεται η ευαισθητοποίηση σχετικά με την ενέργεια που χρειάζεται για την αποθήκευση δεδομένων για απεριόριστο χρονικό διάστημα — γεγονός που με τη σειρά του αναγκάζει τις εταιρείες να εξετάσουν μια πιο ορθολογική προσέγγιση όσον αφορά τη χρήση και την αποθήκευση δεδομένων. Τέλος, υπάρχει ο αντίκτυπος στο κόστος: η αποθήκευση δεδομένων γίνεται όλο και πιο δαπανηρή. Με τη μεταφορά των επιχειρηματικών δραστηριοτήτων των εταιρειών στο υπολογιστικό νέφος, η αποθήκευση δεδομένων πρέπει να συμβαδίζει με την επιχειρηματική δραστηριότητα (Gartner, 2022). 

Πώς διαχειρίζονται με ασφάλεια τα δεδομένα οι εταιρείες; 

Για να καταστούν τα δεδομένα κάτι που δημιουργεί αξία σε ένα οικοσύστημα, πρέπει να υπάρχει εμπιστοσύνη στην ορθή και ασφαλή διαχείριση των δεδομένων. Αυτό απαιτεί από τους οργανισμούς να εντείνουν τις προσπάθειές τους όσον αφορά τον καθορισμό ενός οράματος και μιας στρατηγικής για τη συλλογή και την ανάλυση δεδομένων, αλλά και να ευθυγραμμίσουν τις αρχιτεκτονικές δεδομένων τους (IBM, 2023) με την εν λόγω στρατηγική και όραμα. Η συνολική στρατηγική της ευρωπαϊκής πολιτικής για τα δεδομένα είναι η δημιουργία μιας πραγματικής ευρωπαϊκής ενιαίας αγοράς δεδομένων (Ευρωπαϊκή Επιτροπή,2023ε), όπου μπορεί να δημιουργηθεί αξία από δεδομένα εντός ενός οικοσυστήματος οργανισμών. Υπάρχει φιλοδοξία να δημιουργηθούν τομεακοί χώροι δεδομένων, όπου οι εταιρικές σχέσεις γύρω από κοινά δεδομένα μπορούν να διαμορφώσουν και να έχουν ως αποτέλεσμα τη συνδημιουργία και την ανάπτυξη νέων και καινοτόμων εφαρμογών. Αυτό απαιτεί πολλές πρακτικές παραμέτρους για τους οργανισμούς στην τεχνική αρχιτεκτονική τους, όπως: 

• Ιχνηλασιμότητα των δεδομένων: όταν δημιουργούμε χώρους δεδομένων, πρέπει να υπάρχει η ευκαιρία να παρακολουθούμε ποιος συνέλεξε ποια δεδομένα και υπό ποιες συνθήκες. 
• Διαχείριση της ασφαλούς πρόσβασης σε εξουσιοδοτημένους εταίρους και άτομα: οι χώροι δεδομένων πρέπει επίσης να προβλέπουν τη διακυβέρνηση όσον αφορά το ποιος έχει πρόσβαση σε κοινά δεδομένα και τον βαθμό στον οποίο επιτυγχάνεται αυτή η πρόσβαση. 
• Νομικό πλαίσιο για την επίτευξη συμφωνίας σχετικά με την πρόσβαση και τη διαχείριση της πρόσβασης: όλα τα μέρη ενός οικοσυστήματος δεδομένων πρέπει να διαθέτουν δομή νομικής συνεργασίας μέσω της οποίας θα μπορούν να ανταλλάσσουν δεδομένα σε ένα αξιόπιστο πλαίσιο. 

Εάν τα δεδομένα καταστούν τόσο διαδεδομένα, όλο και περισσότεροι από εμάς θα έρχονται σε επαφή με προϊόντα ΤΠ που βασίζονται σε δεδομένα. Η Gartner προβλέπει ότι φέτος «ο γραμματισμός στα δεδομένα θα καταστεί σαφής και αναγκαία κινητήρια δύναμη της επιχειρηματικής αξίας», με σχεδόν το 80 % των εταιρειών να αναφέρουν τα δεδομένα ως βασικό παράγοντα στα στρατηγικά της σχέδια (Gartner, 2023α). Το άρθρο αυτό παρέχει περισσότερες πληροφορίες σχετικά με τον τρόπο με τον οποίο τα δεδομένα μπορούν να χρησιμοποιηθούν για την καθοδήγηση της λήψης αποφάσεων από τον άνθρωπο και τις δεξιότητες που ζητούμε από εμάς, ώστε να χρησιμοποιήσουμε αποτελεσματικά αυτά τα νέα εργαλεία για να αποκτήσουμε καλύτερη κατανόηση και να επιλέξετε με σύνεση. 

Πώς αλληλεπιδρούμε με τα προϊόντα ΤΠ που βασίζονται σε δεδομένα; 

Ήδη αλληλεπιδρούμε με δεδομένα καθημερινά μέσω διαφόρων εφαρμογών που βασίζονται σε δεδομένα. Μπορεί να μην τους αναγνωρίζουμε πάντοτε, καθώς μας παρουσιάζουν τα δεδομένα αυτά με μη προφανείς τρόπους. 

Οι αιτήσεις που βασίζονται σε δεδομένα μπορούν να κατηγοριοποιηθούν με βάση τον τρόπο με τον οποίο μας παρουσιάζουν τα δεδομένα αυτά.

Κατοπτρικά εργαλεία 

Τα εργαλεία αντιστοίχισης προσφέρουν στον χρήστη απεικόνιση των δεδομένων σχετικά με τα αποτελέσματα, τις διαδικασίες κ.λπ., μέσω γραφικών μεθόδων, χωρίς ερμηνεία της έννοιας των δεδομένων. Συχνά, οι απεικονίσεις αυτές ομαδοποιούνται σε πίνακα εργαλείων. Ένα πρωτότυπο παράδειγμα αυτού του είδους είναι τα δεδομένα χρονοσειρών, όπως η αύξηση του πληθυσμού με την πάροδο του χρόνου ή τα φυσιολογικά δεδομένα, όπως η ECG, όπου το γράφημα δείχνει απεικόνιση της σωματικής άσκησης. Ας δούμε ένα παράδειγμα γυρεομέτρου. Ένα εργαλείο κατόπτρου για την απεικόνιση των επιπέδων γύρης θα παρουσιάζει ένα γράφημα στο οποίο απεικονίζονται τα επίπεδα γύρης με την πάροδο του χρόνου (π.χ. ημερήσιο επίπεδο γύρης στην ατμόσφαιρα). Εναπόκειται στον άνθρωπο να ερμηνεύσει την απεικόνιση, να της δώσει νόημα («είναι υψηλό επίπεδο; Είναι χαμηλό; Αυξάνεται ή μειώνεται; Ποιο είναι το επιθυμητό επίπεδο;») και ορίστε πιθανές παρεμβάσεις για την ανάληψη δράσης με βάση αυτές τις πληροφορίες θα παραμείνω σε εσωτερικούς χώρους λόγω των υψηλών επιπέδων γύρης, καθώς πάσχω από αλλεργίες· Μπορώ να κάνω εντατικά υπαίθρια αθλήματα λόγω αποδεκτών επιπέδων γύρης»). (van Leeuwen & Rummel, 2019)

Εργαλεία ειδοποίησης 

Όσον αφορά τα εργαλεία τροποποίησης, τα οπτικοποιημένα δεδομένα αντικατοπτρίζουν την πραγματική δραστηριότητα, αλλά περιλαμβάνουν επίσης ελάχιστη ερμηνεία, καθώς επισημαίνονται αξιοσημείωτα στοιχεία στα δεδομένα. Για παράδειγμα, στο παράδειγμά μας για τη γύρη, τα επιθυμητά επίπεδα των ημερήσιων επιπέδων γύρης μπορούν να συγκεκριμενοποιηθούν στο ίδιο το εργαλείο με προσδιορισμό του φυσιολογικού/υψηλού/χαμηλού εύρους επιπέδων γύρης. Στη συνέχεια, το εργαλείο μπορεί να προειδοποιήσει έναν άνθρωπο να δηλώσει ότι έχει επιτευχθεί ένα συγκεκριμένο επίπεδο (π.χ. «τα επίπεδα γύρης είναι υψηλά σήμερα»). Οι προειδοποιήσεις αυτές μπορούν να χρησιμοποιηθούν από τον άνθρωπο ως σημείο εκκίνησης για τον σχεδιασμό παρεμβάσεων. Το βήμα για μια παρέμβαση γίνεται από τον άνθρωπο, αλλά ειδοποιείται από το εργαλείο για να το πράξει. (van Leeuwen & Rummel, 2019)

Εργαλεία παροχής συμβουλών 

Τα εργαλεία παροχής συμβουλών προχωρούν ένα βήμα παραπέρα προτείνοντας επίσης μια συγκεκριμένη παρέμβαση. Για παράδειγμα, ένας συμβουλευτικός μετρητής γύρης θα μπορούσε να αναφέρει: «μην κάνετε εντατικά υπαίθρια αθλήματα σήμερα, καθώς τα επίπεδα γύρης είναι υψηλά και είστε ιδιαίτερα επιρρεπείς σε αλλεργίες». Εν προκειμένω, ο άνθρωπος μπορεί να επιλέξει να εφαρμόσει την προτεινόμενη παρέμβαση, αλλά δεν χρειάζεται να ερμηνεύσει ανεξάρτητα τα δεδομένα ούτε να ορίσει μια παρέμβαση που βασίζεται σε αυτά. Το εργαλείο συνιστά παρέμβαση με βάση την ανάλυση των δεδομένων. (van Leeuwen & Rummel, 2019)

Αυτοματοποιημένα εργαλεία λήψης αποφάσεων 

Στα αυτοματοποιημένα εργαλεία λήψης αποφάσεων, το εργαλείο ελέγχει το σύνολο της λήψης αποφάσεων και της υλοποίησης της παρέμβασης, με βάση τη δική του ανάλυση δεδομένων. Στο πλαίσιο αυτό, ο άνθρωπος δεν θα συμμετέχει άμεσα στη λήψη αποφάσεων ούτε στην υλοποίηση της παρέμβασης. Στο παράδειγμα του μετρητή γύρης, αυτό θα μπορούσε να είναι μια πλασματική κατάσταση όπου το εργαλείο αυτοματοποίησης θα μπορούσε να αναφέρει: «τα επίπεδα γύρης είναι υψηλά σήμερα. Καθώς έχετε αλλεργίες, σας συμβουλεύουμε να παραμείνετε στο σπίτι σας. Για να διευκολυνθεί αυτό, όλες οι σημερινές συνεδριάσεις σας έχουν αλλάξει σε διαδικτυακές διασκέψεις.»  

Μια δυνητικά ανησυχητική (αλλά εντελώς πλασματική) συμπεριφορά ενός τέτοιου εργαλείου μπορεί να είναι «Για να βεβαιωθείτε ότι δεν εγκαταλείψετε το σπίτι, οι πόρτες κλειδώνονται αυτόματα έως ότου τα επίπεδα γύρης είναι σε αποδεκτό επίπεδο». Στην περίπτωση αυτή, μόνο ο άνθρωπος συμμετέχει στη διαδικασία λήψης αποφάσεων, παρέμβασης και εφαρμογής ως παρατηρητής. 

Ποιες δεξιότητες χρειαζόμαστε για την αποτελεσματική χρήση αυτών των εργαλείων; 

Με την ευρεία χρήση εργαλείων που βασίζονται σε δεδομένα, είναι σαφές ότι οι δεξιότητες και οι ικανότητές μας κατά τη χρήση των εργαλείων αυτών πρέπει να φτάνουν έως το σήμα, να τα χρησιμοποιούν αποτελεσματικά, χωρίς να προκαλούν ή να διευκολύνουν ακούσια βλάβη στον άνθρωπο. 

Δεδομένα στο παρελθόν και στο μέλλον

Σε προηγούμενες ημέρες, όταν τα δεδομένα ήταν σπάνια και δύσκολο να συλλεχθούν, τα σύνολα μαζικών δεδομένων δημιουργήθηκαν κυρίως από ακαδημαϊκούς σε πανεπιστήμια (ή ως συνεργασίες πανεπιστημίων), κυβερνήσεις ή μεγάλους οργανισμούς. Δεδομένου ότι τα δεδομένα αρχειοθέτησης είναι εντατικά και διαχρονικά, επρόκειτο για πολυετείς δραστηριότητες που απαιτούσαν σημαντικές επενδύσεις σε χρόνο, προσπάθειες και οικονομικούς πόρους. Μόνο οι εταιρείες που διέθεταν τους πόρους για να επενδύσουν στην αρχειοθέτηση δεδομένων και διαπίστωσαν άμεσο οικονομικό συμφέρον ήταν σε θέση να το πράξουν. 

Ειδικευμένα άτομα, τα οποία δημιούργησαν αυτά τα σύνολα δεδομένων, ειδικεύτηκαν στη συγκέντρωση δεδομένων, τη διάρθρωση, την ανάλυση και την ερμηνεία διαφόρων συνόλων δεδομένων. Η διαδικασία αυτή δεν είναι πλέον τόσο επαχθής: αντ’ αυτού, υποστηρίζεται πλέον με πολλά εξελιγμένα ψηφιακά όργανα και εργαλεία. Αυτό σημαίνει ότι είναι πλέον πολύ πιο προσιτή στους οργανισμούς, των οποίων οι αρχικές επενδύσεις μπορεί να είναι χαμηλότερες. Ταυτόχρονα, η κατάσταση καθίσταται πιο περίπλοκη. Υπάρχουν όλο και πιο επίκαιρα, εύκολα προσβάσιμα δεδομένα: είναι εύκολο να ξεπεραστεί. Για να δημιουργηθεί αξία από τα δεδομένα, χρειαζόμαστε τώρα καλύτερες τεχνικές απεικόνισης και στρατηγική προσέγγιση της πληροφόρησης. 

Δεδομένου ότι η διαδικασία δεν εξαρτάται πλέον από 1 άτομα που συγκεντρώνουν, αναλύουν και ερμηνεύουν τα δεδομένα, απαιτείται μεγαλύτερος συντονισμός για τη διαχείριση της κοινής πρόσβασης σε δεδομένα. Όλο και περισσότερο, τα εξαρτήματα υψηλής έντασης εργασίας μπορούν να αυτοματοποιηθούν μέσω διαθέσιμων εργαλείων, μειώνοντας την πίεση που ασκείται στις επιχειρήσεις. Ταυτόχρονα, η αύξηση της αυτοματοποίησης οδηγεί σε πιο τυποποιημένες αναλύσεις. Αφενός, αυτό δημιουργεί περισσότερες δυνατότητες, καθώς περισσότερα άτομα μπορούν να έχουν πρόσβαση στα δεδομένα με διάφορους τρόπους. Από την άλλη πλευρά, αυτό μπορεί επίσης να είναι περιοριστικό, καθώς είναι πιθανό να εμπίπτει σε προκαθορισμένες επιλογές και να αφαιρεί τη βαθιά προσοχή και τη λήψη αποφάσεων από τον χρήστη. Σε ακραίες περιπτώσεις, η λήψη αποφάσεων μπορεί να αποκρύπτεται εντελώς. 

Δεδομένου ότι υπάρχει αυξανόμενο χάσμα μεταξύ της ερμηνείας και της συλλογής και ανάλυσης δεδομένων, υπάρχουν δυνατότητες για σφάλματα ερμηνείας εάν το πλαίσιο της συλλογής και της ανάλυσης των δεδομένων δεν τεκμηριώνεται και δεν αναφέρεται με σαφήνεια. 

Δεξιότητες για ένα μέλλον που βασίζεται στα δεδομένα

Στη συνέχεια, προσδιορίζω ορισμένες δεξιότητες που πρέπει να αναπτύξουμε για αυτό το μέλλον που βασίζεται στα δεδομένα.   

1.    Γραμματισμός στα δεδομένα

Οι πρώτες βασικές δεξιότητες σχετίζονται με τον γραμματισμό στα δεδομένα. ΗGartner (2023β) περιγράφει αυτό ως «την ικανότητα ανάγνωσης, εγγραφής και κοινοποίησης δεδομένων στο συγκεκριμένο πλαίσιο, συμπεριλαμβανομένης της κατανόησης των πηγών και των κατασκευών των δεδομένων, των αναλυτικών μεθόδων και τεχνικών που εφαρμόζονται, καθώς και της ικανότητας περιγραφής της περίπτωσης χρήσης, της εφαρμογής και της προκύπτουσας τιμής».

Με άλλα λόγια, ως άνθρωποι που ασχολούνται με εργαλεία δεδομένων, πρέπει να γνωρίζουμε και να είμαστε σε θέση να αξιολογήσουμε ποια δεδομένα χρησιμοποιούνται, από πού προέρχονται, εάν είναι αξιόπιστα, αν η ανάλυση που έχει διενεργηθεί επιπλέον των δεδομένων μπορεί να είναι αξιόπιστη και εάν υπάρχουν διαθέσιμοι ανθρώπινοι έλεγχοι που μου επιτρέπουν, ως χρήστης, να επαληθεύσω τα ζητήματα αυτά. Ιδίως σε υψηλό επίπεδο αυτοματοποιημένης λήψης αποφάσεων και παρέμβασης από εργαλεία, οι εν λόγω παράγοντες ελέγχου καθίστανται εξαιρετικά σημαντικοί για την ανθρώπινη εποπτεία. Για να είμαστε σε θέση να εμπιστευτούμε επαρκώς τα εργαλεία που βασίζονται σε δεδομένα, ως χρήστες πρέπει να έχουμε πρόσβαση σε αυτές τις συναφείς πληροφορίες και να ζητήσουμε πρόσβαση σε αυτές τις συναφείς πληροφορίες. Οι απαιτήσεις πολιτικής κατά τη διαμόρφωση της ευρωπαϊκής πράξης για τα δεδομένα (Ευρωπαϊκή Επιτροπή, 2023) ενισχύουν αυτό το επίπεδο πλαισίωσης των δεδομένων. 

Υπάρχουν διάφορα προγράμματα για τη στήριξη της ανάπτυξης δεξιοτήτων γραμματισμού στα δεδομένα. Για παράδειγμα, το MOOC, το οποίο χρηματοδοτείται στο πλαίσιο του προγράμματος Erasmus + και αναπτύχθηκε από το Πανεπιστήμιο της Κοπεγχάγης, το Πανεπιστήμιο της Βαρσοβίας, το Πανεπιστήμιο του Μιλάνου, το Πανεπιστήμιο της Σορβόννης και το Πανεπιστήμιο του Charles στην Πράγα (μέρος της συμμαχίας 4EU +), παρέχει μια ευρεία εικόνα του τρόπου λειτουργίας των δεδομένων και του ρόλου των δεδομένων στην καθημερινή μας ζωή. Το κέντρο υποστήριξης χώρων δεδομένων αποσκοπεί στη στήριξη οργανισμών που εργάζονται με χώρους δεδομένων στην πράξη.   

2.    Ευαισθητοποίηση και βαθειά κατανόηση του πεδίου εφαρμογής των εργαλείων που βασίζονται σε δεδομένα/συνεργασία με εργαλεία δεδομένων

Μια δεύτερη δεξιότητα είναι η ευαισθητοποίηση και η εις βάθος κατανόηση του πεδίου εφαρμογής των εργαλείων που βασίζονται σε δεδομένα μέσω εκτεταμένης συνεργασίας μαζί τους. Αυτό μας επιτρέπει, ως χρήστες, να κατανοήσουμε τους περιορισμούς των εργαλείων, τις δυνατότητες των εργαλείων και επίσης να αξιολογήσουμε την εγκυρότητα των ερμηνειών που βασίζονται στα δεδομένα — ανεξάρτητα από το αν είναι ανθρωπογενείς ή αυτοματοποιημένες. Εάν γνωρίζετε καλύτερα τι μπορεί και τι δεν μπορεί να κάνει το εργαλείο, θα σας επιτρέψει επίσης να ορίσετε έγκυρες αξιοποιήσιμες πληροφορίες, οι οποίες οδηγούν σε αποδεκτές παρεμβάσεις. Ως χρήστης, είναι επίσης επιτακτική ανάγκη να θεωρούνται τα εργαλεία που βασίζονται σε δεδομένα ως μία μόνο από τις πολλαπλές πηγές δεδομένων και να διασταυρώνονται τυχόν αποτελέσματα αυτών των εργαλείων με άλλα, πιο ποιοτικά δεδομένα. 

3.    Διαπραγμάτευση σχετικά με ερμηνείες δεδομένων

Καθώς η λήψη αποφάσεων βάσει δεδομένων στα επιχειρηματικά οικοσυστήματα γίνεται πιο διαδεδομένη, είναι προφανές ότι θα υπάρχουν παράλληλα πολλαπλά εργαλεία που βασίζονται σε δεδομένα και λειτουργούν γύρω από τα ίδια δεδομένα. Αυτό έχει πολλές συνέπειες: διάφορες εταιρείες ενδέχεται να δημιουργήσουν διαφορετικά εργαλεία με πολλαπλές μεθόδους ανάλυσης, οι αναλύσεις που είναι σημαντικές γι’ αυτές, στο πλαίσιό τους. Αυτό σημαίνει ουσιαστικά ότι οι διάφορες εταιρείες καθιστούν τις προοπτικές τους στον κόσμο απτές μέσω της ανάλυσης δεδομένων τους. 

Τι συμβαίνει όταν αυτές οι διαφορετικές πολλαπλές ερμηνείες του κόσμου έρχονται σε αντίθεση μεταξύ τους; Αναμένεται ότι οι διαπραγματεύσεις για τη διερεύνηση των δεδομένων θα καταστούν εξαιρετικά σημαντική δεξιότητα. Πώς συνεργάζεστε με τους εταίρους του οικοσυστήματος για τον καθορισμό του πεδίου εφαρμογής των διαφόρων ερμηνειών δεδομένων; Πώς διαχειρίζεστε τις διαφορετικές ερμηνείες; Σε ποια βάση επιλέγετε τις δράσεις που θα αναληφθούν ως παρεμβάσεις και βάσει ποιων (συλλογικά αποδεκτών) δεδομένων; Πρόκειται επί του παρόντος για ένα θέμα που δεν έχει διερευνηθεί επαρκώς.

4.    Δεξιότητες στον τομέα των δεδομένων — Τεχνικές δεξιότητες

Αυτό που αναφέρεται συχνότερα στη βιβλιογραφία είναι οι τεχνικές δεξιότητες που σχετίζονται με τα δεδομένα, όπως η μηχανική δεδομένων, η ανάλυση δεδομένων και τα εργαλεία επεξεργασίας δεδομένων. Καθώς περισσότερα δεδομένα καθίστανται διαθέσιμα σε τοπικό επίπεδο εντός των οργανισμών, οι εργαζόμενοι θα είναι σε θέση να δημιουργούν τα δικά τους προϊόντα δεδομένων για την υποστήριξη των επιμέρους καθηκόντων και διαδικασιών τους. Αυτό απαιτεί γενικότερες γνώσεις και δεξιότητες ώστε να είναι σε θέση να συλλέγει δεδομένα, να διαχειρίζεται με υπευθυνότητα και ακρίβεια τα δεδομένα, να καθορίζει αναλύσεις γύρω από αυτά τα δεδομένα βάσει αξιόπιστων υποθέσεων και να τις εφαρμόζει με αξιόπιστες μεθοδολογίες ανάλυσης δεδομένων, και να χρησιμοποιεί τα σχετικά εργαλεία με κατάλληλο τρόπο. Τέλος, αυτό απαιτεί επίσης δεξιότητες για την ακριβή ερμηνεία των αποτελεσμάτων της ανάλυσης δεδομένων και τη μετουσίωσή τους σε επιχειρηματικές πληροφορίες για την παρέμβαση. 

Συγκεντρωτικά δεδομένα: ορισμένα συμπεράσματα

Ο κόσμος μας βασίζεται όλο και περισσότερο στα δεδομένα. Αυτό διασχίζει όλες τις πτυχές της εργασίας μας, τα εκπαιδευτικά και εργασιακά μας συστήματα ή τις κοινωνικές ομάδες. Τα εργαλεία που βασίζονται σε δεδομένα μπορούν να στηρίξουν τους οργανισμούς αυτοματοποιώντας ορισμένες αναλύσεις δεδομένων, βελτιώνοντας έτσι τη λήψη αποφάσεων και προσθέτοντας αξία. Αλλά, εξίσου, έρχονται αντιμέτωπες με προκλήσεις. Ως χρήστες, θα πρέπει να γνωρίζουμε το πεδίο εφαρμογής αυτών των εργαλείων, εάν θέλουμε να γνωρίζουμε πώς να εργαζόμαστε αποτελεσματικά (και αποδοτικά) μαζί τους. Οι κατασκευαστές και οι προγραμματιστές εργαλείων πρέπει επίσης να συναντούν τους χρήστες στο ήμισυ: βελτιώνοντας την πρόσβαση σε πληροφορίες σχετικά με ορισμένα εργαλεία — και ιδίως παρέχοντας στους χρήστες τα μέσα για να ελέγχουν την αξιοπιστία και την εγκυρότητα των δεδομένων, καθώς και τις μεθόδους ανάλυσης που χρησιμοποιούνται. Η βελτίωση του τρόπου με τον οποίο διαχειριζόμαστε, συλλέγουμε και αποθηκεύουμε δεδομένα είναι καίριας σημασίας για την υιοθέτηση αυτών των εργαλείων και για την άρση των εμποδίων που συνδέονται με τη χρήση τους. Και όσο για το μέλλον; Με βάση τα δεδομένα για σίγουρα.

Το πλήρες έγγραφο, μαζί με τις παραπομπές, διατίθεται σε μορφή pdf εδώ, καθώς και παρακάτω. 

Ο δημιουργός 

ΟΔρ. Kamakshi Rajagopal είναι διεπιστημονικός ερευνητής και εξωτερικός σύμβουλος στον εκπαιδευτικό σχεδιασμό και την τεχνολογία, με εκτεταμένη εμπειρία σε δικτυωμένες μορφές μάθησης και κοινωνικής μάθησης, υποστηριζόμενη από καινοτόμες τεχνολογίες. Κατέχει μεταπτυχιακό δίπλωμα (Masters in Linguistics) (2003) και Τεχνητή Νοημοσύνη (2004) του KU Leuven (BE). Ολοκλήρωσε τη διδακτορική της έρευνα στο Open Universiteit (NL) το 2013, διερευνώντας προσωπικά δίκτυα μάθησης και την αξία τους για τη συνεχή επαγγελματική εξέλιξη. Η τρέχουσα έρευνά της αφορά τη μελέτη της πολυπλοκότητας των μαθησιακών περιβαλλόντων και, πιο συγκεκριμένα, του τρόπου με τον οποίο οι εκπαιδευτικοί και οι εκπαιδευόμενοι μπορούν να υποστηριχθούν για την αντιμετώπιση αυτής της πολυπλοκότητας. Ο δρ Rajagopal έχει αναπτύξει πολλαπλά (χρηματοδοτούμενα σε εθνικό και ευρωπαϊκό επίπεδο) συνεργατικά ερευνητικά έργα στην πρωτοβάθμια, δευτεροβάθμια και τριτοβάθμια εκπαίδευση με εταίρους από τον δημόσιο τομέα, τη βιομηχανία και την κοινωνία των πολιτών. Ορισμένα παραδείγματα των σχεδίων της είναι ο ρόλος των δικτύων εκπαιδευτικών στην εκπαιδευτική καινοτομία, οι κύκλοι διατριβών στην τριτοβάθμια εκπαίδευση, η πολυτροπική μέτρηση σε συνεργατικούς υβριδικούς χώρους μάθησης και η ενσωμάτωση της εικονικής κινητικότητας στα ιδρύματα τριτοβάθμιας εκπαίδευσης. Από το 2023 εργάζεται για τη μάθηση και την ανάπτυξη στον τομέα της πληροφορικής και της παροχής επιχειρηματικών συμβουλών.