“Visu lietu dati: kvalificēts darbaspēks uz datiem balstītā nākotnē?": dziļš

Tā kā darba nākotne arvien vairāk lūkojas uz datiem, dabiski rodas vairāki jautājumi. Kā mēs varam sagatavot darbaspēku, lai tas būtu labāk kvalificēts darbā ar datiem?

ES politika ir sekojusi tirgus tendencēm, apvienojot ieguldījumus uz datiem balstītai ekonomikai. Šī pieeja paredz lielāku datu kopīgošanu organizatoriskajās ekosistēmās, kas no datiem konsolidē un rada jaunu vērtību. Ar savu tiesisko regulējumu Eiropas Komisija cenšas nodrošināt, lai tas viss notiktu taisnīgi, atklāti un droši.

Bet kā tas ietekmēs mūsu pašreizējās darbvietas? Kādas prasmes mums būs vajadzīgas, lai piedalītos šajā uz datiem balstītajā ekonomikā? Šajā rakstā ir sniegts ieskats par to, kā dati tiek izmantoti, lai definētu mūsu turpmāko darbu.

Baits: zināmā mērā konteksts

Ikreiz, kad mijiedarbojamies ar mūsu digitālajām ierīcēm, mēs veidojam datus — maz digitālu ciparu informācijas pēdu, kas liecina par mūsu mijiedarbību ar ierīci. Tā var būt informācija par to, uz ko esam noklikšķinājuši, uz kurām tīmekļa lapām esam atvēruši, kādu tekstu esam rakstīti, kuras vietas esam apmeklējuši, vai kur esam veikuši telefona zvanu. 

Visas šīs digitālās pēdas kopā var sniegt visaptverošu ieskatu par mūsu rīcību tiešsaistē. Dati tiek arvien vairāk izmantoti, lai gūtu labāku priekšstatu par cilvēka uzvedību dažādu iemeslu dēļ. Un arvien vairāk tās tiek vāktas. Aplēses liecina, ka globālais datu apjoms līdz 2025. gadam palielināsies par vairāk nekā 500 %. Uzņēmumi izmanto datus, lai labāk izprastu savus klientus un uzlabotu savus produktus un pakalpojumus. Valdības to izmanto, lai uzlabotu savu politisko lēmumu ietekmi. Personas var arī izmantot datus, lai palīdzētu viņiem labāk veikt savus ikdienas uzdevumus. Piemērs? Ielieciet gājieni ap bloku un redziet, cik daudz cilvēku ap jums ir viedpulksteņi. Ja izmantojat to, lai uzraudzītu, cik aktīvi esat dienas laikā, lai uzraudzītu savas svarīgās statikas vai izmantotu lietotnes, kas seko līdzi tam, cik bieži esat tiešsaistē, jūs izmantojat datus, lai gūtu ieskatu. 

Tā kā datu glabāšana pārceļas uz mākoni, tehniski kļūst vieglāk apkopot dažādu veidu datus, kā arī datus no dažādiem avotiem, iespējams, radot daudz plašāku ieskatu. Tas mazina uzņēmumu grūtības izmantot šos datus, lai radītu lielāku vērtību — neatkarīgi no tā, vai tas attiecas uz sevi, citiem vai kopā ar saviem uzņēmējdarbības ekosistēmas partneriem. 

Dati uzņēmējdarbības pasaulē

Tādējādi dati arvien vairāk tiek uzskatīti par būtisku uzņēmumu ieņēmumu avotu. Bet kuri dati ir noderīgi un kā tie spēj vākt šos datus aizsargātā un drošā veidā? Šajā sadaļā mēs sīkāk iztirzājam to, ka dati kļūst par aktīvu un preci uzņēmumiem un kā to regulē politikas veidotāji ES. 

Dati, dati, dati... Kādi dati?

Ir dažādi veidi, kā mēs varam kategorizēt datus. Šeit mēs apspriežam divas kategorizācijas, kas ir interesantas, ņemot vērā plašāku Eiropas Datu stratēģiju. 

Pirmais nošķīrums attiecas uz saikni starp datiem un atsevišķu personu: personas dati salīdzinājumā ar nepersondatiem. Personas dati ir jebkuri dati, kas ir (vai var būt) saistīti ar fizisku personu: vārds, uzvārds, personas dati (piemēram, kartes numuri u. c.), ar veselību saistīti dati, atrašanās vietas dati utt. Daži personas dati var būt sensitīvi. Šie ir atsevišķas kategorijas dati, kas jāapstrādā ar papildu nosacījumiem, jo šo datu ļaunprātīga izmantošana var radīt kaitīgas, nevēlamas vai pat bīstamas situācijas. Vispārīgajā datu aizsardzības regulā (VDAR) ir precizēti sensitīvi dati (Eiropas Komisija, 2023a). Nepersondati ir visi pārējie dati, ko var vākt. Kā piemērus var minēt datus par sabiedriskā transporta ikdienas izmantošanu, enerģijas patēriņu mājās vai skolu skolotāju skaitu konkrētā teritorijā.        

Otra atšķirība attiecas uz organizācijām, kas vāc datus: rūpnieciskie dati un publiskie dati. Ar rūpnieciskajiem datiem mēs saprotam visu veidu datus, ko savākuši privāti uzņēmumi. Tā kā arvien vairāk uzņēmumu rada digitālos produktus, uzņēmumiem ir iespēja viegli vākt persondatus un nepersondatus, kurus tie vēlāk var izmantot, lai radītu lielāku vērtību saviem patērētājiem un pašiem, kas var sniegt konkurences priekšrocības. Tādu nepersondatu piemēri, kurus jūs, iespējams, zināt un izmantot, ietver sabiedriskā transporta (piemēram, Google Maps) ikdienas izmantošanu vai datus par enerģijas patēriņu jūsu mājās, ko savāc jūsu energopakalpojumu sniedzējs. Valdības arī vāc datus, lai informētu savus politikas lēmumus un sniegtu digitālos pakalpojumus. Šāda veida datu kopīgošanai ir vairāki ieguvumi. Piemēram, uzņēmumi varētu izmantot publiskos datus, lai radītu labākus un atbilstošākus pakalpojumus un produktus. Individuāli lietotāji varētu uzlabot savu lēmumu pieņemšanu, pamatojoties uz reāliem datiem: piemēram, lēmums par to, kad ieslēgt veļas mazgājamo mašīnu, lai optimizētu enerģijas patēriņu mājās.   

Citiem vārdiem sakot, dažādu veidu dati dažādām ieinteresētajām personām varētu būt noderīgi dažādiem mērķiem. Tas nozīmē, ka, radot vairāk iespēju kopīgot datus, ir iespējams radīt lielāku vērtību. Tomēr koplietošana ir saistīta ar riskiem:  

• Personas datu ļaunprātīga izmantošana 
• Sensitīvu datu ļaunprātīga izmantošana
• Platformu uzņēmumu, kuriem ir liela nozīme internetā, stāvokļa ļaunprātīga izmantošana.
• Nevienlīdzība starp individuāliem lietotājiem un lielākiem uzņēmumiem 

Šie ir daži no riskiem, ko Eiropas politikas regulējums cenšas pārvaldīt un novērst. Vispārīgā datu aizsardzības regula (VDAR), kurāir precizēti dažādi datu veidi un reglamentētas privātpersonu un uzņēmumu tiesības un pienākumi attiecībā uz datu apstrādi. Digitālo tirgu aktā (DMA), ko Eiropas Komisija pieņēma 2023. gadā, ir precizētas vārtziņu īpašības (tiešsaistes platformas, kas pieder privātiem uzņēmumiem, kuriem ir milzīga un plaša piekļuve datiem, ņemot vērā to lomu internetā) un reglamentē, kā tiem ir atļauts izmantot unikālos datus, kuriem tiem ir piekļuve. Digitālo pakalpojumu akts (Eiropas Komisija, 2023c) palīdz aizsargāt visus digitālo pakalpojumu lietotājus un precizē, kā vārtziņiem ir jāvēršas pret jebkādu savas platformas ļaunprātīgu izmantošanu (piemēram, ja nelikumīgas preces tiek pārdotas, izmantojot viņu platformu, vai ja tiek kopīgota dezinformācija/maldinoša informācija). Eiropas Datu pārvaldības akta (Eiropas Komisija, 2023f) un ES Datu akta (Eiropas Komisija, 2023d), kas pašlaik tiek formulēts, mērķis ir novērst šķēršļus datu kopīgošanai, taču tādā veidā, kas saglabā kontroli attiecībā uz privātpersonām un mazākām organizācijām. Vēl viena prioritāte ir tāda, ka datu kopīgošana var palīdzēt radīt vairāk stimulu cilvēkiem ieguldīt datu ģenerēšanā.  

Īsumā sakot, Eiropas politikas mērķis ir atbalstīt organizācijas (jo īpaši MVU), lai tās varētu ieguldīt un gūt labumu no to datu stratēģijām. Tas veicina taisnīgāku un drošāku datu apmaiņu starp dažāda lieluma un lomas indivīdiem un organizācijām, lai radītu lielāku vērtību sev un Eiropas iedzīvotājiem. Tāpēc uzņēmumi arvien vairāk atkārtoti novērtē savu uzņēmējdarbību, lai redzētu, kā to ģenerētie dati var potenciāli radīt jaunu vērtību to uzņēmējdarbībai. 

Kā uzņēmumi izmanto datus un kādiem mērķiem? 

Uzņēmumi datus izmanto dažādos veidos, lai radītu uzņēmējdarbības vērtību. Lielā mērā mēs varam nošķirt divas iespējas:

• Datu izmantošana, lai gūtu priekšstatu par to, kā to klienti izmanto savus produktus vai pakalpojumus. Tā rezultātā tiek veikta noskaņojuma analīze, izpratne par to, kad un kā produkti tiek izmantoti, un, iespējams, ar kādiem citiem produktiem tie lieto. Klee, Janson & Leimeister (2021) apzīmē šo pārorganizatorisko līmeni, kurā uzņēmējdarbības vērtību rada ārējo datu ieguvumu izmantošana.
• Datu izmantošana darbības izcilībai, lai uzlabotu iekšējo darba vai piegādes ķēdes pārvaldību nolūkā efektīvi un lietderīgi nodrošināt klientiem vērtību. Klee, Janson & Leimeister (2021) precizē to organizācijas līmenī (izstrādājot uz datiem balstītus organizatoriskos modeļus) un darba prakses līmenī (darbā ar datiem ikdienas darba procesos). 

Kad datus var droši un droši kopīgot ar citiem, uzņēmumi var arī izpētīt neskaitāmas iespējas, kas saistītas ar jaunu produktu vai pakalpojumu radīšanu — ekosistēmā, kas tiem ir kopīga ar līdzīgi domājošiem partneriem. 

Kā uzņēmumi vāc datus? 

Tiešsaistes darbību pieaugums nozīmē, ka datu vākšanas tehniskā robežvērtība ir neliela: dati, kas radīti mijiedarbībā ar digitālajām ierīcēm vai, piemēram, sensoru saņemtie pasākumi, tiek reģistrēti un glabāti mākoņdatošanas pakalpojumos turpmākai analīzei un interpretācijai. No šiem datiem var iegūt analītikas datus, lai atvieglotu lēmumu pieņemšanu. 

Kā minēts iepriekš, daži uzņēmumi darbojas kā “vārtziņi” internetā, kur tie veido un pārvalda tiešsaistes platformas, ar kuru starpniecību notiek citas darbības. Šiem vārtziņiem, protams, ir daudz datu avotu, ko tie glabā, lai turpinātu komercializāciju un analīzi reklāmas nolūkos (domā par Meta, X un nesenāk Tik Tok). Šāda situācija ir radījusi šķietami neierobežotu datu glabāšanas apjomu, kad uzņēmumi beidzot glabā datus, kas varētu būt noderīgi komerciālai izmantošanai. Tomēr šī situācija, visticamāk, mainīsies, ko daļēji nosaka iepriekš minētie politikas noteikumi, jo ir vēl citi viedokļi. 

Viens no aspektiem attiecas uz racionālu datu izmantošanu un vākšanu, t. i., operatīvāku pieeju milzīgo datu apjoma kuģošanai, uzņēmumiem apsverot, kur ir minēto datu potenciālā vērtība un kādi dati ir tieši noderīgi izsekošanai (Mazāun Noble, 2017). Arvien pieaug arī bažas, kas saistītas ar datu glabāšanas ietekmi uz vidi. Saskaņā ar Lucivero 2019. gada informāciju pieaug informētība par to, cik daudz enerģijas nepieciešams datu glabāšanai neierobežotā laikposmā, kas savukārt liek uzņēmumiem apsvērt racionālāku pieeju datu izmantošanai un glabāšanai. Visbeidzot, ietekme uz izmaksām ir: datu glabāšana kļūst arvien dārgāka. Tā kā uzņēmumi pārceļ uzņēmējdarbību uz mākoni, datu glabāšanai ir jāiet roku rokā ar biznesa asmeni (Gartner, 2022). 

Kā uzņēmumi droši pārvalda datus? 

Lai dati kļūtu par tādu, kas rada vērtību ekosistēmā, ir jāuzticas labai un drošai datu pārvaldībai. Tas nozīmē, ka organizācijām ir jāpastiprina datu vākšanas un analītikas redzējuma un stratēģijas izstrāde, kā arī jāsaskaņo sava datu arhitektūra (IBM, 2023) ar minēto stratēģiju un redzējumu. Eiropas datu politikas vispārējā stratēģija ir izveidot patiesu Eiropas vienoto datu tirgu (Eiropas Komisija, 2023e), kurā var radīt vērtību no datiem organizāciju ekosistēmā. Ir izvirzīts mērķis izveidot nozaru datu telpas, kurās partnerības kopīgoto datu jomā var veidot un radīt jaunu un inovatīvu lietotņu līdzradīšanu un izstrādi. Tam ir vajadzīgi daudzi praktiski apsvērumi organizācijām to tehniskajā arhitektūrā, piemēram: 

• Datu izsekojamība: kad mēs veidojam datu telpas, ir jāseko tam, kas savācis kādus datus un kādos apstākļos ir jāpastāv. 
• Pārvaldīt drošu piekļuvi pilnvarotiem partneriem un personām: datu telpās ir arī jāparedz pārvaldība attiecībā uz to, kam ir piekļuve kopīgotiem datiem un kādā mērā šī piekļuve sasniedz. 
• Tiesiskais regulējums, lai vienotos par piekļuvi un piekļuves pārvaldību: visām datu ekosistēmas pusēm ir vajadzīga tiesiskās sadarbības struktūra, ar kuras starpniecību tās var apmainīties ar datiem uzticamā kontekstā. 

Ja dati kļūst tik plaši izplatīti, tas nozīmē, ka arvien vairāk mūsu saskarsies ar datiem balstītiem IT produktiem. Gartner prognozē, ka šogad “datu lietotprasme kļūs par skaidru un nepieciešamu uzņēmējdarbības vērtības virzītājspēku”, un gandrīz 80 % uzņēmumu savos stratēģiskajos plānos norāda datus kā svarīgu faktoru (Gartner, 2023a). Šajā rakstā ir sniegts plašāks ieskats par to, kā datus var izmantot, lai virzītu cilvēku lēmumu pieņemšanu, un kādas prasmes mums ir vajadzīgas, lai efektīvi izmantotu šos jaunos rīkus nolūkā gūt labāku ieskatu un pārdomāti izvēlēties. 

Kā mijiedarbojamies ar datiem balstītiem IT produktiem? 

Mēs jau katru dienu mijiedarbojamies ar datiem, izmantojot dažādas uz datiem balstītas lietojumprogrammas. Mēs ne vienmēr tos atzīstam par tādiem, jo tie mums sniedz šos datus neacīmredzamā veidā. 

Pieteikumus, kuru pamatā ir dati, var iedalīt kategorijās, pamatojoties uz to, kā tie mums sniedz šos datus.

Spoguļinstrumenti 

Spoguļinstrumenti ļauj lietotājiem vizualizēt datus par rezultātiem, procesiem utt., izmantojot grafiskas metodes, neinterpretējot datu nozīmi. Bieži šīs vizualizācijas tiek sagrupētas infopanelī. Tipisks piemērs tam ir laikrindas dati, piemēram, iedzīvotāju skaita pieaugums laika gaitā vai fizioloģiskie dati, piemēram, ECG, kur diagrammā attēlota fiziskās aktivitātes vizualizācija. Izmantosim ziedputekšņu skaitītāja piemēru. Spoguļinstruments ziedputekšņu līmeņu vizualizēšanai sniegs diagrammu, kurā laika gaitā ir attēlots ziedputekšņu līmenis (piemēram, ziedputekšņu daudzums atmosfērā dienā). Cilvēka ziņā ir interpretēt vizualizāciju, piešķirt tai jēgu (vai tasir augsts līmenis? Vai tas ir zems? Vai tas palielinās vai samazinās? Kāds ir vēlamais līmenis?) un jānosaka iespējamie intervences pasākumi, lai reaģētu uz šo informāciju ("Es uzturēšos iekštelpās augsta ziedputekšņu līmeņa dēļ, jo es saslimu ar alerģijām; ES varu nodarboties ar intensīvu āra sportu, jo ir pieņemams ziedputekšņu līmenis"). (Van Leeuwen & Rummel, 2019)

Brīdināšanas rīki 

Mainot rīkus, vizuālie dati atspoguļos reālo aktivitāti, bet ietver arī minimālu interpretāciju, jo ir izcelti ievērojami datu elementi. Piemēram, mūsu putekšņu piemērā vēlamos dienas ziedputekšņu līmeņus var konkretizēt pašā rīkā, iekļaujot norādi par to, kāds ir parastais/augsts/zems putekšņu daudzums. Pēc tam rīks var brīdināt cilvēku, lai teiktu, ka ir sasniegts konkrēts līmenis (piemēram, “pašlaik ziedputekšņu līmenis ir augsts”). Šos brīdinājumus cilvēki var izmantot kā sākumpunktu intervences pasākumu izstrādei. Intervences pasākumu veic cilvēks, bet rīks viņus brīdina. (Van Leeuwen & Rummel, 2019)

Konsultēšanas rīki 

Konsultāciju rīki ir viens solis tālāk, iesakot arī konkrētu iejaukšanos. Piemēram, konsultējošā ziedputekšņu skaitītājā varētu teikt: “šodien nedariet intensīvus sporta veidus brīvā dabā, jo ziedputekšņu līmenis ir augsts un jūs esat ļoti pakļauts alerģijām”. Šajā gadījumā cilvēks var izvēlēties īstenot ierosināto intervenci, bet tam nav neatkarīgi jāinterpretē dati un uz tiem balstīta intervence nav jādefinē. Rīks iesaka iejaukties, pamatojoties uz datu analīzi. (van Leeuwen & Rummel, 2019)

Automatizēti lēmumu pieņemšanas rīki 

Automatizētos lēmumu pieņemšanas rīkos rīks kontrolē visu lēmumu pieņemšanu un intervences īstenošanu, pamatojoties uz savu datu analīzi. Šajā kontekstā cilvēks nebūtu tieši iesaistīts ne lēmumu pieņemšanā, ne intervences īstenošanā. Mūsu piemērā ar ziedputekšņu skaitītāju tā varētu būt fiktīva situācija, kurā automatizācijas rīks varētu teikt: “šodien ziedputekšņu līmenis ir augsts. Tā kā jums ir alerģija, jums ieteicams palikt mājās. Lai to atvieglotu, visas jūsu sanāksmes šodien ir mainītas uz tīmekļa konferenču sanāksmēm.”  

Šāda instrumenta potenciāli satraucoša (bet pilnīgi fiktīva) uzvedība varētu būt “lai nodrošinātu, ka jūs neatstājat māju, durvis ir automātiski aizslēgtas kasetnes ziedputekšņu līmenī, ir pieņemamā līmenī.” Šādā gadījumā tikai cilvēks piedalās lēmumu pieņemšanā, intervences noteikšanā un īstenošanas procesā kā novērotājs. 

Kādas prasmes mums ir vajadzīgas, lai efektīvi izmantotu šos rīkus? 

Plaši izmantojot uz datiem balstītus rīkus, ir skaidrs, ka mūsu prasmēm un kompetencēm šo rīku izmantošanā jābūt līdz pat zīmei, lai tos varētu efektīvi izmantot, netīši neradot vai neveicinot kaitējumu cilvēkiem. 

Dati pagātnē un nākotnē

Iepriekšējās dienās, kad dati bija ierobežoti un tos bija grūti savākt, lielo datu kopas galvenokārt radīja akadēmisko aprindu pārstāvji universitātēs (vai kā universitāšu, valdību vai lielu organizāciju sadarbība). Tā kā datu arhivēšana ir intensīva, garenvirziena darbs, tās bija daudzgadu darbības, kuru veikšanai bija vajadzīgi ievērojami laika, centienu un finanšu resursu ieguldījumi. To faktiski varēja izdarīt tikai tie uzņēmumi, kuriem bija līdzekļi, lai ieguldītu datu arhivēšanā, un kuriem bija tūlītējas ekonomiskas intereses. 

Kvalificēti cilvēki, kas ir izveidojuši šīs datu kopas un specializējušies datu apkopošanā, strukturēšanā, analizēšanā un dažādu datu kopu interpretēšanā. Šis process vairs nav tik apgrūtinošs: tā vietā tagad to atbalsta ar daudziem sarežģītiem digitālajiem instrumentiem un rīkiem. Tas nozīmē, ka tagad tā ir daudz pieejamāka organizācijām, kuru sākotnējie ieguldījumi var būt mazāki. Vienlaikus situācija kļūst sarežģītāka. Ir arvien aktuālāki, viegli pieejami dati: to ir viegli pārspīlēt. Lai radītu vērtību no datiem, mums tagad ir vajadzīgas labākas vizualizācijas metodes un stratēģiska pieeja informācijai. 

Tā kā process vairs nav atkarīgs no tā, vai viena persona vāc, analizē un interpretē datus, ir vajadzīga lielāka koordinācija, lai pārvaldītu kopīgo piekļuvi datiem. Arvien vairāk darbietilpīgas daļas var automatizēt, izmantojot pieejamos instrumentus, tādējādi samazinot spiedienu uz uzņēmumiem. Vienlaikus lielāka automatizācija noved pie standartizētākas analīzes. No vienas puses, tas rada vairāk iespēju, jo vairāk cilvēku var piekļūt datiem dažādos veidos. No otras puses, tas var būt arī ierobežojošs, jo tas, visticamāk, ietilps noklusējuma iespējās un atņems no lietotāja padziļinātas izvērtēšanas un lēmumu pieņemšanas. Ārkārtējos gadījumos lēmumu pieņemšanu var pilnībā slēpt. 

Tā kā pastāv arvien lielāka plaisa starp datu interpretāciju un datu vākšanu un analīzi, pastāv interpretācijas kļūdas, ja datu vākšanas un analīzes konteksts nav skaidri dokumentēts un norādīts. 

Prasmes uz datiem balstītai nākotnei

Turpmāk es precizēju vairākas prasmes, kas mums ir jāveido šai uz datiem balstītajai nākotnei.   

1.    Datpratība

Pirmās pamatprasmes ir saistītas ar datpratību. Gartner (2023.b) to raksturo kā “spēju nolasīt, rakstīt un paziņot datus kontekstā, tostarp izpratni par datu avotiem un konstrukcijām, izmantotajām analītiskajām metodēm un paņēmieniem, kā arī spēju aprakstīt izmantošanas gadījumu, lietojumu un iegūto vērtību”.

Citiem vārdiem sakot, mums kā cilvēkiem, kas izmanto datu rīkus, ir jāzina un jāspēj novērtēt, kuri dati tiek izmantoti, no kurienes tie iegūti, ja tie ir ticami, vai var uzticēties analītikai, kas veikta papildus datiem, un vai ir pieejamas jebkādas cilvēka kontroles, kas ļauj man kā lietotājam pārbaudīt šīs problēmas. Jo īpaši augsta līmeņa automatizētas lēmumu pieņemšanas un instrumentu iejaukšanās gadījumā šie kontroles faktori kļūst ārkārtīgi svarīgi cilvēka veiktai uzraudzībai. Lai varētu pietiekami uzticēties uz datiem balstītiem rīkiem, mums kā lietotājiem ir vajadzīga piekļuve šai kontekstuālajai informācijai un jāpieprasa piekļuve šai kontekstuālajai informācijai. Politikas prasības attiecībā uz formulēšanu, pamatojoties uz Eiropas Datu aktu (Eiropas Komisija, 2023), pastiprina šo datu kontekstualizācijas līmeni. 

Pastāv vairākas programmas, lai atbalstītu datpratības prasmju attīstību. Piemēram, MOOC, ko finansē saskaņā ar programmu “Erasmus+” un izstrādājusi Kopenhāgenas Universitāte, Varšavas Universitāte, Milānas Universitāte, Sorbonnas Universitāte un Šarla universitāte Prāgā (daļa no 4EU + alianses), sniedz plašu ieskatu par to, kā dati darbojas un kāda ir datu nozīme mūsu ikdienas dzīvē. Datu telpu atbalsta centra mērķis ir atbalstīt organizācijas, kas praksē strādā ar datu telpām.   

2.    Informētība un padziļināta izpratne par datu rīku tvērumu/darbs ar datu rīkiem

Otra prasme ir informētība un dziļa izpratne par uz datiem balstītu rīku tvērumu, plaši sadarbojoties ar tiem. Tas ļauj mums kā lietotājiem izprast rīku ierobežojumus, rīku iespējas un arī novērtēt uz datiem balstītu interpretāciju derīgumu neatkarīgi no tā, vai tās ir cilvēka radītas vai automatizētas. Ja esat labāk informēts par to, ko šis rīks var un nevar darīt, tas arī ļaus jums definēt derīgus un izmantojamus ieskatus, kas noved pie pieņemamiem intervences pasākumiem. Tāpat kā lietotājam ir obligāti jāuzskata, ka uz datiem balstīti rīki ir tikai viens no vairākiem datu avotiem, un jāsalīdzina visi šo rīku rezultāti ar citiem, kvalitatīvākiem datiem. 

3.    Sarunas par datu interpretāciju

Tā kā uz datiem balstīta lēmumu pieņemšana uzņēmējdarbības ekosistēmās kļūst aizvien izplatītāka, ir skaidrs, ka līdzās pastāvēs vairāki uz datiem balstīti rīki, kas darbojas ar vieniem un tiem pašiem datiem. Tam ir daudz seku: dažādi uzņēmumi var radīt dažādus rīkus ar vairākām analīzes metodēm, kas tiem ir svarīgas to kontekstā. Tas nozīmē, ka dažādi uzņēmumi ar savu datu analītikas palīdzību padara taustāmu savu skatījumu uz pasauli. 

Kas notiek, ja šīs dažādās pasaules interpretācijas tiek savstarpēji pretstatītas? Paredzams, ka sarunas par datu racionalizāciju kļūs par ārkārtīgi svarīgu prasmi. Kā jūs sadarbojaties ar ekosistēmas partneriem dažādu datu interpretācijas jomu noteikšanā? Kā jūs pārvaldāt dažādas interpretācijas? Uz kāda pamata jūs atlasāt, kuras darbības veikt kā intervences pasākumus un uz kuru (kopīgi pieņemto) datu pamata? Pašlaik šis temats nav pietiekami izpētīts.

4.    Datu tehniskās prasmes

Literatūrā biežāk tiek pieminētas tehniskās prasmes, kas saistītas ar datiem, piemēram, datu inženieriju, datu analīzi un datu rīkkopu. Tā kā organizācijās uz vietas būs pieejams vairāk datu, darbinieki varēs izveidot savus datu produktus, lai atbalstītu savus individuālos uzdevumus un procesus. Tam ir vajadzīgas vispārīgākas zināšanas un prasmes, lai varētu iegūt datus, atbildīgi un precīzi pārvaldīt datus, definēt analīzi saistībā ar šiem datiem, pamatojoties uz pamatotām hipotēzēm, un īstenot tos ar pamatotām datu analīzes metodēm un kompetenti izmantojot attiecīgos rīkus. Visbeidzot, tam ir vajadzīgas arī prasmes, lai precīzi interpretētu datu analīzes rezultātus un pārvērstu tos uzņēmējdarbības ieskatos intervences vajadzībām. 

Iesaiņošanas dati: daži secinājumi

Mūsu pasaule kļūst arvien vairāk balstīta uz datiem. Tas aptver visus mūsu darba, izglītības un darba sistēmu vai sabiedrības grupu aspektus. Uz datiem balstīti rīki var atbalstīt organizācijas, automatizējot dažas datu analīzes, tādējādi uzlabojot lēmumu pieņemšanu un radot pievienoto vērtību. Taču tās saskaras arī ar problēmām. Mums kā lietotājiem vajadzētu būt informētiem par šādu rīku tvērumu, ja vēlamies zināt, kā ar tiem efektīvi (un efektīvi) sadarboties. Instrumentu izstrādātājiem un izstrādātājiem ir arī jātiekas ar lietotājiem pusceļā: uzlabojot piekļuvi informācijai par konkrētiem rīkiem un jo īpaši nodrošinot lietotājiem līdzekļus, lai pārbaudītu datu ticamību un derīgumu, kā arī izmantotās analīzes metodes. Datu pārvaldības, vākšanas un glabāšanas uzlabošana ir būtiska šo rīku ieviešanai un ar to izmantošanu saistīto šķēršļu likvidēšanai. Kas gaidāms nākotne? Datu pamatā ir drošība.

Pilns dokuments kopā ar atsaucēm ir pieejams pdf formātā šeit, kā arī zemāk. 

Par autoru 

Dr. Kamakshi Rajagopal ir starpdisciplinārs pētnieks un ārštata konsultants izglītības dizaina un tehnoloģiju jomā, kam ir plaša pieredze tīklā savienotu mācību un sociālo mācību formātos, ko atbalsta inovatīvas tehnoloģijas. Viņai ir maģistra grāds lingvistiskā (2003. gads) un Mākslīgais intelekts (2004) no Lēvenes KU (BE). 2013. gadā viņa pabeidza doktorantūras pētījumu Atvērtajā universitātē (NL), pētot personīgos mācību tīklus un to vērtību nepārtrauktai profesionālajai attīstībai. Viņas pašreizējais pētījums ir par mācību vides sarežģītības izpēti un jo īpaši par to, kā atbalstīt skolotājus un izglītojamos šīs sarežģītības risināšanā. Dr. Rajagopal kopā ar partneriem no publiskā sektora, rūpniecības un pilsoniskās sabiedrības ir izstrādājis vairākus (valsts finansētus un Eiropas) kopīgus pētniecības projektus pamatizglītības, vidējās izglītības un augstākās izglītības jomā. Daži viņas projektu piemēri ir saistīti ar skolotāju tīklu lomu izglītības inovācijā, teoriju loku augstākajā izglītībā, multimodālu mērīšanu sadarbīgās hibrīdmācību telpās un virtuālās mobilitātes integrēšanu augstākās izglītības iestādēs. Kopš 2023. gada viņa strādā pie mācību un izstrādes IT un uzņēmējdarbības konsultāciju jomā.