Hamının data ilə işləyərkən savadlı olmağa ehtiyacı var, çünki data hər yerdədir. Data yeni valyutadır, biznesin dilidir. Biz də bu dildə danışmağı bacarmalıyıq.
Data savadlılığı bir şirkətin işçilərinin datanı anlama və onunla ilə işləmə bacarığıdır. Datayönümlü şirkətin qurulmasına gəlincə, data savadlılığı bu mənada həm şirkət üçün məhdudiyyətlər yarada, digər tərəfdən də onun inkişafına təkan verə bilər.
“Gartner” konsaltinq şirkətinin keçirdiyi sorğuya əsasən bəlli olub ki, bu sahədə zəif bacarıqlar güclü data analitikası komandalarının yaradılmasında 3 ən böyük əngəldən birinə çevrilib. “Accenture” tərəfindən müxtəlif vəzifələrdə olan 9 mindən çox işçinin iştirak etdiyi data savadlılığı üzrə sorğuya görə, respondentlərin yalnız 21%-i data ilə işləmək bacarığına sahib olduğunu bildirib.
Data bacarıqlarının inkişafı üçün mütəşəkkil fəaliyyət tələb olunsa da, bu istiqamətdə maariflənməyin faydası böyükdür. Massaçusets Texnologiya İnstitutunun professoru Miro Kazakoff: “Data ilə zəngin dünyada məhz data savadlılığının yüksək olduğu şirkətlər lider mövqeyinə sahib olacaqlar. Ümumiyyətlə, data savadlılığı şirkətlərdə hər zaman vacib səriştə hesab edilmişdir. Sadəcə olaraq müasir dövrdə data savadsızlığı daha aydın sezilir və yaxud şirkətlərdə əvvəlki ilə müqayisədə daha çox zərərə səbəb olur”.
Şirkətlər personalın data savadlılığını inkişaf etdirmək üçün yol xəritəsi üzərində çalışmalıdırlar. Bu yol xəritəsində data savadlılığının niyə vacib olduğu, hər bir işçi üçün önəmi (qeyd: hər kəs üçün eyni olmaya bilər), əməkdaşların təməl bacarıqlarının, o cümlədən hamının başa düşəcəyi ortaq data dilinin necə formalaşdırılması öz əksini tapmalıdır.
Beləliklə, mütəxəssislər data savadlılığının ən yüksək olduğu bir şirkətin yaradılması üçün aşağıdakı məsləhətləri verirlər.
Data savadlılığının nə olduğunu bilməli və hər peşə sahibi üçün fərqli anlam ifadə etdiyinin fərqində olmalısınız.
Data savadlılığı aşağıdakı bacarıqlara əsasən izah edilir:
- datanı oxumaq – datanın nə olduğunu və reallığın hansı aspektlərini izah etdiyi anlamaq;
- data ilə işləmək – onu yaratmaq, əldə etmək, təmizləmək və idarə etmək də bura daxildir;
- datanı təhlil etmək – onu “süzgəc”dən keçirmək, çeşidləmək, toplamaq, müqayisə etmək və üzərində digər analitik əməliyyatları yerinə yetirmək;
- data ilə əsaslandırmaq – müəyyən auditoriyaya hansısa mesajı və ya hekayəni ötürən geniş konsepsiyanı dəstəkləmək.
Data savadlılığını artırmaq üçün həm ünsiyyət, həm riyazi, həm də datanın qrafik təsviri sahəsində bacarıqlara sahib olmalısınız. Bu bacarıqların inkişaf etdirilməsi kifayət qədər mürəkkəb məsələdir, çünki data savadlılığı dedikdə, daha öncə bir arada öyrədilməyən (məsələn, data vizualizasiyası) təməl bacarıqların praktikada peşəkarcasına tətbiqi nəzərdə tutulur. Bu bilik və bacarıqların formal təhsil vasitəsilə əldə edildiyini düşünmək yanlışlıq olar.
Data savadlılığı anlayışı həm də datanın təhlilindən daha irəli gedərək şirkətdə digər maraqlı tərəflərlə effektiv kommunikasiyanı özündə birləşdirir. Data savadlılığının sadəcə analitikadan ibarət olduğunu iddia etmək ümumiyyətlə savadlı olmağın yalnız oxumaqla məhdudlaşdığını, yazmaq kimi bacarığın bura aid olmadığını iddia etmək kimidir. Savadlı insanlar isə həm yazmağı, həm də oxumağı bacarırlar.
Lakin bir şirkətdə hər kəsin data alimi olmasına da ehtiyac yoxdur. Belə ki, müxtəlif mövqelərdə işləyən əməkdaşların data savadlılığı üzrə fərqli ehtiyacları yaranır.
Mütəxəssislər hesab edir ki, data savadlılığının hər kəs üçün uyğun olan düsturu yoxdur. Bu o deməkdir ki, hər bir əməkdaş gördüyü işə mütənasib data savadlılığına malik olmalıdır. Data savadlılığının müxtəlif səviyyələri var: məsələn, datanı ciddiyə almayan skeptiklər (yəqin ki, belələrinin şirkətinizdə olmasını istəməzsiniz) və ya data haqqında öyrənməyə həvəsli olan, lakin dərin biliklərdən kasad data həvəskarları. Data savadlısı data ilə düşünmək və işləmək bacarığına sahibdir, lakin data alimləri qədər sahənin mütəxəssisi deyil.
Hər kəsin öz sahəsinə aid data haqqında anlayışı olmalıdır, datanın nə olduğu və onun necə yarandığını başa düşməlidir. Datanın strukturu, onda yaranan problemlər və boşluqlar daha mürəkkəb məsələlərdir. Qurumda isə hər kəsin yüksəkixtisaslı data mütəxəssisi olması şərt deyil.
Niyə dataya ehtiyacımız var? Bu suala cavabınız nədir?
Data savadlılığının önəmi getdikcə artır, çünki şirkətlərdə həm data, həm də datanı təhlil etmək üçün istifadə edilən texnologiya da çoxalır. Əgər əvvəllər şirkətlərin ştatında bir neçə data mütəxəssisi işləyirdisə, indi demək olar ki, hamının data haqqında bilikli olması gündəmə gəlir.
Datanın həcmi onunla müvafiq işləmək bacarıqlarının diqqət mərkəzində olmasını şərtləndirən əsas səbəbdir. Digər bir səbəb isə odur ki, avtomatizasiyanın sürətləndiyi bir dövrdə insanların gördüyü işlər güclü mühakimə bacarığı tələb edir və data savadlılığı bu bacarığı təkmilləşdirir. Data savadlısı olan insanlar daha yaxşı qərarlar verə bilirlər. Çağdaş dünyada fərqli olan odur ki, şirkətlər daha effektiv qərar verə biləcək işçilərə ehtiyac duyur. Bu da öz növbəsində daha çox əməkdaşın data savadlısı olmağını tələb edir.
Data savadlılığı müştərilərlə birbaşa təmasda olan işçilər üçün yeni imkanlar yaradır. Məsələn restoran işçisi müştərilərin seçimlərini özündə əks etdirən datadan istifadə edə bilər. Deyək ki, müştərinin istədiyi şokolad artıq satılıb, lakin digər sifarişlər arasında ən populyar olan çizkeyk müştəriyə təklif edilə bilər.
Uğurlu şirkətlərdə müştərilərlə işləyən əməkdaşlar, xidmət təmsilçiləri, çatdırılma və təmir işlərini görən işçilər data əsasında daha effektiv qərar verə bilirlər. İşçilərin belə məlumatlara yiyələnməsi şirkətlərdə yüksək işçi və müştəri məmnuniyyətinə, o cümlədən yüksək gəlir göstəricilərinə yol açır.
Data savadlılığının yol xəritəsini hazırlayın
Bu məqsədə çatmağın tək bir yolu yoxdur və müxtəlif yanaşmalar təklif edilir. Bunlar aşağıdakılardır:
- Data savadlılığı ilə texniki bacarıqları bir-birindən fərqləndirin.
Şirkətlər data üzərində işləməyə vaxt ayırmaq əvəzinə, əməkdaşlarına mürəkkəb texnologiyalardan istifadəni öyrədirlər. Vaxtımızın 20%-ni dataya, qalan 80%-ni isə texnologiyaya sərf edirik. Bunu tərsinə çevirsək, daha yaxşı olar. Texnologiyada istifadəçi interfeysi isə o qədər rahatlaşmalıdır ki, data ilə işləməyə daha çox vaxtımız qalsın.
- Əməkdaşların təməl bacarıqlarının səviyyəsini müəyyən edin.
Data savadlılığının inkişafı ilk növbədə mövcud bacarıqların dəyərləndirilməsindən və datadan istifadənin şirkətdə müxtəlif pozisiyalarda işləyən əməkdaşların ehtiyaclarına görə uyğunlaşdırılmasından başlayır. Daha sonra əməkdaşların data səriştələrinin inkişafı üçün yol xəritəsi hazırlana bilər. Bu planın bir hissəsi olaraq əməkdaşlar data bacarıqlarının qiymətləndirilməsi testindən keçirlər.
- Hamının başa düşdüyü dildən istifadə edin.
Texniki jarqon və ya qeyri-dəqiq terminlər əməkdaşlar arasında çaşqınlıq yarada və data istiqamətində kommunikasiyanı əngəlləyə bilər. Bu problemin yaranmaması üçün hər kəsin anlayacağı ümumi terminologiyaya müraciət etməliyik. Məsələn, fərz edək ki, marketoloqlarla analitiklər reklam xərclərindən əldə edilən gəlirin (ROAS) optimizasiyası layihəsi üzərində işləyirlər. Marketinq komandası bu terminin nə ifadə etdiyini başa düşməsə, doğru qərarlar üçün datanın gücündən tam istifadə edə bilməyəcək.
- Davamlı öyrənmə mədəniyyəti yaradın və əməkdaşların marağını mükafatlandırın.
Data savadı aşağı səviyyədə olan işçi cəzalandırılmamalıdır, əksinə bu sahəyə maraq göstərənləri mükafatlandıran mühit təşviq edilməlidir. Əgər bir şirkətdə davamlı öyrənmə və inkişaf əvəzinə “qorxu mədəniyyəti” hakimdirsə, heç kim yeni biliklər əldə etməyə həvəsli olmayacaq, çünki heç kim komandasında savadsız kimi qəbul olunmaq istəmir. Davamlı öyrənmə mədəniyyətinin təşəkkül tapması ilə əməkdaşların data üzrə gərəkli biliklərə yiyələnmək üçün motivasiyası daha da yüksək olacaq.
Bununla yanaşı, digər vacib məqamı da qeyd edək. Datanın təhlili nəticəsində üzə çıxan məlumat ürəkaçan deyilsə, buna görə mütləq şəkildə cəzalandırılacaq adamı axtarmamalıyıq. Datanın təqdim etdiyi faktlar reallığı əks etdirir və biz də bunu olduğu kimi qəbul etməliyik. Əgər kimsə cəzalandırılacağını bilsə, həmin insan datanı gizlədə və ya üzərində manipulyasiya edib şişirdilmiş rəqəmlər yaratmağa cəhd edə bilər.
- Hər kəsin öyrənmə tərzi fərqlidir.
Heç də hamı 3 saat davam edən təlimdə iştirak etməyə həvəsli deyil. Bəzi insanlar yeni bilikləri təcrübə əsasında daha yaxşı mənimsəyirlər, digərləri üçün müstəqil şəkildə keçdikləri kurslar daha uyğundur. Hər kəs eyni formada öyrənmir, odur ki, bütün təlimlərdə bu xüsusiyyət nəzərə alınmalı və müvafiq üsullar seçilməlidir.
- Data savadlılığında uğur meyarı nədir?
Uğuru ölçə bilmiriksə, data savadlılığı təşəbbüslərinin effektiv olduğunu təyin edə bilmərik. Bəzi şirkətlər data təlimlərini performans göstəriciləri dəqiq olan praktik layihələrlə paralel keçirirlər. Beləliklə, uğur göstəriciləri haqqında düşünməsək, heç bir nəticə əldə edə bilməyəcəyik. Bu o deməkdir ki, data savadlılığı sadəcə bir bacarıq deyil, eyni zamanda nəticəyönümlülüyə təsir edən amildir. Şirkətlərin buraxdığı ən böyük səhv datanın gücündən xəbərsiz olmalarıdır. Data əsasında reallaşan layihələr şirkətlərə böyük gəlir gətirə bilər.
- Liderləri bu prosesə cəlb edin.
Hesab olunur ki, data savadlılığı təşəbbüsləri, adətən, sadəcə data üzrə baş direktorların rəhbərliyi altında reallaşır, lakin bu prosesin istənilən nəticə verməsi üçün yüksək rəhbər səviyyədə bütün liderlər də cəlb edilməlidir. Əgər datanın önəmi haqqında təsəvvür rəhbərlik səviyyəsində zəifdirsə, alt şöbələrin bu məsələdə uğurlu olması ehtimalı azalır. Liderlik vacibdir.
- Data savadlılığı kifayət deyil.
Bir çoxları yanlışlıqla hesab edir ki, data üzrə biliyin artırılması üçün uzun vaxt tələb olunur, lakin 1 ilə yaxın müddətə də əhəmiyyətli nəticə əldə etmək mümkündür. Bu məqsədə qısa vaxt ərzində çatmaq olar, amma məsələ burasındadır ki, data savadlılığı datayönümlü bir şirkətin qurulmasının yeganə komponenti deyil. Data savadlılığı daha böyük mənzərənin tərkib hissəsidir. Bura başqa nə daxildir? Məsələn, data yetkinliyi, yəni keyfiyyətli datanın şirkətdə hamı üçün əlçatan olması, data liderliyi – rəhbərlərin öz işçilərində görmək istədiyi bacarıqları şəxsən nümayiş etdirməsi və nəhayət son məqsəd – data əsaslı qərarların verilməsi.
Data savadlılığının əhəmiyyəti danılmazdır, bununla yanaşı, şirkətlər həm də daha böyük data mədəniyyətinin yaradılması haqqında düşünməlidirlər. Həqiqi data savadlılığı insanlarda fərqli düşüncə və bacarıqlar formalaşdırır. Bu sizə imkan verir ki, siz biznesin real problemlərinin həlli üçün dolğun təsəvvürə sahib olasınız.
