Karena AI mentransformasi tempat kerja global, permintaan akan keahlian literasi data akan meningkat. Faktanya, 79% organisasi menyatakan bahwa pada dua belas bulan ke depan, data akan menjadi semakin penting untuk pembuatan keputusan organisasi.¹ Tetapi apa sebenarnya yang dimaksud literasi data?
Gartner® mendefinisikan literasi data sebagai kemampuan untuk membaca, menulis, dan mengomunikasikan data sesuai konteks, termasuk memahami sumber dan konstruksi data, metode dan teknik analitik yang diterapkan, dan kemampuan untuk menjelaskan penerapan contoh penggunaan dan hasilnya.²
Mengapa keahlian ini penting? Untuk memimpin sebuah organisasi dengan keputusan yang didukung AI dan berbasis data, literasi data adalah kompetensi yang diperlukan semua orang, bukan hanya ilmuwan data. Apakah seseorang yang baru saja memulai karier atau sudah berada di posisi C-suite, kemampuan untuk memahami, menafsirkan, dan berkomunikasi menggunakan data sangat penting bagi semua karyawan.
Dalam lingkungan yang menyediakan pelatihan untuk membantu tim memahami nilai data terhadap tanggung jawab harian mereka, tim dapat dengan lebih mudah mendapatkan dan menerapkan wawasan dari data dan mulai membuat alur kerja yang terintegrasi data. Seiring berjalannya waktu, hal ini dapat meningkatkan kepercayaan diri dan keinginan untuk mendelegasikan keputusan pada AI karena mereka memahami bahwa rekomendasi dibentuk dari data yang mendasarinya.
Pelajari watsonx
Daftar untuk mendapatkan pembaruan AI
Bagaimana cara melakukan literasi data yang benar?
1. Mendemokratisasi akses data di seluruh perusahaan
Banyak orang mengira program pelatihan ilmu data adalah langkah pertama untuk menjadi organisasi yang berbasis data, tetapi sebenarnya semua dimulai dengan menjadikan data lebih mudah diakses. Bayangkan sebuah sistem pusat panggilan. Seringkali data tersebut dikunci di dalam aplikasi dan tidak tersedia untuk seluruh organisasi. Tetapi jika kita membagikannya dengan seizin klien, analisis data pusat panggilan dapat membantu pelatihan dan pendidikan, efisiensi menyeluruh, dan komunikasi yang lebih baik untuk bagian organisasi tersebut.
"Terkadang Anda perlu membantu orang dalam menghargai nilai dari jenis-jenis wawasan yang berbeda, terutama dalam skala besar dan di luar area dan domain fungsional individu," ujar Tim Humphrey, Chief Analytics Officer di IBM. Dengan membangun repositori pusat, seperti struktur data, orang di seluruh organisasi dapat dengan mudah menyimpan dan mengakses data, sehingga dapat menyederhanakan akses data serta membuka pintu untuk teknologi seperti analitik data dan AI untuk menyederhanakan alur kerja.
Untuk membuat akses data yang demokratis, GCDO di IBM menerapkan platform data terpadu yang menyediakan sumber data terkelola pusat dan memungkinkan pengguna untuk memuat, mentransformasi, dan menganalisis data. Sejak diluncurkan, platform ini dengan cepat menyempurnakan hasil bisnis untuk GCDO. Dalam waktu sekitar 18 bulan, kantor ini menghasilkan USD 1,3 miliar dalam manfaat bisnis dan ROI 10x dari inisiatif transformasi berbasis data dan AI.
IBM GCDO menghasilkan 10x pengembalian investasi (ROI) dari inisiatif transformasi berbasis data dan AI.
Terapkan arsitektur yang memberikan akses cepat dan sederhana ke data di seluruh data estate yang berbeda.
Berhati-hatilah saat membersihkan data yang ada dan mempertahankan langkah-langkah privasi data, keamanan, dan kepatuhan data saat Anda menggabungkan kumpulan data untuk memastikan data bermakna.
Nilai hak, lisensi, dan izin berbagi akses data terkait ketika Anda mengintegrasikan data di seluruh sumber, ekosistem, dan silo, agar wawasan tidak terjebak pada tingkat fungsional, dan dapat diskalakan di seluruh perusahaan.
2. Atur informasi dengan jelas dan transparan
Setelah Anda menetapkan platform untuk akses data terkelola, penting untuk membantu pembuat keputusan dalam memahami cara data berpindah ke seluruh pipeline. Jadi, komunikasikan nilai, asal, dan kualitas data dengan jelas dan penuh hormat untuk tiap tingkat keahlian. Ini adalah cara tercepat memberdayakan data untuk pengguna teknis dan nonteknis, dan juga untuk menginspirasi kepercayaan pada inisiatif AI (lagi pula, teknofobia itu nyata). Ketika data diatur secara transparan dan dapat dijelaskan, orang dapat lebih mudah memahami data sebelum dan setelah AI diterapkan.
Meskipun tidak semua orang perlu memiliki pengetahuan seperti seorang ilmuwan data, semua orang harus memahami data, turunannya, dan bagaimana data mengalir dalam proses keseluruhan, bukan hanya sebagian. Untuk mencapai pemahaman tersebut, diperlukan pertanyaan kunci.
- Apa sumber datanya, dan apakah sumber itu dapat dipercaya?
- Apa saja metadata, peraturan, dan kebijakan kepatuhan di baliknya?
- Apa arti data yang dihasilkan dari algoritma ini untuk pengguna sasarannya?
- Bagaimana cara saya menjelaskan nilai bisnis dari data untuk memberikan hasil bisnis yang lebih baik?
Tim Anda harus bisa mencari data, mendapatkan akses ke semua data yang ingin diakses, dan kemudian menjalankan aplikasi bisnis dengan data tersebut.
Gunakan metadata dan buat standar definisi dan terminologi terkait dengan data di seluruh fungsi bisnis.
Temukan KPI yang menampilkan bagaimana literasi data berkontribusi pada tujuan bisnis. Tampilkan wawasan yang bermakna, lacak penggunaan data, dan uji serta optimalkan beberapa inisiatif sekaligus.
Bantu tim untuk melacak dan memahami silsilah data dan pastikan mereka konsisten di seluruh organisasi.
3. Latih warga data untuk menggunakan dan menganalisis data secara bertanggung jawab dan ubah data menjadi tindakan dengan AI
Pelatihan literasi data membantu organisasi Anda dalam membaca, menafsirkan, dan menggunakan data (terutama ketika bersumber dari model) untuk pembuatan keputusan yang lebih baik. Namun hal ini juga mendorong tim untuk menggunakan data sebagai pembeda kompetitif. Untuk menerapkan pelatihan dan menghubungkan data ke hasil bisnis, tim Anda perlu memiliki pemahaman akan alat data yang dimiliki dan cara menggunakannya untuk mencapai tujuan mereka. Pada akhirnya Anda perlu pakar yang dapat memanusiakan data dan AI dengan membuat data menjadi lebih bermakna bagi orang-orang. Program literasi data berhasil jika tim Anda dapat mengubah data menjadi cerita visual yang menarik dan memikat, serta mentransformasi data menjadi pengetahuan yang dapat ditindaklanjuti dan hasil bisnis yang konkrit.
Johnson & Johnson mendukung karyawannya dengan cara memberi edukasi tentang cara terbaik memanfaatkan teknologi tingkat lanjutan yang baru, termasuk AI. "Dalam kerja sama dengan IBM, kami menciptakan model inferensi keahlian yang didorong oleh AI untuk fungsi Teknologi yang menggabungkan data eksternal tanpa identifikasi dengan data keahlian dari kumpulan data internal kami," ujar Jim Swanson, Chief Information Officer di Johnson & Johnson.
"Kami dapat mengambil data keahlian karyawan yang berada di alat-alat yang digunakan organisasi TI kami dan kemudian memasukkannya ke model. AI kemudian dapat menentukan tingkat kematangan tiap keahlian dari semua karyawan yang ingin kami sorot, sehingga menciptakan pandangan komperehensif tentang kekuatan dan kelemahan tiap individu," ucap Swanson.
Seperti Johnson and Johnson, organisasi dapat membangun literasi data dengan strategi bisnis yang sangat terkoneksi bisnis di tingkat pemangku kepentingan eksekutif dan memetakannya di seluruh domain pemangku kepentingan.
"Ketika pemangku kepentingan mengeluhkan 'kegagalan' upaya data atau tidak menghasilkan yang mereka harapkan, seringkali disebabkan oleh strategi bisnis yang tidak ditetapkan dengan jelas, dan literasi data dari para pemangku kepentingan tidak selaras di seluruh domain dan tim," ucap Jennifer Kirkwood, Partner, Global Head of Talent Data, IBM Consulting.
Pastikan para profesional di semua tingkat organisasi dapat menggunakan visualisasi data dan teknik mendongeng yang paling sesuai untuk sasaran bisnis strategis mereka, dan dasari pelatihan ini dengan kurikulum efektivitas komunikasi.
Pastikan program pendidikan Anda mencerminkan kebutuhan dunia nyata dari berbagai peran dan menghubungkan data dengan pemangku kepentingan sehari-hari.
Rekrut karyawan dengan sertifikasi teknis atau gelar program P-TECH untuk memperkecil kesenjangan. Gunakan dasbor yang menentukan metrik dan KPI untuk melacak perkembangan organisasi Anda menjadi lebih berbasis data.
4. Pimpin dengan empati untuk menciptakan pemimpin data
Rasa ingin tahu adalah inti dari pembuatan keputusan berbasis data dan membangun budaya literasi data. Karyawan dan pemimpin yang memahami data akan selalu bertanya "mengapa" dan tidak akan menilai secara dangkal. Mengadopsi perilaku ini sangat penting untuk memastikan bahwa rekomendasi yang diberikan oleh AI terus memenuhi kebutuhan perusahaan Anda secara akurat.
Tugas Anda adalah menjadi pendengar yang baik dan mencari tahu bersama dengan tim, berdasarkan peran unik mereka, keahlian literasi data mana yang dapat memberikan hasil untuk bisnis dan menjalankan rencana pelatihan.
Para advokat data ini sepenuhnya diberdayakan dalam IBM, yaitu jika mereka menemukan kelompok yang berpikiran sama di bagian piutang atau rantai pasokan, misalnya, dan ingin meningkatkan kemampuan data dan AI, mereka dapat maju tanpa harus kembali meminta izin atau pendanaan. Dengan memastikan karyawan memahami cara kerja data di seluruh organisasi dan lokasi penerapan AI, Anda sedang membangun budaya pengelolaan data. Hal ini pada akhirnya akan menghasilkan jaringan pemimpin data di seluruh organisasi Anda sehingga literasi data menjadi bagian dari siklus pembelajaran yang baik.
Lakukan pendekatan utamakan contoh penggunaan yang mendorong nilai literasi data untuk pemimpin lintas organisasi dan dukungan dari pemangku kepentingan senior.
Dorong percakapan terbuka di tiap level dan sertakan perspektif yang beragam untuk mendapatkan hasil yang lebih baik. Terus perjelas nilai bahwa data dapat memberi hasil bagi organisasi.
Contohkan perilaku ideal, seperti tidak melihat data secara dangkal, dan mempersulit tim dengan wawasan data yang menimbulkan pertanyaan. Dorong tim untuk memperluas jaringan di dalam dan luar organisasi agar sudut pandang yang beragam dapat direpresentasikan di seluruh aspek pekerjaan.
Karena data dan AI telah menjadi inti dari setiap aspek operasional organisasi, literasi data adalah dasar untuk membangun budaya berbasis data. Sebagai pemimpin data di organisasi, Anda mempromosikan perubahan dan mendukung sasaran bisnis yang lebih besar dengan menanamkan bahasa bersama yang didasari oleh data. Usaha Anda mungkin sulit, tetapi ide-ide ambisius tersebut dapat mengisi kesenjangan, yang sangat dibutuhkan, dan investasi tidak akan sia-sia. Bahkan, masa depan perusahaan Anda bergantung padanya.
Jangan berhenti sekarang. Lanjutkan untuk mendorong perkembangan keahlian literasi data yang tepat berdasarkan tujuan bisnis Anda, dan jadikan diri Anda sebagai rekan tim di C-suite dan di seluruh tenaga kerja. "Untuk benar-benar melek data, cara berpikir berbasis data harus melampaui semua peran, tidak hanya terlihat di tingkat bawah, atas, atau tengah," ucap Humphrey. Dengan kata lain, literasi data adalah perjalanan bersiklus untuk tiap level organisasi.
Dan yang paling penting, ingat bahwa Anda lah modelnya. Sebagai pemimpin data, contoh tindakan Anda menentukan keadaan dan memastikan bahwa tim Anda nyaman berbicara tentang data dan memanfaatkan data untuk memberikan hasil bisnis yang lebih baik. Dengan adanya advokasi dan kerangka kerja literasi data, Anda akan mengubah wawasan data menjadi aksi serta meletakkan dasar dari suatu budaya pemimpin data dan pembuatan keputusan berbasis data untuk tahun-tahun yang akan datang.
Catatan kaki
¹ Voice of the Enterprise: Data & Analytics, Data-Driven Practices, 451 Research, 2022
² How to Create a Balanced Data and Analytics Organizational Model, Gartner, 10 Mei 2022. GARTNER adalah merek dagang dan merek layanan terdaftar dari Gartner, Inc. dan/atau afiliasinya di AS dan secara internasional dan digunakan di sini dengan izin. Semua hak cipta dilindungi undang-undang.
³ 2023 Chief Data Officer Study: Turning data into value, IBM Institute for Business Value, 2023
⁴ Voice of the Enterprise: Data & Analytics, Data-Driven Practices, 451 Research, 2022
⁵ Voice of the Enterprise: Data & Analytics, Data Management and Analytics, 451 Research, 2021