① 좋은 질문을 할 수 있는 역량필요한 데이터를 선별하고 검증할 수 있는 역량③ 데이터 해석 능력을 기반으로 쓸모 있는 결론을 만들어내는 역량④ 가설 기반 A/B 테스트를 수행하여 결과를 판별할 수 있는 역량⑤ 의사결정자들도 이해하기 쉽게 분석 결과를 표현할 수 있는 역량⑥ 데이터 스토리텔링을 통해 의사결정자들이 전체 그림을 이해하고분석 결과에 따라 실행하게 하는 역량
2020 하버드 비즈니스 리뷰
팀의 데이터 리터러시 역량 높이기
모두의 손에 있는 데이터는 생산적인 대화 소재와 혁신의 땔감이 된다.
데이터의 역할은
문제 해결이 아니라
우리의 인지력과 판단력, 설득력과 남에게
동기 부여 하는 역량이 발달하는 데 있음.
데이터는 수학보단 언어 쪽
분석의 대상이라기 보단 소통의 대상
가트너 CDO 서베이
변화 마인드 x- 데이터 사일로현상(보안, 남좋은 일, 권위주의)
데이터 리터러시 부족
그래서 ‘선 문제해결, 후 역량 동원 방식은 데이터 리터러시 역량 교육에 있어 매우 중요한 방향성이 된다. 목적 지향적이기에 효율적이기도 하고 의외의 이점도 있다. 데이터로 문제를 해결한다 해서 명쾌한답이 반드시 보장되는 것은 아님을 빨리 깨닫는 것이다. 데이터가 정량화, 구조화되어 있다해서 데이터 기반의 문제해결 방식이 유일한 절대 답안을 도출해주진 않는다. 숫자를 다룬다는 측면에서 보자면 수학과 비슷하지만 분명 다른 부분이다. 데이터 전성시대에도 만능주의는 없다. 교육장 내에서 역량별로 잘 고안된 예제의 정답을 맞추는 방식보다 자신의 문제를 자신의 데이터로 일상에서 좌충우돌하며 해결해보는 경험이 개인의 데이터 리터러시 향상에 훨씬 더 유익한 이유다.
데이터 역량 제고에 반드시 필요한 세 가지 요건을 고르라면 첫 번째는 동기부여다. 특정 목적으로 동기가 부여된 상태여야 데이터 역량의 필요성을 절감하고 몰입하게 되기 때문이다. 두 번째는 그러한 목적의식을 잘 담아낸 데이터다. 가장 좋은 것은 자기가 스스로 조사하여 획득한 자체 데이터다. 세 번째는 데이터를 가공할 역량 및 툴이다.
|