Warum ist das Thema Datenkompetenz wichtig? Und warum sollen wir diese Kenntnisse weiter ausbauen?
Am 05.03.2021 habe ich bei TUG Germany über das Thema Datenkompetenz gesprochen. Und in diesem Blog Artikel habe ich meine Gedanken zum Thema aufgeschrieben.
Seit 2015 arbeite ich als Business Intelligence Consultant mit dem Fokus auf Datenvisualisierung und habe bereits mit einer Vielzahl an Kunden aus den unterschiedlichsten Branchen gearbeitet. Während meinen Projekten konnte ich folgendes beobachten: Es gibt immer mehr Leute, die aus dem Business-Kontext in die Tech-Welt wechseln; sie haben nicht unbedingt die technischen Grundlagen, aber sie wechseln teilweise in diesen Bereich, weil sie Fachexperten sind. Ich denke, dass dieser Trend hat nur positive Auswirkungen, denn die Quereinsteiger bringen eine Menge an Fachwissen und auch eine andere Denkweise und auch eine andere Herangehensweise an Problemstellungen mit.
Wenn man sich die Statistiken für IT-Berufe anschaut, dann fällt auf, das Berufe wie Data Analyst, Data Engineer, Data Scientist am meisten nachgefragt und demnach auch gut bezahlt sind.
Diese Leute lernen und arbeiten mit den unterschiedlichsten Tools um Geschäftsberichte zu erstellen. Diese Tools werden mittlerweile von vielen Leute gut beherrscht. Was aber in den meisten Fällen fehlt, ist das Wissen, wie man Daten visualisiert, wie man Diagrammen liest und welcher Diagrammtyp für welche Visualisierung am geeignetsten ist, um eine übersichtliche Darstellung zu erreichen und Fehlinterpretationen zu vermeiden. Um ein gutes Dashboard erstellen zu können, reicht es also nicht mehr nur aus, das Tool gut zu kennen bzw. zu beherrschen. Viel wichtiger ist es, die richtigen Diagramme für seine Reports zu wählen und mit einem entsprechenden Design für eine klare und eindeutige Interpretation zu sorgen.
Und das ist ein Thema, was in den meisten Schulen oder an den Universität nicht vermittelt wird. Die Leute erwarten einfach, dass man alle Diagrammtypen versteht und diese auch interpretieren kann. Dies bedeutet aber nicht, dass man sein Wissen darüber auch richtig anwendet. Es besteht also immer das Risiko, dass die entscheidungsrelevante Berichte fehlerhaft gebaut, nicht eindeutig interpretiert oder auch falsch gelesen werden.
Ein Beispiel für fehlerhafte Lesbarkeit liefert die Studie “COVID-19 Data: The Logarithmic Scale Misinforms the Public and Affects Policy Preferences”. (https://bit.ly/3ceSQ6l). In dieser Studie wurden den Probanden zuerst die Grafik links gezeigt. Es geht um die Zahlen auf eine lineare Achse. 84% konnten die Grafik richtig lesen und interpretieren. Dann wurde derselbe Datensatz und dieselbe Grafik mit einer logarithmischen Skalierung gezeigt. Erstaunlicherweise haben danach nur 41% der Probanden die Grafik richtig ablesen können.
![](https://datenkompetenz-online.de/wp-content/uploads/Bildschirmfoto-2022-09-11-um-10.40.36-1024x344.png)
Dieses Beispiel veranschaulicht, dass es den meisten Leuten an einigen Grundlagen fehlt: Sie müssen noch ein Grundverständnis für Statistik zu erwerben, sowie auch das Knowhow, wie man mit Daten richtig arbeitet und wie man Daten effektiv darstellt – Ansonst stellen wir zwar die Zahlen aufgehübscht in einem Diagramm dar, aber werden nicht unbedingt schlau daraus.
Heutzutage wächst deshalb das Interesse an dem Thema Data Literacy. Data Literacy umfasst vor allem das Grundlagenwissen, die alle beherrschen müssen, die mit Daten arbeiten.
In einigen wissenschaftlichen Artikeln von Gartner finden sie folgende Aussagen:
“Bis 2020 werden 50% der Unternehmen nicht über ausreichende KI- und Data Literacy Kenntnisse verfügen, um einen geschäftlichen Nutzen daraus zu erzielen”
(Artikel: A Data and Analytics Leader’s Guide to Data Literacy)
Bis 2020 werden 80% der Unternehmen eine gezielte Kompetenzentwicklung im Bereich Data Literacy einleiten.
( Artikel: CDOs Must Take the Lead to Improve Data Literacy )
Aber was genau bedeutet Datenkomptenz?
Gartner definiert Datenkompetenzals die Fähigkeit, Daten im Kontext zu lesen, zu schreiben und zu kommunizieren, einschließlich eines Verständnisses der Datenquellen und -konstrukte, der angewandten Analysemethoden und -techniken – und der Fähigkeit, den Anwendungsfall, die Anwendung und den resultierenden Wert zu beschreiben. (Quelle: Hier)
Was bedeutet diese Kompetenz zu haben?
Diese Kompetenz verlangt von uns ein starkes Verständnis über die Zahlen und Grafiken. Dazu hat sich bereit Alberto Cairo, der Buchautor, Professor an der Universität Miami, geäußert:
Working with data requires a certain degree of numerical and graphical literacy, respectively called numeracy and graphicacy. Numeracy isn’t just mathematics, statistics, or logic, but a sixth sense that is grounded on a grasp – even a tenuous one – of fundamental concepts of those areas. Graphicacy, on the other hand, consists of developing intuitions of what kind of graphs, charts, or maps are more adequate to either explore our data or communicate the main insights we obtained to other people.
Zusätzlich, wir brauchen technologische Kompetenzen, denn wir auch Tools bedienen und auch mit interaktiven Dashboards umgehen müssen. Ebenso sind unsere Kommunikationskompetenzen nachgefragt: wir sollen die technische Sprache beherrschen um Dialoge mit Kollegen über Data Themen führen zu können. Gleichzeitig müssen wir die Erkenntnisse aus den Daten in einem richtigen Konzept über das Dashboard mit unserem Publikum kommunizieren können.
Und diese Kompetenz soll nicht nur bei Ihnen sondern auch bei den Mitarbeitern aus ihrem Team vorhanden sein. Diese Kompetenz hat eine grundlegende Bedeutung für das Unternehmen und die Menschen mit denen Sie zusammenarbeiten. Die Leute sollen sensibilisiert werden, dass sie nicht nur Berichte erstellen, sondern diese Berichte als Basis für wichtige Entscheidungen dienen und somit der Ersteller der Dashboards auch eine gewisse Verantwortung für den Erfolg des Unternehmens trägt.