Alfabetizzazione dei dati per i dati-fobici: 7 cose che i principianti devono sapere

By Lydia Hooper, Feb 01, 2022

data literacy blog header
I dati fanno parte di tutte le nostre vite in questi giorni, non importa in quale settore lavoriamo, quanta tecnologia usiamo e come otteniamo informazioni su ciò che accade nel nostro mondo.

Ma comprendiamo appieno questi dati? Inoltre, sappiamo come usarli al meglio e condividerli con gli altri?

Grazie al cielo ci sono le visualizzazioni dei dati. Esse aiutano a tradurre i numeri in intuizioni significative che potete usare per prendere decisioni, anche se siete ancora un po’ fobici. E se lo siete, non siete soli. Anche se avere una buona padronanza dei dati è un’abilità vitale sul posto di lavoro, la maggior parte delle organizzazioni sono in ritardo, secondo Gartner.

Per essere in grado di creare e talvolta di comprendere appieno le visualizzazioni di dati, dobbiamo superare qualsiasi paura che possiamo avere e diventare più esperti di dati. Non sono assolutamente uno statistico, ma ho scoperto che le mie conoscenze e competenze relative ai dati sono preziose come information designer e scrittore di Venngage Infographics. Sono entusiasta di condividere alcune nozioni di base con voi in modo che possiate aiutare il vostro team ad aumentare il loro processo decisionale basato sui dati e quindi le loro prestazioni.

Tabella dei contenuti:

Cos’è l’alfabetizzazione dei dati? Una definizione

data literacy definition: reading data, working with data, communicating with data.

 

L’alfabetizzazione dei dati è la capacità di leggere i dati, lavorare con i dati e comunicare sui dati mettendoli nel giusto contesto.

Si tratta di qualcosa di più della semplice comprensione e lavoro con i numeri, o numeracy. L’alfabetizzazione dei dati include la comprensione:

  • Come valutare le fonti di dati e i metodi di raccolta
  • Quali possono essere le varie applicazioni per un dato set di dati
  • Il valore di lavorare con la comprensione dei dati

Correlato: Cos’è la visualizzazione dei dati? (Definizione, esempi, buone pratiche) 

Perché è importante l’alfabetizzazione dei dati?

L’alfabetizzazione dei dati è importante perché quando prendiamo decisioni basate sui dati possiamo migliorare i nostri risultati, anche in un contesto aziendale.

“L’alfabetizzazione sui dati è diventata importante, per quasi tutti. Le aziende hanno bisogno di più persone con la capacità di interpretare i dati, di trarre intuizioni e di fare le domande giuste in primo luogo. Queste sono abilità che chiunque può sviluppare, e ci sono ora molti modi per gli individui di aggiornarsi e per le aziende di sostenerli, aumentare le capacità e guidare il cambiamento. Infatti, i dati stessi sono chiari su questo: Il processo decisionale guidato dai dati migliora notevolmente le prestazioni aziendali“.

– Josh Bersin e Marc Zao-Sanders in Harvard Business Review 

Anche se l’alfabetizzazione ai dati sta diventando sempre più importante sul posto di lavoro, la maggior parte delle organizzazioni non ha queste competenze. I dipendenti che hanno un’alfabetizzazione sui dati sono più propensi a dire che stanno lavorando molto bene. Se vi state chiedendo come sono le vostre competenze, date un’occhiata a questa valutazione.

“Fino a poco tempo fa le persone potevano facilmente ignorare i dati nel loro lavoro quotidiano. Gli ‘ingranaggi’ e i ‘quants’ dell’azienda erano isolati in dipartimenti specializzati, i tecnici si occupavano delle cose banali e i manager potevano ignorare i benefici di una migliore qualità dei dati con l’atteggiamento: ‘Stiamo andando bene. Perché preoccuparsi? Ma ora tutto questo sta cambiando. Il risultato principale della mia più recente “scansione” dello spazio dei dati è che la paura ha sostituito l’apatia come nemico numero uno dei dati… Puoi diventare un leader credibile e dissipare la paura dei dati nel tuo team e la tua paura aumentando le tue capacità e ispirando l’intero dipartimento ad abbracciare i dati”.

Thomas C. Redman in Harvard Business Review 

Molte persone stanno anche cercando di visualizzare e comunicare sui dati (anche in infografiche), e l’alfabetizzazione sui dati è fondamentale per farlo bene. Per esempio, questo rapporto di proiezione finanziaria include numeri grezzi, tabelle e grafici. Quando si capisce bene cosa dicono i dati, si è meglio preparati a evidenziare i risultati chiave per il pubblico.

Modern Financial Projection Report Template for Data Literacy

 

Forse avete iniziato a visualizzare i dati raccolti attraverso i sondaggi e ora volete sapere quali altri dati sono disponibili per supportare i risultati del sondaggio. O forse avete guardato solo i dati relativi ai clienti attuali e ora volete guardare i dati che potrebbero aiutarvi a indirizzare nuovi clienti.

In entrambi questi casi e in molti altri, avrete bisogno di raccogliere e analizzare i dati, ma probabilmente vorrete anche condividerli con gli altri. Lo strumento Chart Maker di Venngage è più facile da usare rispetto alla maggior parte delle piattaforme di analisi dei dati e di BI, quindi si può facilmente iniziare a visualizzare i dati tabulari (dati che si trovano in tabelle).

data literacy

 

Le competenze di alfabetizzazione sui dati sono difficili da costruire?

Se è così importante, allora perché manca sul posto di lavoro?

Uno dei motivi principali è che i leader potrebbero non avere loro stessi queste competenze. Anche il fatto che i dipendenti che conoscono i dati sono tipicamente isolati nei team IT o BI non aiuta i colleghi a condividere e diffondere questo know-how.

Certo, alcune persone non si sono ancora riprese da quell’orribile lezione di matematica al liceo. Possono pensare di essere semplicemente pessimi in matematica.

Altri possono essere ok o addirittura bravi in matematica, ma non vogliono che gli errori che fanno portino a conseguenze potenzialmente molto dannose, compresa la perdita di reputazione.

Tutte queste sfide sono comprensibili e possono essere superate. Molte persone esperte di dati lottano per mantenere le basi per i principianti, quindi il mio obiettivo è quello di aiutarvi ad afferrare lentamente alcune basi per acquisire alcune competenze e più fiducia.

7 cose che i principianti devono sapere sull’alfabetizzazione dei dati

Data Literacy 7 things to know

 

1. L’incertezza è inevitabile

Potreste pensare: “Pensavo che i dati fossero fatti e cifre”. Qualsiasi statistico vi dirà che qualsiasi serie di dati è incompleta, che la statistica in realtà riguarda spesso la spiegazione dei livelli di incertezza. Per esempio, potremmo essere sicuri al 95% che il nostro pranzo di oggi ha una probabilità dall’87% al 91% di essere super delizioso.

Questo è importante da tenere a mente soprattutto se stiamo comunicando dei dati. Se stiamo usando immagini, come le infografiche, per farlo, probabilmente maschereranno la confusione della realtà e faranno sembrare le nostre dichiarazioni più fattuali. Possiamo essere comunicatori responsabili comprendendo bene i dati e, quando possibile, spiegando ciò che ancora non sappiamo.

Correlato: Come usare la visualizzazione dei dati nelle vostre infografiche 

2. Ci sono vari tipi di dati

A causa di tutte le incertezze da soppesare, la raccolta dei dati può essere un processo laborioso e dettagliato. Se non li state raccogliendo voi stessi, allora la cosa più importante da sapere è che ci sono diversi tipi di dati che possono essere raccolti, e ognuno è appropriato per situazioni diverse.

È probabile che quando si pensa ai dati, si pensa ai dati quantitativi, che si basano su misurazioni precise e spesso analizzati con metodi statistici.

I dati quantitativi, noti anche come dati numerici, possono presentarsi in diverse forme.

I dati discreti possono essere contati e divisi in gruppi più piccoli, come il numero di persone in una folla. In alternativa, i dati continui esistono su un continuum, per esempio la lunghezza. Ci sono due tipi di dati continui: I dati di intervallo non hanno un vero “zero”, come la temperatura, mentre i dati di rapporto sì, come il peso. I dati continui sono spesso visualizzati in grafici a linee, come i rapporti sulla crescita dei profitti.

Data Literacy Line Chart Template

 

I dati qualitativi, d’altra parte, sono descrittivi, basati su osservazioni che non possono essere misurate, come il genere o la lingua parlata. L’analisi di questo tipo di dati spesso comporta la categorizzazione in temi o modelli basati sulle caratteristiche. I dati qualitativi possono essere chiamati dati categorici.

Ci sono anche due tipi di dati categorici. I dati nominali possono essere usati per misurare frequenze e percentuali e possono essere visualizzati in un grafico a torta o a barre. Se i dati sono messi in una sorta di ordine logico (come colazione, pranzo e cena), i dati sono considerati dati ordinali.

A volte vengono raccolti e analizzati sia dati qualitativi che quantitativi – questo è noto come metodi misti. Essi possono essere mischiati e interpretati in modi diversi, quindi può valere la pena di indagare se state usando questo tipo di set di dati.

Tutto questo per dire: capire il tipo di dati con cui state lavorando vi aiuterà a determinare come comunicarli al meglio, sia che si tratti di scegliere l’ordine in cui i dati devono essere presentati o che tipo di grafici per visualizzarli.

3. Le fonti di dati sono importanti

Della maggior parte, se non tutti, dei principali metodi di raccolta dati probabilmente ne avete già sentito parlare:

  • Sondaggi o questionari
  • Interviste
  • Osservazioni
  • Esperimenti

Se i dati sono raccolti in prima persona da un ricercatore, sono considerati dati primari. I dati secondari sono dati che sono già stati raccolti e sono stati messi a disposizione di altri per essere analizzati e condivisi.

È probabile che voi stiate usando dati secondari, quindi ecco alcune domande veloci che potete farvi per assicurarvi che i dati siano di alta qualità:

  1. I dati provengono da una fonte affidabile? Quella fonte condivide informazioni su come i dati sono stati raccolti (questo può essere incluso in documenti chiamati metadati)? In altre parole, sono trasparenti?
  2. Sono aperti, limitati o non disponibili? I dati aperti o pubblici possono essere resi disponibili da enti governativi o organizzazioni intergovernative, ma alcuni dati possono essere limitati. La privacy è una questione importante, e ci sono molte leggi che impediscono la condivisione di dati che possono violare i diritti o la dignità delle persone.
  3. Il set di dati è quello giusto per il lavoro in questione? Valutare questo richiede un pensiero logico e prudente. Per esempio, se voglio dire qualcosa sui liceali che vivono in America, è meglio che mi assicuri di poter trovare dati che rappresentino i molti giovani che vivono in tutti gli stati. Se non posso, allora dovrei specificare che mi sto riferendo ai liceali di New York, o di Buffalo in particolare.
  4. Sono aggregati e/o normalizzati? I dati aggregati sono stati riassunti in modo da non poter identificare le caratteristiche a livello individuale. Un esempio comune sono i dati di Google Analytics: sapete quante persone hanno visitato una specifica pagina web, e potreste anche sapere in quale città vivono, ma non sapete i loro nomi. I dati normalizzati ci aiutano a confrontare i numeri usando una scala comune. Un esempio comune è quando vediamo i tassi pro capite: È meno significativo conoscere il numero di incidenti d’auto nelle città del vostro stato, e più significativo sapere se alcune città hanno un numero sorprendentemente alto di incidenti data la dimensione della popolazione.

Una volta che avete i dati in mano, siete pronti per iniziare a usarli.

data literacy working with data

 

4. È importante mantenere i dati organizzati

A questo punto potreste pensare: wow, c’è molto di cui tenere traccia. La gestione dei dati non è per i deboli di cuore. Richiede molta attenzione ai dettagli e al follow-through.

Se state lavorando con un insieme di dati relativamente piccolo, come le risposte ai sondaggi, allora probabilmente potete usare solo uno o una serie di fogli di calcolo.

data literacy

 

Se state scaricando insiemi di dati pubblici, come le cifre del censimento, potreste avere per le mani più di quanto vi serve. Alcuni set di dati potrebbero anche aver bisogno di essere puliti, il che significa che i dati errati o duplicati devono essere cancellati. A volte i dati devono anche essere riformattati – per esempio, se i numeri vengono letti come testo da un software analitico, i calcoli saranno impossibili (testo e numeri sono tipi di campo diversi).

La gestione dei dati può essere un lavoro di squadra. Se non siete sicuri di come mettere in riga le vostre paperelle, contattate e trovate qualcuno che possa aiutarvi.

5. I dati spesso possono raccontare molte storie diverse

Quando si analizzano i dati, generalmente si cercano degli schemi. Questi modelli possono raccontare una storia su ciò che è successo, o su ciò che è più comune, o su qualcos’altro.

Correlato: Come raccontare una storia con i dati (una guida per principianti) 

La maggior parte dei modelli si riduce alle relazioni tra due o più variabili, che sono le “cose” che vengono contate, misurate o descritte. Ecco alcuni esempi:

  • Persone che sono in leghe di bowling contro persone che sono in squadre di tennis
  • Negozi di alimentari nei quartieri a basso reddito e negozi di alimentari nei quartieri ad alto reddito (nota: i dati geografici o basati sul luogo includono le coordinate della mappa oltre ad altre variabili)
  • Quello che la gente prova per i gatti rispetto a quello che prova per i cani

Data literacy dogs vs cats comparison infographic

 

Per ognuno di questi esempi, potreste scoprire nei dati una varietà di modelli. Consideriamo l’ultimo esempio elencato. Osservando i diversi sentimenti delle persone, si potrebbe scoprire che alle persone più anziane piacciono di più i gatti, o alle persone con figli piacciono di più i cani.

Il punto è che i dati da soli non dicono nulla. È solo attraverso l’analisi che si può iniziare a scoprire intuizioni. E ce ne possono essere molti da scoprire, quindi vale la pena continuare a scavare e non accontentarsi del primo “aha” in cui ci si imbatte. Prestate attenzione a outlier e anomalie: si tratta di punti di dati significativamente diversi che possono indicare errori nei dati e/o luoghi per ulteriori studi e analisi.  Siate consapevoli dei vostri pregiudizi cognitivi e delle potenziali insidie mentre conducete la vostra analisi.

6. Quando conoscete la vostra storia, condividetela responsabilmente

Per prima cosa, cosa speri di condividere con gli altri?

  • Descrizioni dei dati, come frequenze o percentuali
  • Distribuzioni dei dati, come intervalli o medie
  • Confronti tra dati, come cambiamenti nel tempo o correlazioni tra variabili

Un altro grande no-no è quello di equiparare la correlazione con la causalità in qualsiasi modo. Ci può essere una correlazione tra le vendite di gelato e di crema solare, ma questo non significa che vendere più gelato porterà a più crema solare, può significare che entrambe le vendite sono il risultato di una terza variabile che è il periodo dell’anno.

Una volta che si sa cosa si spera di condividere, si può scegliere un visual che aiuterà meglio gli altri a capire i punti chiave.

7. Non è necessario sapere tutto

Ma avete bisogno di continuare a imparare! C’è molto da imparare, quindi se avete bisogno di aiuto per dare la priorità a ciò che si deve inchiodare per primo, è super importante capire come i dati possono essere usati in modo improprio per fuorviare. Se non altro, assicuratevi di non farlo.

data literacy 5 ways writers use graphs to mislead

 

Congratulazioni! Ora siete sulla buona strada per superare le vostre fobie dei dati e diventare più competenti in materia. Spero che prenderete ciò che avete imparato qui e inizierete ad applicarlo immediatamente.

Proprio come una volta il modo migliore per imparare a leggere era quello di prendere in mano dei libri, il modo migliore per costruire la vostra alfabetizzazione sui dati è fare pratica lavorando con i dati e condividendoli con gli altri. Quando lo farete, vi renderete presto conto dell’immenso valore di farlo.

Semplici modelli di visualizzazione dei dati per costruire la vostra alfabetizzazione sui dati

Potete iniziare usando alcuni semplici modelli per creare alcune visualizzazioni di dati con Venngage. Qui ci sono alcuni modelli per iniziare.

data literacy

data literacy

data literacy 

 

Volete vedere di più? Date un’occhiata alla nostra libreria di modelli e iniziate a creare la vostra infografica gratis con i nostri modelli facili da modificare e l’editor drag-and-drop.