“得数据者得天下”？那要先把数据素养提上来！

数据的重要性已经越来越多融入公司的各项业务中。对数据使用的能力，成为每一个员工都必须具备的技能，但大多数公司仍难以培养全体员工的数据素养。

90％的企业管理者表示，只有25％的员工对自己的数据技能有信心。

本文提出五项策略来改善企业内数据素养的培训：让数据素养成为整个组织的优先要务；开发内部的共同语言；在组织内设置空间；奖励数据驱动的决策方式；设立“学习与发展”计划，让员工真正投入。

我们都看过报导指出，人脸辨识软件无法辨识出深肤色的脸孔，或者机器人银行柜员拒绝特定群体申请的抵押贷款。越来越多研究明确显示，由不具代表性群体编写的算法而打造的AI会让社会中已普遍存在的不平等现象长期存在。随着更多公司更依赖数据资料和AI，“算法歧视”的问题可能只会恶化。

大多数公司现在都知道这种现象存在。他们需要思考：如何避免自己成为另一个反面案例？

简短的回答是：人人都有责任以批判性的态度，去思考自己正在收集的数据，以及如何使用它们。扩大组织里能协助质疑、构建、监控算法的人员范围，是开发出负责任AI的唯一途径。要做到这一点，员工必须具备数据能力，或者数据素养，也就是要有能力解析和整理复杂的数据、解释和总结概述数据、产出预测，或是理解算法的逻辑内涵。这和数学一样，可以在基础或进阶模式下学习、跨越多门学科，而且对实践层面的重视通常会超过学术面。

在组织中培养数据素养，也有助于数据团队多元化。这些团队在第一线针对如何收集、处理、部署数据，做出很重要的决策。数据团队多元化很重要，这是我担任量化基金（quant fund）经理人十多年，亲身学到的心得。人们普遍认为，更多元的投资组合表现得较好，因为它们降低了风险。但类似的情况是，多元的团队表现出色，因为它们降低团体迷思（groupthink）的风险。企业若是投资建立培养整个组织的数据素养，就能带来更多彼此互异和具创意的观点，如此既能减轻算法出现偏见的风险，也能找到数据常会揭露的其他可提升效率之处和机会。

但从数据来看，大多数公司仍难以培养数据素养。90％的企业管理者表示数据素养是公司经营成功的关键，但只有25％的员工对自己的数据技能有信心。不只如此，一些估计数字指出，约十分之九的数据科学专业人士是白人，而只有18％是女性。职业技能训练公司General Assembly的研究指出，在多元性方面，数据科学甚至落后其他科技驱动的学科领域，例如数字化营销和使用者体验设计。

虽然有明显的需求存在，而且情况日益紧迫，但为什么我们没有系统性地大规模教导数据素养？过去几年，这个问题激励我投入研究。2018年，我辞去基金经理人的工作，与人共同创办关联一号（Correlation One）。我的团队和金融服务公司、财富五百强公司合作，建立更具包容性的数据科学人才库。我们协助塔吉特百货（Target）和强生（Johnson & Johnson）等雇主以及哥伦比亚政府，评估它们当前工作人力的能力，并给有心成为数据科学家的人提供免费培训。我们在这些工作当中，能从最近的距离观察，更了解组织迫切需要更多具备组织素养的工作人力，并协助各家公司实施具体明确的实务做法，以实现上述目标。

以下是我们使用的一些策略。

让数据素养成为整个组织的优先要务，而不只是技术人员的优先要务。

数据素养不是技术性技能，而是职能性技能。你应该鼓励所有的员工，包括营销人员、销售专业人员、运营人员、产品经理等员工，通过每季交流会议来培养自己的数据素养。你在这些会议谈到的主题，可以包括数据驱动的决策方式、AI发挥各种可能性的艺术、数据如何连结业务、伦理与AI，或是如何使用数据去沟通。这种针对组织全面施行的强调，是转型为数据优先文化的基础。

开发内部的共同语言，用以谈论数据、数据与业务和产业交集之处，以及数据如何改变公司里的特定职位。

数据的世界很大，充满各种行话和误解。请为整个组织发展出一种观点，呈现数据素养的哪些成分对你的组织来说是最重要的。如果你是一家金融服务公司，最重要的可能是机率和风险评估；如果你是一家科技公司，最重要的可能是做实验和可视化。在你的“学习与发展”会议中，请制作一些使用这种语言的学习内容，并说明这些内容可以如何连结到多个部门的业务。这么做员工就能完整了解数据素养和他们工作流程之间的所有连结。

在组织内设置空间，让员工能在其中连结业务概念和数据概念。

我们向关联一号公司的所有客户建议要赋权给员工，让他们产生能运用数据素养的新业务构想。例如，假设你的公司属于音乐产业，“学习与发展”计划的一部分可以是要求员工利用他们对数据素养的新理解，制定出项目的提案，也就是结合数据素养和他们的产业知识。这么做会产生令人惊讶的节约成本或创造营收的新构想。同样重要的是，赋权给他们可由下而上推动新的数据优先文化。

创立激励结构，奖励由数据驱动的决策方式。

以你当前用来批准构想或编列预算的流程为基础，然后增加一些机制，以奖励数据驱动的思考方式。举例来说，要求经理人在他们的提案中，纳入清楚明白的视觉呈现方式，或是建立一些仪表板，以量化方式即时追踪关键绩效指标（KPI）。针对员工采用数据驱动思维而拟定的提案，如果你加快批准项目的速度，或是同意给予更多预算，因而促使经理人从根据直觉，转变为根据数据做决策，你就能通过调整诱因，很快见到希望经理人表现的行为。

设立“学习与发展”规划，在业务问题的情境中培训数据素养，员工会因此真正投入。

组织如果为进行可维持长久的转型而订阅使用Coursera等教育训练平台，最后往往会失败。这是因为在以下情况中，学习成效会好得多：社会性（和别人一起学习）、个人化（由专家提出回馈意见）、情境化（直接连结到你要解决的业务问题）。若要开发这些个人化、社会性、情境化的学习计划，就必须使用更多资源，但这么做是值得的，因为会产生许多效益，包括：员工投入研习教材的认真程度、员工保有教材、赋权给员工等。

也许最重要的是，我在关联一号任职期间和之前的经历，有助于我了解数据不是垂直的，也就是说，数据领域不只是像数据科学家或数据工程师那样，是个专业的垂直领域。相反地，数据是水平的，是一种技能组合，可涵盖每个领域里越来越多职务。营销人员有了数据技能，就成为更优秀的营销人员。产品经理有了数据技能，就成为更优秀的产品经理。运营、工程、销售，甚至是人力资源也一样。不是每个人都必须知道如何写代码，但不久之后，人人都会需要数据素养。

归根结底，数据素养远不仅是指机器学习和数据科学，也不只是AI而已。数据素养就是指人能更好应对这个充满数据的世界。正因如此，我们现在比以往任何时候都更需要数据素养。

拉希德·萨巴尔（Rasheed Sabar ）|文

拉希德·萨巴尔是 Correlation One 的联合创始人兼联合首席执行官，Correlation One 是一家专注于企业数据技能培训的技术公司。该公司正在建立一个更具包容性的数据生态系统，包括让更多女性和代表性不足的群体参与数据工作的计划。

马冰仑 | 公众号文章编辑