Wat is datageletterdheid? Kernvaardigheden, checklist en infographic

Wat is datageletterdheid?

Datageletterdheid, in het Engels data literacy, is een verbijzondering van het algemene begrip geletterdheid. Mede door de opkomst van big data, machinelearningtools en AI staat het sterk in de belangstelling. Het is een onmisbare vaardigheid voor de hedendaagse teamleider, medewerker en manager: het stelt je in staat kritische vragen te stellen over data, kennis op te bouwen, besluiten te nemen en de betekenis ervan met anderen te delen.

Datageletterdheid is de vaardigheid van medewerkers om databronnen te ontdekken, openen, lezen, bewerken, combineren, analyseren, visualiseren en presenteren. Het helpt bij het nemen van beslissingen door mogelijke uitkomsten te voorspellen aan de hand van big data of gewone bedrijfsdata. Data systematisch analyseren en analyses gebruiken voor innovatie, bijvoorbeeld met machinelearningtechnieken, zijn waardevolle vaardigheden in elke branche. Uit onderzoek blijkt dat datageletterdheid leidt tot snellere beslissingen en een aantoonbaar hogere omzet (Empowering analytics, Aberdeen Group, 2016). Een brede, bondige definitie:

Datageletterdheid is het consequent gebruik van data voor analyse en actie door iedereen in de organisatie.

Waar het op neerkomt is dat medewerkers de kracht van data-analyse begrijpen en die kunnen toepassen in hun dagelijkse werk, ter ondersteuning van operationele, tactische en strategische beslissingen. Ze moeten zich ervan bewust worden dat datagedreven werken kan bijdragen aan betere resultaten van het team en de organisatie.

Geletterdheid: ruimer dan lezen en schrijven

Geletterdheid is ruimer dan kunnen lezen en schrijven. Het is de competentie om met informatie om te gaan, die te begrijpen en doelgericht te gebruiken. Het begrip, afgeleid van het Latijnse littera (letter), heeft betrekking op het kennisniveau van het gesproken en geschreven woord en op het overbrengen en begrijpelijk maken van informatie via verschillende media. Geletterd zijn betekent concreet:

• via taal kunnen communiceren en informatie verwerken;
• met cijfermatige en grafische gegevens kunnen omgaan;
• gebruik kunnen maken van ICT.

Infographic datageletterdheid

De infographic hieronder is een visuele vertaling van de wereld van datageletterdheid, een wereld waarachter weer een hele wereld schuilgaat: denk aan culturele aspecten en de ontwikkeling van een land.

Gecijferdheid en numeracy

Gecijferdheid is de combinatie van kennis, vaardigheden en persoonlijke kwaliteiten die een individu nodig heeft om adequaat en autonoom om te gaan met de kwantitatieve kant van de wereld om ons heen. Het is nauw verwant aan het Engelse begrip numeracy: het vermogen om met getallen en wiskundige begrippen om te gaan.

Volgens de Organisatie voor Economische Samenwerking en Ontwikkeling (OESO) scoort zo’n een op de vier volwassenen in ontwikkelde landen op of onder het laagste niveau van gecijferdheid. Deze mensen vinden het bijvoorbeeld lastig om cijfers en grafieken te interpreteren. Wiskundeangst is een serieus verschijnsel: de OESO signaleerde in 2012 in het grootschalige internationale PISA-onderzoek al dat die angst bij zo’n 30 procent van de vijftienjarigen voorkomt.

De drie kernvaardigheden voor datageletterdheid

Om het niveau van kennis en vaardigheden in kaart te brengen neemt Nederland deel aan PIAAC (Programme for the International Assessment of Adult Competencies), een grootschalig internationaal onderzoek onder 5.000 respondenten dat het niveau en het gebruik van vaardigheden onder 16- tot 65-jarigen in kaart brengt. PIAAC bouwt voort op een traditie van het meten van kernvaardigheden: IALS (International Adult Literacy Survey) in 1994 en ALL (Adult Literacy and Life Skills Survey) in 2007. Het onderzoek, onder leiding van de OESO uitgevoerd in 24 landen, noemt dit kernvaardigheden omdat ze essentieel zijn voor het begrijpen, analyseren en gebruiken van informatie die we in het dagelijks leven en op het werk tegenkomen, in teksten, figuren of grafieken, online en op papier.

1. Taalvaardigheid

Het gebruik van geschreven informatie om te functioneren in de maatschappij, de eigen doelen te verwezenlijken en de eigen kennis en mogelijkheden te ontwikkelen. Het loopt van het begrijpen van geschreven woorden en zinnen tot het interpreteren en evalueren van complexe teksten, ook digitale. Het gaat niet alleen om lezen en begrijpen, maar ook om adequaat kunnen handelen met die informatie.

2. Rekenvaardigheid

Het vermogen om mathematische informatie en ideeën te gebruiken, te interpreteren en te delen om zo om te gaan met wiskundige eisen in uiteenlopende situaties: een situatie beheersen of een probleem oplossen in een realistische context. Hoewel rekenvaardigheid deels afhangt van taalvaardigheid, omvat het meer dan mathematische vaardigheden toepassen op informatie in teksten. Denk aan de statistische grondslag (waarschijnlijkheid) van kunstmatige intelligentie en diverse algoritmes.

3. Probleemoplossend vermogen

Het vermogen om digitale technologie en communicatiemiddelen te gebruiken om informatie te verkrijgen en te evalueren, met anderen te communiceren en praktische taken te verrichten. Het bevindt zich op het grensvlak van computervaardigheid en de cognitieve vaardigheden die nodig zijn om problemen op te lossen. Het gaat dus niet louter om computervaardigheid, maar om het vermogen digitale middelen, zoals BI-tools, te gebruiken om informatie effectief te vinden, te verwerken, te evalueren en te analyseren.

Geletterdheid versus datageletterdheid

Datageletterdheid bouwt voort op algemene geletterdheid en gecijferdheid. De tabel laat zien wat het toevoegt.

Het belang van data literacy

We hebben meer data tot onze beschikking dan ooit, en datagedreven besluitvorming zit in de lift. Zo werken betekent ook dat je medewerkers en teams inschaalt op hoe geletterd ze zijn en hoe ze met data omgaan. Zijn ze in staat data te lezen? Kunnen ze data analytics toepassen in hun dagelijkse werk? Met hoeveel ‘data-analfabeten’ heb je te maken in je team? Vier aspecten spelen een doorslaggevende rol:

1. Toegang tot data
2. Houding tegenover data
3. Vaardigheden
4. Kritisch denken

Met dit inzicht kun je collega’s veel gerichter helpen om meer uit data te halen.

Checklist: 30 indicatoren van datageletterdheid

Toegang tot data

1. Kan de persoon bij de benodigde data komen, en kent hij of zij de juiste contactpersonen?
2. Is de persoon bekend met het data-analyticsteam en de tooling?
3. Heeft de persoon een account voor de tooling en heeft hij of zij ingelogd?
4. Weet de persoon waar hij of zij terechtkan voor ad-hocvragen en -analyses?
5. Is de persoon stamgast bij het data-analyticsteam en belegt hij of zij daar alle vragen, verbeteringen en analyses?

Houding tegenover data

1. Heeft de persoon een positieve attitude tegenover datagedreven beslissingen nemen, en ziet hij of zij dit als belangrijk?
2. Heeft de persoon een positieve houding tegenover data?
3. Is de persoon bereid tijd te investeren in een (nieuwe) skillset?
4. Investeert de persoon, of heeft hij of zij geïnvesteerd, in het verbeteren van datavaardigheden (cursussen Excel, Tableau, Access enzovoort)?
5. Heeft de persoon feeling met data?
6. Heeft de persoon redelijk passende verwachtingen van data?

Vaardigheden

1. Kan de persoon omgaan met de relevante software?
2. Is de persoon in staat grafieken te lezen en datavisualisaties te maken?
3. Is de persoon in staat grafieken in data-analyticstooling te lezen?
4. Kan de persoon assen interpreteren?
5. Kan de persoon zelf draaitabellen maken in Excel, Power Pivot of Power BI?
6. Kan de persoon zelf dashboards en rapporten bouwen met selfservice-analytics?
7. Is de persoon handig met VERT.ZOEKEN (VLOOKUP) in Excel?
8. Is de persoon bekend met statistiek?
9. Kan de persoon de juiste conclusie trekken uit een grafiek, maar heeft hij of zij hulp nodig om bij een vraagstuk de juiste grafieken, dashboards of data te vinden?

Kritisch denken

1. Is de persoon in staat passende conclusies te trekken?
2. Is de persoon in staat juiste conclusies te trekken?
3. Maakt de persoon geen voor de hand liggende fouten bij de interpretatie van data?
4. Kan de persoon een goede hypothese opstellen en die toetsen met data?
5. Kan de persoon een eenvoudige hypothese opstellen en die aan de hand van een bestaand dashboard toetsen?
6. Is de persoon in staat in te schatten hoe betrouwbaar de data is?
7. Is de persoon zich bewust van de eigen confirmation bias?
8. Is de persoon in staat op basis van onvolledige data een goed onderbouwde beslissing te nemen?
9. Is de persoon zich bewust van de beperkingen, maar ook van de kansen van de data?
10. Weet de persoon een beslissingsvraagstuk om te zetten in een hypothese en die aan de hand van (diverse) relevante data te toetsen?

Bron van de checklist: Datacratisch werken, kom in de verbetermodus met een datagedreven PDCA.

Analfabetisme en laaggeletterdheid

De onderzoeken naar literacy van volwassenen hebben volgens de auteurs van het PIAAC-rapport vaak een sterke connotatie gehad met analfabetisme en laaggeletterdheid. Dat geeft een verkeerd beeld. Het gaat om kernvaardigheden die van belang zijn voor optimaal functioneren in een kennissamenleving. Niet voor niets spreekt de OESO over key information processing skills. De onderzoekers trekken ook een belangrijke conclusie met het oog op de vergrijzing: het daadwerkelijke gebruik van de drie kernvaardigheden draagt op oudere leeftijd bij aan het niveau ervan. Met andere woorden: use it or lose it.

Het Data Literacy Project en de Data Literacy Index

Volgens de initiatiefnemers van het internationale Data Literacy Project zijn opleiding en training hét recept tegen dataongeletterdheid. Het project voorziet individuen en bedrijven van trainingsmaterialen en interactieve assessmenttools en biedt toegang tot een netwerk van experts. Het netwerk stimuleert daarnaast een datagedreven cultuur binnen bedrijven, en bepleit dat onderwijsinstellingen over de hele wereld data literacy aan het standaardcurriculum toevoegen.

Door de opkomst van automatisering, robotica en kunstmatige intelligentie wordt het steeds belangrijker dat we vertrouwen hebben in onze eigen datavaardigheden. De Data Literacy Index houdt bij hoe organisaties en landen scoren op datageletterdheid: de optelsom van menselijke vaardigheden, het aantal datagedreven beslissingen en de mate waarin data binnen organisaties en overheidsinstellingen is verspreid.

Diverse onderzoeken laten zien dat de kernvaardigheden nauw samenhangen met het succesvol participeren van individuen in de maatschappij in het algemeen en op de arbeidsmarkt in het bijzonder. Individuen met een hoger niveau van kernvaardigheden zijn minder vaak werkloos, hebben een hoger inkomen, hebben een betere gezondheid en zijn vaker politiek en maatschappelijk actief (Oosterbeek & Van Ophem, 2004; Rudd, Kirsch & Yamamoto, 2004; Heckman, Stixrud & Urzua, 2006; Schuller & Desjardins, 2007; Statistics Canada & OECD, 2008).

Maatschappelijke relevantie

Volgens Stichting Lezen & Schrijven hebben in Nederland 2,5 miljoen mensen van 16 jaar en ouder moeite met lezen, schrijven en/of rekenen. Vaak hebben zij ook gebrekkige digitale vaardigheden. Geletterd zijn is belangrijk om zelfstandig te functioneren in de samenleving, in diverse rollen en posities. Datageletterdheid kun je niet bereiken als je niet (goed) kunt lezen, schrijven en rekenen.

Verder lezen

• Datagedreven werken: de organisatie rond datageletterdheid.
• Data-analyse: de 5 stappen en 25 technieken.
• Datavisualisatie: grafieken lezen en maken.
• Dashboards: van cijfers naar beslissingen.

Bronnen

• OESO: Survey of Adult Skills (PIAAC).
• OESO (2013): PISA 2012 Results.
• Aberdeen Group (2016): Empowering analytics.
• The Data Literacy Project: thedataliteracyproject.org.
• Stichting Lezen & Schrijven: cijfers over laaggeletterdheid in Nederland.

Over de auteur

Thomas Abramse

Thomas heeft een rijke achtergrond in data-analyse en datagedreven werken, als analist en als manager. Binnen het team is hij de verbinder: hij luistert goed naar klanten en zet enen en nullen om in iets persoonlijks dat daadwerkelijk tot verbetering leidt.

Over Diamond Decisions

Diamond Decisions helpt organisaties beter te worden door betere beslissingen mogelijk te maken. We starten niet bij data, dashboards of AI, maar bij de beslissing die beter moet, en bouwen van daaruit terug naar KPI’s, data en technologie. Dat doen we in vier stappen: inspiratie en alignment, business modeling, analytics en dataplatform en datagedreven beslissers. Zo zorgen we dat BI en AI geen IT-project blijven, maar elke dag waarde opleveren.