人工智能解决方案将通过减少摩擦和帮助解决已定义的业务问题而获得更大的成功.

维迪雅Setlur

研究主任,十大跑分平台

维迪雅Setlur报道 表研究 导演, 领导一个研究团队的科学家在包括数据可视化领域, 多通道交互, 统计数据, 应用毫升, 和NLP. 她于2005年获得西北大学计算机图形学博士学位. Vidya曾担任诺基亚研究中心的首席研究科学家. 她的研究结合了信息检索的概念, 人类的感知, 认知科学帮助用户有效地与环境中的系统进行交互.

目前十大跑分平台是如何走到这一步的

目前十大跑分平台正在经历一个数据和技术的黄金时代——而且没有放缓的迹象. 人工智能(AI)技术不断改进:机器学习(ML)模型正在处理数万亿行数据, 自然语言处理(NLP)的进步正朝着理解人类意图的方向发展, 算法的速度也越来越快. 目前十大跑分平台看到的更简单, 将重复的任务自动化, 这带来了新的机会,使人类能够做他们最擅长的事情:批判性地推理和在上下文中理解数据.

随着创新加速, 人工智能的投资和采用也是如此, 99%的财富1000强公司都计划这么做 未来5年投资于数据和人工智能. 业务和IT领导人认为,这对他们的业务未来的生存至关重要. 但人工智能解决方案的长期成功和可持续性需要考虑很多因素:不断增加的数据量, 维护这项技术的成本, 难以配备高度专业化的角色, 以及扩大人工智能飞行员的应用范围.

企业认识到他们需要做更多的创新和更好的服务他们的客户. 虽然人工智能带来了机遇,但大多数投资尚未实现潜在价值. In 2022, 人工智能技术将通过人类增强达到新的成功水平:帮助和增强人们批判性思考和做出数据驱动的决策. 将分析和AI视为团队的支持成员.

数据文化 还有数据素养——探索的能力, 理解, 并与数据进行沟通,也有助于组织弄清楚他们的人工智能和ML战略和视角. 这些改变管理和劳动力发展的努力将影响他们如何保持竞争力和管理人类增强的频谱, 从以下问题开始:

  • 什么样的任务将通过人工智能技术完全自动化?
    • 一些自动化的例子可以让人们把精力集中在更复杂的任务上:基本的语言翻译和图像编辑. 而不是花几个小时手动编辑照片来改变背景, 编辑可以通过默认的图像编辑技术来完成,该技术结合了AI来处理照明和混合技术. 这些自动化工具促进了创造力的新水平.
  • 哪些任务将是半自动化的,需要人工参与和解释?
    • 人工智能的例子可以提炼出有用的模式和见解,使人们能够在特定环境下做出数据驱动的决策:
      • 为了更准确地权衡气候和流行病模型, ML技术被用于帮助研究人员了解趋势, 影响, 以及帮助决策的模式.
      • 机器可以检查未标记的语音数据(如.g. 使用NLP和ML算法来更好地理解用户的意图, 添加相关类别和标签. 这些能指和语义学告诉人们下一步要采取什么行动.

有共同的行为, 信仰, 数据技能也有助于扩大人工智能解决方案的规模, 支持可持续实施和创新. 在一个 最近的报告高德纳咨询公司(Gartner®)发现,“缺乏技能”被排在首位. 1 .对人工智能和机器学习采用的挑战.“因为投资于人力和人工智能技术的发展是一个持续的过程, 随着技术的不断发展. 让你的所有员工都同意并拥有适当的技能可能意味着AI概念证明变得可扩展, 实际应用或完全失败.

目前十大跑分平台去的地方

与IT领导合作, 商业领袖有机会推动基于商业环境的数据和人工智能战略. 人工智能技术是相关的, 可维护的, 和可辩解的, 它需要赋予人们权力,并与业务战略和目标相联系. 目前十大跑分平台将看到人工智能解决方案从一个概念模型的证明过渡到广泛的业务和行业特定用例的实现.

各行各业都在以创新的方式开发和使用人工智能. A 毕马威最近的一项研究 研究了AI在五个行业的部署情况(零售, 运输, 医疗保健, 金融, 和技术), 在91%的医疗行业受访者中发现了这一点, 人工智能正在增加患者获得护理的机会.尽管大多数企业都是手工管理他们的供应链, “那些在未来几个月或几年里采用人工智能的公司将实现显著的竞争差异化,”。 哈佛商业评论.

多亏了云计算, 人工智能已经变得更便宜、更容易获得, 引领更大的创新跨越经验和行业. 另外还要关注商业上的成功, 目前十大跑分平台将看到结合不同人工智能技术的解决方案,以实现更好的结果(也被称为 综合人工智能)来支持人们,特别是“调优”这种智能到特定的工作流.

通过共享技能,工作流程将变得更加有效, 心态, 数据文化和价值观 数据读写-这有助于人们完成新的能力, AI成功所需的更复杂的数据科学和分析任务.

建议

1. 将人工智能视为一项团队运动. 确定哪些任务和功能可以通过节省人们的时间或提高他们的技能或专业知识来最好地支持人工增强. 首先看看你的客户的需求和痛点,了解你的AI解决方案在哪里可以为他们增加价值. 问自己以下几个问题,看看概念证明或试点是否值得开发:

  • 有多少客户有类似的需求或经历这些相同的问题?
  • 这些问题发生的频率是多少?
  • 这些问题可以用人工智能技术解决吗?

2. 关注业务用例和成功因素,从概念证明和成功扩展.

  • 通过将实际业务问题的解决方案与明确的目标联系起来,以实现它们的价值,从而驱动有意AI和情境AI.
  • 确定AI可以使和减少摩擦的地方. 不要试图在你的产品套件的所有方面都启用人工智能——如果你把资源分散得太分散,你将很难扩大规模.
  • 警惕“闪亮的”白日梦项目. 虽然有吸引力,但他们很少超越概念证明. 通过为人工智能项目设定现实的时间和范围预期来消除噪音, 平衡所有资源,比如预算, time, 高技术人员, 和基础设施.

3. 投资数据素养以提高技能和 开发你的员工.

  • 数据质量差会导致不准确和无效的人工智能解决方案. 具有数据素养的工作人员可以改善数据质量问题, 构建和/或训练AI, ML, NLP, 等. 具有准确、及时和相关数据的算法和模型.
  • 即使是一个基本的, “数据101”培训, 无论是内部开发还是通过第三方提供, 能否为业务用户提供他们回答问题所需的信息. 这将减少向高级分析和数据科学团队提出的简单或低风险的分析请求的数量,使他们可以自由地从事高价值的工作, 大型项目.

1 Gartner®, 通过赋予公民数据科学家权力,使您的数据科学工作的价值最大化, Pidsley, David和Idoine, Carlie, 2021年12月7日. GARTNER是GARTNER, Inc .的注册商标和服务商标. 和/或其在美国和国际上的关联公司,并在获得许可的情况下在此使用. 保留所有权利.

负责任的组织将积极制定道德使用政策, 评审小组, 更多的是为了改善经验和商业成果.

马克·尼尔森

总统 & 首席执行官,表

作为十大跑分平台的总裁兼首席执行官, 马克·尼尔森为十大跑分平台设定了愿景和方向, 监管策略, 产品开发, 业务活动及运作. 在成为总裁兼首席执行官之前, Mark曾担任十大跑分平台的产品开发执行副总裁, 帮助拓展和深化公司行业领先的分析平台,为全球客户提供支持.

目前十大跑分平台是如何走到这一步的

由于人工智能(AI)采用的快速加速和全球问题的融合, 道德数据和人工智能的使用不再是一刀切的方法. 在这个快速发展的数字世界,企业有机会积极主动地定义如何开发和使用数据和人工智能. 构建公平和准确的人工智能解决方案是每个企业的公民责任,这一点现在体现在 全球立法者的焦点.

现在, 比以往任何时候都更, 信任和透明必须成为创新的基础, 增长, 和客户的关系. 最近的数据危机让目前十大跑分平台看到了技术伤害人类的潜力,包括有偏见的面部识别和歧视性贷款. 这些危机可能导致公众期望企业安全地、负责任地开发和使用数据. A 思科的2021年调查 72%的受访者认为,组织有责任只负责地、合乎道德地使用人工智能.”

以道德和正直来领导, 目前十大跑分平台将看到企业和政府在透明度方面做出更大的承诺和承担更大的责任, 负责任的数据和人工智能使用.

目前十大跑分平台去的地方

负责任的组织将加强和主动设计创新的方法,验证和验证负责任的使用与正式的道德使用政策, 第三方专家审核, 创建内部评审面板, 和更多的. 这些道德创新将改善经验,并推动更有力的结果 管理风险和交付价值.

当组织导航他们的道德使用责任, 目前十大跑分平台希望看到更透明的人工智能和机器学习(ML)解决方案和体验 提高人类的判断力和专业知识. 它们还将直接与业务目标和工作流联系在一起, 并通过可解释性(包括偏见)来降低相关风险. 组织将开始 寻址偏置算法和数据集 这可能会伤害到真实的人,并产生负面的错误, 下游风险,如作为技术债务的“道德债务”.

确保创新在不造成伤害的情况下取得进展, 公共和私人组织将合作改革伦理政策. 技术目前十大跑分平台将建议政府在压力下使用数据进行决策. 反过来, 科技公司将采取立场,确保他们的技术被每个人负责地使用, 包括政府机构. (例如, 目前十大跑分平台禁止面部识别 作为目前十大跑分平台对平等承诺的一部分.)

在每一种情况下,无论是使用人工智能实现任务自动化,还是使用人工智能进行协作以做出更好的决策,目前十大跑分平台都必须了解机器在做什么,以避免错误, 伦理决策, 理解数据. 这对组织在2022年仍然至关重要.

但是理解数据并负责地使用数据需要基本的数据素养或数据技能. 目前十大跑分平台现在已经到了这样一个阶段,缺乏数据素养会带来不必要的风险. 然而,要让道德数据和技术成为目前十大跑分平台日常生活和决策的一部分,还有很多工作要做, 这些投资是值得的:最终的结果将是更合乎道德的, 人人享有公平的未来, 到处都是.

建议

1. 用道德数据和人工智能指导方针设计数据和风险管理政策. 现有的和起草的法规和数据策略 US, UK, EU此外,还可以保护人们的私人数据不受偏见和非法使用. 以道德为导向, 制定道德行为准则, 主动管理立法, 保持兼容, 和降低风险.

2. 建立内部道德委员会或聘请第三方专家来帮助审查和审计. 人工智能伦理委员会将帮助组织遵守不断变化的法规, 创造和审查创新的解决方案,进一步解决数据中的偏见和准确性.

3. 有意识地构建透明的技术或可解释的AI, 在整个过程中插入人员接触点和审查. 将数据和技术与人类的价值观和道德相结合,以建立透明度或可解释性, 确保值得信赖的体验. 在开发周期中积极考虑伦理问题,以避免技术追赶的无休止循环.

4. 建立健康的数据文化,包括数据技能培训. 提高数据素养有助于管理糟糕的数据质量,以及与收集错误数据和提出错误问题相关的风险——这些风险阻碍了人工智能的成功开发和扩展能力. 具备数据素养的员工队伍是关键 建立数据文化 使数据使用和人工智能具有伦理性并得以维持.

2 Gartner®, 预测2022年:人工智能及其对消费者和工人的影响, Magnus Revang, 2021年11月29日. GARTNER是GARTNER, Inc .的注册商标和服务商标. 和/或其在美国和国际上的关联公司,并在获得许可的情况下在此使用. 保留所有权利.

为了将来的成功工作, 组织扩展了数据素养的定义, 投资于他们的员工, 在数据文化方面加倍努力.

温迪Turner-Williams

十大跑分平台首席数据官

温迪Turner-Williams负责十大跑分平台的企业数据战略, 数据平台与服务, 数据治理和管理成熟度, 数据风险, 和数据读写. 她和她的团队正在推动数据驱动的业务创新, 转换, 以及十大跑分平台的卓越运营. Wendy拥有超过20年的跨行业管理经验, 最近领导信息管理 & Salesforce的战略企业计划.

目前十大跑分平台是如何走到这一步的

在一个数据是最终区别的市场, 数据素养是释放数据和技术投资价值的关键. 而数据素养的关键是数据文化. 在未来的一年里,有竞争力的组织将认识到培养人才的必要性 共享的文化和心态 重视和实践使用数据. 他们将扩大数据素养的范围,使其超越技能培训,包括对数据如何工作以及如何将其应用于业务的基本理解. 当组织投资于人员开发以保证未来的劳动力, 他们将与第三方组织合作进行培训和提升技能.

在目前十大跑分平台开始研究之前,让目前十大跑分平台先来看看为什么数据和数据技能如此重要.

技术和人工智能投资正在上升, 劳动力发展对于实现这些数据密集型投资的价值至关重要. 普华永道预计人工智能将推动世界经济增长 by $15.到2030年达到7万亿. 劳动力自动化的速度比预期的要快 世界经济论坛的未来就业报告. 到2025年,自动化将取代8500万个工作岗位,同时创造9700万个新岗位. 在未来5年里,仍在现任岗位上工作的人中,有一半需要重新培训.

职场和社会对数据技能的需求越来越大. 人力资源领导者报告数据技能-分析能力和数据科学是2021年最需要的技能. 随着公众对话越来越多的数据, 并不是每个人都需要成为数据科学家, 但他们需要基本的数据流畅性和分析技能.

然而,要实现具有数据素养的劳动力的价值,目前十大跑分平台还有一些工作要做. 他们不仅在数据技能上存在差距, 此外,还缺乏数据素养项目, 从教室到工作场所. 尽管 有83%的首席执行官 想要更多的数据驱动的组织 43%的数字原生代认为自己精通数据.3 根据Forrester的数据,只有不到一半的学术机构有数据技能计划.4 许多公司采取的是短期策略,通过招聘来填补即时的技能缺口,而不是投资于数据素养和数据文化.

那些确实存在的项目过于注重工具和技术, 没有对数据是如何产生的建立一个基本的理解, 使用, 并通过业务管理.

目前十大跑分平台去的地方

有竞争力的组织看到了数据技能的价值,并认识到面向未来的劳动力不仅仅是数据技能和工具培训. 他们将采取行动向人民灌输基本的数据素养.

学术界将把数据素养融入跨学科的课程. 好处是显而易见的:开展数据技能项目的教育机构报告了11.学生的六个月就业率比没有大学的高5%.3 在2021年向美国教育部所做的报告中,美国教育部 全国数学教师委员会 所谓的数据技能是“目前十大跑分平台未来的必需品”,,倡导重新想象一个有意义的, 包容, 以及从学前班到12年级的数据素养教育的跨学科方法.

雇主将增加对数据素养的投资. 越来越多的雇主将认识到,教人们如何使用这些工具,并理解技术如何给企业带来好处,是他们技术投资的一个关键部分. 随着 美国国务院在其企业数据战略中指出, “这不仅仅是一个机会, 而是要求美国在全球舞台上保持其外交优势.”

组织将扩展他们对数据技能的定义,包括业务和技术流程, 输入, 输出和关注数据文化. 他们将超越工具和平台的熟练程度,专注于批判性思维和应用领域专业知识来解决业务问题. 文化是这种观念转变的关键. 数据素养——探索的能力, 理解, 与数据沟通是数据文化的关键支柱. 同时培养读写能力和文化是有回报的. A TDWI报告 发现在有数据的组织中与有些有或没有数据的组织相比, 公司的文化是协作和结果驱动(92%对46%),[分析]目标与管理目标挂钩(73%对40%)。.“拥有强大数据文化经验的组织 更大的合作、竞争优势等等.

他们也会接受自己无法单干的事实. 没有资源, 内部的专业知识, 而组织运行自己的教育项目的能力——或者跟上变化的速度——将把数据素养视为一种社区努力. 他们将采用敏捷的、非传统的方法,并与第三方培训项目合作.

建议

1. 同时培养数据文化和数据素养. 他们的成功是相互依存的, 因此,不要忽视投资识字培训和文化转变相结合的价值. 记住——改变不会在一夜之间发生. 要有耐心,坚持下去,并认识到这是一个持续的承诺.

  • 设计一个框架来设定共同的目标和组织可持续成功的行动.
  • 标准化术语、技能水平、成功度量和跨业务的流程.
  • 激励人们. 让他们对自己能用数据做的事情感到兴奋.
  • 建模并鼓励数据驱动的决策制定,并展示数据的价值.
  • 为讨论、学习和发展创造空间.

 

2. 为未来招聘和培训.美国国务院他说:“(它)将改进其招聘做法,包括必要的数据技能. 数据技能必须是一个重要的组成部分,为更广泛的关键职位. 如果数据技能的差距得不到解决, 劳工部的招聘将无法跟上不断变化的数据需求.“为了实现这个目标,它会的, “招聘, 火车, 并激励那些经常获取数据的员工和工作场所, 有价值的, 并且在各个层次和地区都能被流畅地用于决策.以下是这对你的公司可能意味着什么:

  • 改进招聘实践和角色期望,要求基本的数据技能.
  • 与有数据技能计划的教育机构合作,招募懂数据的学生.
  • 鼓励和促进现有员工的数据技能提升.
  • 建立数据社区以鼓励持续的增长、开发和协作.
  • 确定并招募专家或数据专家,为公司培训计划提供信息. 建立一种数据驱动的决策文化来帮助你留住那些专家.

 

3. 左移:投资并促进数据技能课程——跨越学科和熟练程度. 对于学术界的人来说,任何时候都不嫌早或晚!-教授数据技能和批判性思维. 将基本数据技能灌输到教育的各个阶段, 让更多的学生在他们的专业角色中使用和理解数据.

  • 在所有课程中培养分析能力和批判性思维能力. 要强调的是,未来的每个职业都可以并且将会使用数据.
  • 鼓励学生在研究和工作中使用数据.
  • 使数据的乐趣! 探索数据如何在现实世界中出现,并将数据概念带入学生的生活.
  • 传达数据技能的价值——从提升职业潜力到利用数据改变世界.
  • 为教师和学生提供免费软件、课程和资源 表的学术项目.

 

4. 在你的员工中投资开发数据素养、分析工具和平台的程序. 着眼长远:不要只关注你的短期需求,培训你现有的工具和技术. 对你的员工进行技术不可知论的基本教育,比如数据如何为业务增加价值. 不要重复发明轮子! 如果可以的话,在公司内部教授基本知识(比如:数据101),其余的外包出去.

通过与第三方组织合作,采用已经存在的技术,帮助员工发展更高级的技能. 检查以下程序 麻省理工学院应用数据科学专业课程, DataCamp业务, Avado数据学院, 世界经济论坛的技能革命, Coursera的数据 & 分析学院, 从测试自动化大学免费培训, 可汗学院的数据课程.

1 Gartner®, 通过赋予公民数据科学家权力,使您的数据科学工作的价值最大化, Pidsley, David和Idoine, Carlie, 2021年12月7日. GARTNER是GARTNER, Inc .的注册商标和服务商标. 和/或其在美国和国际上的关联公司,并在获得许可的情况下在此使用. 保留所有权利.

3 IDC白皮书,由十大跑分平台赞助, 数据文化如何在数据驱动的组织中提升业务价值,医生. # US47605621, 2021年5月.

4 弗雷斯特咨询公司,由十大跑分平台委托的思想领导论文, 数据素养的巨大差距:数据技能供不应求2021年6月,

越来越多的人认识到数据的战略价值,这推动了数据的灵活性, 联合数据治理技术,赋予组织中的每个人权力.

凯特·赖特

产品开发高级副总裁,十大跑分平台

凯特·赖特是一位拥有17年以上开发经验的分析领导者, 产品管理, 和领导经验. 她负责分析工程, 产品管理, 以及十大跑分平台和表CRM的整体用户体验.

目前十大跑分平台是如何走到这一步的

数据的价值和纯粹的数量从未如此之大. 在2022年,数据不仅仅是商业成功的筹码:数据 is 业务.5 随着企业投资于创新的人工智能解决方案和基于云的一切, 随着数据隐私和使用法规的增加,对自助服务和数据共享功能的需求也在增长. 精通数字的组织接受这样一个悖论:真理的单一来源至关重要, 然而,它不会生活在一个单一的位置, 它也不可能由少数人管理和保护.

组织必须采取一种新的数据治理和管理方法,将灵活性和授权与协调控制结合起来. 创新, 竞争, 并保持领先于治理和安全需求, 成功的组织将采用联合数据治理技术. 这样一种方法——将中央定义的治理标准与本地域权威结合起来——将使组织能够通过在业务中包含更多不同的用户来利用不同的专业知识领域.

毕竟,在目前十大跑分平台的数字世界中,相关性取决于从数据中获取价值. 但如何? 最新的 Gartner®CDO的调查 发现“72%的数据和分析领导者(他们)大量参与或领导数字业务计划”不确定如何建立“可信的数据基础”来加速他们的工作和实现业务目标.6

没有重复的, 可扩展的过程,以确保数据是可发现的, 安全, 理解, 和信任, 灵活性和创新陷入风险. 除非组织重新考虑数据治理, 被信任的梦想, 实时自助分析将只是一个梦想.

目前十大跑分平台去的地方

成功的数据治理策略总是植根于信任. 2022年,目前十大跑分平台将看到各组织转变思维方式,对数据治理和管理采取更具包容性的方法.

所谓包容性,目前十大跑分平台指的是为多数人而非少数人设计的系统和流程. 目前十大跑分平台的意思是要认识到,在数据治理和管理方面,IT和业务并不矛盾. 当传统的数据持有者——目前十大跑分平台关注的是你,IT!邀请企业成为解决方案的一部分, 每个人都可以团结在共同的目标后面,为创新铺平道路.

它是什么样子的? 开发和扩展. 给人们提供工具,让他们自己去做,但是通过中央控制的护栏来管理风险. 例如, IT为影响整个组织的事情(例如沿袭)设置了治理基础, 数据目录, 标准, 验证规则, 元数据管理, 以及体系结构),同时以适合其需求的方式将控制扩展到业务. 这种大小合适的方法允许领域专家在上下文中解决业务问题, 而使信任, 发现, 和创新.

要在整个业务中注入数据治理,数据素养是必不可少的. 每个人都必须说一种共同的语言,并参与共享治理, 但更基本的是,他们还必须了解数据基础. 关注透明度和可发现性将使查找和发现数据变得更容易,因为组织将继续在一个地方标准化查找信息,以便每个人都能就所测量的内容达成一致, 它是如何定义的, 它住在哪里, 谁拥有它?. 那些在这方面做得很好的公司,将能够从宏观上理解数据如何流向业务的各个角落,以及如何维护信任和安全.

建议

1. 盘点一下你现在所处的位置,以及你想去的地方. 您必须了解使用什么数据来了解您所处的位置. 问问题,与整个组织的人接触,以了解你有什么数据, 人们是如何使用它的, 以及它是否相关. 信任至关重要,这一点目前十大跑分平台再怎么说也不为过. 询问利益相关者他们需要什么才能成功. 依赖于第三方框架,如 数据管理成熟度(DMM)程序,以此来衡量你的能力,找出优势和差距.

2. 采取合作方式. (提示:这要从信任开始.) 是的, IT部门需要严格控制一些手段, 但他们不能控制一切, 他们也不应该. 与企业合作. 通过提高业务用户的技能,帮助他们负责任地使用数据,开始在人员和流程中建立信任. 透明的流程和安全的当前数据也大有帮助. 在快速取胜的基础上,向更广泛的组织展示合作关系的价值.

3. 认为联邦. 请认识到您的数据策略不能共存, 你永远不会得到完全和集中的控制. 然后采用更联合的方法. 努力去平衡你所需要的量, 在与企业建立伙伴关系的同时. 不要白费力气. 使用行业公认的框架(考虑:DMM程序或 EDM理事会的云数据管理能力框架)来减少摩擦,更好地理解什么是好的.

5 Forrester咨询, 突破数据治理疲劳:有效性和可持续性框架,戈茨,米歇尔,2021年2月

6 Gartner®, 预测2022年:数据和分析策略建立信任和加快决策约根·海森伯格等.日,2021年12月2日. GARTNER是GARTNER, Inc .的注册商标和服务商标. 和/或其在美国和国际上的关联公司,并在获得许可的情况下在此使用. 保留所有权利.

7 Gartner®, 现代数据和分析需求要求数据管理能力的融合Guido de Simoni等.al, 2021年1月20日. GARTNER是GARTNER, Inc .的注册商标和服务商标. 和/或其在美国和国际上的关联公司,并在获得许可的情况下在此使用. 保留所有权利.

数据成为人们和组织的可见语言, 他们的问题被理解了吗, 并与旨在为他们服务的机构接触.

Neal Myrick

十大跑分平台基金会全球负责人,十大跑分平台

尼尔·麦里克,十大跑分平台社会影响副总裁,十大跑分平台基金会全球负责人. 他领导了该公司的慈善投资,以促进数据的使用,建立一个更加公正和公平的世界. 尼尔是一位活跃的天使投资人,并在几个全球健康与发展顾问委员会任职.

目前十大跑分平台是如何走到这一步的

数据是变革的强大推动力. 在与目前十大跑分平台的非营利目前十大跑分平台在 表的基础目前十大跑分平台观察到,并非所有社会成员都能平等地从这种权力中获益. 很少有数据是完全具有代表性的, 通常缺乏背景和生活经验的细微差别. 这将影响数据的潜力:它可能会造成对数据的不信任, 尤其是那些不认为自己有代表的个人和团体. 这种信任的缺乏可能会阻止非代表团体利用数据来建立权力和影响力.

这并不是说目前十大跑分平台已经有了所有的答案, 但是,当目前十大跑分平台与目前十大跑分平台交谈时,目前十大跑分平台看到了一种从现实世界经验中得到启示的趋势,这种趋势有可能影响社区倡导和参与.

数据解决方案是相关的, 有效的, 和可持续发展, 它们的设计必须与它们打算代表和支持的社区合作. 通过改变动态, 数据帮助人们和组织解决复杂的问题, 微妙的问题对他们来说是最重要的. 作为一个框架, 数据公平可以成为一种确保数据更具包容性的方法, 代表, 它是一种有效的宣传工具,因为它创造了一种与所有利益相关方共享的归属感.

最好的, 在一个不断改进的过程中,这种方法应该引起和它回答的问题一样多的问题——这些数据是否捕获了它应该代表的体验? 在收集和分析数据以确保其代表性方面,目前十大跑分平台还能做些什么? 目前十大跑分平台是否以符合用户需求的方式通过数据来讲述故事, 带领他们作为伙伴而不是敌人踏上变革之路?

将数据视为战略资产的组织, 建立数据文化和读写能力, 是否正在为数据寻找新的强大用途,包括利用数据发起新的、重新构建现有政策和资助对话. 数据获取正在向社区组织扩展,这些组织传统上没有获得技术和数据资源,无法让地方政府和权力机构问责. 现在, 越来越多的非营利组织, 组织者, 社区工作者正在将数据视为一种战略资产来看待和使用, 构建数据文化, 越来越精通数据.

目前十大跑分平台去的地方

将数据视为战略资产,致力于组织数据文化,可以开启关于政策和公共机构如何投资社区的强有力的新对话. 使数据民主化,而不仅仅是使其可用, 但通过将其从数据科学专业知识的屏障后面解锁,它是可接近的——帮助那些可能不愿将数据和分析添加到宣传工作中的组织. 随着一些非营利组织和社区组织者看到他们的数据倡导努力对他们为之奋斗的人们的生活产生了真正积极的影响, 目前十大跑分平台开始感到有一股潮流在问:“目前十大跑分平台能在这里做什么?, 在目前十大跑分平台的社区和目前十大跑分平台的数据, 为了有所作为?”

目前十大跑分平台看到组织有意地关注他们的数据文化,并在组织内部和整个社区投资于数据技能. 从这一努力, 一些最佳实践正在出现,那些找到成功的人是通过以下几种方法的组合来实现的:

  • 通过公开相关数据和资源,使其民主化
  • 分解数据更有代表性
  • 在数据的同时使用以人为本的语言
  • 重新排序数据的传统呈现方式
  • 使用以人类经验为中心的模型

十大跑分平台社会影响项目经理Channing Nesbitt分享了将数据分解并观察不同领域的重要性, 单位, “它为社区成员提供了发言权,他们的经历往往在更一般化和汇总的数据中被忽视和忽视, 对他们来说,这一抹去可以延续下去, 甚至增加, 他们面临的挑战.它还提供了比性别更明确的潜力, 比赛, 和收入——创造了个人独特经历的更多细节——就像一个拥有研究生学位的黑人女性寻求抵押贷款一样, 例如. 分类数据可以让目前十大跑分平台更清楚地看到数据中的人, 哪些有助于更好地满足人民的需求,并完善政府提供的解决方案, 机构和社区组织.

所有这些变化提高了数据的准确性和包容性,并描绘出数据点背后的人的背景图——更好地代表和服务于社区的所有成员.

更准确的, 代表性数据可以验证生活经验,并帮助人们和社区团体建立更大的权力和影响力,以实现他们的目标.

更好的数据和使用数据公平作为框架有助于人们开始或重新构建对话, 对资金请求和政策更改产生有利的下游影响. 这个框架帮助政府和机构衡量和跟踪其目标的进展情况——这个范围来自联合国 可持续发展目标 to 地方检察官办公室 分享有关刑事起诉和程序的数据. 它允许社区利益相关者在更平等的基础上直接与他们的政府和其他权力机构接触.

建议

目前十大跑分平台注意到,一些最成功的非营利目前十大跑分平台正在采用一种或多种方法来改善数据公平. 但要完善这份清单还有很多工作要做, 以下是一些目前十大跑分平台在目前十大跑分平台中看到的成功的常见数据权益实践.

1. 与最接近你想要解决的问题的社区进行协商. 让他们输入要问什么问题来收集正确的数据, 以及应该在什么背景下理解和分析数据. 与社区合作有助于:

  • 构建的准确性, 信任, 以及对数据的信心, 使数据更有可能被使用和引用.
  • 确保数据对社区有用,并与他们希望解决的问题相关.
  • 制作以行动为导向的数据,这些数据将推动影响力,并能揭示什么是有效的, 什么不, 并帮助制定集体优先事项.

 

2. 使数据具有相关性并代表它所服务的人群和社区. 目前十大跑分平台需要更清楚地看到数据中的人,以更好地理解和解决它的服务对象的需求.

  • 尽可能地分解数据——同时保持隐私.
  • 寻找能够描述更微妙的个人体验的相关数据点. 比赛数据, 种族, 性别, 或者仅仅是收入水平并不能提供与同时看到基本身份方面的能力相同的背景和见解.

 

3. 与社区共享数据,并通过反馈循环扩大影响.

  • 社区需要获得数据以充分受益. 共享数据加强了数据使用的良性循环:使用的数据越多, 越来越多的社区对数据做出回应, 就越有可能继续收集和分析数据.
  • 对你分享数据和衡量工作的方式负责. 维护数据隐私以建立和维护信任.

 

4. 为人们和社区提供有效使用数据所需的工具和知识.

  • 随着数据集的规模和复杂性的增长, 数据素养和数据技能建设倡议在确保人们知道如何理解他们所获得的信息方面变得更加重要.
  • 需要让基于社区的组织更容易获得技术解决方案.
  • 组织还需要获得更多的不受限制的资金,可以用来资助与技术相关的成本和管理费用.