Che cosa è la Data Literacy?

Che cos'è l'alfabetizzazione ai dati?

L'alfabetizzazione ai dati è la capacità di leggere, utilizzare, analizzare e comunicare i dati in modo efficace. Implica comprendere cosa rappresentano i dati, come vengono creati e come utilizzarli, così da poter porre le domande giuste, interpretarli correttamente e prendere decisioni informate basate su riscontri oggettivi.

L'alfabetizzazione ai dati è un'abilità di pensiero. Non si tratta di diventare data scientist, né di sviluppare modelli di machine learning o scrivere codice SQL o Python complesso. Ciò che conta, piuttosto, è la capacità di ragionare criticamente sui dati e di spiegare i propri insight in modo chiaro e accurato. Si applica a chiunque, all'interno dell'organizzazione.

L'alfabetizzazione ai dati consente di porre le domande giuste sui dati, traducendo le esigenze di business in interrogativi basati sui dati. Ad esempio, invece di chiedere perché le vendite sono in calo, si potrebbe formulare la domanda come: "Quale segmento, su quale finestra temporale, rispetto a quale baseline?"

A cosa può servire l'alfabetizzazione ai dati?

• Comprendere definizioni, formule e ambito dei KPI permette di interpretare correttamente le metriche. Ad esempio, conoscere la differenza tra ricavi totali e ricavi medi.
• La capacità di individuare tempestivamente problemi di qualità dei dati consente di valutare criticamente cambiamenti improvvisi, ad esempio notando che un calo in una dashboard coincide con un errore della pipeline e non con un reale cambiamento nelle attività.
• Comprendere come i dati vengono raccolti, trasformati e aggiornati (contesto e lineage dei dati) può avere implicazioni rilevanti. Ad esempio, ai fini dell'interpretazione è importante sapere se una metrica proviene da log, sondaggi o stime.
• Scegliere il metodo di analisi appropriato consente di evitare errori analitici comuni, come usare la media invece della mediana in distribuzioni asimmetriche. 

L'alfabetizzazione ai dati aiuta anche gli utenti non tecnici a utilizzare in modo efficace gli strumenti di business intelligence per prendere decisioni più informate, leggere con occhio critico grafici e dashboard, individuare visualizzazioni mancanti e comprendere assi, scale e baseline. 

La capacità di valutare credibilità, bias e limiti permette di giudicare l'affidabilità delle sorgenti di dati. Ad esempio, fa comprendere che i risultati di un sondaggio potrebbero non rappresentare l'intera base di clienti.

L'alfabetizzazione ai dati consentirà quindi agli utenti aziendali di comunicare in modo efficace con i team di dati, formulare richieste più precise, comprendere vincoli e compromessi e interpretare correttamente i risultati delle analisi. 

In cosa l'alfabetizzazione ai dati differisce da altre forme di alfabetizzazione 

L'alfabetizzazione ai dati si basa su altre forme di alfabetizzazione. L'alfabetizzazione di base, ossia la capacità di leggere, scrivere e comprendere il linguaggio, può essere considerata una componente essenziale dell'alfabetizzazione ai dati. Lo stesso vale per l'alfabetizzazione digitale, ovvero la capacità di utilizzare strumenti e tecnologie digitali in modo efficace e sicuro. 

L'alfabetizzazione di base è necessaria per leggere dashboard e documentazione, mentre l'alfabetizzazione digitale consente di utilizzare strumenti di analisi o fogli di calcolo. Tuttavia, è l'alfabetizzazione ai dati che permette di interpretare il significato dei numeri e di agire in base ai risultati ottenuti. Essa favorisce il pensiero critico, l'interpretazione contestuale e uno scetticismo informato verso le fonti, aiutando a porre le domande giuste, ad esempio: "La dimensione del campione è sufficientemente ampia? Rispetto a quale baseline? Il tracciamento è cambiato? È statisticamente significativo?" 

Numerose organizzazioni investono molto nell'alfabetizzazione digitale (strumenti), ma troppo poco nell'alfabetizzazione ai dati (interpretazione). In un contesto in cui le organizzazioni generano più dati che mai e le decisioni sono sempre più guidate dai dati, l'alfabetizzazione ai dati è diventata per i knowledge worker tanto essenziale quanto lo era un tempo l'alfabetizzazione di base. 

Gli elementi costitutivi: competenze e componenti chiave 

Le quattro competenze dell'alfabetizzazione ai dati 

• Leggere i dati: comprendere che cosa sono i dati e come vengono rappresentati (tabelle, grafici, visualizzazioni). Sapere cosa rappresentano metriche e KPI. Interpretare correttamente assi, scale e aggregazioni.
• Lavorare con i dati: sapere come i dati vengono raccolti e archiviati. Gestire e organizzare i dati in modo appropriato. Comprendere i tipi di dato (numeri, categorie, date). Riconoscere dati mancanti, duplicati o incoerenti.
• Analizzare i dati: identificare pattern, tendenze e anomalie per porre domande efficaci e trarre conclusioni dai set di dati. Comprendere i concetti di base della statistica ed evitare errori analitici comuni.
• Argomentare con i dati: utilizzare i dati per supportare le decisioni, mettere in discussione ipotesi e comunicare risultati. Valutare le fonti e la qualità dei dati, comprendere i bias e costruire una narrazione basata sui dati in modo veritiero, senza distorsioni. 

Le tre C dell'alfabetizzazione ai dati 

• Contesto: l'insieme delle informazioni di contorno che conferisce significato ai dati. Essere alfabetizzati ai dati significa comprendere da dove provengono i dati e quali circostanze li hanno influenzati, come sono stati raccolti, quali ipotesi sono in gioco e quale periodo temporale, popolazione e condizioni rappresentano.
• Credibilità: la capacità di giudicare affidabilità, qualità e limiti dei dati. Stabilire se la fonte e la metodologia sono attendibili. Comprendere bias e limiti di campionamento e valutare aggiornamento e completezza dei dati.
• Comunicazione: la capacità di spiegare i dati in modo chiaro, onesto ed efficace e di tradurre gli insight in narrazioni orientate all'azione per diversi tipi di pubblico. Significa anche sapere cosa non dire, per evitare falsa precisione, affermazioni causali non giustificate e la tendenza a nascondere l'incertezza. Implica uno storytelling dei dati efficace per trasformare l'analisi in una narrazione che guidi le decisioni. 

Perché l'alfabetizzazione ai dati è importante oggi 

Non sono gli strumenti a creare insight, ma le persone. Avere dei dati non equivale a comprenderli. L'alfabetizzazione ai dati è importante perché determina se i dati migliorano realmente le decisioni oppure se finiscono per peggiorarle, a causa di interpretazioni errate sostenute da un'eccessiva sicurezza. Porta a decisioni basate su riscontri oggettivi, non su intuizioni, dinamiche organizzative o dashboard lette in modo errato. 

L'alfabetizzazione ai dati aiuta a prevenire interpretazioni errate e costose e contribuisce a costruire fiducia. Consente una comunicazione e una governance più efficaci. Quando le persone comprendono i dati, possono lavorare in modo più produttivo ed efficiente. In questo senso, l'alfabetizzazione ai dati supporta il lavoro moderno guidato dai dati. 

Esempi di alfabetizzazione ai dati nella vita quotidiana e sul lavoro 

Oggi quasi ogni ruolo all'interno di un'organizzazione ha a che fare con i dati. Usiamo i dati anche nella vita di ogni giorno. Ecco come l'alfabetizzazione ai dati trova applicazione in situazioni reali: 

• Finanza personale – Confrontare le tendenze di spesa mensili, comprendere la differenza tra tassi di interesse e costo totale di un prestito e riconoscere che una spesa media può nascondere picchi in specifiche categorie. Esempio: la spesa media per i generi alimentari è aumentata, ma l'incremento è dovuto a tre settimane insolitamente costose, quindi non si tratta di una tendenza costante.
• Comprensione dei report finanziari – Individuare contraddizioni nei dati, verificare le relazioni tra le metriche e identificare driver e scomposizioni. Esempio: la spesa di marketing è aumentata del 30% a seguito del lancio di un prodotto; tuttavia, l'iniziativa non ha ancora generato un aumento dei profitti.
• Interpretare le statistiche sulla salute – Comprendere che il peso giornaliero può fluttuare e osservare invece le tendenze settimanali o mensili, tenendo conto dei limiti delle misurazioni. Esempio: il tuo peso oggi risulta aumentato, ma la tendenza a trenta giorni è in calo, quindi sei sulla strada giusta.
• Valutare le notizie – Essere in grado di leggere e interpretare criticamente sondaggi e statistiche, comprendere dimensioni del campione e bias ed evitare di confondere correlazione e causalità. Esempio: il sondaggio ha coinvolto solo 500 persone online, quindi il suo margine di errore è elevato. 

Impatto organizzativo ed esigenze della forza lavoro 

L'alfabetizzazione ai dati può avere un impatto misurabile sul funzionamento delle organizzazioni e sul modo in cui il lavoro viene svolto, non solo nei team di analisi, ma a tutti i livelli. Influisce sulla qualità, sulla rapidità e sulla solidità delle decisioni, non soltanto sulle competenze tecniche. Consente decisioni più informate e tempestive, un maggiore ritorno sugli investimenti nei dati, una comunicazione aziendale più mirata ed efficace, pratiche di governance più solide e una riduzione dei rischi operativi. 

Dal punto di vista dei dipendenti, l'alfabetizzazione ai dati può aumentare la fiducia nel proprio ruolo, migliorare la produttività e favorire una collaborazione più efficace, oltre a rafforzare capacità di problem-solving, adattabilità e resilienza.  

L'impatto dell'alfabetizzazione ai dati sulla cultura organizzativa è spesso sottovalutato. Promuoverla a tutti i livelli contribuisce a costruire una cultura che privilegia la curiosità rispetto alla certezza e l'evidenza rispetto all'opinione, favorendo discussioni più costruttive, meno atteggiamenti difensivi e risultati migliori nel lungo periodo. 

L'alfabetizzazione ai dati aiuta inoltre a prevenire la "paralisi da analisi" e le decisioni impulsive, la sfiducia tra team, l'uso improprio delle metriche e l'eccessiva sicurezza in dati di scarsi qualità. 

Le barriere organizzative all'alfabetizzazione ai dati raramente dipendono da una mancanza di dati o strumenti. Più spesso hanno a che fare con persone, processi e cultura organizzativa. Un'eccessiva attenzione agli strumenti può portare a trascurare l'aspetto fondamentale: insegnare alle persone come interpretare i dati.  

La mancanza di una formazione adeguata spesso deriva da percorsi generici, poco aderenti ai ruoli, troppo tecnici per alcuni e troppo elementari per altri. Questo può generare insicurezza nei confronti dei numeri e una scarsa fiducia nelle proprie capacità. 

Infine, i silos di dati tendono a riflettersi in silos organizzativi. Quando i team di dati operano separatamente dai team di business, la conoscenza non circola e gli analisti finiscono per svolgere continuamente un ruolo di mediazione e traduzione. 

Mentre le organizzazioni trasformano i propri processi per diventare più agili e competitive, l'alfabetizzazione ai dati si va affermando come una delle "power skill" della forza lavoro moderna, in tutti i settori. Sempre più decisioni sono guidate dai dati, e clienti e partner si aspettano spiegazioni fondate su dati concreti. Gli strumenti di business intelligence (BI), visualizzazione, automazione e analisi sono ormai ampiamente diffusi. 

Di conseguenza, in tutti i settori, gli annunci di lavoro - anche per ruoli non tecnici - richiedono sempre più spesso alfabetizzazione ai dati o competenze correlate. Molti framework di competenze aziendali includono oggi l'interpretazione dei dati, il ragionamento analitico, la misurazione delle prestazioni e il processo decisionale basato su evidenze. 

Rafforzare la propria alfabetizzazione ai dati 

Anche se non sei uno specialista dei dati, esistono alcuni passi concreti che puoi intraprendere per rafforzare la tua alfabetizzazione ai dati, concentrandoti su abitudini, capacità di pensiero e pratiche quotidiane: 

• Cambia il modo in cui guardi i numeri. Poniti tre domande: Rispetto a cosa? In quale periodo di tempo? Per quale gruppo o popolazione?
• Comprendi le definizioni alla base delle metriche, come vengono calcolate, cosa includono o escludono e con quale frequenza si aggiornano.
• Esercitati a leggere i grafici con occhio critico.
• Impara i concetti di base della statistica: media vs. mediana; varianza e variazione normale; dimensione del campione; correlazione vs. causalità.
• Ogni volta che ti vengono presentati dei dati, chiediti quale decisione stanno supportando e cosa faresti di diverso se i numeri cambiassero.
• Esercitati a spiegare i dati in modo semplice a un pubblico non tecnico.
• Impara da errori concreti: quale ipotesi si è rivelata errata? I dati sono stati interpretati male, usati in modo improprio o erano incompleti? 

Consigli pratici per sviluppare l'alfabetizzazione ai dati 

• Prendi l'abitudine di mettere in discussione le fonti dei dati quando leggi le notizie; chiediti: "Rispetto a cosa?"
• Interpreta attivamente i grafici in modo critico: controlla assi e scale, individua baseline mancanti, osserva filtri e finestre temporali.
• Cerca le tendenze, non il rumore: richiedi medie mobili su orizzonti temporali più lunghi e tieni conto delle normali fluttuazioni.
• I dati raramente forniscono risposte assolute, quindi accetta l’incertezza quando spieghi i risultati.
• La pratica continua è più efficace della formazione una tantum. Fai dell'alfabetizzazione ai dati un'abitudine, non un progetto.
• Riduci il sovraccarico informativo durante l'apprendimento: concentrati su set di dati semplici e crea visualizzazioni di base su poche metriche chiave.

Conclusione 

L'alfabetizzazione ai dati fornisce alle persone la capacità pratica di mettere in discussione, interpretare, comunicare e agire sui dati, trasformando responsabilmente i numeri in decisioni informate anziché in confusione o falsa sicurezza. È rilevante per tutti i professionisti, non solo per i ruoli tecnici, ed è un insieme di competenze fondamentali e acquisibili, essenziali per orientarsi nel mondo di oggi, ricco di informazioni. 

Con il crescente ruolo dei dati nel mondo aziendale, gli strumenti di business intelligence sono diventati di uso comune. L'alfabetizzazione ai dati sta diventando una competenza essenziale per l'avanzamento professionale. Tutte le funzioni aziendali dovrebbero continuare a porsi domande sui dati incontrati in contesti reali e a praticare l'interpretazione quotidiana delle informazioni. 

È il momento di concentrarsi sulle persone e sui processi e di rimuovere le barriere alla costruzione di una cultura dell'alfabetizzazione ai dati.