Cosa sta alimentando il gap di competenze nella data literacy?

La forte domanda di decisioni guidate dai dati

Una delle principali evidenze dello State of Data Literacy report è che, per i leader di settore in USA e UK, la competenza più richiesta è il decision-making guidato dai dati: il 78% dei leader la indica come essenziale. Questa preferenza non sorprende, considerando che l'imprecisione nelle decisioni è ritenuta il rischio principale di competenze dati insufficienti.

Altre competenze richieste includono la capacità di interpretare visualizzazioni e dashboard (74%), l'analisi e la manipolazione dei dati (72%) e il data storytelling o la presentazione dei dati a pubblici diversi (66%). Queste abilità sono indispensabili mentre le aziende puntano a coltivare una forza lavoro capace di prendere decisioni rapide e precise basate sui dati.

La necessità di padronanza tecnica

Oltre alle competenze di base, i leader cercano anche skill dati più avanzate e tecniche. La capacità di creare dashboard e visualizzazioni (66%) e la conoscenza di strumenti di business intelligence come Tableau e Power BI (65%) sono molto ambite.

Sono altrettanto richieste la competenza nel lavorare con i database e crearli usando SQL (53%) e le skill di programmazione in Python e R (42%).

Le competenze in machine learning (47%) e data engineering (52%) sono apprezzate da quasi metà degli intervistati.

Questo rivela una tendenza interessante: pur non essendo necessario che tutti costruiscano data pipeline o implementino soluzioni di machine learning, cresce l'aspettativa che i dipendenti siano in grado di orientarsi in questi ambiti.

Comprendere lo spettro della data literacy

Data literacy, ovvero la capacità di leggere, scrivere, comunicare e ragionare con i dati, è uno spettro di competenze che va dal decision-making basato sui dati a livello base fino al machine learning e al data engineering avanzati.

Questa visione della data literacy come spettro è confermata da Jordan Morrow, che afferma: “Una strategia dei dati olistica si collega agli obiettivi di business e dà al lavoro sui dati e sull'analisi una direzione da seguire”.

In quest’ottica, le competenze sui dati permeano l’intera organizzazione, a partire da chi sa semplicemente leggere i dati e porre domande fino ai profili tecnici più avanzati.

Questa affermazione implica che la data literacy non è una soluzione valida per tutti allo stesso modo: deve essere adattata ai diversi livelli di competenza presenti in un’organizzazione.

Lo stato attuale della formazione sui dati

Sebbene il valore della data literacy sia riconosciuto, lo stato della formazione sui dati nelle organizzazioni mostra ampi margini di miglioramento.

Quando è stato chiesto ai leader quale fosse lo stato della formazione sui dati nelle loro organizzazioni, il 79% ha affermato di offrire qualche forma di training. Tuttavia, questa cifra non racconta tutta la storia. Circa il 34% dei leader ha indicato che solo i dipendenti in ruoli specifici sui dati ricevono formazione, mentre appena il 14% ha dichiarato che sono formati solo i dipendenti al di fuori dei ruoli dati.

I dati suggeriscono che un upskilling ampio e trasversale, che includa tutti all’interno dell’organizzazione, non è ancora diventato una priorità per la maggior parte delle aziende. Anche le modalità di erogazione della formazione sono varie, con risposte che vanno da provider online terzi (23%) a formazione online creata internamente (20%), da sessioni interne con istruttore (10%) a combinazioni di online e formazione con istruttore (29%).

Quindi, nonostante il chiaro bisogno di formazione sulle competenze dati, poche organizzazioni offrono una soluzione completa. E non è solo sul lavoro. In un report Forrester del 2021 si è constatato che, sebbene la data literacy fosse la competenza più richiesta per le posizioni entry-level, solo il 48% delle istituzioni accademiche aveva implementato iniziative sulla data literacy.

Come esploriamo in un articolo a parte sul futuro della data literacy, queste competenze possono contribuire ad affrontare alcune delle sfide globali che probabilmente affronteremo nei prossimi anni.

Cosa sta alimentando il gap di competenze nei dati?

Prima di approfondire le sfide alla base del gap di competenze nei dati, è fondamentale capire in cosa consiste questo divario. Il gap riflette la discrepanza tra le competenze dati richieste dalle aziende e il livello di padronanza attuale dei loro dipendenti.

Questo divario non è solo una questione educativa, ma è determinato da una congiunzione di fattori, tra cui vincoli di budget, risorse formative, cultura organizzativa e resistenza dei dipendenti, tra gli altri.

Vincoli di budget

Innanzitutto, le limitazioni finanziarie giocano un ruolo significativo nel gap di competenze. Circa il 40% dei leader ha indicato che la mancanza di budget è uno dei maggiori ostacoli nel migliorare le competenze dati della propria forza lavoro. Senza fondi sufficienti, le organizzazioni faticano a investire in programmi formativi completi, ostacolando così la capacità dei dipendenti di fare upskilling e crescere.

Risorse formative inadeguate

Un altro fattore cruciale del gap è la carenza di risorse formative adeguate, citata dal 36% dei leader. L’assenza di materiali e piattaforme efficaci, aggiornate e accessibili rende difficile insegnare le competenze dati in modo efficace. Di conseguenza, questo amplifica la distanza tra le competenze esistenti dei dipendenti e quelle necessarie alle organizzazioni.

Cultura organizzativa e supporto della leadership

Circa il 29% dei leader ha menzionato la mancanza di supporto esecutivo e di ownership del programma di formazione come sfide critiche. Questo evidenzia il ruolo essenziale della cultura organizzativa e della leadership nel promuovere la data literacy.

A meno che i dirigenti non si impegnino a promuovere la data literacy e a sponsorizzare programmi formativi completi, le organizzazioni incontreranno notevoli difficoltà nel colmare il gap di competenze nei dati.

Resistenza dei dipendenti

Infine, circa il 27% dei leader ha indicato che la resistenza dei dipendenti rappresenta una sfida al miglioramento delle competenze dati. Ciò può derivare da vari fattori, tra cui la paura del cambiamento, la mancanza di motivazione o la convinzione che le competenze dati non siano rilevanti per i propri ruoli. Per questo, promuovere una data culture organizzativa che incoraggi l’apprendimento continuo e metta in evidenza l’importanza della data literacy è fondamentale per affrontare questa sfida.

La strada per colmare il gap di competenze nei dati

Affrontare queste sfide richiede un approccio strategico che consideri non solo budget e risorse, ma si concentri anche sulla creazione di una cultura organizzativa di supporto.

In altre parole, colmare il gap di competenze nei dati non significa solo offrire più formazione o allocare più risorse; si tratta di cambiare mentalità e mettere le persone al centro della trasformazione guidata dai dati. Puoi leggere di più su come colmare il gap di data literacy in un articolo dedicato.

Considerazioni finali

La sfida di colmare il gap di competenze nella data literacy è complessa e comprende non solo la necessità di ampliare la formazione e l’educazione sui dati, ma anche di coltivare una cultura organizzativa data-driven. Questo articolo ha esplorato il ruolo cruciale della padronanza tecnica, lo spettro della data literacy, lo stato attuale della formazione e diversi fattori che ampliano questo gap di competenze, tra cui vincoli di budget, carenza di risorse formative, cultura organizzativa e resistenza dei dipendenti.

Come rivelano le intuizioni dei leader di settore, affrontare queste sfide richiede un approccio olistico. Più che investire in formazione o risorse, per colmare il divario è necessario un cambio di mentalità e l’integrazione della data literacy nel cuore della strategia e della cultura organizzativa.

Questo percorso può non essere semplice, ma in un mondo sempre più alimentato dai dati, è qualcosa che le aziende non possono permettersi di ignorare.

Mettendo le persone al centro della trasformazione data-driven, le organizzazioni possono responsabilizzare la propria forza lavoro, sbloccare tutto il potenziale dei loro asset di dati e tracciare la rotta verso un futuro più data literate.