2021年如何提升数据素养
浏览：0
巴克励步
全球仅21%职场人士对数据素养自信，36%的人会避免使用数据。数据素养指阅读、分析数据并用于决策的能力。技术写作人员需掌握数据语言，提供可信证据，并警惕数据偏见。提升数据素养需了解业务、学会提问、参与数据治理并关注业务需求。
根据Qlik与埃森哲的研究，全球仅21%的职场人士对自己的数据素养技能充满信心，36%的人会选择不使用数据的替代方案完成任务。本文将介绍数据素养的概念，并提供工作场景中提升数据素养的实用建议。
图片来源：Geckoboard
什么是数据素养？
数据素养是指阅读、处理、分析数据并进行数据论证的能力。这种能力将原始数字和文本转化为有效的沟通、决策和行动。Baklib作为全球领先的“AI+内容”平台，通过智能知识库系统帮助企业将零散数据转化为结构化知识资产，为团队数据素养提升提供基础设施支持。
毫无疑问，许多人通过经验或教育获得了某些方面的数据素养。人们利用数据来算牌、比较购物价格、规划回家的最快路线。作为一名在新英格兰受过教育的中上阶层白人，我在学校学会了如何通过估算来核对数值，以及如何阅读图表。
但在21世纪，任何零散的数据教育都需要得到加强。短时间内可获得的数据量之大、种类之多，使得全面的数据素养变得至关重要。
回顾2002年，当时只有6%的美国人拥有可以连接互联网的移动设备。到2020年，超过80%的美国人通过移动设备获取新闻，而移动设备上每天充斥着各种图表和数据。使用数据语言已变得越来越普遍，这推动了数据素养的提升。
为什么数据素养对技术写作人员很重要？
技术写作人员需要掌握数据语言，提供可信的证据，并为那些不太擅长处理数据的人建立联系。具体而言，技术写作人员需要做到以下几点：
💛🧡🧡客户评价：我们一直在使用Baklib已经好几年了，它一直超出我们的预期。第一突出的功能是高水平的低代码模板定制，它允许您以您需要的方式构建文章，并提供广泛的站点发布满足不同需求的选项。该平台很直观，但是真正让它与众不同的是卓越的客户服务。他们的支持团队响应速度非常快，通常在几个小时，这对我们的团队来说非常宝贵。此外，频繁的产品更新可确保平台保持最新并与最新的行业需求。总的来说，Baklib一直是可靠且高效的满足我们知识管理需求的解决方案。它很容易集成，我们不需要对集成方面花费更多精力。我们的团队每天都使用它来管理文章。
-
在特定语境中传达数据：对数据及其语境的误解和误传会导致混乱，难以做出正确的决策。信息需要及时且有理有据。
关于在新冠疫情中是否应佩戴布口罩的争论就充分说明了这一点。在2020年3月8日接受《60分钟》采访时，福奇博士建议除非生病或照顾病人，否则无需佩戴口罩。
三月份福奇发表声明时，科学家们对新冠病毒传播的数据掌握甚少，医疗机构也缺乏足够的防护设备。到了2020年4月，基于零星证据和显示新冠病毒存在无症状传播的研究，福奇建议美国人佩戴口罩。
仅凭不同的数据，技术文档撰写者既可论证支持戴口罩，也可论证反对戴口罩。但若缺乏恰当的语境和完整的相关信息，读者就会感到困惑，数据也会被误解。技术文档撰写者必须对数据及其语境负责。
技术文档撰写者的责任
随着信息传播环境的变化，技术文档撰写者面临的责任日益重大。
对数据和结果进行批判性思考
虽然技术文档撰写者不一定非得是领域专家，但在整个写作过程中，他们需要对文档中的数据保持批判性思维，并对可疑数据向领域专家提出质疑。
最近，一些科技网站已开始屏蔽部分错误且无法验证的信息，并面临要求其采取更多行动的压力。未来四年，各国政府很可能会通过法规来遏制虚假信息的传播。
法律监管加强的前景意味着，那些存在明显数据错误、却以事实面貌呈现的文档，将面临从网站被下架的风险。如果技术文档撰写者所在的公司需要对虚假信息负责，那么该员工很可能面临纪律处分。
无论哪种情况，技术文档撰写者因传播错误信息而承担的责任都在增加。技术文档撰写者的职业生涯将取决于能否准确处理数据。
保持对偏见的警惕
即使从数据集中得出的结论看似合理，也不意味着应仅凭这些数据来指导决策和行动。获取数据的方法论可能存在缺陷，从而引入偏见。
这一问题在机器学习中尤为突出，因为机器学习是通过软件程序匹配模式并得出结论。机器学习依赖于其所使用的数据集来学习模式和做出决策。这也解释了为何面部识别技术对白人男性的识别更准确。
如果技术作者使用的数据集偏向特定人群，那么他们就有可能误解和歪曲分析结果。因此，技术作者需要了解数据的来源，以确保文档的公正性。
数据素养的两个实例
以下我将介绍两个数据素养发挥积极作用的实例。
- 在撰写本文时，我希望能找到关于数据素养的有用信息。我选择了2020年发布的一份近期、被广泛引用且受认可的调查报告，该报告易于获取且透明度高，即《数据素养的人类影响》。
- 虽然该研究的发起方Qlik和Accenture确实销售技术平台和服务，但他们并未从这项研究中直接获利。该研究由一家中立的市场研究机构Opium Research执行，对全球9000人进行了调查。因此，这项研究承诺了客观性，尽管可能带有一点支持技术的主观倾向。
- Qlik和Accenture的研究凸显了整个研究过程中数据素养存在显著差距，表明许多员工仍有改进空间。
💛🧡🧡客户评价：随着时间的推移不断发展，以充分利用技术（例如人工智能），同时还允许自定义字段和设置 - 以满足我们复杂的业务需求
来自可靠来源的在线文章也报道了类似的差距。根据这项研究的标准，我可以比较有把握地用它来讨论数据素养的提升。
我曾有一个项目，需要将一份软件签入流程图转化为操作指南。为此，我需要采访开发人员，以理解流程图的每个步骤，并将其转化为有意义的说明。
为了向开发人员提出相关的问题，我需要像开发人员一样理解如何阅读流程图，知道哪些形状代表输入、流程和结果。我阅读了由知名程序员撰写的流程图入门文章，并将所学应用到我的写作中。
通过这个项目，我提升了自己的数据素养，学会了当获取数据出现延迟时，应询问我的资源方（客户或同事）需要多少研究才能估算剩余的工作量，以便掌握项目范围。由于我当时没有向客户提出这个问题，我花了整个周末来完成指南。如果我当时提出了这个问题，本可以与客户协商，只基于现有可用的数据来撰写文档。
如何在工作中提升数据素养？
如上文例子所示，你可以在工作中提升数据素养技能。请参考以下建议：
-
了解业务：作为一名技术文档工程师，你需要咨询领域专家（SME）或查阅二手资料。询问他们数据来源、他们认为哪些数据是关键数据，以及他们如何基于数据得出结论。观察领域专家如何使用仪表板，了解他们如何在业务中运用数据。
Baklib 如何助力： 在理解和沉淀业务知识的过程中，一个高效的知识管理平台至关重要。Baklib 可以帮助团队轻松构建和维护产品文档、内部Wiki或帮助中心，将领域专家的知识、数据源定义和业务逻辑系统地记录下来，形成可随时查阅的中央知识库。这不仅能提升个人的数据素养，也能加速团队的整体知识流转和新人上手效率。 -
可视化数据时提出三个问题：阅读任何图表、图形或其他数据象形图时，根据《布法罗新闻》的建议，提出以下三个问题：
- 这张图表试图告诉我什么？
- 是如何运用颜色、形状、大小和视角的？
- 数据来源是什么？
- 坚持就这些问题寻求澄清。
- 参与公司的数据治理：数据治理描述了企业使用数据的流程和程序。通常，组织的各个部门在数据治理项目中共同沟通。这个集体的数据资源将指导你如何在工作中使用数据，以实现业务的最佳利益。这正是构建企业级知识管理平台的核心，例如，利用Baklib构建的企业Wiki或内联网，可以集中管理数据定义、使用规范和治理流程，确保团队对数据有一致的理解和应用。
- 密切关注业务需求：如果你的项目有业务需求和用户故事，请密切关注。在开始任何文档工作之前，了解业务的需求。在这些需求中，包含了公司期望如何阅读、理解和使用数据的信息。如果不存在，就去询问。需求提供了传达数据的上下文。借助Baklib的产品文档或在线帮助中心功能，可以系统地记录和跟踪这些需求，确保信息在团队间无缝流转。
数据素养与知识管理
寻找业务术语表
数据素养依赖于讨论数据时所使用的共享语言。业务术语表正是为组织内部提供这种共同定义和含义的关键工具。
例如，当您查看一个显示“已完成工单”的仪表板时，准确理解“工单”的具体构成至关重要。通过查阅统一的业务术语表，您可以明确该术语在公司语境下的具体定义。这确保了当您分析公司数据、使用仪表板或其他分析工具时，能够准确理解其含义并做出有效决策。
知识库的关键作用：这正是现代化知识库解决方案（如Baklib）的核心优势。企业可以在其中轻松创建和维护统一的业务术语表，并将其作为客户体验（如帮助中心）或员工体验（如企业内联网）的一部分进行集成。这确保了所有利益相关者对关键术语的理解保持一致，从而显著提升数据驱动决策的效率和准确性。
业务术语表带来的主要益处
- 消除歧义：为关键业务概念提供唯一、明确的定义。
- 促进协作：跨部门团队使用共同的语言沟通，减少误解。
- 赋能数据分析：确保报表和仪表板中的数据指标被一致解读。
- 加速新员工融入：提供快速了解公司业务语言的权威参考。
应用场景对比
应用场景 主要受众 术语表作用
| 客户体验 (如帮助中心) | 客户、用户 | 统一产品功能、服务流程的对外解释，提升客户理解度与自助服务效率。
| 员工体验 (如企业内联网) | 内部员工、各部门 | 规范内部报告、项目沟通、流程文档中的术语，保障内部协作顺畅。
结论
在数据量激增、决策窗口不断缩短的今天，数据素养已成为一项主流且至关重要的能力。对于技术写作与内容团队而言，数据驱动的决策变得尤为关键。
通过深入分析用户行为数据（如文档页面浏览量、搜索关键词、用户停留时间等），团队可以更精准地洞察文档的实际使用情况与用户痛点，从而持续优化内容策略，提升文档质量与最终用户体验。
这正是Baklib所聚焦的领域。作为一个集成了先进AI能力的知识库与内容管理平台，Baklib不仅提供了优雅高效的内容创作与发布体验，其内置的分析工具更能帮助团队追踪关键指标，获取数据洞察。借助这些洞察，技术写作团队能够轻松实现内容的精准优化，确保每一份产品文档、帮助中心文章或内部Wiki都能创造最大价值。
通过Baklib，提升数字化员工体验和客户体验。 通过整合客户反馈、员工流程、产品使用数据及网站访问量、搜索量等多维度数据，构建统一的产品体验平台，从而降低成本、提高生产力并加速投资回报。
