Budući da se budućnost rada sve više temelji na podacima, prirodno se pojavljuje nekoliko pitanja. Kako možemo pripremiti našu radnu snagu da bude vještija u radu s podacima?

PolitikaEU-a slijedila je tržišne trendove objedinjavanjem ulaganja u gospodarstvo temeljeno na podacima. Tim se pristupom predviđa veća razmjena podataka unutar organizacijskih ekosustava kojima se konsolidiraju podaci i stvara nova vrijednost iz njih. Svojim pravnim okvirom Europska komisija nastoji osigurati da se sve to odvija na pravedan, otvoren i siguran način.

Ali kako će to utjecati na naša trenutna radna mjesta? Koje će nam vještine biti potrebne za sudjelovanje u tom gospodarstvu temeljenom na podacima? Ovaj članak daje uvid u to kako se podaci koriste za definiranje našeg budućeg rada. 

Bajt bajta: neki kontekst

Kad god komuniciramo s našim digitalnim uređajima, stvaramo podatke – male digitalne tragove numeričkih informacija koje govore nešto o našoj interakciji s uređajem. To mogu biti informacije o tome na što smo kliknuli, koje smo web stranice otvorili, koji smo tekst napisali, koje smo lokacije posjetili ili odakle smo uputili telefonski poziv. 

Svi ti digitalni tragovi zajedno mogu nam pružiti sveobuhvatan uvid u naše ponašanje na internetu. Podaci se sve više upotrebljavaju kako bi se dobio bolji uvid u ljudsko ponašanje iz različitih razloga. I sve se više i više toga prikuplja. Procjene upućuju na to da će se globalna količina podataka povećati za više od 500 % do 2025. Tvrtke koriste podatke kako bi bolje razumjele svoje klijente i poboljšale svoje proizvode i usluge. Vlade ga koriste kako bi poboljšale učinke svojih političkih odluka. Pojedinci također mogu koristiti podatke kako bi im pomogli da bolje upravljaju svojim svakodnevnim zadacima. Primjer? Prošećite oko bloka i pogledajte broj ljudi s pametnim satovima oko vas. Ako koristite jedan za praćenje koliko ste aktivni tijekom dana, za praćenje vitalnih statistika ili koristite aplikacije koje prate koliko često ste na mreži, koristite podatke za uvide. 

Premještanjem pohrane podataka u oblak tehnički je lakše objediniti različite vrste podataka, kao i podatke iz različitih izvora, što bi moglo dovesti do sveobuhvatnijeg uvida. Time se smanjuju izazovi s kojima se poduzeća suočavaju pri upotrebi tih podataka kako bi stvorila veću vrijednost, neovisno o tome je li riječ o njima samima, drugima ili o suradnji s partnerima iz poslovnog ekosustava. 

Podaci u poslovnom svijetu

Podaci se stoga sve više smatraju ključnim izvorom prihoda poduzeća. Ali koji su podaci korisni i kako uspijevaju prikupiti te podatke na siguran i zaštićen način? U ovom odjeljku dublje uranjamo u nitty-gritty podataka koji postaju imovina i roba za poduzeća, te kako to reguliraju tvorci politika u EU-u. 

Podaci, podaci, podaci… Koji podaci?

Postoje različiti načini na koje možemo kategorizirati podatke. Ovdje raspravljamo o dvjema kategorizacijama koje su od interesa s obzirom na širu europsku strategiju za podatke. 

Prva razlika odnosi se na vezu između podataka i pojedinačne osobe: osobni podaci u odnosu na neosobne podatke. Osobni podaci su svi podaci koji se odnose (ili mogu biti) na pojedinu osobu: ime, osobne podatke (npr. brojeve kartica itd.), zdravstvene podatke, podatke o lokaciji itd. Neki osobni podaci mogu biti osjetljivi. Ovo je zasebna kategorija podataka koja se mora tretirati s dodatnim uvjetima, jer zlouporaba tih podataka može rezultirati štetnim, nepoželjnim ili čak opasnim situacijama. U Općoj uredbi o zaštiti podataka (GDPR) navedeni su osjetljivi podaci (Europska komisija, 2023.a). Neosobni podaci su svi ostali podaci koji se mogu prikupiti. Primjeri uključuju podatke o svakodnevnom korištenju javnog prijevoza, potrošnji energije u domu ili broju školskih nastavnika u određenom području.        

Druga razlika odnosi se na one organizacije koje prikupljaju podatke: industrijskih podataka i javnih podataka. Pod industrijskim podacima podrazumijevamo sve vrste podataka koje prikupljaju privatna poduzeća. Budući da sve više poduzeća stvara digitalne proizvode, poduzeća imaju priliku lako prikupljati osobne i neosobne podatke koje kasnije mogu upotrijebiti za stvaranje veće vrijednosti za svoje potrošače i sebe, što može dati konkurentsku prednost. Primjeri neosobnih industrijskih podataka koje možda poznajete i upotrebljavate uključuju svakodnevnu upotrebu javnog prijevoza (npr. na Google kartama) ili podatke o potrošnji energije u vašem domu koje je prikupio vaš dobavljač energije. Vlade također prikupljaju podatke na temelju kojih donose političke odluke i pružaju digitalne usluge. Dijeljenje ove vrste podataka ima nekoliko prednosti. Na primjer, poduzeća bi mogla koristiti javne podatke za stvaranje boljih i relevantnijih usluga i proizvoda. Pojedinačni korisnici mogli bi poboljšati svoje donošenje odluka na temelju stvarnih podataka: npr. odlučivanje o tome kada uključiti perilicu rublja kako bi se optimizirala potrošnja energije kod kuće.   

Drugim riječima, različite vrste podataka mogle bi biti korisne različitim dionicima u različite svrhe. To znači da stvaranjem više mogućnosti za razmjenu podataka postoji potencijal za stvaranje veće vrijednosti. Međutim, dijeljenje dolazi s rizicima:  

• Zlouporaba osobnih podataka 
• Zlouporaba osjetljivih podataka
• Zlouporaba položaja od strane platformi koje imaju veliku ulogu na internetu.
• Nejednakost između pojedinačnih korisnika i većih poduzeća 

To su neki od rizika kojima europska politička regulativa pokušava upravljati i spriječiti ih. Najpoznatija uredba na snazi jest Opća uredba o zaštiti podataka (GDPR) kojom se utvrđuju različite vrste podataka i uređuju prava i obveze pojedinaca i poduzeća u postupanju s podacima. U Aktu o digitalnim tržištima, koji je Europska komisija donijela 2023., utvrđuju se značajke „nadzornika pristupa” (internetske platforme u vlasništvu privatnih poduzeća koja imaju golem i raširen pristup podacima zbog svoje uloge na internetu) i uređuje način na koji im je dopuštena upotreba jedinstvenih podataka kojima imaju pristup. Akt o digitalnim uslugama (Europska komisija, 2023.c) pomaže u zaštiti svih korisnika digitalnih usluga i utvrđuje kako nadzornici pristupa trebaju riješiti sve zlouporabe svoje platforme (npr. kada se nezakonita roba prodaje putem njihove platforme ili ako se razmjenjuju dezinformacije/pogrešne informacije). Aktom o europskom upravljanju podacima (Europska komisija, 2023.f) i Aktom EU-a o podacima (Europska komisija, 2023.d), koji se trenutačno formuliraju, nastoje se ukloniti prepreke u razmjeni podataka, ali na način kojim se zadržava kontrola za pojedince i manje organizacije. Drugi je prioritet da se razmjenom podataka može poduprijeti stvaranje više poticaja za ljude da ulažu u generiranje podataka.  

Ukratko, cilj je europske politike poduprijeti organizacije (a posebno MSP-ove) u ulaganju i iskorištavanju njihovih podatkovnih strategija. Olakšava pravedniju i sigurniju razmjenu podataka između pojedinaca i organizacija različitih veličina i uloga kako bi se stvorila veća vrijednost za njih i europske građane. Tvrtke stoga sve više ponovno procjenjuju svoje poslovne aktivnosti kako bi vidjele kako podaci koje generiraju mogu potencijalno stvoriti novu vrijednost za njihovo poslovanje. 

Kako tvrtke koriste podatke – i u koje svrhe? 

Tvrtke koriste podatke na različite načine kako bi stvorile poslovnu vrijednost. Uglavnom, možemo razlikovati dvije mogućnosti:

• Korištenje podataka za stjecanje poslovnih uvida u način na koji njihovi klijenti komuniciraju sa svojim proizvodima ili uslugama. To rezultira analizom raspoloženja, razumijevanjem kada i kako se proizvodi koriste i eventualno s kojim drugim proizvodima ih koriste. Klee, Janson & Leimeister (2021.) to nazivaju nadorganizacijskom razinom na kojoj se poslovna vrijednost stvara ostvarivanjem koristi od vanjskih podataka.
• Korištenje podataka za operativnu izvrsnost kako bi poboljšali svoj interni rad ili upravljanje lancem opskrbe, kako bi pružili vrijednost svojim klijentima učinkovito i djelotvorno. Klee, Janson & Leimeister (2021.), nijansirajte to na organizacijskoj razini (razvoj organizacijskih modela temeljenih na podacima) i na razini radne prakse (rad s podacima u svakodnevnim poslovnim procesima). 

Kada se podaci mogu sigurno dijeliti s drugima, poduzeća mogu istražiti i brojne mogućnosti povezane sa stvaranjem novih proizvoda ili usluga – u ekosustavu koji dijele s partnerima istomišljenicima. 

Kako tvrtke prikupljaju podatke? 

Povećanje internetskih aktivnosti znači da je tehnički prag za prikupljanje podataka malen: podaci stvoreni u interakciji s digitalnim uređajima ili mjere koje su, na primjer, zabilježili senzori bilježe se i pohranjuju u uslugama u oblaku za daljnju analizu i tumačenje. Iz tih se podataka može generirati analitika kako bi se olakšalo donošenje odluka. 

Kako je navedeno, neka poduzeća djeluju kao „nadzornici pristupa” na internetu, gdje osnivaju internetske platforme putem kojih se odvijaju druge aktivnosti i upravljaju njima. Ti nadzornici pristupa, naravno, imaju mnoge izvore podataka koje pohranjuju kako bi ih dodatno komercijalizirali i analizirali u svrhe oglašavanja (razmislite o Meta, X i, u novije vrijeme, Tik Tok). Ta je situacija stvorila naizgled neograničenu količinu pohrane podataka, pri čemu poduzeća na kraju zadržavaju podatke koji bi mogli biti korisni za komercijalnu uporabu. Međutim, ta će se situacija vjerojatno promijeniti, djelomično potaknuta prethodno navedenim uredbama o politikama, jer se pojavljuju i drugi glasovi. 

Jedan aspekt odnosi se na racionalnu upotrebu i prikupljanje podataka, tj. operativniji pristup snalaženju u golemim količinama podataka, pri čemu poduzeća razmatraju gdje se nalazi potencijalna vrijednost navedenih podataka i koji su točno podaci korisni za praćenje (Mazzei & Noble, 2017.). Sve se više javlja i zabrinutost povezana s utjecajem pohrane podataka na okoliš. Prema Luciveru, 2019. raste svijest o tome koliko je energije potrebno za pohranu podataka u neograničenom vremenskom okviru, što pak prisiljava poduzeća da razmotre racionalniji pristup upotrebi i pohranjivanju podataka. Naposljetku, postoji učinak na troškove: Pohrana podataka postaje sve skuplja. S obzirom na to da poduzeća premještaju poslovne aktivnosti u oblak, pohrana podataka mora ići ruku pod ruku s poslovnom sposobnošću (Gartner, 2022.). 

Kako tvrtke upravljaju podacima na siguran način? 

Kako bi podaci postali nešto što stvara vrijednost u ekosustavu, potrebno je povjerenje u dobro i sigurno upravljanje podacima. To zahtijeva od organizacija da se unaprijede u definiranju vizije i strategije za prikupljanje i analitiku podataka, ali i da usklade svoje podatkovne arhitekture (IBM, 2023.) s tom strategijom i vizijom. Opća je strategija europske podatkovne politike stvaranje istinskog europskog jedinstvenog tržišta podataka (Europskakomisija, 2023e), na kojem se vrijednost može stvoriti iz podataka unutar ekosustava organizacija. Cilj je stvoriti sektorske podatkovne prostore u kojima partnerstva povezana s dijeljenim podacima mogu nastati i dovesti do zajedničkog stvaranja i razvoja novih i inovativnih aplikacija. Za to su potrebna mnoga praktična razmatranja za organizacije u njihovoj tehničkoj arhitekturi, kao što su: 

• Sljedivost podataka: kada stvaramo podatkovne prostore, mora postojati mogućnost praćenja tko je prikupio koje podatke i pod kojim uvjetima. 
• Upravljanje sigurnim pristupom ovlaštenim partnerima i osobama: podatkovni prostori također trebaju predvidjeti upravljanje u pogledu toga tko ima pristup dijeljenim podacima i u kojoj mjeri taj pristup doseže. 
• Pravni okvir za dogovor o pristupu i upravljanju pristupom: sve strane u podatkovnom ekosustavu moraju imati strukturu za pravnu suradnju s pomoću koje mogu razmjenjivati podatke u pouzdanom kontekstu. 

Ako podaci postanu toliko rasprostranjeni, to znači da će sve više i više nas doći u kontakt s IT proizvodima koji se temelje na podacima. Gartner predviđa da će ove godine „podatkovna pismenost postati eksplicitan i nužan pokretač poslovne vrijednosti”, pri čemu gotovo 80 % poduzeća navodi podatke kao ključni čimbenik u svojim strateškim planovima (Gartner, 2023.a). Ovaj članak daje bolji uvid u to kako se podaci mogu koristiti za usmjeravanje ljudskog odlučivanja i koje se vještine zahtijevaju od nas, kako bismo učinkovito koristili ove nove alate kako bismo stekli više uvida i mudro izabrali. 

Kako komuniciramo s IT proizvodima koji se temelje na podacima? 

Već svakodnevno komuniciramo s podacima putem različitih aplikacija temeljenih na podacima. Možda ih nećemo uvijek prepoznati kao takve jer nam te podatke prikazuju na nejasne načine. 

Aplikacije koje se temelje na podacima mogu se kategorizirati na temelju načina na koji nam prikazuju te podatke.

Alati za zrcaljenje 

Alati za zrcaljenje omogućuju korisniku vizualizaciju podataka o ishodima, procesima itd. grafičkim metodama, bez tumačenja značenja podataka. Te se vizualizacije često grupiraju u nadzornu ploču. Prototipni primjer toga su podaci iz vremenskih serija kao što su rast populacije tijekom vremena ili fiziološki podaci kao što je EKG, gdje grafikon prikazuje vizualizaciju tjelesne aktivnosti. Uzmimo tekući primjer mjerača peludi. Zrcalni alat za vizualizaciju razine peludi prikazat će grafikon u kojem se razine peludi iscrtavaju tijekom vremena (npr. dnevna razina peludi u atmosferi). Na čovjeku je da interpretira vizualizaciju, da joj da smisao (“Jeli to visoka razina? Je li riječ o niskoj razini? Povećava li se ili smanjuje? Koja je željena razina?”) i definirati moguće intervencije za djelovanje na temelju tih informacija (“Ostat ću u zatvorenom prostoru zbog visokih razina peludi jer patim od alergija; Mogu se baviti intenzivnim sportovima na otvorenom zbog prihvatljive razine peludi. (Van Leeuwen & Rummel, 2019.)

Alergijski alati 

U alatima za izmjenu vizualizirani podaci odražavat će stvarnu aktivnost, ali uključuju i minimalno tumačenje jer su istaknuti izvanredni elementi u podacima. Na primjer, u našem primjeru peludi, željene razine dnevne razine peludi mogu se betonirati u samom alatu uključivanjem specifikacije o tome što su normalne/visoke/niske razine peludi. Alat zatim može upozoriti čovjeka da kaže da je dosegnuta određena razina (npr. „razine peludi danas su visoke”). Ta upozorenja ljudi mogu upotrijebiti kao početnu točku za osmišljavanje intervencija. Korak za intervenciju poduzima čovjek, ali ga alat upozorava da to učini. (Van Leeuwen & Rummel, 2019.)

Alati za savjetovanje 

Savjetodavni alati idu korak dalje i preporučuju određenu intervenciju koju treba poduzeti. Na primjer, savjetodavni mjerač peludi može reći: „danas se ne bavite intenzivnim sportovima na otvorenom jer su razine peludi visoke i vrlo ste skloni alergijama”. Ovdje čovjek može odlučiti provesti predloženu intervenciju, ali ne mora samostalno tumačiti podatke niti definirati intervenciju koja se na njoj temelji. Alat preporučuje intervenciju na temelju svoje analize podataka. (van Leeuwen & Rummel, 2019.)

Automatizirani alati za donošenje odluka 

U automatiziranim alatima za donošenje odluka alat kontrolira sve postupke donošenja odluka i provedbu same intervencije na temelju vlastite analize podataka. U tom kontekstu čovjek ne bi bio izravno uključen u donošenje odluka ni u provedbu intervencije. U našem primjeru mjerača peludi to bi mogla biti izmišljena situacija u kojoj bi alat za automatizaciju mogao reći: „razine peludi danas su visoke. Budući da imate alergije, savjetujemo vam da ostanete kod kuće. Kako bi se to olakšalo, svi vaši današnji sastanci pretvoreni su u sastanke za internetske konferencije.”  

Potencijalno zabrinjavajuće (ali potpuno fiktivno) ponašanje takvog alata moglo bi biti „Kako bi se osiguralo da ne izađete iz kuće, vrata su automatski zaključana dok razine peludi ne budu na prihvatljivoj razini.” U tom slučaju čovjek sudjeluje samo u donošenju odluka, definiranju intervencije i postupku provedbe kao promatrač. 

Koje su nam vještine potrebne za učinkovitu upotrebu tih alata? 

Uz široku upotrebu alata koji se temelje na podacima, jasno je da naše vještine i kompetencije u upotrebi tih alata moraju biti u skladu s ciljem njihove učinkovite upotrebe, bez nenamjernog stvaranja ili olakšavanja štete za ljude. 

Podaci u prošlosti i u budućnosti

U ranijim danima, kada su podaci bili oskudni i teško prikupljani, velike skupove podataka prvenstveno su stvarali akademici na sveučilištima (ili u suradnji sa sveučilištima), vladama ili velikim organizacijama. Budući da je arhiviranje podataka intenzivan, longitudinalni rad, radilo se o višegodišnjim aktivnostima koje su zahtijevale značajna ulaganja u vrijeme, napore i financijska sredstva. To su učinkovito mogla učiniti samo poduzeća koja su imala resurse za ulaganje u arhiviranje podataka i koja su imala neposredan gospodarski interes. 

Vješti ljudi koji su stvorili te skupove podataka specijalizirali su se za objedinjavanje podataka, strukturiranje, analizu i tumačenje različitih skupova podataka. Ovaj proces više nije toliko kompliciran: umjesto toga, sada ga podržavaju mnogi sofisticirani digitalni instrumenti i alati. To znači da je sada mnogo dostupnija organizacijama čija početna ulaganja mogu biti manja. U isto vrijeme, situacija postaje složenija kao rezultat toga. Sve je više ažuriranih i lako dostupnih podataka: Lako je biti preopterećen. Za stvaranje vrijednosti na temelju podataka sada su nam potrebne bolje tehnike vizualizacije i strateški pristup informacijama. 

Budući da postupak više ne ovisi o jednoj osobi koja prikuplja, analizira i tumači podatke, potrebna je veća koordinacija za upravljanje zajedničkim pristupom podacima. Radno intenzivni dijelovi sve se više mogu automatizirati s pomoću dostupnih alata, čime se smanjuje pritisak na poduzeća. Istodobno, veća automatizacija dovodi do standardiziranijih analiza. S jedne strane, to stvara više mogućnosti jer više ljudi može pristupiti podacima na različite načine. S druge strane, to također može biti restriktivno jer će vjerojatno pasti u zadane opcije i oduzeti korisniku dubinsko razmatranje i donošenje odluka. U ekstremnim slučajevima donošenje odluka može biti potpuno skriveno. 

Budući da postoji sve veći jaz između tumačenja podataka i prikupljanja i analize podataka, postoje mogućnosti za pogreške u tumačenju ako kontekst prikupljanja i analize podataka nije jasno dokumentiran i naznačen. 

Vještine za budućnost temeljenu na podacima

U nastavku navodim niz vještina koje trebamo izgraditi za ovu budućnost temeljenu na podacima.   

1.    Podatkovna pismenost

Prve ključne vještine povezane su s podatkovnom pismenošću. Gartner (2023.b) to opisuje kao „sposobnostčitanja, pisanja i priopćavanja podataka u kontekstu, uključujući razumijevanje izvora i konstrukta podataka, primijenjenih analitičkih metoda i tehnika te sposobnost opisivanja slučaja upotrebe, primjene i dobivene vrijednosti”.

Drugim riječima, kao ljudi koji se bave alatima za podatke, moramo znati i moći procijeniti koji se podaci upotrebljavaju, odakle dolaze, je li pouzdana, može li se vjerovati analitici koja je provedena povrh podataka i postoje li ljudske kontrole koje mi kao korisniku omogućuju provjeru tih problema. Ti čimbenici kontrole postaju iznimno važni za ljudski nadzor, posebno u slučaju visoke razine automatiziranog donošenja odluka i intervencije s pomoću alata. Kako bismo imali dovoljno povjerenja u alate koji se temelje na podacima, mi kao korisnici moramo imati pristup tim kontekstualnim informacijama i zahtijevati pristup tim kontekstualnim informacijama. Zahtjevi politike u oblikovanju Europskog akta o podacima (Europska komisija, 2023.) povećavaju tu razinu kontekstualizacije podataka. 

Postoji nekoliko programa za potporu razvoju vještina podatkovne pismenosti. Na primjer, MOOC, koji se financira u okviru programa Erasmus+ i koji su razvili Sveučilište u Kopenhagenu, Sveučilište u Varšavi, Sveučilište u Milanu, Sveučilište Sorbonne i Karlovo sveučilište u Pragu (dio Saveza 4EU+),pruža širok uvid u funkcioniranje podataka i ulogu podataka u našem svakodnevnom životu. Cilj je Centra za podršku podatkovnim prostorima poduprijeti organizacije koje rade s podatkovnim prostorima u praksi.   

2.    Svijest i duboko razumijevanje opsega alata temeljenih na podacima / rad s alatima za podatke

Druga je vještina svijest i duboko razumijevanje opsega alata koji se temelje na podacima, uz opsežnu suradnju s njima. To nam kao korisnicima omogućuje da razumijemo ograničenja alata i mogućnosti alata te da procijenimo valjanost tumačenja na temelju podataka, bez obzira na to jesu li izrađeni ljudskim djelovanjem ili automatizirani. Ako ste svjesniji onoga što alat može i ne može učiniti, omogućit će vam i definiranje valjanih provedivih uvida koji dovode do prihvatljivih intervencija. Kao korisnik nužno je razmotriti i alate koji se temelje na podacima kao samo jedan od više izvora podataka te unakrsno provjeriti sve ishode tih alata s drugim, kvalitativnijim podacima. 

3.    Pregovori o tumačenju podataka

Budući da donošenje odluka na temelju podataka u poslovnim ekosustavima postaje sve raširenije, očito je da će uz iste podatke postojati više alata koji se temelje na podacima. To ima mnogo posljedica: različite tvrtke mogu stvoriti različite alate s više metoda analize stvara one analitike koje su važne za njih, u njihovom kontekstu. To učinkovito znači da različite tvrtke ostvaruju svoje poglede na svijet kroz svoju analitiku podataka. 

Što se događa kada se različite interpretacije svijeta međusobno suprotstave? Očekuje se da će pregovori o smislenom donošenju podataka postati iznimno važna vještina. Kako surađujete s partnerima iz ekosustava na utvrđivanju opsega različitih tumačenja podataka? Kako se nosite s različitim tumačenjima? Na temelju čega odabirete koje će se mjere poduzeti kao intervencije i na temelju kojih (zajednički prihvaćenih) podataka? To je trenutačno nedovoljno istražena tema.

4.    Podatkovno-tehničke vještine

U literaturi se češće spominju tehničke vještine povezane s podacima, kao što su podatkovni inženjering, analiza podataka i alati za obradu podataka. Budući da sve više podataka postaje lokalno dostupno unutar organizacija, zaposlenici će moći stvarati vlastite podatkovne proizvode kako bi poduprli svoje pojedinačne zadatke i procese. Za to su potrebna općenitija znanja i vještine u pogledu sposobnosti prikupljanja podataka, odgovornog i točnog upravljanja podacima, definiranja analitike tih podataka na temelju pouzdanih hipoteza i njihove provedbe s pomoću pouzdanih metodologija analize podataka te kompetentne upotrebe relevantnih alata. Naposljetku, za to su potrebne i vještine za točno tumačenje rezultata analize podataka i njihovo prenošenje u poslovne uvide za intervenciju. 

Popunjavanje podataka: neke ponešto za ponijeti

Naš se svijet sve više temelji na podacima. To obuhvaća sve aspekte našeg rada, sustave obrazovanja i rada ili društvene skupine. Alati koji se temelje na podacima mogu pomoći organizacijama automatizacijom određene analitike podataka, čime se poboljšava donošenje odluka i dodaje vrijednost. Ali, jednako tako, dolaze s izazovima. Kao korisnici trebali bismo biti svjesni opsega takvih alata ako želimo znati kako učinkovito (i djelotvorno) raditi s njima. Izrađivači alata i programeri također se moraju susresti s korisnicima na pola puta: poboljšanjem pristupa informacijama o određenim alatima, a posebno omogućivanjem korisnicima sredstava za provjeru pouzdanosti i valjanosti podataka te korištenih analitičkih metoda. Poboljšanje načina na koji upravljamo podacima, prikupljamo ih i pohranjujemo ključno je za prihvaćanje tih alata i uklanjanje prepreka povezanih s njihovom upotrebom. A budućnost? Na temelju podataka sigurno. 

Cjeloviti rad, zajedno s referencama, dostupan je u pdf formatu ovdje, kao i u nastavku. 

Preuzmite sada infografiku o znanju, vještinama i uzoru; Stavovi o budućnosti temeljenoj na podacima.

O autoru 

Dr. Kamakshi Rajagopal je interdisciplinarni istraživač i slobodni konzultant u obrazovnom dizajnu i tehnologiji, s velikim iskustvom u umreženom učenju i formatima društvenog učenja, podržanim inovativnim tehnologijama. Magistrirala je lingvistiku (2003.) i umjetnu inteligenciju (2004.) na sveučilištu KU Leuven (BE). Doktorirala je 2013. na Open Universiteitu (NL), istražujući osobne mreže učenja i njihovu vrijednost za kontinuirani profesionalni razvoj. Njezino je trenutačno istraživanje usmjereno na proučavanje složenosti okruženja za učenje i, konkretnije, na to kako se nastavnicima i učenicima može pružiti potpora u suočavanju s tom složenošću. Dr. Rajagopal razvio je brojne (nacionalno financirane i europske) suradničke istraživačke projekte u osnovnom, srednjem i visokom obrazovanju s partnerima iz javnog sektora, industrije i civilnog društva. Neki primjeri njezinih projekata odnose se na ulogu mreža nastavnika u obrazovnim inovacijama, krugove diplomskih radova u visokom obrazovanju, multimodalno mjerenje u suradničkim hibridnim prostorima za učenje i uključivanje virtualne mobilnosti u visoka učilišta. Od 2023. godine radi na Učenje i razvoj u IT & poslovno savjetovanje.