Ta data i bruk
Du husker det kanskje helt fra starten av Datareisen: Innsikt, verdi, beslutningsstøtte. Effektivisering, automatisering, nye måter å jobbe på. Dette er noen av lovnadene ved å jobbe datadrevet.
Siden da har vi snakket mye om dataenes livssyklus, og hvordan data gjennomgår en reise fra situasjon, til innsamling, lagring, bearbeidelse og til slutt verdi. Vi har sett hvordan data oppstår over alt, hele tiden, og hvordan vi kan gå frem for å fange dem opp, lagre dem og klargjøre dem for bruk.
All denne arbeidsinnsatsen og kunnskapen – fra koding og preparering til databehandleravtaler og strukturering av stordata – er ikke bare selve verktøyene vi trenger for å grave etter gull. Dette er de brolagte veiene inn til Klondike. Nå er gullårene identifisert og nikkelen silt ut.
Det er på tide å studere fangsten!
Innsikt
Hva var data literacy, igjen?
Husker du begrepet data literacy fra første kapittel? Det handler om evnen til å lese, forstå, analysere og tenke kritisk om data og hvordan det brukes.
Å inneha denne evnen betyr ikke nødvendigvis at du trenger å være en spesialist på å analysere eller visualisere data. Data literacy handler heller om et grunnleggende kunnskapsnivå, som gjør at man har forutsetninger for å delta i samtaler omkring data og dens konsekvenser – og å kunne ta informerte beslutninger med og rundt bruk av data.
De siste «nivåene» av data literacy innebærer det å bruke data til visualisering, tolkning, forvaltning, historiefortelling – og til slutt – bevisbasert beslutningstakning. I dette kapittelet skal vi knytte sammen alle disse trådene.
Kapittel 5
Dette lærer du!
I dette kapittelet skal vi lære om de siste stegene i livssyklusen, som rapportering, analyse og visualisering av data – og hvordan vi endelig kan ta dataene i bruk for å oppnå mer og bedre innsikt og hente ut verdi.
Fordi dataanalyse kan gjøres på en rekke ulike måter, vil også verktøyene variere ut i fra hva du ønsker å oppnå – for ikke å snakke om graden av kompleksitet i problemene du skal løse. I mange tilfeller vil et regneark gjøre susen. I den andre enden av skalaen kan man bygge egne programmer og maskinlæringsmodeller for spesifikke behov.
Ved siden av å lære om statistikk, analyse og data mining, vil vi her også se på andre måter vi tar data i bruk og skaper verdier.
Her er det mye spennende å dykke ned i!