요즘 많은 곳에서 데이터 리터러시 교육이 필요하다는 소리가 나옵니다. 그럼에도 왜 그것이 필요하고 어떻게 실행을 해야 하는것인지에서는 명확한 설명이 별로 없습니다. 데이터 리터러시는 데이터를 읽고

요즘 많은 곳에서 데이터 리터러시 교육이 필요하다는 소리가 나옵니다. 그럼에도 왜 그것이 필요하고 어떻게 실행을 해야 하는것인지에서는 명확한 설명이 별로 없습니다. 데이터 리터러시는 데이터를 읽고, 쓰고, 분석하고, 데이터와 통신하는 능력으로 정의할 수 있습니다. 책을 읽고 이해하는데 모두 셰익스피어가 될 필요가 없는 것과 같이, 데이터를 이해하기 위해 데이터 과학자가 될 필요는 없습니다. 데이터 활용 능력은 모든 단일 프로그래밍 언어나 가장 고급 데이터 과학 기술을 배우는 것이 아닙니다. 대신 데이터를 이해하고 결정하는 것입니다. 즉 데이터 리터러시라는 것은 '데이터 활용 능력'을 말하는 것인데, 이것을 달성하는 것은 기업이나 조직 구성원들이 본인들의 업무에 데이터를 능숙하게 사용하도록 하는 회사 로드맵의 필수 단계가 되야 합니다. 보다 구체적으로 말하면 직원이 다음과 같은 4가지 영역에서 데이터를 활용할 수 있는 능력을 말합니다. 1. 데이터 기반 의사 결정을 내리기 데이터 활용 능력은 데이터 기반 의사 결정의 핵심입니다. 데이터 활용 능력을 옹호하고 데이터 기반 의사 결정을 내리는 경영진이 필요합니다. 데이터 인사이트를 의사결정이 필요한 경영진에게 설명할 수 있는 데이터 리터러시 코치가 필요합니다. 이러한 데이터 기반 의사 결정은 데이터 활용 능력이 있는 팀의 지원이 없이는 불가능하죠. 2. 데이터와 비판적으로 상호 작용하기 데이터 활용 능력은 직원이 데이터로부터의 인사이트를 한편으로는 의미 있고 또 다른 면에서는 비판적으로 상호 작용하기 위한 전제 조건입니다. 데이터에 정통한 직원은 회사의 의사 결정 프로세스에 반드시 필요한 데이터 시각화(예로는 최고책임자를 위한 대시보드)를 생성하고 분석할 수 있습니다. 데이터 활용 능력은 시각화를 만드는 데 사용되는 데이터의 유효성을 비판적으로 평가하는 능력의 전제 조건이기도 합니다. 3. 효과적인 데이터 거버넌스의 기반을 형성하기 데이터 거버넌스는 조직의 데이터가 관리되는 방식을 정의하는 일련의 정책, 프로세스 및 조직 구조입니다. 이를 통해 데이터를 쉽게 사용할 수 있고 회사의 가치를 창출하며 고품질의 기존 규정을 준수할 수 있습니다. 강력한 데이터 거버넌스를 구축하기 위해 리더십은 데이터 정책을 설정하기 전에 먼저 데이터 컨텍스트와 조직의 요구 사항을 이해할 수 있는 기본적인 데이터 활용 능력을 갖추어야 합니다. 4. 윤리적인 데이터 결정내리기 AI 시스템이나 서비스를 배포하는 기업은 AI 사고, 데이터 개인 정보 보호 위반 및 AI 편향과 같은 AI 시스템의 위험에 직면해 있습니다. 이러한 위험을 완화하는 한 가지 방법은 기술 및 비기술 이해 관계자를 참여시켜 데이터 과학 시스템의 프로세스와 출력을 비판적으로 조사하는 것입니다. 데이터 활용 능력을 갖춘 비즈니스 이해 관계자는 AI 시스템의 위험을 평가하고 기존 AI 시스템이 공정하고 윤리적인지 확인하는 데 중요한 역할을 합니다.