走进一家拥有数字化转型的公司，你会发现显示器上显示彩色图表和装有数字的饼图。这些仪表板显示有关业务的信息，旨在帮助员工确定工作的优先顺序，发现新机会并提高效率。
然而，一个重要的问题仍然存在：“有多少员工接受过业务培训，他们知道如何使用数据和分析来提高他们的工作效率？” 数据素养全球主管、视觉分析师Jordan Morrow问道。这个问题让Morrow走上了一段旅程，在这一过程中，他发现自己“正在引领一场革命，教会人们如何在数据扫盲风暴的世界中更好地使用数据分析。”
企业为什么要在员工可以获得一些基本报告时关心数据素养？Morrow回应称Amazon，Facebook和Netflix等领先组织在利用数据，跟踪趋势和分析信息方面做得更好。他解释说：
“在与南极洲以外的每个大陆的许多个人和组织交谈时，他们意识到数据是最好的资产之一。他们知道成功的关键在于第四次行业革命需要在组织内部利用数据的力量。“
Morrow坚信，如果一个组织不接受这些数据和分析的洗礼，那么它将无法生存，“因为大多数组织都希望采取行动。”然而，基于全球超过11,000名参与者的研究，Morrow发现，每五个人中只有一个人认为他们具有数据素养。
“所以，人们有一个软件产品定位在他们的指尖，大多数人没有足够的数据和分析技能。” Morrow在思考这个问题。
所有人都需要数据素养
将数据素养视为一系列相关技能。来自麻省理工学院和艾默生学院的Raul Bhargava和Catherine D’ignazio将数据素养定义为阅读、使用、分析和用数据说话的能力（the ability to read, work with, analyze, and argue with data）。他进一步说明：
“数据科学家将科学方法与数据结合使用，这是少数人的职业道路。但对于想要利用数据的组织，（1）阅读，（2）使用，（3）分析，以及（4）用数据说话，是形成数据素养的四个关键特征。人们可以发展这些组件的技能，从而在这个数字经济中变得更好。”
对于许多组织而言，每位员工的数据素养技能都非常值得。Morrow观察了针对全世界600多家上市公司的评估。通过统计分析，Morrow发现具有顶级数据素养的组织比其他企业高出3％至5％的企业价值。这将会转化为数亿美元的价值和更好的股本回报。具有顶级数据素质的组织也有更好的销售回报和更快的上市时间。
数据素养入门
Morrow认为阻碍数据素养的首要因素是：如何开始。他发现人们“对数据素养的热情很高，但同时对从哪里开始感到困惑。”他指出：
“在一个充斥着大肆宣传技术的世界 – 大数据，机器学习，人工智能 – 一个组织的大多数员工都不会直截了当地进入这些领域。但是，公司中的大多数人都会使用数据——他们忘了这件事。此外，人们陷入老派的做事方式，阻止他们接受这个技术时代。需要一种新的方法来让数据的DNA流经整个组织。“
为了给人们提供数字扫盲起点，Morrow给出了数据扫盲计划六个步骤的“实施框架”，一个表征数据素养优势和劣势的劳动力评估，并提出了学习数据素养的路线图。Morrow很高兴与对框架有疑问或希望帮助实施框架的公司交谈。
“公司需要知道如何在内部推动数据扫盲战略，无论是10名员工还是10万名员工。我建立的这个采用框架就是这样做的。“实施框架”并未描述如何改变公司的文化，而是将文化发展为在其业务中更多地了解数据。我让公司每三到六个月运行一次框架的六步骤方法，以吸引更多员工。你需要改进自己的计划。“
Morrow强调，他的框架建立了好奇心，如何提出问题的技巧，以及如何成为数据素养的心态。他主张如果每个人都有数据素养，就不会存在“假新闻”。
帮助在数据素养中推出了基于这项工作构建的数据素养项目。Morrow指导自己的数据素养计划，在两年半的时间里发展。每个人都可以访问“一套漂亮，强大的在线课程，帮助人们了解这个数据世界以及如何使用它，”Morrow说。通过该计划，团队可以与数据素养对话，而不仅仅是销售和支持产品。
数据素养工作强调理论和实际应用环境，以便用户可以更好地理解数据。Morrow在他的数据素养教学中很少使用数学公式，因为这样没什么作用。他经常在世界各地不断与客户、潜在客户和个人会面，经常谈论数据素养项目。
数据素养项目旨在激发讨论并开发工具，以塑造成功的数据素养社会。通过这个持续的对话，行业领导者，大数据客户和学生可以提升自己的能力并传播数据素养。作为一个开源项目，数据素养项目将继续发展并促进合作。这将使人们在更多地使用数据并更好地使用数据的心态和心态。
七个实施要点
Jordan Morrow为希望继续其数据素养之旅的读者提供了七个实施要点：
为了在这个我们生活的数字世界中保持竞争力，公司必须利用其数据和资产。
与其他组织相比，具有高数据素养的组织在利用其数据方面遥遥领先。
“个人可以通过数据和分析开始变得更好的最好方法之一就是变得好奇 – 开始提出问题：为什么？”
掌握放在您面前的仪表板中的图表数据。找出数据出现的原因以及来自何处。
试验数据，找出有效数据和无效数据。
当找到有关有效或无效的数据的问题时，提问：为什么会这样。
- 开始阅读有关数据的书籍。首先，请仔细阅读 Hans Rosling的Factfulness。
