[Reflex] Umíte číst? A co v datech?
Pamatujete si ještě na ten pocit, když jste se naučili číst? Jak se vám otevřel svět, jak najednou spousta neznámých znaků začala dávat smysl a jak jste postupně pochopili jejich význam? Vzpomínáte, jak jste si venku konečně mohli přečíst, ve které ulici zrovna jste, jaký autobus přijíždí na zastávku nebo co napsali vaši starší spolužáci o panu řediteli na zeď za školou?
Myslím, že si vůbec nedovedeme představit, jak složité by bylo žít v současném světě, kdybychom číst nedovedli. Jenže svět se posouvá dál a ke znalosti písmen a významům slov přibyla potřeba vyznat se v číslech – totiž v datech, která kolem nás každodenně vznikají –, pochopit jejich význam a na jejich základě se rozhodovat. Velká část lidí je však stále (datově) negramotná.
Chybné interpretace
Datová negramotnost vede k situacím, kdy lidé špatně hospodaří se svými penězi, věří mylně interpretovaným statistikám a přikládají význam závěrům, jež nejsou založeny na skutečnosti nebo podloženy daty. Protože sami v datech číst neumějí, nastupuje víra, že jim s tím někdo jiný, kdo v datech číst umí, pomůže. V té chvíli se stávají zranitelnými a lehce manipulovatelnými.
Příkladem chybné práce s daty může být používání aritmetického průměru tam, kde to nedává smysl – pokud jezdím do práce autobusy číslo 6 a číslo 8, tak to rozhodně neznamená, že průměrně jezdím autobusem číslo 7. Velmi častá chybná interpretace dat je také vyvozování závěrů z nedostatečného množství vstupních dat – pokud udělám výzkum mezi dvaceti náhodně vybranými lidmi před jedním supermarketem o tom, jestli jim chutná šípková marmeláda, těžko potom mohu zodpovědně prohlašovat, že má 90% Čechů rádo šípkovou marmeládu. Vzhledem k tomu, že nás čekají volby, se s takovými chybnými interpretacemi budeme v těchto dnech setkávat velmi často.
Plýtvání ve firmách
Vinou datové negramotnosti uživatelů končí v současné době neúspěchem i řada analytických projektů ve firmách. Dodavatelé technologií analýzy dat a management firem totiž očekávají, že když zaměstnancům poskytnou přístup k firemním datům a nástroje pro jejich analýzu, budou všichni nadšení a sami budou analýzy zpracovávat, přicházet se zlepšeními a posouvat firmu dopředu. Jenže pokud jsou zaměstnanci datově negramotní, je to, jako kdyby dostávali drahé knihy, které si nedokážou přečíst. Dochází tak k plýtvání financemi – náklady většího analytického projektu se pohybují v řádech miliónů korun. To nás vede k otázce, jak datovou gramotnost učit. Jestli to vůbec jde, a pokud ano, jak na to. Lidé se často bojí začít s daty pracovat například proto, že mají špatné vzpomínky na školní hodiny matematiky… V případě výuky datové gramotnosti jde ale o něco úplně jiného: nikoli o našprtání konkrétního složitého počítačového programu, ale o pochopení základních principů práce s daty, limitů podobných operací, a hlavně o jejich propojení s reálným životem. Jen na konkrétních příkladech ze života lze pochopit význam práce s daty a sílu, již přinese do rozhodování.
Školení v datech hrou
Na VŠE v Praze učíme datovou gramotnost formou hry: jednotlivé týmy proti sobě soupeří ve virtuálním městě. Cíl? Vydělat co nejvíc peněz prostřednictvím doručování jídla z restaurací obyvatelům onoho města. Vyhrát nad ostatními však není možné, aniž by člověk město poznal, znal zvyklosti jeho obyvatel, jejich finanční situaci a preference, aniž by věděl o záměrech konkurence. Veškeré toto poznání je skryto v datech, která z města proudí a jež hráči musejí umět zpracovat a rychle se na jejich základě rozhodovat o své další herní strategii. Studenti se tak naučí, že úspěch vzniká vždy spojením kvalitní strategie a správné analýzy dat. Na získání datové gramotnosti nikdy není pozdě. Vše se lze naučit za několik dní v každém věku – ve firmách nyní vidíme velkou poptávku po takovém vzdělávání zaměstnanců, kterou bude třeba uspokojit. Zejména v době, kdy na nás všechny dopadne tlak na utahování opasků, hledání rezerv a nových směrů podnikání. Vzdělávací programy zaměřené na datovou gramotnost by měly mít pevné místo zejména v systému formálního vzdělávání – nejen na vysokých školách, ale ideálně i na školách středních, jako součást výuky matematiky nebo informatiky. Přibylo by tak lidí, kteří budou méně zranitelnými a ovlivnitelnými, protože si čísla, jež na ně ze všech stran útočí, zvládnou sami zpracovat, ověřit, dát do kontextu. Teprve poté se rozhodnou, jak budou na základě dat dále postupovat – a třeba i jak budou volit naši budoucí politickou reprezentaci.
Autor článku: doc. Ing. Ota Novotný, PhD., ekonom specializující se na informační technologie a vysokoškolský pedagog
