Vad innebär datalitteracitet?
Datalitteracitet (eller data literacy) är förmågan att förstå, analysera, använda och resonera med data som en resurs. Det innebär inte att du måste kunna koda eller bygga databaser.
Du behöver bl.a. kunna:
- ställa relevanta frågor med hjälp av data
- tolka visualiseringar, siffror och statistik
- förstå hur data samlas in och vad den representerar
- bedöma datakvalitet och begränsningar
- kommunicera insikter från data på ett sätt som skapar värde
Datalitteracitet gör det möjligt att använda data som underlag för beslut, utveckling och lärande – i alla yrkesroller. Men det räcker inte med förståelse för data och analys.
Att kunna ställa relevanta frågor kräver mer än data
För att kunna använda data som stöd för beslut räcker det inte med teknisk tillgång. Att ställa relevanta frågor kräver:
- Verksamhetsförståelse
- vad är det vi försöker uppnå, förändra eller förstå?
- Analytiskt tänkande
- hur bryter vi ner ett problem eller en hypotes i något som går att undersöka?
- Källkritik och kontextkännedom
- var kommer datan ifrån, vad saknas, vad kan misstolkas?
- Kommunikation
- hur omformulerar vi frågor så att de blir möjliga att besvara med data?
Datalitteracitet beskrivs därför ofta som tvärfunktionell. Den binder samman dataanalys med domänkunskap och mänskligt omdöme. I praktiken är det en samverkande förmåga, inte en isolerad kompetens.
Varför är datalitteracitet fortfarande så okänt?
1. Begreppet är nytt och spretigt
Datalitteracitet har inte en enhetlig definition. Det beskrivs olika beroende på om det kommer från skolväsendet, forskningsvärlden, IT-branschen eller affärsutveckling. Det gör det svårt att sätta en tydlig etikett på vad det är – och vem det gäller.
Jämför exempelvis med hur det tog tid innan digital kompetens eller hållbarhet blev etablerade begrepp.
2. Fokus har legat på tekniken – inte på användarförmåga
Digitaliseringsinsatser har ofta handlat om att införa system, samla in data eller bygga AI-lösningar. Däremot har investeringar i människors förmåga att förstå, använda och ifrågasätta data uteblivit. Det är först när tekniken inte ger önskad effekt som bristen på datalitteracitet blir synlig.
3. Ingen har riktigt ”ägt” frågan
I organisationer faller ansvaret mellan stolarna:
- IT-avdelningen bygger infrastrukturen
- Verksamheten förväntas använda data
- HR eller L&D har inte alltid rätt insikter för att driva kompetensutveckling i detta område
Resultatet blir att datalitteracitet betraktas som någon annans ansvar och blir därmed osynlig.
4. Vi överskattar vår förståelse av data
Många upplever att de ”kan data” för att de jobbar i Excel, följer dashboards eller gör rapporter. Men datalitteracitet kräver mer än att hantera verktyg eller förstå analys.
Det är också vanligt att vi inte fått någon formell träning i att tolka, ifrågasätta och kommunicera data vilket kan leda till att besluten i praktiken ändå är styrda av vana eller magkänsla.
5. Det finns ingen tydlig svensk motsvarighet
Begreppet data literacy är etablerat internationellt, särskilt i anglosaxiska länder. I Sverige har vi saknat en bred introduktion eller nationell strategi – till skillnad från t.ex. digital kompetens i skolan.
Symtom på att datalitteracitet saknas
I organisationer där datalitteracitet saknas visar det sig ofta i konkreta problem men de tolkas sällan som kompetensfrågor. Här är några typiska symtom:
1. Data används inte för att driva frågor
Rapporter tas fram men leder inte till nya insikter eller samtal. Istället används de för att bekräfta redan fattade beslut.
2. Ingen vågar ifrågasätta siffror
Data antas vara korrekt så länge den kommer från ett system. Frågor om kvalitet, urval eller tolkning ställs sällan.
3. Mätpunkter tolkas utan kontext
Visualiseringar får stå för sig själva, utan koppling till affärsmål, beteenden eller verkliga händelser.
4. Otydliga eller omöjliga frågor till analytiker
Analysförfrågningar består av breda önskemål som “ta fram allt om X”, utan tydligt syfte eller bakgrund.
5. Rapporter produceras – men påverkar inget
Analysresurser läggs på att ta fram material som läses men inte används. Samma frågor återkommer gång på gång.
Datalitteracitet förtjänar en plats i centrum
Datalitteracitet utgör grunden för att lyckas med att bli en datadriven organisation. Att bygga system, samla in data och införa AI är otillräckligt utan den mänskliga förmågan att förstå vad siffrorna betyder och vad man ska göra med dem. Men datalitteracitet är inte heller bara att tolka siffror. Data är en resurs som även kan användas till innovation och nytänk.
Vill du stärka datalitteraciteten i din organisation? Börja med att synliggöra begreppet. Det du kan sätta ord på kan du också börja bygga.
Spana in vår introduktionskurs i Data & AI Literacy– en heldagskurs för dig som vill upptäcka möjligheterna med Data & AI Literacy.
