« Les sociétés fondées sur les données commencent par développer des compétences analytiques »
Les gouvernements du monde entier ont été guidés par la modélisation de la science des données pendant la pandémie. Utilisés pour tout justifier, des systèmes à plusieurs niveaux à la nouvelle feuille de route pour sortir de la pandémie, les calculs analytiques ont affecté nos vies plus clairement au cours de l’année écoulée que jamais auparavant. Et ce ne sont pas seulement les gouvernements qui devaient faire les bons calculs: les magasins géraient la demande et les banques cherchaient à approuver les prêts alors même que leurs modèles informatiques étaient confrontés à des paramètres économiques sans précédent. L’analyse a certainement été poussée à la limite pendant le COVID-19.
À mesure que nous émergerons dans un avenir plus conscient des données, les compétences analytiques resteront très demandées. Pourtant, les décisions algorithmiques ont suscité controverses et critiques et il y a des leçons à tirer des erreurs commises pendant la pandémie. À l’avenir, nos sociétés bénéficieront non seulement de décisions plus algorithmiques, mais de décisions de meilleure qualité fondées sur des principes éthiques solides. Garantir l’équité et le succès de la prise de décision basée sur les modèles de demain commence par éduquer ceux qui construisent, surveillent et déchiffrent les modèles aujourd’hui.
La meilleure formation en analytique commence par un aperçu de ce qui a précédé
Le simple fait de créer plus de data scientists pour répondre à la demande n’améliorera pas nécessairement la qualité de la prise de décision basée sur des modèles. Les universités et les employeurs doivent repenser les méthodes les plus efficaces pour enseigner aux étudiants les compétences dont ils ont besoin pour survivre dans le monde. ‘monde réel‘, où les données ne sont pas toujours – ni même la plupart du temps – propres et complètes.
«Le simple fait de créer davantage de data scientists pour répondre à la demande n’améliorera pas nécessairement la qualité de la prise de décision basée sur des modèles»
Les établissements d’enseignement supérieur conviennent généralement que les études de cas sont l’un des outils les plus efficaces pour l’enseignement de l’analyse. Ce sont des défis analytiques basés sur des données du monde réel. Les études de cas sont utilisées depuis longtemps dans les écoles de commerce pour un apprentissage plus général et jouissent d’une très bonne réputation. Des «centres d’échange d’études de cas» ont été créés pour garantir la qualité de ces ressources pédagogiques, et il existe une concurrence considérable pour que les cas soient acceptés en vue de leur publication. Les meilleurs cas sont étudiés dans le monde entier par des dizaines de milliers d’étudiants en commerce chaque année.
Les entreprises considèrent les études de cas comme des moyens d’améliorer leur réputation. Ils commandent souvent des études de cas sur leurs organisations, les utilisant pour mettre en évidence les réussites ou pour accroître la notoriété de la marque auprès d’un groupe démographique influent, en particulier les futurs employés.
Cependant, jusqu’à récemment, le nombre d’études de cas quantitatives développées pour un usage académique était limité par des problèmes de confidentialité et de protection des données. Il est généralement difficile d’obtenir des données du monde réel qui sont à la fois suffisamment utiles pour les étudiants et qui ne divulguent pas d’informations confidentielles ou sensibles aux affaires. Ces problèmes ne peuvent être minimisés ou dilués, mais il faut reconnaître que les étudiants en science des données doivent avoir des études de cas s’ils veulent acquérir les compétences dont ils ont besoin.
Une bibliothèque analytique nationale pourrait ouvrir à tous les meilleures pratiques de la science des données
Pour combler le manque d’études de cas quantitatives, nous devons rechercher activement de nouveaux cas analytiques accompagnés de données. Les compiler ensemble peut créer une nouvelle bibliothèque de cas académiques à utiliser par les établissements d’enseignement supérieur à travers le pays.
La bibliothèque de cas SAS fournit un modèle de fonctionnement de cette bibliothèque analytique nationale. Les experts commandent et conservent en permanence de nouveaux cas pour la bibliothèque. Ils peuvent donc s’assurer que la bibliothèque reflète une gamme de techniques analytiques communes appliquées dans différentes industries. Les cas sont également étiquetés pour montrer leur adéquation à différents niveaux de réussite scolaire. Lorsqu’un nouveau contenu est développé pour des cas existants, il n’est ajouté à la bibliothèque qu’après un examen attentif.
Les études de cas analytiques SAS sont rédigées par des universitaires pour s’assurer qu’elles sont utiles pour un public académique. Ils suivent un format mondialement reconnu pour les études de cas académiques et sont regroupés par secteur d’activité et par sujet analytique, ce qui facilite la navigation. Toutes les études sont riches en données et basées sur des problèmes du monde réel. Des démos étape par étape, des jeux analytiques et des idées de datathons et de hackathons sont disponibles pour encourager les étudiants. L’accès à des logiciels gratuits et à du matériel de formation est également fourni.
Les décisions qui affectent la vie réelle doivent être basées sur l’expérience vécue
Les études de cas existantes devraient être le fondement de l’enseignement de la science des données et de la création d’algorithmes. Ce n’est qu’en voyant l’interaction des décisions fondées sur les données avec les objectifs commerciaux, les attentes des clients et les expériences des citoyens que les scientifiques des données peuvent comprendre l’impact de leurs décisions sur la vie réelle. Au fur et à mesure que les organisations et leurs employés maîtrisent de plus en plus les données, des études de cas présentées à différents niveaux deviendront essentielles pour démocratiser les données et garantir que ceux qui travaillent aux côtés d’algorithmes sont prêts à avoir l’impact le plus positif possible.
Vous aimerez peut-être aussi: Pourquoi l’edtech est la clé du bien-être financier
