我們都讀過這樣的故事：人臉識別軟件無法識別深膚色面孔，或者機器人信貸員拒絕向某些群體提供抵押貸款。越來越多的研究表明，由不具代表性群體創建的算法導致了人工智能（AI ）將我們社會中已普遍存在的不平等固化。隨著越來越多的企業愈加嚴重依賴數據和AI，這些算法歧視問題可能只會加劇。

多數企業現在都知道這一點。他們試圖弄明白的是：如何才能避免成為又一個壞榜樣？

答案很簡單：人人都需要批判性地思考正在收集的數據以及使用這些數據的方式。擴大在房間里幫助質詢、構建和監控算法的圈子是我們開發可信賴AI的唯一途徑。做這項工作需要數據 素養——解析和組織復雜數據、解釋和總結信息、進行預測或者理解算法道德含義的能力。像數學一樣，它可以在入門級和高級模式下學習，跨越多個學科，而且通常更具實用性，而非學術性。

在企業中培養數據素養也有助于數據團隊的多元化，他們在如何收集、處理和部署數據方面身處制定關鍵決策的最前沿。多元化數據團隊的重要性是我在擔任量化基金經理的十多年里親身體會到的。人們普遍認為，更多樣化的投資組合之所以表現出眾，是因為它們降低了風險。但同樣有道理的是，多元化團隊之所以表現出眾，是因為他們降低了趨同思維的風險。通過對整個企業的數據素養進行投資，企業可以在降低算法偏差風險——以及識別數據經常可以揭示的其他效率和機會方面帶來更多差異化和創造性的視角。

然而，對數據進行的審視告訴我們，多數企業仍難以培養數據素養。90%的企業領導者認為數據素養是公司成功的關鍵，但只有25%的員工對自己的數據技能充滿信心。不僅如此，還有一些估計表明，近九成的數據科學專業人士是白人，只有18%是女性。來自聯合國大會的研究表明，就多元化而論，數據科學甚至落后于數字營銷和用戶體驗設計等其他技術型學科。

盡管需求明顯、緊迫性加劇，為何我們還沒有系統性地大規模教授數據素養？這一問題在過去幾年里激勵著我的工作。在Correlation One（我在2018年離開我的基金后與人共同創建的），我的團隊與金融服務 公司和《財富》500強企業合作，建立更具包容性的數據科學人才梯隊。從Target到強生公司再到哥倫比亞政府，通過幫助雇主評估其現有員工隊伍的能力，并為有追求的數據科學家提供免費培訓（比如我們與軟銀和邁阿密市的合作），我們獲得了清晰的視野，更好地認識到我們迫切需要擁有更具數據素養的員工隊伍，并幫助企業制定具體的做法，以使這一目標成真。

以下是我們使用的部分策略。

1.讓數據素養成為全企業的頭等大事，而不僅限于技術部門員工。

數據素養不是一項技術能力，它是一項專業技能。鼓勵你的全體員工——營銷人員、銷售專業人員、運營人員、產品經理等——通過每季度參與你主持的會議來培養他們的數據素養，你在會議上的話題涵蓋數據驅動決策、AI的可能藝術、數據如何與你的業務和道德及AI關聯，以及如何使用數據溝通等。這種全企業范圍內的重視是向數據優先文化轉型的基礎。

開發一種內部通用語言來談論數據、它如何與你的業務和行業交叉，以及它在如何改變你公司的特定崗位。

數據世界之大，充斥著流行術語和誤解。要以企業的身份樹立眼光，看看數據素養中的哪些要素對你的企業最為重要——如果你是一家金融服務公司，重要元素可能是概率和風險衡量；如果你是一家技術公司，重要元素可能是實驗和可視化。在你的學習與發展（L&D）培訓中，要開發使用這種語言的學習內容，并演示它如何與你多個部門的業務相關聯，這樣員工就能夠將數據素養和他們的工作流程之間的所有點關聯起來。

2.在企業內創建空間，讓員工可以將業務概念和數據概念相關聯。

我們向Correlation One的所有客戶的建議之一是，讓員工能夠運用數據素養產生新的業務想法。比如，假設你的公司屬于音樂行業。作為你L&D計劃的一部分，讓員工利用他們新獲得的對數據素養的認識來制定項目提案——結合他們對這一行業的認知，會提出意想不到的節約成本或創收的新想法。同樣重要的是，你要授權他們自下而上推動一種新的數據優先文化。

3.創建激勵機制，獎勵數據驅動的決策。

采用你當前審批創意或制定預算的流程，然后增加獎勵數據驅動思維的機制。比如，要求管理者在他們的提案中包含清晰的可視化效果，或者構建能夠量化和實時跟蹤他們關鍵業績指標（KPI）的儀表盤。如果你能夠為使用數據驅動思維提案提供更快的項目審批或更大的預算，從而將經理的決策從直覺轉向數據，那么你很快就可以通過激勵機制的調整從管理者那里得到你想要的行為。

4.部署L&D計劃，在業務問題背景下教授數據素養——而這可以真正吸引員工。

在尋求持久轉型的企業中，在Coursera這樣的教育培訓平臺訂閱服務通常達不到預想效果。這是因為當學習具有社會性（與他人一起完成）、個性化（完成過程中有專家反饋）和情境性（與你正在解決的業務問題直接相關）時，學習效果會好得多。開發這些個性化、社會化、情境化的學習計劃需要更密集的資源，但從員工對材料的投入度、員工對材料的保留以及賦予員工權力的角度來看，其好處是值得的。

也許最重要的是，我在Correlation One之前和期間的經驗幫助我認識到數據不是垂直的——它 不僅僅是類似數據科學家或數據工程師這樣的工作類別。相反，數據是水平的——它是一組技能，貫穿每一領域中越來越多的工作。具有數據技能的營銷人員是更好的營銷人員。具有數據技能的產品經理是更好的產品經理。運營、工程、銷售，甚至人力資源部門都是如此。不是每個人都需要懂得如何編碼，但不久每個人都需要數據素養。

歸根結底，數據素養遠不止是機器學習和數據科學，它關乎的不僅僅是人工智能。數據素養不過是涉及人類在一個充滿數據的世界中更好地應對——這就是我們現在比以往任何時候都更需要它的原因。

拉希德·薩巴爾（Rasheed Sabar） | 文

拉希德·薩巴爾是Correlation One的共同創始人和聯合CEO，這是一家專注于企業數據技能培訓的技術公司。該公司正在打造一個更具包容性的數據生態系統，其中包括一些讓更多女性和代表性不足的群體參與數據工作的項目。

劉雋 | 編輯

關鍵詞： 數據 算法 素養 企業 ai 學科 公司 風險 財富 團隊