Kæmper du med at opbygge datakompetence i din organisation? Brug vores hands-on program til at sætte gang i datakulturen.
Der tales om data alle steder pt. Men mange organisationer kæmper med at udvikle de nødvendige kompetence til at arbejde med data. Du behøver ikke være dataekspert, men du har brug for en datakultur.
Participants started looking at ... which piece of data is more relevant for which type of stakeholder
- Maryna Taran, World Food Programme
Du kan bruge vores guides til at lave sjove, kreative introduktioner til ikke-teknisk personale i din organization. Der er ikke tale om kedelige øvelser med regneark. Alle værktøjer og aktiviteter er hands-on og designet til at møde folk, hvor de end arbejder i din organisation, og opbygge deres datakompetence. Du kan sætte gang i din organisations datakultur ved f.eks. at afvikle en aktivitet om måneden. Videoer og guides nedenfor klæder dig på til at afvikle aktiviteterne. Der er allerede folk i mere end 30 organisationer, som har prøvet det - lige fra det lokale bibliotek til World Food Program.
Hvordan kan du bygge en datakultur? Brug vores videoer og guides til at afvikle f.eks. en aktivitet om måneden i din organisation.
Dataprocessen
Her er den proces vi bruger for at få dig fra de rene data til en historie med gennemslagskraft. Scroll nedad for at lære om de forskellige aktiviteter og de dertilhørende guides.
Opvarmning
Inden I går i gang med at finde data eller fortælle datahistorier, skal I varme jeres data mindset lidt op. Opvarmningsøvelserne er hurtige, sjove hands-on aktiviteter, der er designet til at skabe samtale, nye ideer og selvtillid til at tage det næste skridt ud i dataenes verden. F.eks. kan du sætte kollegaerne i gang med at bygge dataskulpturer med forskellige krea-materialer for at få dem til at udforske de mange forskellige måder, man kan kommunikere et datasæt på. Når I bruger kvaster, piberensere og andre krea-materialer til at arbejde med data, så for I en anden legende tilgang til at finde datahistorier.
At stille spørgsmål
Hvilke spørgsmål kan (eller kan ikke) besvares med data? Og når du nu er begyndt med at kigge på rækkerne og kolonnerne, hvordan kan du så skabe mening i dem? Her lærer du at tage de første skridt ud i dataanalyse ved at stille gode spørgsmål. Brug WTFcsv for hurtigt at skabe overblik i et regneark, lav en brainstorm på relevante spørgsmål, se efter potentielle relationer til andre datasæt og de potentielle bias, som du måske selv har med. Husk, data siger ikke noget i sig selv, du hjælper dataene med at formidle et budskab, bl.a. ved at starte med at stille bedre spørgsmål Lav et spørgeskema på papir som eksempel for at introducere dine deltagere til forskellige typer af data og reflektere over, hvordan vi udfylder den slags skemaer.
At samle data
Tit så ser vi slet ikke skoven for bare træer, det samme gælder for data. Der er data overalt omkring os, men det kan være svært at identificere og beskrive dem. Du har brug for at den rigtige data for at kunne fortælle en stærk historie. Som man siger, 'du bliver, hvad du spiser'. Du skal også huske på, at dine spørgsmål måske ikke kan besvares ud fra et datasæt. At kombinere datasæt er ofte den bedste måde at skabe en detaljeret historie på. Brug Connect the Dots for at udforske data fra dit publikum som et netværk. Brug WTFcsv til at overveje, hvordan du kan samle de relevante data til at besvare dit spørgsmål.
At analysere data
Data kan være intimiderende, særligt når vi taler om dataanalyse, Men husk på, at det meste statistik bare er en anden måde at tælle på og vi er alle sammen rimeligt godt til at tælle! At skabe en datakultur er ikke ensbetydende med at vi alle skal være eksperter i statistik, det handler mere om, at vi alle skal forstå potentialet i data og dataanalyse. Processen med at analysere data er en lejlighed for at binde folk sammen. Der er mange måder man kan finde en datahistorie på. Brug WordCounter for at lære tekstanalyse som baggrund til at finde datahistorier. Brug Connect the Dots for at lave netværksanalyse. Brug SameDiff for at lære om, hvordan algoritmer kan bruges til at analysere data på mere komplekse måder.
At fortælle din historie
At fortælle din historie, er dér, hvor du vækker den til live. Tal alene motiverer ikke mennesker til at lytte, så du er nødt til at give dine data en kontekst og binde dem sammen med en fortælling, noget vi kan relatere os til. Brug WordCounter til at skabe en historie og til at øve dig i visuel formidling af datahistorier. Lav et mindmap for at komme fra de overordnede ideer og tal til konkrete visuelle symboler. Remix en infografik for at træne, hvordan den samme datahistorie kan fortælles på mange måder. Brug et mindmap til at hjælpe med at komme fra abstrakte ideer og tal til konkrete visuelle symboler. Remix en infografik for at træne kompetencen til at fortælle den samme historie på flere måder.
Prøv det
Hvordan ved du, om din datahistorie virker? Understøtter de data du bruger, den historie du vil fortælle? Det kan være vanskeligt at sætte sig selv i andres sted og forstå hvilken type historie, der vil forandre deres verdensbillede og motivere dem til handling. Måske har du endda flere målgrupper. Hver potentiel målgruppe kommer med sine egne værdier og erfaringer, som de tolker dit budskab ind i. Brug Prøv at overbevise migfor at øve dig i at fortælle forskellige datahistorier til forskellige målgrupper. Lav en data billedbog for at øve dig i at skrive medrivende fortællinger, der er underbygget med dine data.
Forbind med andre
At sætte fokus på din organisations datakultur kan være en ensom indsats, hvis organisationen ikke har anerkendt værdien af data. Deltage i Data Culture discussion groupfor at netværke med andre og diskutere hvordan aktiviteter og øvelser fungerer (eller ikke fungerer) i din organisation.
Bliv medlem af diskussionsgruppenOm os
Datakulturprojektet er et initiativ af DataBasic.io. Vi har samlet årevis af erfaringer med at arbejde for nonprofit organisationer på et sted. DataBasic.io er skabt af Catherine D’Ignazio og Rahul Bhargava.