Hoe datawetenschapsdiversiteit daadwerkelijk betere producten kan maken

In vrijwel elke branche richten bedrijven zich sterk op hun inspanningen op het gebied van diversiteit, gelijkheid en inclusie (DE&I). Organisaties met diverse teams hebben over het algemeen een concurrentievoordeel, waardoor ze wereldwijd kunnen uitbreiden, opschalen en hun zakelijke doelen kunnen bereiken.

Het is geen geheim dat hightechbedrijven worstelen met het realiseren van diversiteit. Vergeleken met de particuliere sector hebben technische organisaties een groter aandeel blanken, Aziatische Amerikanen en mannen in dienst, terwijl ze een kleiner percentage Iberiërs, zwarten en vrouwen in dienst nemen. Het ontbreken van een divers technisch personeelsbestand kan negatieve, onbedoelde gevolgen hebben en het succes van een bedrijf mogelijk belemmeren.

Datawetenschap is een technisch georiënteerde discipline die een snelle groei doormaakt naarmate het volume aan bronnen en informatie dat in de zakenwereld wordt gegenereerd, versnelt en toeneemt. Als gevolg hiervan vertrouwen bedrijven steeds meer op datawetenschappers om het te interpreteren, best practices te gebruiken en waardevolle, bruikbare inzichten te bieden om de prestaties te verbeteren. Deze industrie kampt echter met diversiteitsproblemen.

Bedrijven die de diversiteit in datawetenschap vergroten, profiteren van verschillende zakelijke voordelen – een prominent voorbeeld zijn betere producten en diensten – die bijdragen aan hun succes. Hier leest u meer over diversiteit in datawetenschap en hoe een team van diverse medewerkers de productkwaliteit kan beïnvloeden.

diversiteit in Gegevenswetenschap mist

Recent onderzoek toont aan dat slechts 15% van alle datawetenschappers vrouw is en minder dan 3% vrouwen van kleur. Historisch gezien beschrijven bedrijven, onderzoekers en andere experts uit de sector dit gebrek aan genderdiversiteit als een probleem met de ‚lekkende pijplijn‘.

In eenvoudige bewoordingen verwijst de lekkende pijplijn naar het idee dat vrouwen tussen de middelbare school en de graduate school de neiging hebben om te „lekken“ uit STEM-gebieden of die welke leiden tot beroepen in of gerelateerd aan datawetenschap. Het bevordert het idee dat vrouwen en leden van bepaalde, vaak ondervertegenwoordigde, demografische groepen de neiging hebben om een ​​loopbaan na te streven in niet-STEM-gerelateerde sectoren.

De lekkende pijplijntheorie wordt vaak gebruikt om het gebrek aan diversiteit in datawetenschap te verklaren, vooral op uitvoerend niveau. Volgens sommige vrouwen met succesvolle carrières in de sector is het geen lekkende pijplijn die een gebrek aan diversiteit veroorzaakt. In plaats daarvan geloven deze vrouwen dat de huidige pijplijn vol zit met schadelijke praktijken die de aanwezigheid en het succes van vrouwen en gekleurde mensen ondermijnen.

dr. Fatima Abu Salem is hoogleraar computerwetenschappen en datawetenschapper in Beiroet, Libanon. Ze zegt vaak discriminatie van mannelijke collega’s te ervaren.

Mannelijke collega’s die haar werk in de datawetenschap beoordelen, hebben bijvoorbeeld haar schrijven beschreven als ‚bloemrijk‘ en ‚dramatisch‘, en zeggen dat haar onderzoeksartikelen niet geschikt zijn om gegevens aan het publiek te communiceren. Bovendien is Abu Salem van mening dat een gebrek aan vrouwen op de werkplek ervoor zorgt dat mannelijke werknemers arbeidsnormen stellen, en van vrouwen wordt verwacht dat ze zich hieraan houden.

De bbruikbaarheid cwat betreft diversiteit in datawetenschap

Waarom zouden bedrijven die actief zijn op het gebied van datawetenschap van diversiteit een prioriteit moeten maken? Het simpele antwoord is dat deze bedrijven en werknemers verschillende voordelen kunnen behalen door zich te concentreren op het opbouwen van een meer divers personeelsbestand.

Afgezien van het feit dat het een moreel verantwoorde zakelijke praktijk is, kan het prioriteren van diversiteit en inclusie bedrijven helpen:

• Besluitvorming verbeteren

• Handhaving van de naleving van toepasselijke wet- en regelgeving

• Bied betere kansen voor professionele ontwikkeling en groei

• Overtuig gekwalificeerde kandidaten in de talentenpool

• Behoud van goed presterende medewerkers en verhoog de medewerkerstevredenheid

• Productiviteit verhogen

• Blijf de concurrentie voor

Naast de items op de bovenstaande lijst, helpt een divers personeelsbestand bedrijven om betere product- en serviceresultaten voor hun klanten en klanten te creëren.

diversiteit en product Ouitkomst

Bedrijven in de voorhoede van de technologiesector, waaronder bedrijven die producten en diensten aanbieden op het gebied van datawetenschap, profiteren van de creativiteit, innovatieve houding en out-of-the-box denken die van nature binnen een divers personeelsbestand stromen.

Met andere woorden, wanneer bedrijven werknemers aannemen met verschillende achtergronden en unieke levenservaringen, brengen ze nieuwe perspectieven op tafel en wijken ze af van de standaardbenaderingen voor product- en serviceontwikkeling.

Elk bedrijf is op zoek naar het volgende grote ding om te verkopen. Het kan een revolutionaire op AI gebaseerde oplossing voor gegevensanalyse zijn of een nieuwe adviesdienst. Wanneer diverse medewerkers werken aan de ontwikkeling van dit aanbod, zal het team op feiten gebaseerde beslissingen nemen, zich meer betrokken voelen, innovatie stimuleren en uiteindelijk betere producten creëren.

Data science-bedrijven die hoogwaardige producten verkopen, zullen een hogere verkoop, een verbeterde klantervaring (CX) en een positieve bedrijfsreputatie opmerken.

Een divers personeelsbestand zou ook bewuste en onbewuste vooroordelen in producten kunnen elimineren. Zo voerden onderzoekers van Columbia University een onderzoek uit om te bepalen hoe algoritmische discriminatie plaatsvindt. Ongeveer 400 AI-ingenieurs kregen de taak om algoritmen te maken om miljoenen voorspellingen te doen over een groep van 20.000 mensen.

Na het onderzoek concludeerden onderzoekers dat de demografie van de 400 ingenieurs een rol speelde bij het produceren van vooringenomen voorspellingen. Het bleek dat iedereen min of meer even bevooroordeeld was met betrekking tot ras, etniciteit en geslacht.

Onderzoekers merkten echter op dat voorspellingsfouten correleerden binnen de demografische groepen op basis van geslacht en etniciteit. Onderzoekers vermeldden ook dat homogene groepen ingenieurs met dezelfde demografie een grotere kans hadden om een ​​bepaalde voorspellingsfout te maken. Meer diverse groepen zullen de kans op verergering van vooringenomenheid in productontwikkeling verkleinen.

Verbetering Productkwaliteit

Toenemende diversiteit in datawetenschap zal niet van de ene op de andere dag gebeuren. Bedrijven in de industrie moeten echter vermijden de lekkende pijplijnmetafoor te gebruiken als zondebok voor het gebrek aan inclusie.

Datawetenschapsorganisaties met diverse medewerkers zullen veel voordelen plukken, zoals het verkrijgen van de mogelijkheid om betere producten te maken. Als gevolg hiervan zouden deze bedrijven beter kunnen presteren dan hun concurrenten met werknemers met vergelijkbare demografie, achtergronden en ervaringen.

Afbeelding tegoed: iStockphoto/wildpixel

.

Kommentar verfassen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert