Fakta
Fagpakken vil give dig dyb forståelse for teorier, metoder og modeller, der spænder over computationelle, humanistiske og organisatoriske perspektiver. Denne indsigt vil udgøre dit fundament i forhold til din planlægning og udførelse af datadrevne undersøgelser. Du lærer at vurdere, hvilke metoder og ressourcer, der er egnede til at undersøge teknologiske og procesrelaterede udfordringer og potentialer i organisationen.
Ud over færdigheder i praktisk datamanipulation og analyse, vil du opnå kompetencer til at lede eller bidrage til teams i datadrevne projekter. Dette inkluderer at kunne navigere i komplekse datamæssige scenarier, og du bliver i stand til at træffe afgørelse om, hvornår det er nødvendigt at inddrage eksterne ressourcer. Fagpakken dækker også aspekter af dataetik og juridiske overvejelser, såsom GDPR, for at sikre, at datamanipulation udføres med integritet.
Målet er, at du som deltager i fagpakken bliver i stand til at træffe informerede, datadrevne beslutninger, der kan fremme organisationens udvikling, samtidig med at der bliver taget hensyn til etiske og juridiske forpligtelser.
Hvordan arbejder man datadrevet?
På forløbet får du værktøjer til at arbejde datadrevet i bred forstand. Når vi taler om data, så eksisterer data typisk i excel-regneark.
Men meget relevant data ligger gemt i ustrukturerede formater. Ustrukturerede data kan beskrives som typer af data, der ikke let kan indgå i en traditionel database på grund af deres uregelmæssige og komplekse natur. Eksempler på ustrukturerede data er fx tekst fra mødereferater, opslag på sociale medier, billeder, lydoptagelser, videoindhold og serverlogs.
Disse datakilder er særligt værdifulde for at kunne forstå de nuancer og kontekster, der ofte mangler i mere strukturerede data. Når ustrukturerede data kombineres med strukturerede data, fx statistikker og numeriske målinger, muliggør det en mere holistisk og dybtgående tilgang til analyse og problemløsning. Dette giver forskere og beslutningstagere de værktøjer, de har brug for, til at tage mere velinformerede og effektive beslutninger.
Tre eksempler på projekter med ustrukturerede data
- Efteruddannelse i fagforening
I dette projekt bruges ustrukturerede data i form af opgaver, fagprøver og mødereferater til at forstå medlemmernes uddannelsesbehov og organisatoriske udfordringer. Tekstanalysemetoder som 'tekstmining' og 'natural language processing' hjælper med at uddrage nyttig information. Suppleret med strukturerede data som medlemsstatistikker, giver dette en holistisk tilgang til at designe datainterventioner, der kan forbedre både uddannelsesmæssige og organisatoriske processer. - Optimering af offentlig transport
Ustrukturerede data i form af interviews med borgere, ledere og medarbejdere er centrale for at forstå de komplekse transportudfordringer i en landsby. Disse data kombineres med struktureret information som GPS-data og økonomiske data for at designe en effektiv transportløsning. - Analyse af sundhedsvæsenets patientflow
Ustrukturerede data i form af læge- og sygeplejerskenotater samt patientfeedback bruges her sammen med strukturerede data som ventetider og diagnoser. Avancerede dataanalysemetoder anvendes for at identificere mulige flaskehalse og forbedringsområder i hospitalernes arbejdsgange.
Nye metoder til analyse af ustrukturerede data
På uddannelsen vil du komme til at arbejde med nye metoder til analyse af ustrukturerede data, og du skal derfra selv inddrage relevante data som afsæt for et mindre udviklingsprojekt. Udviklingsprojektet vil have fokus på it-understøttet arbejde, data-informeret udvikling - herunder også tilgang til forandringsledelse, humanistiske perspektiver og etiske dilemmaer.
Du vil blive mødt af et bredt team af undervisere, der tilsammen rummer forskellige fagligheder. Vi vil som undervisere hjælpe dig med at bygge bro mellem disse forskellige faglige vinkler, og du vil blive klædt på til at udvikle og gennemføre datadrevne udviklingsprojekter. I dine projekter vil du trække på både teorien og på dine praksiserfaringer fra fagpakken.
Omkostninger i forbindelse med uddannelsen
Kontakt og studievejledning
Målgruppe og udbytte
Indhold
På fagpakken tager vi grundigt afsæt i data og en forståelse heraf - både i de formater, vi kender, samt i bredere forstand ud fra et computationelt perspektiv og med fokus på dekomposition, abstraktion, mønstergenkendelse og design af algoritme. Men vi undersøger også dette ud fra humane og organisatoriske perspektiver.
Når man arbejder med data, så er det vigtigt at kunne argumentere for valg af metoder og teknikker samt forstå betydningen af, hvordan man indsamler og behandler data. Sidstnævnte sker for at kunne kvalificere i hvilket omfang, vi kan træffe beslutninger ud fra disse.
Vi træner på givne datasæt, og du vil efterfølgende kunne arbejde med mindre datadrevne projekter i egen praksis. Vi går konkret i gang hermed for at opbygge projekt, der kan danne grundlag for eksamen.
Fokus er hele vejen it-understøttet arbejde, og med øgede nuancer vil vi sande, at der opstår behov for at kunne arbejde i øget kompleksitet - i samspil mellem teknologi, data, etik, jura og humane perspektiver samt forandringsledelse, der forankrer forandringer, så udbyttet realiseres i praksis