Data Literacy
데이터를 읽고, 이해하고, 생성하고, 소통하여 원시 숫자와 차트를 업무와 삶에 의미 있는 인사이트로 변환하는 능력
데이터 리터러시는 데이터의 전체 생명주기에 걸쳐 작업하는 기초 역량입니다. 접근, 해석, 평가, 시각화, 인사이트 전달을 아우릅니다. 단순히 숫자를 읽는 것을 넘어 데이터 품질의 비판적 평가, 적절한 시각화, 명확한 스토리텔링까지 포괄합니다.
데이터의 세계에 처음 발을 들여놓는 상태입니다. 일상 환경에서 데이터가 어디에 나타나는지 발견할 수 있고, 정성적 데이터(Qualitative Data)와 정량적 데이터(Quantitative Data)의 차이를 이해하며, 평균, 퍼센트, 추세와 같은 기본 용어를 정의할 수 있습니다. 데이터가 무엇을 의미하는지는 아직 타인의 설명에 의존합니다.
다음 단계로
이 체크리스트를 대부분 달성했다면, Data Reader 단계로 진입하여 다변량 차트를 해석하고 기간별 데이터를 독립적으로 비교하는 데 도전할 준비가 됐습니다. Bandura(1977)의 사회학습 이론에 따르면, 데이터 시각화 사례와 차트 해석 시연 관찰을 통해 데이터 읽기 자기효능감을 높이는 것이 효과적입니다.
15 data literacy competencies and 6-level proficiency scale from Statistics Canada, providing governmental authority as an accredited data competency standard for checklist domain design.
8-level proficiency scale (Foundation to Highly Specialised) and information/data literacy competency areas providing evidence for checklist item difficulty placement and cognitive level design.
5 competency areas (conceptualize, collect, manage, evaluate, apply) with conceptual-core-advanced 3-tier classification providing academic basis for level boundary setting and checklist difficulty.
Associate (60%), Practitioner (70%), and Master (80% + 10 years experience) three-tier certification system with 14 DMBOK knowledge areas, used to calibrate level boundaries based on progressive depth and breadth of data management competency.
