سواد داده‌ای عبارت است از توانایی کشف، ارزیابی، و ارائۀ اطلاعات. همانند سواد اطلاعاتی، سواد داده‌ای مبتنی است بر دانستن محل یافتن اطلاعات، تفکر انتقادی در بارۀ اطلاعات، و توانایی انتقال دانش.

کشف

دانستن این که چه نوع داده‌هایی وجود دارند، کجا باید به دنبالشان گشت، و چگونه باید به آن‌ها دسترسی یافت. داده‌ها شکل‌های فراوانی دارند و فقط به شکل عدد نیستند. آیا به داده‌های کمی (عددی) نیاز دارید یا کیفی (غیرعددی)؟ آیا این داده‌ها را در نظر دارید خلق کنید (داده‌های اولیه) یا مورد استفادۀ مجدد قرار دهید (داده‌های ثانویه)؟ داده‌ها از منابع رسمی (دولت‌ها، سازمان‌های بین‌المللی) هستند؟ خرد (کوچک) هستند یا کلان (بزرگ)؟ لازم است در زمان‌ها و/یا مکان‌ها یا گروه‌های مختلف، قابل مقایسه باشند؟ فقط در یک مرکز تخصصی داده‌ای یا آرشیو موجودند؟ آیا کنترل دسترسی یا شرایط استفاده‌ای که تعیین کند چه کسی می‌تواند آن داده‌ها را به دست آورد و با آن‌ها چکار می‌تواند بکند، وجود دارد؟

ارزیابی

عبارت است از توانایی قضاوت در این باره که آیا داده‌ها، مربوط و دارای کیفیت مناسب هستند یا خیر. مثلاً دانستن نحوۀ اندازه‌گیری چیزی و این که آیا اندازه‌گیری بجا است یا خیر؛ دقت در اندازۀ اعداد موردنظر، بویژه وقتی که به تغییر در مقادیر و احتمالات مربوط باشند؛ و پرهیز از انباشتگی بر اثر وفور الگوها یا موارد نامعمول که ممکن است صرفاً به دلیل تصادفیا خطا در اندازه‌گیری باشد.

ارائه

بدون راه‌هایی برای تلخیص داده‌ها، بزودی داده‌مجموعه‌ها دشواری‌آفرین خواهند شد. این راه‌ها ممکن است با دانستن آزمون‌های مناسب معناداری آماری برای اندازه‌گیری معناداری و قدرت روابط موجود در داده‌ها و نحوۀ تفسیر آن‌ها؛ از طریق کاربرد توصیفات ملخص مناسب همچون میانگین و واریانس؛ و راه‌های دقیق برای ارائۀ داده‌ها همچون جدول، نمودار، یا دیگر شکل‌های ارتباط بصری معلوم شوند.

منابع سودمند:

Open Knowledge Foundation’s School of Data

Data Journalism Handbook

منبع: https://infolit.org.uk/definitions-models (اسفند ۹۶)