Verden har brug for flere kvindelige dataeksperter

HAR DU SET DET? I sidste uge har PAYS´ strategiske CEO Sophie Laursen et opslag på Linkedin under overskriften: “VERDEN HAR BRUG FOR FLERE KVINDELIGE PRAKTISERENDE DATA-MEDARBEJDERE”
Sophie, CEO, PAYS, siger: “Jo mere jeg arbejder med data – jo mere er jeg blevet bevidst om, at det er den menneskecentrerede brik, der er den vigtigste og sværeste spiller i arbejdet med data.” Ingen af os laver data bare for at lave data. Data bliver mest effektivt brugt, når det bruges til at skabe bedre beslutninger. Datadrevet beslutningstagning er kernen i så meget i verden lige nu. Men selvom data-arbejde har givet os meget, bragt mange gode ting til os og skabt utrolige muligheder, har det også givet os en masse udfordringer lige fra spørgsmål om privatliv til algoritmer, der fastholder ulighed og bias, og diskussioner om monopoler og deres ret. Når vi stoler på forudindtaget (biased) information, underminerer vi effektiviteten af evidensbaseret beslutningstagning. En potentiel kilde til skævhed og bias i mange datasæt er f.eks., at de fleste af verdens dataforskere er mænd. Dvs. de mennesker, der indsamler, organiserer, analyserer data og også træffer beslutninger – ofte er mænd. Data peger på, at under 20% af data-jobs i den vestlige verden er besat af kvinder. Det betyder med andre ord, at mere end 80% af data-jobs i den vestlige verden, er besat af mænd. Udfordringen er værre i de fleste lavindkomstlande, hvor kvinder er mindre tilbøjelige til at have adgang til naturvidenskabelige, teknologiske, ingeniør- og matematikuddannelser (STEM). Uddannelser, der pt. er den klassiske adgangsbillet til en karriere inden for datavidenskab. Det handler ikke kun om, at de data, der samles og bruges, skal være repræsentative. Det handler også om, at de mennesker, som analyserer data, laver modeller og stiller spørgsmålene til, hvad der skal undersøges, ikke skal være en ensidig gruppe.
Data giver svar på spørgsmål. Data i udarbejdede rapporter, f.eks. bestilt vores regering og af politikerne, danner grundlag for samfundsmæssige beslutninger. Data danner grundlag for ledelsers og bestyrelsers beslutninger. Data danner grundlag for forhandlinger og beslutninger – både i det offentlige og i det private.

Et eksempel på dette kan vi hente fra DSB. I en artikel i december 2021 på www.dst.dk under overskriften “Data hjælper med at skabe mangfoldig organisation” skriver Stina Askholm Mellerup, kommunikationsrådgiver, om DSB´s interessere i at igangsætte en ny mangfoldighedsstrategi i 2022 for hermed at kunne tiltrække en bred medarbejderskare. Mangfoldigheden kan bl.a. handle om køn, etnicitet, herkomst eller uddannelsesniveau. På den baggrund udarbejder Danmarks Statistik en statistisk profil af medarbejderne i DSB.
HR konsulent i DSB, Nanna Wenøe Andersen, citeres i artiklen for at sige, at jo mere divers en medarbejder-sammensætning er, jo bedre en service kan der ydes over for DSB´s kunder, fordi de mange forskellige øjne på samme sag giver mulighed for bedre service. Derudover giver en divers medarbejdergruppe mulighed for at skabe en arbejdsplads, hvor åbenhed over for mangfoldighed gør, at alle medarbejdere kan føle sig velkomne på arbejdspladsen. Mangfoldigheds-perspektivet udvider ligeledes ansøgerfeltet og talentmassen til ledige stillinger. Nanna W. Andersen citeres også for at understrege vigtigheden i, at strategien og de konkrete tiltag er drevet af data. Hvis vi for eksempel ser på de praktiserende lægers organisation (PLO), ser vi på en organisation, der løbende udgiver offentligt tilgængelige analyser om generel fakta, økonomi og aktivitet i almen praksis. I deres faktaark fra 2021 fremgår det eksempelvis ud fra data, at kvindernes andel af praktiserende læger siden 1977 er steget fra at udgøre ca. en tiendedel af den samlede population til i januar 2021 at udgøre over halvdelen. Ud af de 3.315 PLO-læger i januar 2021 var 1.926 kvinder svarende til 58,1 pct. Altså en stigning fra ca. 10% til over 50%.
I forbindelse med bloggens emne er det en “high five” til, at forandring er mulig. Og det viser også, hvilken betydning korrekt data og korrekt anvendt data har. Vi danner meninger på baggrund af offentliggjort data. I PLO´s eget faktaark for 2021 fremgår det som skrevet, at der er sket en forandring i kønsfordelingen i mænds og kvinders andel af praktiserende læger til større andel af kvinder i feltet. Det vækker også nysgerrighed, og spørgsmål til videre undersøgelser. Hvofor er det sket? Hvordan er det sket? For vi tager også afsæt i formidlet data, når vi begynder at gå videre i vores tanker omkring emner, som nævnt her. Dette er selvfølgelig ikke en kritk af praktiserende lægers data. Blot et forståeligt eksempel på korrekt brug af data. For at opsummere: Data bruges. Dermed understreges endnu en gang vigtigheden af at have korrekt indsamlet data, og korrekt analyseret og anvendt data. Ovenstående eksempler siger noget om, at forskellige virksomheder og organisationer indgår aftaler og også overenskomster. Og mange organisationer og virksomheder forhandler som oftest på baggrund af data og analyser, og beslutninger træffes på den baggrund. I de senere år er en af datalogiens store landvindinger ‘big data’. Big data er kolossale dataarkiver, og der er brug for mange dataloger og andre data-uddannede mennesker for at kunne anvende de store mængder data. Big data giver muligheder for megen forskning, og har betydning for os alle. Data er i gang med at forandre vores verden.
Med store mængder data kan man sammenligne forskellige situationer, – det kan handle om mennesker, indkøb, banklån og andet. Data, AI og algoritmer kan eksempelvis hjælpe med at indsamle viden om, hvordan vi vedligeholder vores kloakker. Og i forskellige projekter undersøges alt fra børns trivsel til cykelruter i byer og digitalisering af aviser. Blandt andet er der et forskningsprojekt, præsenteret i materiale fra en `Big Data – konference´ i 2014, – et projekt omkring børns trivsel, hvor der tales om, at når man har muligheden for at sammenligne børns trivsel, kan man eksempelvis målrette indsatser i større skala. I projektet indsamles data fra kommuner, børn og forældre, og i projektet tales der om, at forskellige fagpersoner omkring børnene, – sundhedsplejersker, læger, socialrådgivere – sidenhen kan få leveret data tilbage fra databasen, når de selv indsender oplysninger til datasystemet. På konferencen fortæller forskere om de nye muligheder med de store datamængder. Ved en let gennemgang ser det ud til, at 75% af oplæggene er leveret af mænd og 25% af kvinder. Simone de Beauvoir, fransk forfatter, feminist og filosof, (1908-1986) skrev i bogen “Det andet køn”, 1949: ”Forestillingen om verden såvel som verden selv er mændenes værk. De beskriver den ud fra deres synsvinkel og forveksler denne med den absolutte sandhed.” Det er mange år siden. Hvorfor skal vi bekymre os så meget om antallet af kvinder, diversitet i race, sociale klasser osv.? Skal vi ikke bare bekymre os om substansen i det arbejde, der produceres? Nej, for det er sådan, at når datasæt først bliver partiske, er de svære at rette. Og tilfælde af bias er mere tilbøjelige til at opstå, når en homogen gruppe mennesker er ansvarlige for hvert trin i data-arbejdet. Caroline Criado Perez er en prisvindende journalist og har bl.a. modtaget en britisk orden, givet til mennesker, der har repræsenteret deres land på værdig vis. Caroline Criado Perez har beskæftiget sig med kvinder i dataverdenen, og hun har skrevet en bog om manglen på kvinder i samme. I bogen `Usynlige kvinder. Skævvredne data i en verden designet til mænd´ (2019) giver forfatteren nogle eksempler på, hvad konsekvenserne af den manglende andel af kvinder i arbejdet med data kan være. F.eks. skriver forfatteren om, at udvikling af biler ofte er tilpasset til mænds kroppe, og det får betydning for kvinder, – kvinder sidder anderledes langt fremme i bilen for at nå pedaler og rat, og det betyder, at de har større risiko for skader ved sammenstød. At der mangler kvinder i dataverdenen har betydning for udviklingen af medicin, hvor medicin f.eks. mod forhøjet blodtryk er udviklet til at passe til mænds fysik, og dermed kan medicinen i stedet for at være en hjælp udgøre en risiko for kvinder. Manglen på kvinder i data-verdenen har betydning for indretning af arbejdspladser, fejlrepræsentationer og meget andet. Bogen, vi taler om her, er ifølge anmeldelser baseret på fakta ud fra tal, hvilket er med til at skabe en bog, der gør indtryk, – en troværdig bog. I sidste ende har vores brug af data altså betydning for beslutninger, der påvirker vores liv. Og det bliver indlysende, at jo større diversitet, der er i dataverdenen, jo mere tillid kan vi have til data, analyser og anvendelse. Data peger på, at tilstedeværelsen af forskellige mennesker ved beslutningsbordet simpelthen ændrer de spørgsmål, der stilles til og undersøges med data. Inklusion er med andre ord det, der gør vores generelle syn på data – og vores arbejde med data – mindre partisk, og derved mere korrekt. På denne måde bliver den data, der danner grundlag for vores beslutninger, mere effektiv, indbringende og virksom.
Debra Satz (filosof, Stanford University) nævnte ved dette års WiDS (Women in Data Science) konference et eksempel på, hvordan antagelser uden data – altså noget vi tror, men ikke ved – kan tilbageholde udvikling og vækst. Vi, der har arbejdet i Non-Profit branchen i mange år, kender eksemplet rigtig godt: Traditionelt set var der tidligere en antagelse om, at gav man i forbindelse med nødhjælp penge til det mandlige overhoved i husstanden, ville hjælpen være mest effektiv. Dette var udelukkende en antagelse. Antaget hovedsageligt af mænd. Der var ikke målt på nogen data. Da kvinder begyndte at få flere beslutningstagende roller i forbindelse med nødhjælpsarbejde, begyndte man at stille spørgsmål til denne antagelse. Man begyndte at fordele, sammenligne og indsamle data for at teste den antagelse. Det viste sig, – at ville man gavne flest mulige med nødhjælp – inklusiv børnene – skulle man give nødhjælpen til kvinder. Der er i øjeblikket en kæmpe efterspørgsel på arbejdskraft inden for IT. Ifølge en rapport fra Ingeniørforeningen IDA vil der mangle 22.000 IT-specialister i 2030. Og ifølge en europæisk rapport har 55 procent af europæiske virksomheder problemer med at rekruttere IT-specialister. Samfundet går klip af en stor talentmasse, og at nøjes med at rekruttere den halve talentmasse, giver ikke mening. Endnu en grund til, at det er vigtigt at få kvinder med.
Når verden har brug for flere kvindelige praktiserende data-medarbejdere, er der også en opgave at gøre for uddannelsesinstitutionerne. Kvinderne er stadig underrepræsenterede i de it-rettede uddannelser herhjemme. Men heldigvis sker der noget i den retning, som kan støtte en udvikling. At der stadig er for få kvinder på it-uddannelserne kan skyldes flere ting. Der kan blandt unge være en antagelse om, at man skal være helt særligt optaget af det, for at beskæftige sig med it. “Computernørd” er et ord, der dukker op.
Noget andet, der spiller ind er, hvad de unges forældre arbejder med. Ifølge en rapport fra Tænketanken DEA fra 2019 intersserer børn sig med større sandsynlighed for emnet, hvis en af deres forældre gør det. Forældre har også ifølge DEA’s rapport nogle opfattelser af, hvad deres drenges henholdsvis pigers uddannelsesinteresserer retter sig mod. 70 % mener, at piger generelt er mindre optagede af teknologi og it, end drenge er. Pernille Bjørn, der er professor i datalogi ved Datalogisk Institut på Københavns Universitet, blev i 2015 udnævnt som den første kvindelige professor for instituttet. Hun interesserer sig bl.a. for den kønsubalance, der findes i tech-verdenen. Og påpeger, at det er et demokratisk problem, fordi skævvridningen, som vi har nævnt i artiklen, kan føre til bias både i algoritmer og i den teknologi, der løber gennem alle dele af vores samfund lige fra sundhedssektoren til arbejdsmarkedet og de platforme, vi kommunikerer på. For de fleste af os, der arbejder med og har arbejdet med mennesker og teams, er det kendt viden, at grupper med forskellige perspektiver og kompetencer klarer sig generelt bedre end homogene grupper. Når der er mange perspektiver ved bordet korrigeres bias, udviklingen øges og generelt set opleves der mere vækst. Et grundlæggende mål bør være – at individer, der er mest berørt af beslutninger, også er en del af beslutningsprocessen, og at vi husker, at godt dataarbejde ideelt tager højde for sin samfundsmæssige kontekst. Du kan forbedre din datakvalitet ved at reducere bias fra starten ved at inkludere en mangfoldighed af erfaringer og perspektiver i de teams, der arbejder med data, herunder analysedelen og brugen af data i praksis. Sammen med PAYS.