1. Fragmentacija

Kursevi su fragmentirani u vremenu i prostoru. Trajanje data science kursa kreće se od jedne nedelje do semestra, ili 1-2 godine master studija. Održavanje lekcija je ogranizovano licem u lice ili putem veb platformi.

2. Nehomogenost

Nastavni plan i program ovih kurseva je veoma različit. Iako je Data Literacy profil često povezan sa kompetencijama u vizuelizaciji podataka, statistici i mašinskom učenju, svaki kurs daje različite težine ovim makro temama. Kao rezultat toga, ne postoji homogen profil kompetencija za Data Literacy.

3. Nemogućnost kvalifikacije

Ne postoji kvalifikacioni sistem priznat na evropskom nivou koji se odnosi na oblasti Data Literacy i Data Science.

4. Neadekvatnost

Potrebe tržišta rada nisu adekvatno analizirane. Jasno je da još uvek ne postoji razvijena debata o ovoj temi između akademske zajednice i preduzeća.

1. Definisanje

Definisanje uobičajenog shvatanja onoga što osoba pismena sa podacima treba da zna i može da uradi, ne samo kao radnik već i kao aktivan građanin.a

2. Dizajniranje

Dizajniranje i razvoj inovativnih didaktičkih okvira vezanih za Data Lliteracy, koji odražavaju stavove i potrebe akademske zajednice i tržišta rada.

3. Podsticanje

Negovanje Data Literacy kulture među građanima evropskih zemalja.

4. Ospobljavanje

Omogućavanje diplomiranim studentima da steknu veštine upravljanja podacima koje su im potrebne za uspeh na tržištu rada, ali i za aktivno učestvovanje u građanskom društvu.