Da Unternehmen immer mehr Daten erzeugen und Produkte sowie Prozesse digitalisieren, ist eine datengestützte Belegschaft wichtiger denn je. Deshalb rücken Learning & Development in den Mittelpunkt von Geschäftsstrategien—insbesondere Initiativen, die darauf abzielen, unternehmensweit Data-Science-Kompetenzen aufzubauen.
Am 4. November sprach DataCamps Data Science Evangelist Adel Nehme mit Sheil Naik, Global Data Technical Trainer bei Bloomberg, darüber, wie Sheils Team Blended Learning einsetzt, um Datenanalyse mit Python zu vermitteln, und wie Bloomberg Verhaltensänderungen nach Weiterbildungsinitiativen misst.
Der Wert einer datengetriebenen Arbeitsweise
Noch nie war es wertvoller, datengetrieben zu arbeiten. Peter Wang, CEO von Anaconda, beschreibt Data Science als evidenzbasierte Methodik zur Lösung von Geschäftsproblemen, bei der Data Scientists „mathematische und rechnergestützte Werkzeuge nutzen, um über die Geschäftswelt zu schlussfolgern“. Diese Methodik hat in zahlreichen Branchen eine Fülle von Anwendungsfällen ermöglicht—vom Prognostizieren von Abwanderungen im Marketing bis zur automatischen Betrugserkennung bei Finanzinstituten.
Data Science steht im Zentrum der datengetriebenen Kultur von Bloomberg. Das Data-Science-Team verschiebt die Grenzen des Machbaren—unter anderem durch die Entwicklung von Best Practices für Natural-Language-Processing-Projekte, die Demokratisierung von Datentools und die Bereitstellung intelligenter Lösungen über die gesamte Produktpalette. Eine datengetriebene Kultur bedeutet auch, alle Mitarbeitenden mit den nötigen Kompetenzen auszustatten, um datenbasierte Entscheidungen zu treffen, Prozesse mit Daten zu verbessern und datengetriebene Nachrichten zu produzieren.
Mit Blended Learning eine datengetriebene Belegschaft aufbauen
Die Global Data Division von Bloomberg ist dafür verantwortlich, die Aktualität und Qualität aller Finanzdatensätze auf dem Bloomberg Terminal sicherzustellen. Als Data Technical Trainer arbeitet Sheil Naik bereichsübergreifend mit Führungskräften zusammen, um die Kompetenzen zu identifizieren, die für die Arbeit mit Daten bei Bloomberg entscheidend sind, und Trainingsprogramme zu konzipieren, bereitzustellen und zu evaluieren, die genau diese Kompetenzen aufbauen und stärken. Dazu zählen unter anderem der Einsatz von Versionskontroll-Tools wie Git und GitHub, Datenanalyse mit SQL, Datenanalyse mit Python und mehr.
Bloombergs Programm „Data Analysis with Python“ ist ein vierteljährliches Blended-Learning-Lernprogramm. Es umfasst eine einstündige Einführung zur Nutzung von Python bei Bloomberg, 12 bis 20 Stunden DataCamp-Kurse, drei Live-Sessions à 1,5 Stunden mit internen Fachexperten sowie ein Abschlussprojekt mit Bloomberg-Daten.
Bloomberg stellt die DataCamp-Kurse sorgfältig zusammen, um Lernziele und Zeitaufwand auszubalancieren, und integriert Kapitel aus Kursen wie Introduction to Python, Intermediate Python und weiteren. Als Fundament haben diese Kurse über 450 Lernenden—viele davon ohne jegliche Programmiererfahrung—die Grundlagen vermittelt, um die drei Live-Klassensessions zu absolvieren, das Abschlussprojekt zu bestehen und das Trainingsprogramm erfolgreich abzuschließen.
Lernende konnten von „noch nie eine Zeile Code geschrieben“ bis hin zu einer datengetriebenen Nachrichtenanalyse im Abschlussprojekt kommen—Sheil Naik, Global Data Technical Trainer bei Bloomberg
Die Kombination aus selbstgesteuertem Lernen und Live-Training ermöglicht mit diesem Blended-Learning-Modell konsistentes und zugleich flexibles Lernen über Standorte, Zeitpläne und Geschäftsbereiche hinweg. Die Einheitlichkeit von Lernprogramm und Lernerfahrung auf der Grundlagenebene erlaubt es Bloomberg-Trainern, Präsenzsessions zu skalieren und Lernende weltweit einzubeziehen. Zudem liefert der Einsatz eines Lernanbieters wie DataCamp auf der Grundlagenebene Einblicke und Leistungsdaten, um die Wirksamkeit der Trainings zu bewerten.
Verhaltensänderungen messen
Eine Methode zur Bewertung des direkten Return on Investment von Trainingsprogrammen ist das Kirkpatrick-Modell der Evaluation. Es unterscheidet vier Ebenen: die unmittelbare Reaktion nach einem Training, die Lernevaluation, die Verhaltensänderung und die geschäftlichen Auswirkungen der erworbenen Kompetenzen.
Bloombergs Umsetzung der dritten Ebene des Kirkpatrick-Modells misst die Anzahl der Producer-Aktivitäten (Speichern, Bearbeiten, Importieren, Umbenennen, Senden etc.) in der proprietären Jupyter-Notebook-Umgebung.
Durch die Auswertung dieser Datenpunkte konnte Sheil die in „Data Analysis with Python“ vermittelten Techniken anwenden und eine 561 %ige Steigerung der durchschnittlichen Producer-Aktivitäten für einen der Kohorten nachweisen, die das Programm absolviert haben. Laut Sheil ist das übergeordnete Ziel der Datenweiterbildung bei Bloomberg, Technologie mit dem Fachwissen der Mitarbeitenden zu verbinden, um aussagekräftige Analysen zu erstellen.
Wenn du mehr über Blended Learning, die Umsetzung in deinem Unternehmen und die wichtigsten Empfehlungen von Sheil für alle L&D-Profis erfahren willst, solltest du dir unbedingt die komplette Webinaraufzeichnung ansehen.
