A medida que las organizaciones generan más datos y digitalizan productos y procesos, contar con una plantilla que toma decisiones basadas en datos nunca ha sido tan crítico. Por eso, el aprendizaje y desarrollo se ha vuelto central en las estrategias de negocio, especialmente en iniciativas destinadas a impulsar capacidades de ciencia de datos a escala en toda la organización.
El 4 de noviembre, Adel Nehme, Data Science Evangelist de DataCamp, conversó con Sheil Naik, Global Data Technical Trainer en Bloomberg, sobre cómo su equipo aprovecha el aprendizaje combinado para enseñar análisis de datos con Python y cómo Bloomberg mide el cambio de comportamiento tras sus iniciativas de capacitación.
El valor de ser una organización basada en datos
Nunca ha sido tan valioso orientarse por los datos. Peter Wang, CEO de Anaconda, describe la ciencia de datos como una metodología basada en evidencias para resolver problemas de negocio, donde los científicos de datos «aprovechan herramientas matemáticas y computacionales para razonar sobre el mundo empresarial». Esta metodología ha habilitado un sinfín de casos de uso en todos los sectores, desde predecir la rotación en marketing hasta la detección automática de fraude en instituciones financieras.
La ciencia de datos está en el corazón de la cultura basada en datos de Bloomberg. Su equipo impulsa los límites de lo posible de muchas formas: creando buenas prácticas para proyectos de procesamiento de lenguaje natural, democratizando herramientas de datos y ofreciendo soluciones inteligentes en sus productos. Tener una cultura basada en datos también implica dotar a todo el mundo de las habilidades necesarias para tomar decisiones basadas en datos, mejorar procesos con datos y producir noticias fundamentadas en análisis de datos.
Cómo crear una plantilla orientada a datos con aprendizaje combinado
La Global Data Division de Bloomberg se encarga de mantener la puntualidad y la calidad de todos los conjuntos de datos financieros disponibles en el Bloomberg Terminal. Como formador técnico en datos, Sheil Naik colabora con líderes de negocio de toda la división para identificar las habilidades necesarias para trabajar con datos en Bloomberg y para diseñar, impartir y evaluar programas de formación orientados a desarrollarlas y perfeccionarlas. Entre estas habilidades están el uso de herramientas de control de versiones como Git y GitHub, análisis de datos con SQL, análisis de datos con Python y más.
El programa Data Analysis with Python de Bloomberg es un programa trimestral de aprendizaje combinado que incluye una introducción de una hora sobre cómo se usa Python en Bloomberg, entre 12 y 20 horas de formación en DataCamp, tres sesiones en directo de 1,5 horas impartidas por expertos técnicos internos y un proyecto final con datos de Bloomberg.
Bloomberg selecciona cuidadosamente los cursos de DataCamp para equilibrar los objetivos de aprendizaje y el tiempo necesario, e incluye capítulos de cursos como Introduction to Python, Intermediate Python y otros. Como material de base, estos cursos han permitido a más de 450 estudiantes (muchos de ellos sin experiencia previa en programación) aprender y aplicar los conceptos necesarios para completar las tres sesiones en directo, superar el proyecto final y terminar el programa de formación.
Estudiantes que jamás habían escrito una sola línea de código pasaron a realizar un análisis periodístico basado en datos como parte del proyecto final del programa. — Sheil Naik, Global Data Technical Trainer en Bloomberg
Al combinar el aprendizaje autodirigido con sesiones presenciales en directo, este modelo de aprendizaje combinado aporta coherencia y flexibilidad en el aprendizaje, independientemente de la ubicación, los horarios o las unidades de negocio en Bloomberg. La consistencia del programa y de la experiencia en el nivel fundamental permite a los formadores de Bloomberg escalar las sesiones en el aula e incluir a estudiantes de todo el mundo. Además, apoyarse en un proveedor de formación como DataCamp en el nivel fundamental ofrece métricas e información de rendimiento para evaluar la eficacia de la formación.
Medir el cambio de comportamiento
Una metodología para evaluar el retorno directo de la inversión de los programas de formación es el modelo de evaluación de Kirkpatrick. Este modelo propone cuatro niveles: la reacción inicial tras la formación, la evaluación del aprendizaje, el cambio de comportamiento y el impacto en el negocio de las habilidades adquiridas.
La implementación de Bloomberg del tercer nivel del modelo de Kirkpatrick mide el número de actividades de productor (guardados, ediciones, importaciones, cambios de nombre, envíos, etc.) en su entorno propio de Jupyter Notebook.
Aprovechando estos datos, Sheil pudo aplicar las técnicas enseñadas en Data Analysis with Python para detectar un 561 % de aumento en el promedio de actividades de productor en una de las cohortes que se graduó del programa. Según Sheil, el objetivo final de la formación en datos en Bloomberg es combinar la tecnología con la experiencia de los empleados para producir análisis con verdadero impacto.
Si quieres saber más sobre el aprendizaje combinado, cómo ponerlo en marcha en tu organización y las recomendaciones clave que Sheil propone a todo profesional de aprendizaje y desarrollo, no te pierdas la grabación completa del webinar.
