À mesure que les organisations produisent davantage de données et numérisent leurs produits et processus, disposer d’équipes orientées données n’a jamais été aussi crucial. C’est pourquoi la formation et le développement sont devenus centraux dans les stratégies d’entreprise — en particulier les initiatives visant à bâtir des compétences en data science à l’échelle de l’organisation.
Le 4 novembre, Adel Nehme, Data Science Evangelist chez DataCamp, a reçu Sheil Naik, Global Data Technical Trainer chez Bloomberg, pour discuter de la façon dont son équipe mise sur l’apprentissage hybride pour enseigner l’analyse de données avec Python, et de la manière dont Bloomberg mesure l’évolution des comportements à la suite de ses initiatives de montée en compétences.
La valeur d’une culture orientée données
Jamais il n’a été aussi précieux d’être guidé par les données. Le PDG d’Anaconda, Peter Wang, décrit la data science comme une méthodologie fondée sur la preuve pour résoudre des problématiques métiers, où les data scientists « mettent à profit des outils mathématiques et informatiques pour raisonner sur le monde de l’entreprise ». Cette approche a permis une multitude de cas d’usage dans tous les secteurs, de la prévision de l’attrition en marketing à la détection automatique de fraude pour les institutions financières.
La data science est au cœur de la culture data-driven de Bloomberg. Leur équipe data science repousse les limites du possible, notamment en définissant des bonnes pratiques pour les projets de traitement du langage naturel, en démocratisant les outils data et en proposant des solutions intelligentes au sein de ses produits. Adopter une culture orientée données, c’est aussi donner à chacun les compétences nécessaires pour prendre des décisions basées sur les données, améliorer les processus grâce aux données et produire des articles s’appuyant sur l’analyse de données.
Construire une organisation data-driven grâce à l’apprentissage hybride
La division Global Data de Bloomberg est responsable de la fraîcheur et de la qualité de l’ensemble des jeux de données financiers disponibles sur le Bloomberg Terminal. En tant que formateur technique data, Sheil Naik travaille avec les directions de la division pour identifier les compétences indispensables pour réussir avec les données chez Bloomberg, puis concevoir, délivrer et évaluer des programmes de formation destinés à développer et renforcer ces compétences. Parmi celles-ci : l’utilisation d’outils de gestion de versions comme Git et GitHub, l’analyse de données avec SQL, l’analyse de données avec Python, et plus encore.
Le programme « Data Analysis with Python » de Bloomberg est un programme trimestriel d’apprentissage hybride qui combine une heure d’introduction sur l’usage de Python chez Bloomberg, 12 à 20 heures de parcours DataCamp, trois sessions en direct de 1 h 30 animées par des experts techniques internes, ainsi qu’un projet final exploitant des données Bloomberg.
Bloomberg sélectionne avec soin les cours DataCamp afin d’équilibrer objectifs pédagogiques et charge de travail, en s’appuyant sur des chapitres issus de cours comme Introduction to Python, Intermediate Python, et d’autres. Servant de socle, ces cours ont permis à plus de 450 apprenants — dont beaucoup n’avaient jamais codé — d’acquérir et d’appliquer les concepts nécessaires pour suivre les trois sessions en classe virtuelle, réussir le projet final et terminer le programme de formation.
Des apprenants sont passés de « je n’ai jamais écrit une ligne de code » à la réalisation d’une analyse journalistique basée sur les données dans le cadre du projet final du programme — Sheil Naik, Global Data Technical Trainer chez Bloomberg
En combinant autoformation et sessions en direct, ce modèle d’apprentissage hybride garantit à la fois cohérence et flexibilité, quels que soient les pays, les emplois du temps et les entités chez Bloomberg. L’uniformité du programme et de l’expérience au niveau des fondamentaux permet aux formateurs Bloomberg de faire évoluer les sessions en classe et d’intégrer des apprenants à l’échelle mondiale. Par ailleurs, s’appuyer sur un partenaire comme DataCamp pour les fondamentaux offre des insights et des données de performance utiles pour évaluer l’efficacité de la formation.
Mesurer l’évolution des comportements
Un cadre d’évaluation du retour sur investissement direct des programmes de formation est le modèle de Kirkpatrick. Il propose quatre niveaux d’évaluation : la réaction à chaud après une formation, l’évaluation des acquis, l’évolution des comportements et l’impact business des compétences développées.
Chez Bloomberg, la mise en œuvre du troisième niveau du modèle de Kirkpatrick consiste à mesurer le nombre d’actions de production (enregistrements, modifications, importations, renommages, envois, etc.) réalisées dans leur environnement propriétaire Jupyter Notebook.
En exploitant ces indicateurs, Sheil a pu appliquer les techniques enseignées dans « Data Analysis with Python » et mettre en évidence une hausse moyenne de 561 % des activités de production pour l’une des cohortes diplômées du programme. Selon Sheil, l’objectif ultime de la montée en compétences data chez Bloomberg est d’allier technologie et expertise métier des collaborateurs afin de produire des analyses éclairantes.
Pour en savoir plus sur l’apprentissage hybride, comment le déployer dans votre organisation et les recommandations clés de Sheil à destination des professionnels de la formation, n’hésitez pas à regarder l’enregistrement complet du webinaire.