DataCamp का मिशन यह है कि व्यक्तियों और कंपनियों को उनके डेटा-फ्लुएंसी के सफर के हर कदम पर मदद की जाए—इसके लिए हम सबसे स्मार्ट डेटा साइंस एजुकेशन प्लेटफ़ॉर्म बना रहे हैं।
यह पोस्ट इस बात पर और संदर्भ देती है कि हमने व्यापक परिप्रेक्ष्य में DataCamp क्यों शुरू किया। पहले हिस्से में हम डेटा साइंस (टैलेंट) बाज़ार पर चर्चा करेंगे। दूसरे भाग में, डेटा साइंस शिक्षा के भविष्य के लिए हमारे विज़न को सहारा देने वाले मूल स्तंभ कवर होंगे। अंत में, हम प्रमाणन के महत्व पर बात करेंगे।
बाज़ार
अवसर
डेटा का विश्लेषण करना समझना लोगों और कंपनियों को बेहतर निर्णय लेने, बेहतर और नए सेवाओं व उत्पादों का निर्माण करने, आदि में सक्षम बनाता है। हमारा मानना है कि आने वाले 20 वर्षों में डेटा विश्लेषण और डेटा साइंस का प्रभाव उतना ही बड़ा होगा जितना पिछले 20 वर्षों में सॉफ़्टवेयर इंजीनियरिंग और कंप्यूटर साइंस का रहा है। सॉफ़्टवेयर दुनिया को खा रहा है, लेकिन डेटा साइंस और AI सॉफ़्टवेयर इंजीनियरिंग को डिनर में परोसने वाले हैं!
टैलेंट गैप
यह निश्चित रूप से रोमांचक है, लेकिन एक समस्या है: Harvard Business Review और एक McKinsey रिपोर्ट ने सबसे पहले डेटा साइंटिस्ट की कमी पर रोशनी डाली। आज, हर उद्योग की कंपनियाँ वास्तव में डेटा साइंटिस्ट या पर्याप्त स्तर की डेटा साक्षरता/फ्लुएंसी वाले लोगों को खोजने के लिए जूझ रही हैं। इस विषय पर (अपेक्षित) कमी के आँकड़े—हाल की शोध रिपोर्टों में—सैकड़ों हज़ार से लेकर लाखों तक बताए गए हैं।
भले ही आप इन भविष्यवाणियों की सटीकता पर बहस कर सकते हैं, एक बात स्पष्ट है: पारंपरिक शैक्षणिक संस्थान आने वाले दशकों में इतने लोगों को प्रशिक्षित नहीं कर पाएँगे कि यह गैप भर सके। साथ ही, दुनिया का एक बड़ा हिस्सा पारंपरिक संस्थानों में उच्च-गुणवत्ता वाली डेटा साइंस शिक्षा तक पहुँच नहीं रखता, क्योंकि यह अक्सर (काफी) महँगी होती है।
नतीजतन, डेटा साइंस की शक्ति तभी काम आएगी जब हम मौजूदा कार्यबल को सस्ती लागत पर पुनर्प्रशिक्षित करने के तरीके खोजें। एक ओर, आपको उम्मीद करनी चाहिए कि काफी लोग करियर में उन्नति के लिए खुद अपने कौशल बढ़ाएँगे (और कुछ हद तक करियर बदलने के लिए), दूसरी ओर, कंपनियाँ भी अपने कार्यबल के बड़े हिस्से को पुनर्प्रशिक्षित करेंगी। यह भी ध्यान दें कि करियर उन्नति के लिए सीखने वालों का समूह, करियर बदलने के लिए सीखने वालों से बड़ा है। यह अवलोकन नया नहीं है। lynda.com और Pluralsight ने दिखाया है कि निरंतर शिक्षा पर ध्यान केंद्रित करना क्रमशः क्रिएटिव और डेवलपर क्षेत्रों में एक सफल रणनीति है।
अंततः, यह समझना महत्वपूर्ण है कि कौशल अंतराल कई स्तरों पर मौजूद है: यह उन लोगों से लेकर है जो साप्ताहिक आधार पर डेटा के साथ काम करते हैं और अपने मौजूदा टूल्स (अक्सर Microsoft Excel) की सीमाओं से टकराते हैं, से लेकर डेटा विश्लेषकों और डेटा साइंटिस्ट्स तक, और प्रबंधकों व कंसल्टेंट्स तक। इन सभी समूहों की ज़रूरतें अलग हैं, लेकिन सभी में डेटा साक्षरता/फ्लुएंसी के सही स्तर वाले लोगों की कमी है।
उपरोक्त कारणों से, हमें लगता है कि डेटा साक्षरता के लिए शिक्षा का बाज़ार बहुत बड़ा है—और संभवतः बुनियादी कोडिंग कौशल सिखाने के बाज़ार से भी बड़ा। दो डेटा पॉइंट्स इस विश्वास की वैधता की पुष्टि करते प्रतीत होते हैं:
- हमारे 1.7 मिलियन छात्रों में से साठ प्रतिशत से अधिक कार्यरत प्रोफेशनल्स हैं, जो परामर्श, वित्त, स्वास्थ्य सेवा, शोध, मार्केटिंग, … जैसी विस्तृत क्षेत्रों में सक्रिय हैं और तरह-तरह की भूमिकाएँ निभाते हैं। आप DataCamp पर उनकी कुछ कहानियाँ पढ़ सकते हैं।
- बहुत से लोग डेटा साइंस को तकनीकी उद्योग से जोड़ते हैं और इसलिए सोचते हैं कि सैन फ्रांसिस्को डेटा साइंस की तीर्थस्थली है। हालाँकि, डेटा साइंस बिल्कुल भी केवल सैन फ्रांसिस्को तक सीमित नहीं है। अगर आप DataCamp के लर्निंग ट्रैफ़िक को शहरों के आधार पर रैंक करें, तो सैन फ्रांसिस्को सिर्फ 24वें स्थान पर है; भारत के 7 शहर और अमेरिका के 4 शहर उससे आगे हैं (अमेरिका में न्यूयॉर्क सिटी नंबर 1 है)। डेटा साइंस की ज़रूरत हर जगह है. ### ओपन-सोर्स की ओर शिफ्ट ओपन-सोर्स सॉफ़्टवेयर डेवलपमेंट ने वेब डेवलपमेंट कम्युनिटी को पूरी तरह बदल दिया है और अब यह एप्लाइड स्टैटिस्टिक्स और डेटा साइंस कम्युनिटी को बदल रहा है। जहाँ SAS और SPSS ने एप्लाइड स्टैटिस्टिक्स की दुनिया पर बहुत ज्यादा समय पहले नहीं, वर्चस्व जमाया हुआ था, वहीं R और Python जैसी ओपन-सोर्स तकनीकों ने अब तकरीबन बाज़ी पलट दी है। वैसे, DataCamp ने भी कुछ कोर्स और तकनीक ओपन-सोर्स की है। डेटा साइंस के भविष्य की बुनियादी परत के तौर पर ओपन-सोर्स सॉफ़्टवेयर की वृद्धि पर विवाद करना मुश्किल है। यही मुख्य कारण है कि फिलहाल हमारा सारा डेटा साइंस प्रशिक्षण ओपन-सोर्स पर केंद्रित है। साथ ही, इसकी प्रकृति इंटरैक्टिव शैक्षिक टूल्स बनाना आसान बनाती है। ओपन-सोर्स पर फोकस हमें ओपन-सोर्स डेटा साइंस समुदायों को लौटाने का अवसर भी देता है। हम अपने रॉयल्टी मॉडल के जरिए DataCamp कोर्स बनाने वाले ओपन-सोर्स योगदानकर्ताओं को स्केलेबल राजस्व के स्रोत उपलब्ध कराते हैं। जबकि आने वाले वर्षों में ओपन-सोर्स हमारे पाठ्यक्रम का बड़ा हिस्सा बना रहेगा, अंततः हम अपने छात्रों को हर प्रासंगिक टूल और कार्यप्रणाली पर प्रशिक्षण देना चाहते हैं। भविष्य में आप हमसे मालिकाना टूल्स के लिए भी प्रशिक्षण बनाना शुरू करने की उम्मीद करें। ## डेटा साइंस शिक्षा का भविष्य वर्टिकल फोकस और तकनीक सर्वोत्तम सीखने का अनुभव सक्षम करते हैं इटली का यूनिवर्सिटी ऑफ बोलोग्ना 1088 में स्थापित हुआ था और यह यूरोप का सबसे पुराना विश्वविद्यालय है।
इतिहास में, शैक्षणिक संस्थान व्यापक विषयों को कवर करते थे (इसे हम हॉरिज़ॉन्टल फोकस कहें)। उदाहरण के लिए, यूरोप का सबसे पुराना विश्वविद्यालय इतिहास, अर्थशास्त्र, मनोविज्ञान, सांख्यिकी, आदि जैसे विषय पढ़ाता है। उस समय हॉरिज़ॉन्टल फोकस तर्कसंगत था क्योंकि (i) पैमाने की अर्थव्यवस्थाएँ (इमारतें, छात्र प्रशासन, सबसे होनहार प्रोफेसरों को आकर्षित करना, प्रमाणन के लिए ब्रांड वैल्यू, आदि) और (ii) संचार व परिवहन की उच्च लागत के चलते भौगोलिक पहुँच सीमित थी। सदियों तक हॉरिज़ॉन्टल फोकस प्रमुख शिक्षा मॉडल रहा, इसी वजह से हम अब भी शैक्षणिक संस्थानों को क्षैतिज रूप से केंद्रित मानकर सोचने के आदी हैं।
तकनीकी प्रगति की बदौलत हाल के दशकों में परिवहन व संचार की लागत और शैक्षणिक मॉडलों की स्थिर लागतें उल्लेखनीय रूप से घटी हैं। तो… अब और भविष्य में यह शैक्षिक परिदृश्य को कैसे प्रभावित करता है?
यदि आप हाल के समय में ऑनलाइन शिक्षा बाज़ार को हेलिकॉप्टर व्यू से देखें, तो पहली लहर की कंपनियों ने मुख्यतः ईंट-गारे वाले हॉरिज़ॉन्टल दृष्टिकोण की नकल की, जबकि दूसरी लहर अधिक तकनीक-सक्षम और वर्टिकली केंद्रित रही (यानी एक कौशल क्षेत्र पर केंद्रित)। ऑनलाइन शिक्षा की पहली लहर का सकारात्मक प्रभाव—निस्संदेह—विशाल रहा है, क्योंकि उन्होंने बड़े पैमाने पर उच्च-गुणवत्ता वाली शिक्षा सुलभ करवाई। इसके बावजूद, उन्होंने सीखने के अनुभव को वास्तव में बेहतर बनाने के लिए तकनीक का भरपूर उपयोग नहीं किया और तकनीक के दृष्टिकोण से वे कुछ हद तक कम रोमांचक रहीं। उनका हॉरिज़ॉन्टल फोकस शिक्षा में व्यक्तिकरण और स्केलेबिलिटी के पारंपरिक समझौते को पार करना बेहद कठिन बना देता है। मेरा मतलब क्या है?
सबसे अधिक व्यक्तिकृत शैक्षिक अनुभवों को पहले स्केल करना बहुत कठिन था। एक-से-एक ट्यूशन, छोटे कक्षा प्रशिक्षण, आदि अत्यधिक व्यक्तिकृत शिक्षा दे सकते हैं। लेकिन, स्केलेबिलिटी की कमी आमतौर पर इन विकल्पों को बहुत महँगा बना देती है (और इसीलिए वे कुछ चुनिंदा लोगों तक सीमित रह जाते हैं)। दूसरी ओर, ऑनलाइन वीडियो प्रशिक्षण और पाठ्यपुस्तकों जैसी अत्यधिक स्केलेबल शैक्षिक विधियाँ अक्सर किफायती होती हैं लेकिन उनमें व्यक्तिकरण की कमी रहती है। व्यक्तिकरण न होना प्रशिक्षण को कम प्रभावी और कम आकर्षक बना देता है। पारंपरिक MOOCs की अपेक्षाकृत कम कोर्स-समापन दरें, कम संलग्नता के सीखने के परिणामों पर असर का अच्छा उदाहरण हैं।
तकनीक और वर्टिकल फोकस अब हमें स्केलेबिलिटी (और किफायत) तथा व्यक्तिकरण के बीच के सामान्य समझौते को पार करने में सक्षम बनाते हैं—यानी बड़े पैमाने पर व्यक्तिकृत सीखने के अनुभव बनाना। यह छात्रों को करके सीखने में सक्षम बनाता है और सीखने के अनुभव को—हमारे मामले में—वास्तविक डेटा साइंस प्रोजेक्ट्स पर काम करने के जितना करीब हो सके, ले आता है। हमारे कई कोर्सेज़ की समापन दर 50% से अधिक है, जो संकेत देती है कि इस दृष्टिकोण से संलग्नता बढ़ती है।
विशेषज्ञ प्रशिक्षकों का नेटवर्क सर्वोत्तम शैक्षिक अनुभव देता है
ऑनलाइन शिक्षा की पहली लहर में व्यक्तिकरण की कमी थी, लेकिन उन्होंने एक महत्वपूर्ण बात सही पकड़ी: उन्होंने हर क्षेत्र के सबसे बुद्धिमान लोगों के अनुभव और ज्ञान का लाभ उठाया।
ऑनलाइन शिक्षा की दूसरी लहर बाहरी भागीदारों के साथ मिलकर शैक्षिक सामग्री बनाने की शक्ति को कुछ हद तक भूलती दिखती है। इसके विपरीत, हम उद्योग और अकादमिक—दोनों—से बाहरी प्रशिक्षकों के नेटवर्क के निर्माण के महत्व में दृढ़ विश्वास रखते हैं। ओपन-सोर्स सॉफ़्टवेयर टूल्स सिखाने के लिए, यह पैकेज के लेखक भी हो सकते हैं; अधिक सैद्धांतिक विषयों के लिए, कोई सम्मानित प्रोफेसर; और अधिक अनुप्रयुक्त विषयों के लिए, कोई उद्योग विशेषज्ञ। इस दृष्टिकोण के लाभ हैं:
- बाहरी प्रशिक्षकों के साथ काम करना हमें कोर्स लाइब्रेरी को तेज़ी से विकसित करने देता है, जो आवश्यक है क्योंकि डेटा साइंस एक तेज़ी से बदलता क्षेत्र है और हमारे छात्र कल की नहीं, आज ही नवीनतम कौशल सीखना चाहते हैं।
- कोर्स लाइब्रेरी का एक हिस्सा उद्योग विशेषज्ञों द्वारा बनाया जाना सुनिश्चित करता है कि हम नौकरी बाजार से संबंधित कौशल सिखाएँ।
- कोर्स लाइब्रेरी का एक हिस्सा शिक्षाविदों द्वारा बनाए जाने से DataCamp को (हालिया) शोध, उनकी प्रतिष्ठा, और उनके शैक्षणिक अनुभव पर निर्माण करने में मदद मिलती है।
- हमारे कुछ छात्र तब अधिक प्रेरित होते हैं जब कोर्स किसी वास्तविक विशेषज्ञ या उनके किसी ओपन-सोर्स हीरो द्वारा पढ़ाया जाता है।
हम Anaconda जैसी कंपनियों के साथ अपने कोर्स निर्माण साझेदारियों की बहुत कद्र करते हैं। हमें यह भी विश्वास है कि इन साझेदारियों के अलावा व्यक्तिगत प्रशिक्षकों के नेटवर्क का लाभ उठाकर हम डेटा साइंस कोर्सेज़ का सर्वश्रेष्ठ संग्रह तैयार कर पाएँगे। आप पूछ सकते हैं: “कोर्स लाइब्रेरी बनाने के लिए विश्वविद्यालयों के साथ साझेदारी क्यों नहीं? या पुस्तक प्रकाशकों के साथ?” हमें कई कारण लगते हैं कि वह कमतर होगा। सबसे पहले, इन संगठनों के कानूनी विभागों से निपटना धीमा होगा, और हमें धीमापन पसंद नहीं। दूसरे, हम अंततः मानते हैं कि शैक्षिक प्लेटफ़ॉर्म में तकनीकी प्रगति व्यक्तिगत कंटेंट क्रिएटर को सशक्त कर सकती है और करनी चाहिए। यह संगीत उद्योग में हुआ, कुछ हद तक मनोरंजन उद्योग में हुआ और अब शिक्षा उद्योग में हो रहा है। इच्छुक लोगों के लिए: DataCamp के सभी प्रशिक्षकों की पूरी सूची यहाँ उपलब्ध है।
मिलान तंत्र के रूप में कौशल-स्तर का प्रमाणन
डेटा कौशल वाले लोगों की कमी को दूर करने के लिए, सिर्फ सस्ती और स्केलेबल तरीके से प्रशिक्षण देना पर्याप्त नहीं है। आपको एक कुशल मिलान तंत्र चाहिए, जो व्यक्तियों को अपना कौशल-स्तर संप्रेषित करने में मदद करे और संगठनों को—अपने भीतर और बाहर—उन्हें चाहिए कौशल वाले लोगों को खोजने में मदद करे।
सदियों तक, विश्वविद्यालय की डिग्रियाँ संभावित नियोक्ताओं को क्षमता और कौशल का संकेत देने का सबसे आम तरीका रहीं। दो प्रमुख कारण हैं जिनसे यह मानना कठिन है कि पारंपरिक डिग्रियाँ डेटा फ्लुएंसी के लिए मुख्य संकेतक बनी रहेंगी:
- अगले दशक में पारंपरिक शिक्षा प्रणाली के माध्यम से डेटा कौशल हासिल करने वाले लोगों की संख्या, इन कौशलों को हासिल करने वाले कुल लोगों का अपेक्षाकृत छोटा हिस्सा होगी। हमारे डेटा इस अनुमान की पुष्टि करते हैं; अब तक सबसे बड़ा सीखने वालों का समूह 25 से 35 वर्ष के बीच है।
- डेटा साइंस एक क्षेत्र के रूप में अभी शुरुआती दौर में है और प्रासंगिक कौशल हर साल बदलते रहते हैं। इसलिए, आपको ऐसा संकेतक चाहिए जो क्षेत्र के साथ विकसित हो और जिसे कुशल तरीके से अद्यतन किया जा सके। यह आजीवन सीखने की भी माँग करता है, जो अधिकांश पारंपरिक शैक्षणिक संस्थान प्रदान नहीं कर पाते। सीखने के लिए संभावित चीजों की इतनी विविधता है कि डेटा साइंस को विश्वविद्यालय में पूरी तरह साधना असंभव है—चाहे स्नातक, परास्नातक, या पीएचडी ही क्यों न हो। मास्टर्स डिग्री आपको डेटा साइंस में “मास्टर” नहीं बना देगी ;-).
दो वैकल्पिक संकेतक उभर रहे हैं:
- कोर्स समापन प्रमाणपत्र अधिकांश ऑनलाइन शिक्षा प्लेटफ़ॉर्म प्रदान करते हैं। वे प्रेरणा का संकेत देने की व्यवस्था के रूप में निश्चित रूप से मूल्यवान हैं। हालाँकि, कौशल-स्तर संप्रेषित करने में कोर्स समापन प्रमाणपत्र काफ़ी अप्रभावी हैं क्योंकि: (i) वे अक्सर कौशल-स्तर को कठोर तरीके से मापने के लिए तैयार नहीं होते, और (ii) बहुत कम कोर्स ऐसे वॉल्यूम तक पहुँचते हैं कि बाज़ार में उन्हें मान्यता मिलने का मौका बने।
- कौशल-स्तर को मापने वाले प्रमाणन तंत्र क्लाउड कंप्यूटिंग जैसे क्षेत्रों में उभरे हैं—कौशल-स्तर संप्रेषित करने के एक कुशल और प्रभावी तरीके के रूप में। अब प्रमाणन आईटी प्रोफेशनल्स के लिए खुद को अलग दिखाने का आम तरीका बन गया है, और बात यहीं नहीं रुकती। Duolingo ने हाल ही में भाषा कौशल के आकलन के संदर्भ में TOEFL टेस्ट का अपना संस्करण लॉन्च किया है, और GMAT को बिज़नेस स्कूलों ने लंबे समय से व्यापक रूप से अपनाया है। लेकिन डेटा साइंस में, अभी तक किसी ने किसी के कौशल-स्तर का आकलन और प्रमाणित करने का तरीका नहीं बनाया है। हम वह आकलन प्रणाली बनाना चाहेंगे क्योंकि हमें लगता है कि यह लोगों को अपना कौशल-स्तर बेहतर ढंग से संप्रेषित करने और कंपनियों को अपने मौजूदा कार्यबल तथा आवेदकों के कौशल-स्तर को समझने में एक विशाल अवसर प्रस्तुत करती है।
निष्कर्ष
डेटा की सर्वव्यापकता लोगों और कंपनियों के लिए बेहतर निर्णय लेने और आगे बढ़ने के अपार अवसर बनाती है। लेकिन, बढ़ती टैलेंट गैप दुनिया पर डेटा विश्लेषण के सकारात्मक प्रभाव को सीमित करती है। एक ओर कंपनियों को उन्हें चाहिए टैलेंट नहीं मिल रहा, दूसरी ओर, एक बड़े समूह के पास उच्च-गुणवत्ता वाली शैक्षिक संसाधनों तक पहुँच सीमित है (कीमत और उपलब्धता के कारण)।
हम मानते हैं कि ऑनलाइन शिक्षा इस समस्या का समाधान है। विशेष रूप से, हम एक आकर्षक और प्रभावी सीखने का अनुभव बनाने में व्यक्तिकरण के मूल्य में विश्वास रखते हैं। साथ ही, हम उस प्रशिक्षण को बनाने के लिए विशेषज्ञ प्रशिक्षकों के नेटवर्क के निर्माण की शक्ति में विश्वास करते हैं। अंत में, हमारा मानना है कि बाज़ार में एक प्रभावी मिलान तंत्र की कमी है।
आगे की पोस्ट में, हम DataCamp की योजना पर गहराई से चर्चा करेंगे।