जैसे-जैसे संगठन अधिक डेटा उत्पन्न करते हैं और उत्पादों व प्रक्रियाओं का डिजिटलीकरण करते हैं, डेटा-आधारित कार्यबल की अहमियत पहले से कहीं अधिक बढ़ गई है। यही कारण है कि लर्निंग और डेवलपमेंट अब कारोबारी रणनीतियों के केंद्र में है—खासकर वे पहलें जो पूरे संगठन में डेटा साइंस क्षमताओं का निर्माण करने पर केंद्रित हैं।
4 नवंबर को, DataCamp के Data Science Evangelist, Adel Nehme के साथ Bloomberg के Global Data Technical Trainer, Sheil Naik ने चर्चा की कि Sheil की टीम Python के साथ डेटा विश्लेषण सिखाने के लिए मिश्रित शिक्षण का कैसे उपयोग करती है, और Bloomberg अपने अपस्किलिंग कार्यक्रमों के बाद होने वाले व्यवहारिक परिवर्तन को कैसे मापता है।
डेटा-आधारित बनने का मूल्य
डेटा-आधारित होना पहले कभी इतना मूल्यवान नहीं रहा। Anaconda के CEO Peter Wang डेटा साइंस को व्यावसायिक समस्याओं को सुलझाने की एक साक्ष्य-आधारित कार्यप्रणाली के रूप में परिभाषित करते हैं, जहाँ डेटा वैज्ञानिक “व्यापार जगत के बारे में तर्क करने के लिए गणितीय और संगणनात्मक उपकरणों का उपयोग करते हैं।” इस कार्यप्रणाली ने उद्योगों में अनेक उपयोग मामलों को संभव बनाया है—मार्केटिंग में चर्न पूर्वानुमान से लेकर वित्तीय संस्थानों के लिए स्वचालित धोखाधड़ी पहचान तक।
Bloomberg की डेटा-आधारित संस्कृति के केंद्र में डेटा साइंस है। उनकी डेटा साइंस टीम कई तरीकों से संभावनाओं की सीमाओं को आगे बढ़ा रही है—प्राकृतिक भाषा संसाधन परियोजनाओं के लिए सर्वोत्तम प्रथाएँ बनाकर, डेटा टूल्स का लोकतंत्रीकरण करके, और अपने उत्पादों में बुद्धिमान समाधान प्रदान करके। डेटा-आधारित संस्कृति का अर्थ यह भी है कि हर किसी को डेटा-आधारित निर्णय लेने, डेटा से प्रक्रियाएँ सुधारने, और डेटा-आधारित समाचार कहानियाँ तैयार करने के लिए आवश्यक कौशलों से सशक्त बनाना।
मिश्रित शिक्षण के साथ डेटा-आधारित कार्यबल बनाना
Bloomberg का Global Data Division, Bloomberg Terminal पर उपलब्ध सभी वित्तीय डेटासेट्स की समयबद्धता और गुणवत्ता बनाए रखने के लिए जिम्मेदार है। एक डेटा टेक्निकल ट्रेनर के रूप में, Sheil Naik इस डिविजन में व्यावसायिक नेताओं के साथ मिलकर यह पहचानते हैं कि Bloomberg में डेटा के साथ काम करते समय सफल होने के लिए किन कौशलों की आवश्यकता है, और उन कौशलों के निर्माण व सुधार के उद्देश्य से प्रशिक्षण कार्यक्रमों को डिज़ाइन, संचालित और मूल्यांकित करते हैं। इन कौशलों में Git और GitHub जैसे वर्ज़न कंट्रोल टूल्स का उपयोग, SQL के साथ डेटा विश्लेषण, Python के साथ डेटा विश्लेषण, इत्यादि शामिल हैं।
Bloomberg का Data Analysis with Python कार्यक्रम एक त्रैमासिक, मिश्रित-शिक्षण पाठ्यक्रम है, जिसमें एक घंटे का परिचय शामिल है जो बताता है कि Bloomberg में Python का उपयोग कैसे किया जाता है; 12 से 20 घंटे का DataCamp कोर्सवर्क; इन-हाउस तकनीकी विशेषज्ञों द्वारा संचालित तीन लाइव 1.5-घंटे के सत्र; और Bloomberg डेटा का उपयोग करते हुए एक अंतिम प्रोजेक्ट।
Bloomberg, DataCamp के कोर्सेज़ का सावधानीपूर्वक चयन करता है ताकि सीखने के उद्देश्यों और समय-प्रतिबद्धता में संतुलन बना रहे, और इनमें Introduction to Python, Intermediate Python जैसे कोर्सेज़ के अध्याय शामिल होते हैं। बुनियादी सामग्री के रूप में कार्य करते हुए, इन कोर्सेज़ ने 450 से अधिक शिक्षार्थियों—जिनमें से कई ने पहले कभी कोडिंग नहीं की थी—को तीन लाइव कक्षा सत्र पूरे करने, अंतिम प्रोजेक्ट पास करने, और प्रशिक्षण कार्यक्रम समाप्त करने के लिए आवश्यक अवधारणाएँ सीखने और लागू करने में सक्षम बनाया है।
सीखने वाले अपने जीवन में कभी एक भी पंक्ति कोड न लिखने से लेकर कार्यक्रम के अंतिम प्रोजेक्ट के हिस्से के रूप में एक डेटा-आधारित समाचार विश्लेषण पूरा करने तक पहुँच सके—Sheil Naik, Global Data Technical Trainer, Bloomberg
स्व-निर्देशित सीखने और लाइव कक्षा प्रशिक्षण को मिलाकर, यह मिश्रित शिक्षण मॉडल Bloomberg में भौगोलिक क्षेत्रों, समय-सारिणियों, और व्यावसायिक इकाइयों के बीच सीखने में स्थिरता और लचीलापन प्रदान करता है। बुनियादी स्तर पर पाठ्यक्रम और अनुभव की एकरूपता Bloomberg के प्रशिक्षकों को कक्षा सत्रों को स्केल करने और वैश्विक शिक्षार्थियों को शामिल करने में सक्षम बनाती है। साथ ही, बुनियादी स्तर पर DataCamp जैसे लर्निंग प्रदाता का उपयोग प्रशिक्षण प्रभावशीलता का आकलन करने के लिए अंतर्दृष्टि और प्रदर्शन डेटा उपलब्ध कराता है।
व्यवहारिक परिवर्तन का मापन
प्रशिक्षण कार्यक्रमों के प्रत्यक्ष निवेश प्रतिफल का मूल्यांकन करने के लिए एक कार्यप्रणाली Kirkpatrick Model of Evaluation है। Kirkpatrick मॉडल चार अलग-अलग मूल्यांकन स्तर प्रस्तावित करता है: प्रशिक्षण कार्यक्रम के बाद की प्रारंभिक प्रतिक्रिया, सीखने का मूल्यांकन, व्यवहारिक परिवर्तन, और अर्जित कौशलों का व्यावसायिक प्रभाव।
Kirkpatrick मॉडल की तीसरी परत के Bloomberg के क्रियान्वयन में उनके स्वामित्व वाले Jupyter Notebook परिवेश पर प्रोड्यूसर गतिविधियों (सेव, एडिट, इम्पोर्ट, रीनेम, सेंड, आदि...) की संख्या मापी जाती है।
इन डेटा बिंदुओं का उपयोग करके, Sheil ने Data Analysis with Python में सिखाई गई तकनीकों को लागू किया और कार्यक्रम से स्नातक होने वाले एक कोहोर्ट के लिए औसत प्रोड्यूसर गतिविधियों में 561% की वृद्धि उजागर की। Sheil के अनुसार, Bloomberg में डेटा अपस्किलिंग का अंतिम लक्ष्य है—कर्मचारियों की विषय-वस्तु विशेषज्ञता को प्रौद्योगिकी के साथ मिलाकर सूक्ष्म विश्लेषण तैयार करना।
यदि आप मिश्रित शिक्षण के बारे में अधिक जानना चाहते हैं, इसे अपने संगठन में कैसे लागू करें, और वे प्रमुख सीखें जिन्हें Sheil हर लर्निंग और डेवलपमेंट प्रोफेशनल को अपनाने की सलाह देते हैं, तो अवश्य पूरा वेबिनार रिकॉर्डिंग देखें।