Lewati ke konten utama
Literasi Data
Analisis Data

Meningkatkan Keterlibatan Pembelajar untuk Program Peningkatan Keterampilan Data: Panduan Komprehensif

Pelajari cara meningkatkan keterlibatan pembelajar dalam program peningkatan keterampilan data dengan strategi yang dapat diterapkan dari State of Data Literacy Report 2023.
Adel Nehme's photo
Adel Nehme
Diperbarui · 5 mnt Baca

Jelajahi bersama AI

ChatGPTClaudePerplexity

Buat Akun Gratis Anda

Berlatih dan lacak kemajuan Anda.

Lanjutkan Dengan Google
Dengan melanjutkan, Anda menerima Ketentuan Penggunaan kami, Kebijakan Privasi kami dan bahwa data Anda disimpan di Amerika Serikat.

Seiring dunia menjadi semakin berorientasi data, kebutuhan akan program peningkatan keterampilan data kian penting bagi bisnis. Memastikan tenaga kerja Anda terlibat dan berkomitmen pada program-program ini sangat krusial bagi keberhasilannya. Dalam artikel blog ini, kami akan menggunakan temuan dari State of Data Literacy Report 2023 untuk mengeksplorasi berbagai strategi mendorong keterlibatan pembelajar dan mengatasi tantangan umum dalam menerapkan inisiatif peningkatan keterampilan data. Anda dapat mempelajari lebih lanjut tentang Strategi Memaksimalkan Program Peningkatan Keterampilan Data dalam webinar terpisah kami. 

Mengatasi Resistensi Budaya dan Karyawan

Salah satu tantangan terbesar dalam menerapkan program peningkatan keterampilan data adalah mengatasi resistensi budaya dan karyawan. Faktanya, dalam laporan State of Data Literacy 2023 kami, 27% pemimpin yang terlibat dalam peningkatan keterampilan data menyebut resistensi karyawan sebagai tantangan terbesar menuju keberhasilan. Untuk mengatasinya, berpikir seperti pemasar dan berfokus pada membangun komitmen dari tenaga kerja Anda sangat penting. 

kerangka literasi data

Berpikir Seperti Pemasar

Bisa dibilang, salah satu elemen terpenting untuk membangun keterlibatan dalam program peningkatan keterampilan data adalah menggemakan program ke seluruh populasi yang lebih luas. Para pemimpin harus secara konsisten mengartikulasikan nilai dari mempelajari keterampilan data. 

Nilainya tidak boleh dibatasi pada bagaimana peningkatan keterampilan data dapat menguntungkan metrik laba organisasi, tetapi juga bagaimana pengembangan keterampilan data dapat membuka hasil karier yang lebih baik bagi individu. Dalam banyak hal, hal ini menuntut para pemimpin yang terlibat dalam peningkatan keterampilan untuk berpikir seperti pemasar.

Salah satu taktik pemasaran umum yang dapat dilakukan adalah dengan mengembangkan persona data organisasi Anda—ini kunci untuk mengartikulasikan dan menyesuaikan pesan. 

Persona data kami sangat penting untuk membantu kami menciptakan permintaan di antara rekan kerja. Persona membantu kami benar-benar memahami pembelajaran apa yang mereka butuhkan, dan kami bisa membenarkan mengapa kami memberikan konten pembelajaran tertentu dibandingkan yang lain berdasarkan persona dan peran mereka. Persona juga membantu dalam komunikasi karena memungkinkan kami mempersonalisasi pesan dan pendekatan kami. Pekerjaan persona kami membantu menjawab pertanyaan “Apa untungnya buat saya,” karena saya jamin itulah yang paling orang pedulikan. Bagaimana ini akan membantu mereka menjadi lebih cerdas, lebih cepat, lebih baik, dan lebih produktif dalam pekerjaan mereka? Sebagian dari pekerjaan persona benar-benar membantu mewujudkan hal itu bagi orang-orang.

Emily Hayward, Data & Digital Change Manager at CBRE

Singkatnya, persona data adalah arketipe yang mewakili individu berbeda dalam organisasi Anda dan hubungan mereka dengan data. Dalam kutipan di atas, Emily menjelaskan pentingnya persona data dalam menyebarluaskan program pembelajaran. 

Persona data membantu manajer program mempersonalisasi pesan dan pendekatan, sehingga memudahkan pembelajar menjawab pertanyaan, "Apa untungnya bagi saya?" Dengan begitu, mereka dapat memahami bagaimana peningkatan keterampilan data akan membantu mereka menjadi lebih cerdas, lebih cepat, lebih baik, dan lebih produktif dalam pekerjaan.

Akademi data science adalah salah satu program paling populer di New York Life, dan itu mendukung upaya branding kami. Setiap kali tim data mengerjakan proyek data, kami membuat video yang menampilkan anggota tim dan mitra untuk berbicara, berdurasi tiga sampai empat menit, mudah dicerna dan dinikmati siapa pun. Bahkan, kami menggunakan video-video ini dalam pelatihan pejabat eksekutif kami.

Glenn Hoffmann, Chief Data & Analytics Officer at New York Life Insurance

Cara lain adalah menciptakan antusiasme seputar inisiatif data dengan rencana komunikasi yang menarik untuk setiap inisiatif. Glenn berbagi beberapa cara New York Life menyebarluaskan program pembelajarannya dan produk data secara umum. Misalnya, mereka membuat video singkat yang mudah dicerna dengan menampilkan anggota tim dan mitra, yang kemudian digunakan dalam pelatihan pejabat eksekutif.

Taktik Lain untuk Menyebarluaskan Program Anda

Ada berbagai taktik yang dapat Anda terapkan untuk menyebarluaskan program pembelajaran Anda:

  • Sematkan tautan ke program literasi data Anda di semua komunikasi: Ini mencakup buletin internal, tanda tangan email, dan dokumen relevan lainnya. Dengan membuat program Anda selalu terlihat, Anda meningkatkan kemungkinan karyawan mengenali pentingnya dan mempertimbangkan untuk berpartisipasi.
  • Luncurkan podcast internal tentang pentingnya peningkatan keterampilan: Kembangkan serangkaian episode podcast yang membahas nilai literasi data dan menampilkan wawancara dengan pakar industri atau pembelajar sukses dari dalam organisasi Anda. Ini akan meningkatkan kesadaran tentang program dan membantu membangun budaya belajar berkelanjutan.
  • Buat video testimoni pembelajar dari program pilot Anda: Tunjukkan kisah sukses nyata dengan meminta peserta dari program pilot berbagi pengalaman mereka dalam klip video pendek. Menciptakan bukti sosial memungkinkan calon pembelajar melihat manfaat dan dampak program pada rekan mereka.
  • Mulai program pembelajar terbaik bulanan: Akui dan beri penghargaan kepada pembelajar teratas setiap bulan dengan menampilkan pencapaian mereka dalam komunikasi internal atau platform media sosial. Pendekatan ini dapat membantu memotivasi pembelajar secara individu serta mendorong kompetisi sehat dan keterlibatan.
  • Luncurkan inisiatif lunch-and-learn dengan pakar data di organisasi Anda: Selenggarakan sesi santai saat makan siang di mana pakar data berbagi wawasan dan praktik terbaik dengan karyawan yang tertarik untuk meningkatkan keterampilan. Acara semacam ini membantu membangun komunitas pembelajar dan menegaskan pentingnya literasi data dalam organisasi.

Memanusiakan Data

Aspek signifikan dari resistensi budaya dan karyawan terhadap inisiatif peningkatan keterampilan data berasal dari kesalahpahaman umum tentang mengapa dan bagaimana data menjadi agenda prioritas utama.

Ilmu data dan bidang terkaitnya seperti machine learning dan kecerdasan buatan sering menimbulkan ketakutan dalam populasi organisasi yang lebih luas. Ketakutan ini terkait keterampilan—di mana individu khawatir keterampilan mereka menjadi usang—atau terkait otomatisasi—di mana mereka cenderung percaya solusi berbasis machine learning akan mengotomatiskan porsi besar pekerjaan mereka.

Menurut saya, secara budaya, kita punya ketakutan terhadap matematika. Angka bukanlah area di mana kita umumnya paling kuat. Jadi tenaga kerja secara alami khawatir karier mereka tidak akan mampu mengimbangi tuntutan data yang akan datang. Dan sebagian besar dari itu bergantung pada cara kita, para pemimpin pembelajaran dan data, memilih untuk berkomunikasi. Jika kita tidak memperhatikan kepada siapa kita berbicara dan langsung masuk ke percakapan teknis dengan audiens bisnis, itu hanya akan menambah ketakutan terhadap matematika.

Megan Brown, Ph.D., Director of the Global Center for Excellence for Advanced Analytics and Data Science at Starbucks

Megan menjelaskan bagaimana para pemimpin dapat meredakan ketakutan terhadap data dengan memperhatikan gaya komunikasi mereka. Menghindari percakapan yang terlalu teknis dengan audiens bisnis dapat membantu mengurangi ketakutan terhadap matematika dan membuat data lebih mudah didekati.

Menetapkan Ekspektasi tentang Penggunaan Data

Aspek penting lainnya adalah menetapkan ekspektasi yang jelas tentang bagaimana data akan digunakan dalam program transformasi data.

Tidak ada yang ingin diremehkan, dan ketika Anda membuat data terasa sulit dan tidak dapat diakses, itulah perasaan pertama yang muncul. Selain itu, para pemimpin tidak boleh menggunakan data untuk menghukum individu. Kita perlu menggunakan data untuk memperbaiki proses bisnis, menjaga akuntabilitas tim, tetapi kita juga harus memastikan orang merasa percaya diri menampilkan data untuk membahas hasil bisnis.

Cindi Howson, Chief Data Strategy Officer at ThoughtSpot

Cindi menjelaskan bahwa meskipun data harus digunakan untuk menuntut akuntabilitas tim dan individu, data tidak boleh digunakan untuk menghukum individu atau mengurangi insentif penggunaan data. Sebaliknya, data harus memperbaiki proses bisnis dan menumbuhkan budaya berorientasi data di mana orang merasa percaya diri mengemukakan insight untuk membahas hasil bisnis.

Kesimpulan

Meningkatkan keterlibatan pembelajar untuk program peningkatan keterampilan data memerlukan upaya mengatasi resistensi budaya dan karyawan, berpikir seperti pemasar, dan memanusiakan data. Dengan mengadopsi berbagai taktik untuk menyebarluaskan program, mengatasi ketakutan terkait data, dan menetapkan ekspektasi yang jelas tentang penggunaan data, Anda dapat menciptakan lingkungan yang subur agar tenaga kerja Anda merangkul literasi data dan mendorong kesuksesan organisasi di era berbasis data.


Adel Nehme's photo
Author
Adel Nehme
LinkedIn

Adel adalah pendidik Data Science, pembicara, dan VP Media di DataCamp. Adel telah merilis berbagai kursus dan pelatihan langsung tentang analisis data, machine learning, dan rekayasa data. Ia bersemangat menyebarkan keterampilan dan literasi data di seluruh organisasi serta mengeksplorasi persinggungan teknologi dan masyarakat. Ia meraih gelar MSc di bidang Data Science dan Business Analytics. Di waktu luang, Anda bisa menemukannya bersantai bersama kucingnya, Louis.

Topik
Literasi Data
Analisis Data
Terkait

blogs

40 Pertanyaan Wawancara DBMS Teratas di 2026

Kuasai pertanyaan wawancara basis data, dari konsep SQL dasar hingga skenario desain sistem tingkat lanjut. Panduan mendalam ini mencakup semua yang Anda perlukan untuk sukses di wawancara DBMS dan meraih peran berikutnya.
Dario Radečić's photo

Dario Radečić

15 mnt

blogs

Tutorial Korelasi di R

Dapatkan pengenalan dasar-dasar korelasi di R: pelajari lebih lanjut tentang koefisien korelasi, matriks korelasi, plotting korelasi, dan sebagainya.
David Woods's photo

David Woods

13 mnt

blogs

Spaghetti Plot dan Jalur Badai

Temukan alasan mengapa Anda sebaiknya (tidak) menggunakan spaghetti plot untuk menyampaikan ketidakpastian jalur prediksi badai serta dampaknya terhadap interpretasi.
Hugo Bowne-Anderson's photo

Hugo Bowne-Anderson

13 mnt

blogs

12 Alternatif ChatGPT Terbaik yang Bisa Anda Coba pada 2026

Artikel ini menyajikan daftar alternatif ChatGPT yang akan meningkatkan produktivitas Anda.
Javier Canales Luna's photo

Javier Canales Luna

14 mnt

Lihat Selengkapnya