Misi DataCamp adalah membantu individu dan perusahaan di setiap tahap perjalanan mereka menjadi mahir data dengan membangun platform pendidikan data science paling cerdas yang ada.
Tulisan ini bertujuan memberi lebih banyak konteks tentang mengapa kami memulai DataCamp pada tingkat makro. Pada bagian pertama, kami akan membahas pasar (talenta) data science. Bagian kedua mengulas pilar inti yang menopang visi kami untuk masa depan pendidikan data science. Terakhir, kami membahas pentingnya sertifikasi.
Pasar
Peluang
Memahami cara menganalisis data memungkinkan individu dan perusahaan membuat keputusan yang lebih baik, menciptakan layanan dan produk yang lebih baik serta baru, dan sebagainya. Kami percaya dampak analisis data dan data science selama 20 tahun ke depan akan sebesar dampak rekayasa perangkat lunak dan ilmu komputer selama 20 tahun terakhir. Perangkat lunak menguasai dunia, tetapi data science dan AI akan menjadikan rekayasa perangkat lunak sebagai santapan malam!
Kesenjangan talenta
Meski sangat menggembirakan, ada masalah: Harvard Business Review dan laporan McKinsey pertama kali menyoroti kelangkaan data scientist. Saat ini, perusahaan di setiap industri memang kesulitan menemukan data scientist atau orang dengan tingkat literasi/kelancaran data yang memadai. Angka kekurangan (yang diperkirakan) data scientist berkisar dari ratusan ribu hingga jutaan dalam laporan riset terbaru mengenai topik ini.
Walau akurasi prediksi ini bisa diperdebatkan, satu hal jelas: lembaga pendidikan tradisional tidak dapat melatih cukup banyak orang dalam dekade-dekade mendatang untuk menutup kesenjangan ini. Selain itu, sebagian besar dunia tidak memiliki akses ke pendidikan data science berkualitas tinggi di lembaga tradisional karena biayanya sering kali (sangat) mahal.
Akibatnya, kekuatan data science hanya bisa dimanfaatkan jika kita menemukan cara untuk melatih ulang tenaga kerja yang ada secara terjangkau. Di satu sisi, akan ada banyak individu yang meningkatkan kemampuan mereka sendiri untuk pengembangan karier (dan dalam kadar lebih kecil, peralihan karier); di sisi lain, perusahaan akan melatih ulang porsi signifikan dari tenaga kerjanya. Perlu dicatat juga bahwa kelompok orang yang belajar untuk pengembangan karier lebih besar daripada mereka yang belajar karena ingin berganti karier. Pengamatan ini bukan hal baru. lynda.com dan Pluralsight telah membuktikan bahwa fokus pada pendidikan berkelanjutan adalah strategi pemenang masing-masing di ranah kreatif dan pengembang.
Terakhir, penting untuk disadari bahwa kesenjangan keterampilan ada di berbagai level: Mulai dari orang yang bekerja dengan data tiap minggu dan terbentur batasan alat yang mereka gunakan saat ini (sering kali Microsoft Excel), hingga analis data dan data scientist, hingga manajer dan konsultan. Semua kelompok ini memiliki kebutuhan berbeda, tetapi semuanya kekurangan orang dengan tingkat literasi/kelancaran data yang tepat.
Karena hal-hal di atas, kami yakin pasar pendidikan untuk literasi data sangat besar dan mungkin lebih besar daripada pasar untuk pengajaran keterampilan pemrograman dasar. Dua data berikut tampaknya mengonfirmasi keyakinan ini:
- Lebih dari enam puluh persen dari 1,7 juta pelajar kami adalah profesional yang bekerja aktif di berbagai bidang (konsultasi, keuangan, layanan kesehatan, riset, pemasaran, …) dengan beragam peran. Anda dapat membaca beberapa kisah mereka di DataCamp.
- Banyak orang tampaknya mengasosiasikan data science dengan industri teknologi dan karenanya menganggap San Francisco sebagai Mekah data science. Namun, data science sama sekali tidak eksklusif di San Francisco. Jika Anda mengurutkan trafik pembelajaran DataCamp berdasarkan kota, San Francisco hanya berada di posisi ke-24, dilampaui oleh 7 kota di India dan 4 kota di AS (New York City nomor 1 di AS). Kebutuhan akan data science ada di mana-mana. ### Pergeseran ke open-source Pengembangan perangkat lunak open-source telah sepenuhnya mengubah komunitas pengembangan web dan kini mengubah komunitas statistika terapan dan data science. Ketika SAS dan SPSS mendominasi dunia statistika terapan belum terlalu lama lalu, teknologi open-source seperti R dan Python kini tampak mengambil alih. Omong-omong, DataCamp juga telah membuka sumber beberapa kursus dan teknologi. Sulit menyangkal pertumbuhan perangkat lunak open-source sebagai lapisan fondasi masa depan data science. Inilah alasan utama seluruh pelatihan data science kami saat ini berfokus pada open-source. Selain itu, sifatnya memudahkan pembangunan alat pendidikan interaktif di atasnya. Fokus pada open-source juga memungkinkan kami memberi kembali kepada komunitas data science open-source. Kami menyediakan aliran pendapatan yang dapat diskalakan kepada kontributor open-source yang membangun kursus DataCamp melalui model royalti kami. Meski open-source akan tetap menjadi bagian besar dari kurikulum kami di tahun-tahun mendatang, pada akhirnya kami ingin menawarkan pelatihan pada setiap alat dan metodologi yang relevan kepada pelajar kami. Nantikan kami mulai membangun pelatihan untuk alat kepemilikan juga di masa depan. ## Masa depan pendidikan data science Fokus vertikal dan teknologi memungkinkan pengalaman belajar terbaik Universitas Bologna di Italia didirikan pada 1088 dan merupakan yang tertua di Eropa.
Secara historis, lembaga pendidikan mencakup beragam topik (kita sebut ini fokus horizontal). Misalnya, universitas tertua di Eropa mengajarkan topik mulai dari sejarah, ekonomi, psikologi, statistika, dan lain-lain. Fokus horizontal masuk akal pada masanya karena kombinasi (i) skala ekonomi (seputar gedung, administrasi mahasiswa, menarik profesor paling cerdas, nilai merek untuk sertifikasi, dll.) dan (ii) jangkauan geografis yang terbatas mengingat tingginya biaya komunikasi dan transportasi. Fokus horizontal menjadi model pendidikan dominan selama berabad-abad, itulah sebabnya kita masih terbiasa memandang lembaga pendidikan sebagai berfokus horizontal.
Biaya transportasi & komunikasi serta biaya tetap model pendidikan telah turun signifikan dalam beberapa dekade terakhir, berkat kemajuan teknologi. Jadi… bagaimana dampaknya pada lanskap pendidikan sekarang dan di masa depan?
Jika Anda mengambil pandangan helikopter terhadap pasar pendidikan online belakangan ini, gelombang pertama perusahaan sebagian besar meniru pendekatan horizontal ala kampus, sementara gelombang kedua lebih berfokus pada teknologi dan vertikal (yaitu fokus pada satu area keterampilan). Dampak positif gelombang pertama di pendidikan online jelas sangat besar, karena mereka berhasil menghadirkan pendidikan berkualitas tinggi dalam skala luas. Namun demikian, mereka tidak banyak memanfaatkan teknologi untuk benar-benar meningkatkan pengalaman belajar dan bahkan terkesan kurang menarik dari sudut pandang teknologi. Fokus horizontal mereka membuat sangat sulit mengatasi kompromi tradisional antara personalisasi dan skala dalam pendidikan. Apa maksudnya?
Pengalaman pendidikan yang paling personal dulunya sangat sulit ditingkatkan skalanya. Bimbingan satu lawan satu, kelas kecil, dan sejenisnya dapat menawarkan pengalaman belajar yang sangat personal. Namun, kurangnya skalabilitas biasanya membuat opsi tersebut sangat mahal (dan karenanya hanya tersedia bagi segelintir yang beruntung). Di sisi lain, pengalaman pendidikan yang sangat dapat diskalakan seperti pelatihan video online dan buku teks sering kali terjangkau tetapi minim personalisasi. Tanpa personalisasi, pelatihan kerap kurang efektif dan kurang menarik. Tingkat penyelesaian kursus yang cukup rendah pada MOOC tradisional adalah contoh bagus bagaimana keterlibatan yang rendah memengaruhi hasil belajar.
Teknologi dan fokus vertikal kini memungkinkan kita mengatasi kompromi tipikal antara skala (dan keterjangkauan) dan personalisasi dengan membangun pengalaman belajar personal dalam skala besar. Ini memungkinkan pelajar belajar sambil praktik dan membawa pengalaman belajar sedekat mungkin dengan—dalam kasus kami—mengerjakan proyek data science nyata. Banyak kursus kami memiliki tingkat penyelesaian di atas 50%, yang menunjukkan keterlibatan mendapat manfaat dari pendekatan ini.
Jaringan instruktur ahli menghasilkan pengalaman pendidikan terbaik
Gelombang pertama pendidikan online kekurangan personalisasi, tetapi mereka berhasil dalam satu hal penting: memanfaatkan pengalaman dan pengetahuan sebagian orang paling cerdas di setiap domain.
Gelombang kedua pendidikan online tampaknya melupakan kekuatan memanfaatkan mitra eksternal untuk membangun konten pendidikan. Sebaliknya, kami sangat percaya pada pentingnya membangun jaringan instruktur eksternal baik dari industri maupun akademisi. Untuk pengajaran penggunaan alat perangkat lunak open-source, itu bisa jadi sang pengembang paket; untuk topik yang lebih teoretis, bisa jadi profesor ternama; untuk topik yang lebih terapan, seharusnya pakar industri. Manfaat pendekatan ini adalah:
- Bekerja dengan instruktur eksternal memungkinkan kami memperluas pustaka kursus lebih cepat, yang penting karena data science adalah bidang yang bergerak cepat dan para pelajar kami ingin mempelajari keterampilan terbaru sesegera mungkin.
- Memiliki sebagian pustaka kursus yang dibangun oleh pakar industri memastikan kami mengajarkan keterampilan yang relevan dengan pasar kerja.
- Memiliki sebagian pustaka kursus yang dibangun oleh akademisi memungkinkan DataCamp membangun di atas riset (terkini), reputasi, dan pengalaman pedagogis mereka.
- Segmen pelajar kami lebih termotivasi jika kursus diajarkan oleh pakar sejati atau salah satu idola open-source mereka.
Kami sangat menghargai kemitraan pembuatan kursus dengan perusahaan seperti Anaconda. Kami juga percaya bahwa kami akan membangun koleksi kursus data science terbaik dengan memanfaatkan jaringan instruktur individu di samping kemitraan tersebut. Anda mungkin bertanya: “mengapa tidak bermitra dengan universitas untuk membuat pustaka kursus? atau bermitra dengan penerbit buku?” Ada banyak alasan mengapa menurut kami itu kurang optimal. Pertama, berurusan dengan departemen hukum organisasi-organisasi ini akan lebih lambat, dan kami tidak menyukai yang lambat. Kedua, pada akhirnya kami percaya kemajuan teknologi pada platform pendidikan dapat dan seharusnya memberdayakan pembuat konten individu. Ini telah terjadi di industri musik, sebagian di industri hiburan, dan kini terjadi di industri pendidikan. Bagi yang tertarik: daftar lengkap instruktur DataCamp dapat ditemukan di sini.
Sertifikasi tingkat keterampilan sebagai mekanisme pencocokan
Untuk mengatasi kekurangan orang dengan keterampilan data, tidak cukup hanya melatih orang secara terjangkau dan skala besar. Anda memerlukan mekanisme pencocokan yang efisien untuk membantu individu mengomunikasikan tingkat keterampilan mereka dan membantu organisasi menemukan orang dengan keterampilan yang mereka butuhkan (baik di dalam maupun di luar organisasi).
Selama berabad-abad, gelar universitas adalah cara paling umum untuk memberi sinyal kemampuan dan keterampilan kepada calon pemberi kerja. Ada dua alasan utama mengapa sulit percaya bahwa gelar tradisional akan menjadi mekanisme utama untuk memberi sinyal kelancaran data:
- Jumlah orang yang memperoleh keterampilan data melalui sistem pendidikan tradisional akan menjadi porsi yang relatif kecil dari total orang yang memperoleh keterampilan ini dalam dekade mendatang. Data kami mengonfirmasi asumsi ini; kelompok pelajar terbesar sejauh ini berusia antara 25 dan 35 tahun.
- Data science masih dini dalam perkembangannya sebagai bidang dan keterampilan yang relevan masih berubah setiap tahun. Karenanya, Anda memerlukan mekanisme pensinyalan yang berkembang seiring bidangnya dan dapat diperbarui dengan efisien. Itu juga memerlukan pembelajaran sepanjang hayat, sesuatu yang kebanyakan lembaga pendidikan tradisional tidak mampu sediakan. Ada begitu banyak hal yang mungkin untuk dipelajari sehingga data science mustahil dikuasai di Universitas, bahkan setelah sarjana, magister, atau bahkan PhD. Gelar master tidak akan membuat Anda “master” data science ;-).
Dua mekanisme pensinyalan muncul sebagai alternatif:
- Sertifikat penyelesaian kursus ditawarkan oleh sebagian besar platform pendidikan online. Ini jelas memiliki nilai sebagai mekanisme untuk memberi sinyal motivasi. Namun, sertifikat penyelesaian kursus cukup tidak efektif untuk mengomunikasikan tingkat keterampilan karena: (i) sering kali tidak dirancang untuk mengukur tingkat keterampilan secara ketat, dan (ii) sangat sedikit kursus yang memiliki volume cukup untuk berpeluang diakui pasar.
- Mekanisme sertifikasi yang mengukur tingkat keterampilan telah muncul di bidang seperti komputasi awan sebagai cara yang efisien dan efektif untuk mengomunikasikan tingkat keterampilan. Sertifikasi kini menjadi cara umum bagi profesional TI membedakan diri, dan tidak berhenti di situ. Duolingo baru-baru ini meluncurkan versi tes TOEFL mereka dalam konteks penilaian kemampuan bahasa, dan GMAT telah lama diterima luas oleh sekolah bisnis. Di data science, bagaimanapun, belum ada yang menciptakan cara untuk menilai dan mensertifikasi tingkat keterampilan seseorang. Kami ingin menciptakan sistem penilaian tersebut karena kami percaya ini merupakan peluang besar untuk membantu orang mengomunikasikan tingkat keterampilan mereka dengan lebih baik dan membantu perusahaan memahami tingkat keterampilan tenaga kerja yang ada maupun pelamar.
Kesimpulan
Keberadaan data di mana-mana menciptakan peluang besar bagi individu dan perusahaan untuk membuat keputusan yang lebih baik dan melaju lebih cepat. Namun, melebaranya kesenjangan talenta membatasi dampak positif analisis data bagi dunia. Di satu sisi, perusahaan tidak dapat menemukan talenta yang mereka butuhkan, di sisi lain, ada kelompok besar orang dengan akses terbatas ke sumber daya pendidikan berkualitas tinggi (karena harga dan ketersediaan).
Kami percaya pendidikan online adalah cara untuk memperbaiki masalah ini. Lebih khusus lagi, kami percaya pada nilai personalisasi untuk menciptakan pengalaman belajar yang menarik dan efektif. Selain itu, kami percaya pada kekuatan membangun jaringan instruktur ahli untuk menciptakan pelatihan tersebut. Terakhir, kami percaya pasar masih kekurangan mekanisme pencocokan yang efektif.
Dalam tulisan lanjutan, kami akan mengulas lebih dalam tentang rencana DataCamp.
