Lewati ke konten utama

Menciptakan Tenaga Kerja Berbasis Data dengan Pembelajaran Campuran

Global Data Technical Trainer Bloomberg, Sheil Naik, menguraikan bagaimana lingkungan pembelajaran campuran dapat menjadi katalis bagi tenaga kerja berbasis data.
Diperbarui 28 Sep 2026  · 2 mnt Baca

Jelajahi bersama AI

ChatGPTClaudePerplexity

Seiring organisasi menghasilkan lebih banyak data dan mendigitalkan produk serta proses, kebutuhan akan tenaga kerja berbasis data menjadi kian krusial. Inilah alasan pembelajaran dan pengembangan menjadi pusat strategi bisnis, terutama inisiatif yang berfokus pada pembangunan kapabilitas ilmu data di seluruh organisasi.

Minggu depan, Data Science Evangelist DataCamp, Adel Nehme, akan memandu sebuah webinar bersama Sheil Naik, Global Data Technical Trainer di Bloomberg, tentang bagaimana Bloomberg menggunakan pembelajaran campuran untuk mengajarkan analisis data dengan Python, serta bagaimana teknik analisis tersebut dapat digunakan untuk mengevaluasi perubahan perilaku dan keberhasilan inisiatif peningkatan keterampilan.

Pembelajaran campuran di Bloomberg

Tenaga kerja berbasis data di Bloomberg menggunakan ilmu data untuk membuat keputusan bisnis berbasis data, meningkatkan proses dengan data, dan menghasilkan berita berbasis data. Sheil Naik memimpin program pembelajaran campuran di seluruh perusahaan yang berfokus pada Analisis Data dengan Python, yang mencakup 12 hingga 20 jam pembelajaran melalui DataCamp per kuartal, tiga sesi kelas langsung berdurasi 1,5 jam yang dipandu pakar teknis, serta proyek akhir menggunakan data Bloomberg sebagai keluaran final.

Webinar ini akan mengulas secara mendalam manfaat pembelajaran campuran. Kombinasi kursus DataCamp dan sesi kelas virtual tatap muka memungkinkan konsistensi dan fleksibilitas yang lebih baik lintas wilayah dan kendala penjadwalan, serta meningkatkan kapasitas ukuran kelas di seluruh dunia.

Mengevaluasi keberhasilan peningkatan keterampilan

Salah satu metodologi untuk mengevaluasi pengembalian investasi langsung dari program pelatihan adalah Model Evaluasi Kirkpatrick. Secara singkat, Model Kirkpatrick mengajukan empat tingkat evaluasi yang berbeda: reaksi awal setelah program pelatihan, evaluasi pembelajaran, perubahan perilaku, dan dampak bisnis dari keterampilan yang diperoleh.

Dalam webinar pada 4 November, Sheil akan mengulas secara mendalam bagaimana Bloomberg mengoperasionalkan Model Evaluasi Kirkpatrick dengan mengukur dan mengevaluasi perubahan perilaku pascapelatihan bagi semua peserta dalam program.

Raih manfaat peningkatan keterampilan data

Ini baru sebagian kecil dari pembahasan Adel dan Sheil tentang menciptakan tenaga kerja berbasis data. Untuk mengetahui lebih lanjut tentang bagaimana organisasi Anda dapat menskalakan pembelajaran yang dipersonalisasi, mengevaluasi keberhasilan pelatihan, dan mengaitkan pelatihan dengan tujuan bisnis, bergabunglah dengan webinar kami pada 4 November.

Topik
Untuk Bisnis
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

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

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

Lihat SelengkapnyaLihat Selengkapnya