Seiring organisasi menghasilkan lebih banyak data dan mendigitalisasi produk serta proses, kebutuhan akan tenaga kerja yang berorientasi data menjadi semakin krusial. Inilah sebabnya pembelajaran dan pengembangan menjadi pusat strategi bisnis—terutama inisiatif yang berfokus pada pembangunan kapabilitas ilmu data di seluruh organisasi.
Pada 4 November, Data Science Evangelist DataCamp, Adel Nehme, bergabung dengan Sheil Naik, Global Data Technical Trainer di Bloomberg, untuk membahas bagaimana tim Sheil memanfaatkan pembelajaran campuran untuk mengajarkan analisis data dengan Python, serta bagaimana Bloomberg mengukur perubahan perilaku setelah inisiatif peningkatan keterampilan mereka.
Nilai menjadi organisasi yang berorientasi data
Belum pernah sebelumnya menjadi berorientasi data begitu bernilai. CEO Anaconda, Peter Wang, menggambarkan ilmu data sebagai metodologi berbasis bukti untuk memecahkan masalah bisnis, di mana data scientist “memanfaatkan alat matematika dan komputasi untuk menalar tentang dunia bisnis.” Metodologi ini telah memungkinkan beragam kasus penggunaan lintas industri, mulai dari memprediksi churn dalam pemasaran hingga deteksi penipuan otomatis untuk institusi keuangan.
Ilmu data berada di jantung budaya berorientasi data Bloomberg. Tim ilmu data mereka mendorong batas kemungkinan dalam berbagai cara, termasuk menciptakan praktik terbaik untuk proyek pemrosesan bahasa alami, mendemokratisasi alat data, dan menyediakan solusi cerdas di seluruh produknya. Memiliki budaya berorientasi data juga berarti memberdayakan semua orang dengan keterampilan yang diperlukan untuk membuat keputusan berbasis data, menyempurnakan proses dengan data, dan menghasilkan berita berbasis data.
Membangun tenaga kerja berorientasi data dengan pembelajaran campuran
Global Data Division di Bloomberg bertanggung jawab menjaga ketepatan waktu dan kualitas semua dataset keuangan yang terdapat di Bloomberg Terminal. Sebagai pelatih teknis data, Sheil Naik bekerja sama dengan para pemimpin bisnis di seluruh Divisi untuk mengidentifikasi keterampilan yang dibutuhkan agar sukses bekerja dengan data di Bloomberg serta untuk merancang, menyampaikan, dan mengevaluasi program pelatihan yang bertujuan membangun dan meningkatkan keterampilan tersebut. Keterampilan ini mencakup penggunaan alat version control seperti Git dan GitHub, analisis data dengan SQL, analisis data dengan Python, dan lainnya.
Program Data Analysis with Python milik Bloomberg adalah kurikulum pembelajaran campuran triwulanan yang mencakup pengantar satu jam yang menjelaskan bagaimana Python digunakan di Bloomberg, 12 hingga 20 jam kursus DataCamp, tiga sesi langsung berdurasi 1,5 jam yang dipandu oleh pakar teknis internal, dan proyek akhir menggunakan data Bloomberg.
Bloomberg menyusun kurikulum DataCamp dengan cermat untuk menyeimbangkan tujuan pembelajaran dan komitmen waktu, berisi bab dari kursus seperti Introduction to Python, Intermediate Python, dan lainnya. Bertindak sebagai materi dasar, kursus-kursus ini telah memungkinkan lebih dari 450 pembelajar—banyak di antaranya belum pernah menulis kode sebelumnya—untuk mempelajari dan menerapkan konsep yang dibutuhkan guna menyelesaikan tiga sesi kelas langsung, lulus proyek akhir, dan menuntaskan program pelatihan.
Pembelajar dapat beralih dari tidak pernah menulis satu baris kode pun sepanjang hidupnya menjadi mampu menyelesaikan analisis berita berbasis data sebagai bagian dari proyek akhir program—Sheil Naik, Global Data Technical Trainer di Bloomberg
Dengan menggabungkan pembelajaran mandiri dan pelatihan kelas langsung, model pembelajaran campuran ini memungkinkan konsistensi dan fleksibilitas pembelajaran lintas wilayah, jadwal, dan unit bisnis di Bloomberg. Konsistensi kurikulum dan pengalaman yang diberikan pada tingkat dasar memungkinkan pelatih Bloomberg memperluas skala sesi kelas dan menyertakan pembelajar global. Selain itu, menggunakan penyedia pembelajaran seperti DataCamp pada tingkat dasar memberikan wawasan dan data kinerja yang digunakan untuk menilai efektivitas pelatihan.
Mengukur perubahan perilaku
Salah satu metodologi untuk mengevaluasi pengembalian investasi langsung dari program pelatihan adalah Kirkpatrick Model of Evaluation. Model Kirkpatrick mengusulkan empat tingkat evaluasi yang berbeda: reaksi awal setelah program pelatihan, evaluasi pembelajaran, perubahan perilaku, dan dampak bisnis dari keterampilan yang diperoleh.
Implementasi Bloomberg pada lapisan ketiga model Kirkpatrick mengukur jumlah aktivitas produser (menyimpan, mengedit, mengimpor, mengubah nama, mengirim, dan sebagainya) di lingkungan Jupyter Notebook milik mereka.
Dengan memanfaatkan titik data ini, Sheil mampu menerapkan teknik yang diajarkan dalam Data Analysis with Python untuk mengungkap peningkatan 561% pada rata-rata aktivitas produser untuk salah satu kohort yang lulus dari program. Menurut Sheil, tujuan akhir dari peningkatan keterampilan data di Bloomberg adalah menggabungkan teknologi dengan keahlian substansi karyawan guna menghasilkan analisis yang bermakna.
Jika Anda ingin mempelajari lebih lanjut tentang pembelajaran campuran, cara mengoperasionalkannya di organisasi Anda sendiri, dan pokok-pokok yang direkomendasikan Sheil untuk diikuti setiap profesional pembelajaran dan pengembangan, pastikan untuk menonton rekaman webinar lengkapnya.
