Kuruluşlar daha fazla veri üretip ürün ve süreçlerini dijitalleştirirken, veriye dayalı bir iş gücü hiç olmadığı kadar kritik hale geldi. Bu nedenle öğrenme ve gelişim, özellikle kurum genelinde veri bilimi yetkinlikleri kazandırmaya odaklanan girişimler, iş stratejilerinin merkezine yerleşti.
4 Kasım’da, DataCamp’in Veri Bilimi Elçisi Adel Nehme’e, Bloomberg’ün Küresel Veri Teknik Eğitmeni Sheil Naik eşlik ederek, Sheil’in ekibinin Python ile veri analizini öğretmek için harmanlanmış öğrenimden nasıl yararlandığını ve Bloomberg’ün yetkinlik artırma girişimlerinin ardından davranışsal değişimi nasıl ölçtüğünü tartıştı.
Veri odaklı olmanın değeri
Veri odaklı olmak hiç bu kadar değerli olmamıştı. Anaconda’nın CEO’su Peter Wang, veri bilimini iş sorunlarını çözmek için kanıta dayalı bir metodoloji olarak tanımlıyor; burada veri bilimciler “iş dünyasını anlamlandırmak için matematiksel ve hesaplamalı araçlardan yararlanır.” Bu metodoloji, pazarlamada müşteri kaybı tahmininden finans kuruluşları için otomatik sahtekarlık tespitine kadar sektörler arası çok sayıda kullanım alanını mümkün kıldı.
Veri bilimi, Bloomberg’ün veri odaklı kültürünün kalbinde yer alıyor. Veri bilimi ekipleri; doğal dil işleme projeleri için en iyi uygulamalar oluşturmak, veri araçlarını demokratikleştirmek ve ürünleri genelinde zeki çözümler sunmak dahil pek çok alanda mümkün olanın sınırlarını zorluyor. Veri odaklı bir kültüre sahip olmak, aynı zamanda herkesin veriye dayalı kararlar alması, süreçleri veriyle iyileştirmesi ve veriye dayalı haber hikayeleri üretmesi için gerekli becerilerle donatılması anlamına geliyor.
Harmanlanmış öğrenimle veri odaklı bir iş gücü oluşturmak
Bloomberg’de Küresel Veri Birimi, Bloomberg Terminali’nde yer alan tüm finansal veri kümelerinin zamanlılığını ve kalitesini sağlamaktan sorumludur. Bir veri teknik eğitmeni olarak Sheil Naik, Birim genelindeki iş liderleriyle birlikte çalışarak Bloomberg’de verilerle başarılı bir şekilde çalışmak için gereken becerileri belirler ve bu becerileri geliştirmeyi ve iyileştirmeyi amaçlayan eğitim programlarını tasarlar, sunar ve değerlendirir. Bu beceriler arasında Git ve GitHub gibi sürüm kontrol araçlarını kullanma, SQL ile veri analizi, Python ile veri analizi ve daha fazlası bulunur.
Bloomberg’ün Python ile Veri Analizi programı; Bloomberg’de Python’un nasıl kullanıldığını anlatan bir saatlik giriş, 12 ila 20 saatlik DataCamp ders içerikleri, kurum içi teknik uzmanların yönettiği üç adet 1,5 saatlik canlı oturum ve Bloomberg verilerini kullanan bir bitirme projesini içeren, üç aylık bir harmanlanmış öğrenim müfredatıdır.
Bloomberg, öğrenme hedefleriyle zaman taahhüdü arasında denge kurmak için DataCamp derslerini titizlikle seçer ve Python’a Giriş, Orta Düzey Python ve diğer derslerden bölümler içerir. Temel materyal görevi gören bu dersler, daha önce hayatlarında hiç kod yazmamış olanların da aralarında bulunduğu 450’den fazla öğrenenin üç canlı sınıf oturumunu tamamlamasını, bitirme projesini geçmesini ve eğitim programını bitirmesini sağlayan kavramları öğrenip uygulamalarına olanak tanıdı.
Öğrenenler, hayatları boyunca tek bir satır bile kod yazmamış olmaktan, programın bitirme projesi kapsamında veriye dayalı bir haber analizi yapmaya kadar ilerleyebildiler — Sheil Naik, Bloomberg’ün Küresel Veri Teknik Eğitmeni
Kendi kendine ilerleyen öğrenmeyi canlı sınıf eğitimiyle birleştiren bu harmanlanmış öğrenim modeli, Bloomberg’de coğrafyalar, programlar ve iş birimleri genelinde öğrenmede tutarlılık ve esneklik sağlar. Temel düzeyde sunulan müfredatın ve deneyimin tutarlılığı, Bloomberg eğitmenlerinin sınıf oturumlarını ölçeklendirmesine ve küresel öğrenenleri dahil etmesine imkân tanır. Ayrıca, temel düzeyde DataCamp gibi bir öğrenme sağlayıcısı kullanmak, eğitimin etkinliğini değerlendirmede kullanılan içgörü ve performans verileri sunar.
Davranışsal değişimi ölçmek
Eğitim programlarının doğrudan yatırım getirisini değerlendirmek için kullanılan metodolojilerden biri Kirkpatrick Değerlendirme Modelidir. Kirkpatrick Modeli, dört farklı değerlendirme düzeyi önerir: bir eğitim programının hemen ardından verilen ilk tepki, öğrenmenin değerlendirilmesi, davranışsal değişim ve kazanılan becerilerin iş etkisi.
Bloomberg’ün Kirkpatrick modelinin üçüncü katmanını uygulaması, özel Jupyter Notebook ortamlarında üretici etkinliklerinin (kaydetme, düzenleme, içe aktarma, yeniden adlandırma, gönderme vb.) sayısını ölçer.
Bu veri noktalarından yararlanarak Sheil, programdan mezun olan kohortlardan biri için ortalama üretici etkinliklerinde %561 artış olduğunu, Python ile Veri Analizi’nde öğretilen teknikleri uygulayarak ortaya koyabildi. Sheil’e göre, Bloomberg’de veri yetkinliğini artırmanın nihai hedefi, teknolojiyi çalışanların alan uzmanlığıyla birleştirerek içgörü dolu analizler üretmektir.
Harmanlanmış öğrenim hakkında daha fazla bilgi edinmek, bunu kendi kuruluşunuzda nasıl operasyonelleştireceğinizi görmek ve Sheil’in her öğrenme ve gelişim profesyoneline önerdiği temel çıkarımları öğrenmek için web seminerinin tam kaydını izlemeyi unutmayın.
