Sứ mệnh của DataCamp là giúp cá nhân và doanh nghiệp trên mọi chặng đường trở nên thông thạo dữ liệu bằng cách xây dựng nền tảng giáo dục khoa học dữ liệu thông minh nhất.
Bài viết này nhằm cung cấp thêm bối cảnh về lý do ở tầm vĩ mô khiến chúng tôi bắt đầu DataCamp. Ở phần đầu, chúng tôi sẽ bàn về thị trường (nhân tài) khoa học dữ liệu. Phần thứ hai đề cập đến các trụ cột cốt lõi nâng đỡ tầm nhìn của chúng tôi cho tương lai giáo dục khoa học dữ liệu. Cuối cùng, chúng tôi bàn đến tầm quan trọng của chứng chỉ.
Thị trường
Cơ hội
Hiểu cách phân tích dữ liệu giúp con người và doanh nghiệp đưa ra quyết định tốt hơn, tạo ra dịch vụ và sản phẩm tốt hơn & mới hơn, v.v. Chúng tôi tin tác động của phân tích dữ liệu và khoa học dữ liệu trong 20 năm tới sẽ lớn như tác động mà kỹ thuật phần mềm và khoa học máy tính đã có trong 20 năm qua. Phần mềm đang “ăn” cả thế giới, nhưng khoa học dữ liệu và AI sẽ khiến kỹ thuật phần mềm trở thành bữa tối!
Khoảng cách nhân tài
Dù rất hào hứng, nhưng có một vấn đề: Harvard Business Review và một báo cáo của McKinsey đã lần đầu soi rọi vào tình trạng thiếu hụt nhà khoa học dữ liệu. Ngày nay, các công ty ở mọi ngành đều đang chật vật tìm nhà khoa học dữ liệu hoặc những người có trình độ hiểu biết/thông thạo dữ liệu ở mức đủ dùng. Các con số về (dự báo) thiếu hụt nhà khoa học dữ liệu dao động từ hàng trăm nghìn đến hàng triệu trong các báo cáo nghiên cứu gần đây về chủ đề này.
Dù có thể tranh luận về độ chính xác của những dự báo này, một điều rõ ràng là: các cơ sở giáo dục truyền thống không thể đào tạo đủ người trong vài thập kỷ tới để giải quyết khoảng trống này. Hơn nữa, một phần lớn thế giới không có cơ hội tiếp cận giáo dục khoa học dữ liệu chất lượng cao tại các cơ sở truyền thống vì chi phí thường (rất) đắt đỏ.
Do đó, sức mạnh của khoa học dữ liệu chỉ có thể được khai thác nếu chúng ta tìm ra cách đào tạo lại lực lượng lao động hiện có với chi phí phải chăng. Một mặt, bạn có thể kỳ vọng một nhóm lớn cá nhân tự nâng cao kỹ năng để thăng tiến sự nghiệp (và ở mức độ thấp hơn là chuyển hướng sự nghiệp), mặt khác, kỳ vọng các công ty sẽ đào tạo lại một phần đáng kể lực lượng lao động của họ. Cũng cần lưu ý rằng nhóm người học để thăng tiến sự nghiệp lớn hơn nhóm học vì muốn đổi nghề. Nhận định này không mới. lynda.com và Pluralsight đã chứng minh rằng tập trung vào giáo dục liên tục là chiến lược thắng lợi lần lượt trong lĩnh vực sáng tạo và lập trình.
Cuối cùng, điều quan trọng là nhận ra rằng khoảng cách kỹ năng tồn tại ở nhiều cấp độ: Từ những người làm việc với dữ liệu hàng tuần gặp giới hạn của các công cụ họ đang dùng (thường là Microsoft Excel), đến nhà phân tích dữ liệu và nhà khoa học dữ liệu, đến quản lý và tư vấn. Tất cả các nhóm này có nhu cầu khác nhau, nhưng với tất cả, đều thiếu hụt những người có mức độ hiểu biết/thông thạo dữ liệu phù hợp.
Vì những điều trên, chúng tôi tin thị trường giáo dục về năng lực dữ liệu là rất lớn và có lẽ còn lớn hơn thị trường dạy kỹ năng lập trình cơ bản. Hai dữ kiện dường như xác nhận nhận định này:
- Hơn sáu mươi phần trăm trong số 1,7 triệu học viên của chúng tôi là các chuyên gia đang đi làm hoạt động trong nhiều lĩnh vực (tư vấn, tài chính, chăm sóc sức khỏe, nghiên cứu, marketing, …) với nhiều vai trò khác nhau. Bạn có thể đọc một số câu chuyện của họ trên DataCamp.
- Nhiều người có xu hướng gắn khoa học dữ liệu với ngành công nghệ và vì vậy nghĩ San Francisco là thánh địa của khoa học dữ liệu. Tuy nhiên, khoa học dữ liệu hoàn toàn không chỉ có ở San Francisco. Nếu xếp hạng lưu lượng học tập trên DataCamp theo thành phố, San Francisco chỉ đứng ở vị trí 24, bị vượt qua bởi 7 thành phố ở Ấn Độ và 4 thành phố ở Mỹ (New York City đứng số 1 tại Mỹ). Nhu cầu về khoa học dữ liệu có mặt ở mọi nơi. ### Sự dịch chuyển sang mã nguồn mở Phát triển phần mềm mã nguồn mở đã hoàn toàn thay đổi cộng đồng phát triển web và giờ đang thay đổi cộng đồng thống kê ứng dụng và khoa học dữ liệu. Trong khi SAS và SPSS từng thống trị thế giới thống kê ứng dụng không quá lâu trước đây, các công nghệ mã nguồn mở như R và Python dường như đã chiếm lĩnh. Nhân tiện, DataCamp cũng đã mã nguồn mở một số khóa học và công nghệ. Rất khó để phủ nhận sự tăng trưởng của phần mềm mã nguồn mở như lớp nền tảng cho tương lai của khoa học dữ liệu. Đây là lý do chính khiến toàn bộ đào tạo khoa học dữ liệu của chúng tôi hiện tập trung vào mã nguồn mở. Hơn nữa, bản chất của nó giúp dễ dàng xây dựng các công cụ giáo dục tương tác ở tầng phía trên. Tập trung vào mã nguồn mở cũng cho phép chúng tôi đóng góp trở lại cho các cộng đồng khoa học dữ liệu mã nguồn mở. Chúng tôi cung cấp các dòng doanh thu có thể mở rộng cho những người đóng góp mã nguồn mở xây dựng khóa học DataCamp thông qua mô hình tiền bản quyền. Mặc dù mã nguồn mở sẽ tiếp tục là phần lớn trong chương trình của chúng tôi trong những năm tới, cuối cùng chúng tôi muốn cung cấp đào tạo về mọi công cụ và phương pháp luận phù hợp cho học viên. Hãy kỳ vọng chúng tôi sẽ bắt đầu xây dựng đào tạo cho các công cụ độc quyền trong tương lai. ## Tương lai của giáo dục khoa học dữ liệu Tập trung theo chiều dọc và công nghệ mang lại trải nghiệm học tập tốt nhất Đại học Bologna ở Ý được thành lập năm 1088 và là trường lâu đời nhất ở châu Âu.
Về lịch sử, các cơ sở giáo dục bao phủ nhiều chủ đề (gọi là tập trung theo chiều ngang). Ví dụ, trường đại học lâu đời nhất ở châu Âu giảng dạy các chủ đề từ lịch sử, kinh tế, tâm lý học, thống kê, v.v. Tập trung theo chiều ngang có lý ở thời điểm đó do kết hợp của (i) lợi thế kinh tế theo quy mô (xung quanh cơ sở vật chất, quản trị sinh viên, thu hút giảng viên giỏi nhất, giá trị thương hiệu cho cấp chứng chỉ, v.v.) và (ii) phạm vi địa lý bị giới hạn do chi phí liên lạc và vận chuyển cao. Mô hình tập trung theo chiều ngang là chủ đạo suốt nhiều thế kỷ, đó là lý do vì sao chúng ta vẫn quen nghĩ về các cơ sở giáo dục như là các tổ chức tập trung theo chiều ngang.
Chi phí vận chuyển & liên lạc và chi phí cố định của các mô hình giáo dục đã giảm đáng kể trong vài thập kỷ gần đây nhờ tiến bộ công nghệ. Vậy… điều đó ảnh hưởng thế nào đến bức tranh giáo dục hiện nay và trong tương lai?
Nếu nhìn tổng quan thị trường giáo dục trực tuyến gần đây, làn sóng công ty đầu tiên chủ yếu sao chép cách tiếp cận theo chiều ngang của mô hình truyền thống, trong khi làn sóng thứ hai thiên về công nghệ và tập trung theo chiều dọc hơn (tức tập trung vào một lĩnh vực kỹ năng). Tác động tích cực của làn sóng đầu tiên trong giáo dục trực tuyến là — không nghi ngờ gì — to lớn, vì họ đã đưa giáo dục chất lượng cao đến với quy mô lớn. Tuy vậy, họ chưa đi xa trong việc tận dụng công nghệ để thực sự cải thiện trải nghiệm học tập và thậm chí còn có phần kém hào hứng về mặt công nghệ. Sự tập trung theo chiều ngang khiến họ rất khó vượt qua sự đánh đổi truyền thống giữa cá nhân hóa và khả năng mở rộng trong giáo dục. Ý tôi là gì?
Những trải nghiệm giáo dục cá nhân hóa nhất từng rất khó để mở rộng. Gia sư một kèm một, lớp học nhỏ, v.v. có thể mang lại trải nghiệm học tập tuyệt vời, cá nhân hóa cao. Tuy nhiên, sự thiếu khả năng mở rộng thường khiến các lựa chọn này rất đắt đỏ (và vì thế chỉ dành cho số ít may mắn). Ở chiều ngược lại, những trải nghiệm giáo dục có khả năng mở rộng cao như đào tạo qua video trực tuyến và sách giáo khoa thường có chi phí phải chăng nhưng thiếu cá nhân hóa. Không có cá nhân hóa thường khiến việc đào tạo kém hiệu quả và kém hấp dẫn. Tỷ lệ hoàn thành khóa học khá thấp của MOOC truyền thống là một ví dụ điển hình cho việc mức độ gắn kết thấp ảnh hưởng đến kết quả học tập.
Công nghệ và sự tập trung theo chiều dọc giờ cho phép chúng ta vượt qua sự đánh đổi điển hình giữa khả năng mở rộng (và tính phải chăng) và cá nhân hóa bằng cách xây dựng trải nghiệm học tập cá nhân hóa ở quy mô lớn. Nó cho phép học viên học bằng thực hành và đưa trải nghiệm học tập đến gần nhất — trong trường hợp của chúng tôi — với việc làm các dự án khoa học dữ liệu thực tế. Nhiều khóa học của chúng tôi có tỷ lệ hoàn thành trên 50%, cho thấy mức độ gắn kết hưởng lợi từ cách tiếp cận này.
Mạng lưới giảng viên chuyên gia mang lại trải nghiệm giáo dục tốt nhất
Làn sóng đầu tiên trong giáo dục trực tuyến thiếu cá nhân hóa, nhưng họ đã làm đúng một yếu tố then chốt: tận dụng kinh nghiệm và kiến thức của một số người thông minh nhất trong mỗi lĩnh vực.
Làn sóng thứ hai trong giáo dục trực tuyến dường như đã quên mất sức mạnh của việc tận dụng đối tác bên ngoài để xây dựng nội dung giáo dục. Ngược lại, chúng tôi tin mạnh mẽ vào tầm quan trọng của việc xây dựng mạng lưới giảng viên bên ngoài cả từ ngành lẫn học thuật. Với việc giảng dạy cách dùng công cụ phần mềm mã nguồn mở, đó có thể chính là tác giả gói; với các chủ đề thiên về lý thuyết, có thể là một giáo sư uy tín; với chủ đề ứng dụng hơn, nên là chuyên gia trong ngành. Lợi ích của cách tiếp cận này gồm:
- Làm việc với giảng viên bên ngoài cho phép chúng tôi mở rộng thư viện khóa học nhanh hơn, điều cốt yếu vì khoa học dữ liệu là lĩnh vực phát triển nhanh và học viên của chúng tôi muốn học những kỹ năng mới nhất ngay lập tức.
- Một phần thư viện khóa học do chuyên gia trong ngành xây dựng giúp đảm bảo chúng tôi dạy những kỹ năng phù hợp với thị trường việc làm.
- Một phần thư viện khóa học do giới học thuật xây dựng cho phép DataCamp kế thừa các nghiên cứu (gần đây), danh tiếng và kinh nghiệm giảng dạy của họ.
- Một nhóm học viên của chúng tôi có động lực hơn nếu khóa học được dạy bởi một chuyên gia thực thụ hoặc một “người hùng” mã nguồn mở của họ.
Chúng tôi trân trọng sâu sắc các quan hệ hợp tác xây dựng khóa học với những công ty như Anaconda. Chúng tôi cũng tin rằng chúng tôi sẽ xây dựng được bộ sưu tập khóa học khoa học dữ liệu tốt nhất bằng cách tận dụng mạng lưới giảng viên cá nhân bên cạnh các quan hệ hợp tác này. Bạn có thể hỏi: “tại sao không hợp tác với các trường đại học để tạo thư viện khóa học? hoặc hợp tác với nhà xuất bản sách?” Có nhiều lý do khiến chúng tôi cho rằng đó sẽ là phương án kém tối ưu. Trước hết, làm việc với bộ phận pháp lý của các tổ chức này sẽ chậm hơn, và chúng tôi không thích sự chậm chạp. Thứ hai, cuối cùng chúng tôi tin tiến bộ công nghệ trong các nền tảng giáo dục có thể và nên trao quyền cho người sáng tạo nội dung cá nhân. Điều này đã xảy ra trong ngành âm nhạc, ở một mức độ nào đó trong ngành giải trí và giờ đang diễn ra trong ngành giáo dục. Dành cho những ai quan tâm: danh sách đầy đủ giảng viên của DataCamp có tại đây.
Chứng nhận trình độ kỹ năng như một cơ chế ghép nối
Để giải quyết tình trạng thiếu người có kỹ năng dữ liệu, chỉ đào tạo con người theo cách phải chăng và có thể mở rộng là chưa đủ. Bạn cần một cơ chế ghép nối hiệu quả để giúp cá nhân truyền đạt trình độ kỹ năng của họ và giúp tổ chức tìm ra những người có kỹ năng họ cần (cả bên trong lẫn bên ngoài tổ chức).
Trong nhiều thế kỷ, bằng đại học là cách phổ biến nhất để báo hiệu năng lực và kỹ năng cho nhà tuyển dụng tiềm năng. Có hai lý do chính khiến khó tin rằng các tấm bằng truyền thống sẽ là cơ chế báo hiệu chính cho năng lực dữ liệu:
- Số người tiếp thu kỹ năng dữ liệu qua hệ thống giáo dục truyền thống sẽ chỉ là một phần tương đối nhỏ trong tổng số người tiếp thu các kỹ năng này trong thập kỷ tới. Dữ liệu của chúng tôi xác nhận giả định này; nhóm người học lớn nhất nằm trong độ tuổi 25 đến 35.
- Khoa học dữ liệu còn ở giai đoạn đầu phát triển và các kỹ năng phù hợp vẫn thay đổi hàng năm. Do đó, bạn cần một cơ chế báo hiệu tiến hóa cùng lĩnh vực và có thể cập nhật theo cách hiệu quả. Điều đó cũng đòi hỏi học tập suốt đời, điều mà hầu hết cơ sở giáo dục truyền thống không thể cung cấp. Có quá nhiều thứ có thể học đến mức khoa học dữ liệu là bất khả để “thành thạo” ở trường đại học, ngay cả sau cử nhân, thạc sĩ hay thậm chí tiến sĩ. Bằng thạc sĩ sẽ không khiến bạn “master” khoa học dữ liệu ;-).
Hai cơ chế báo hiệu nổi lên như các lựa chọn thay thế:
- Chứng chỉ hoàn thành khóa học được hầu hết nền tảng giáo dục trực tuyến cung cấp. Chúng chắc chắn có giá trị như một cơ chế báo hiệu động lực. Tuy nhiên, chứng chỉ hoàn thành khóa học khá kém hiệu quả để truyền đạt trình độ kỹ năng vì: (i) chúng thường không được thiết kế để đo lường trình độ kỹ năng một cách nghiêm ngặt, và (ii) rất ít khóa học có đủ quy mô để có cơ hội được công nhận trên thị trường.
- Các cơ chế chứng nhận đo lường trình độ kỹ năng đã xuất hiện trong những lĩnh vực như điện toán đám mây như một cách hiệu quả để truyền đạt trình độ kỹ năng. Chứng chỉ giờ là cách phổ biến để các chuyên gia CNTT tạo lợi thế, nhưng không chỉ dừng ở đó. Duolingo gần đây đã ra mắt phiên bản bài thi TOEFL của họ trong bối cảnh đánh giá kỹ năng ngôn ngữ, và GMAT từ lâu đã được các trường kinh doanh chấp nhận rộng rãi. Tuy nhiên, trong khoa học dữ liệu, vẫn chưa ai tạo ra cách đánh giá và chứng nhận trình độ kỹ năng của một người. Chúng tôi muốn tạo ra hệ thống đánh giá đó vì tin rằng đây là cơ hội to lớn giúp mọi người truyền đạt trình độ kỹ năng tốt hơn và giúp các công ty hiểu được trình độ kỹ năng của lực lượng lao động hiện hữu cũng như ứng viên.
Kết luận
Việc dữ liệu hiện diện ở mọi nơi tạo ra cơ hội to lớn để con người và doanh nghiệp đưa ra quyết định tốt hơn và bứt phá. Tuy nhiên, khoảng cách nhân tài ngày càng nới rộng đang hạn chế tác động tích cực mà phân tích dữ liệu mang lại cho thế giới. Một mặt, các công ty không thể tìm được nhân tài họ cần, mặt khác, có một nhóm lớn người ít có cơ hội tiếp cận nguồn lực giáo dục chất lượng cao (do giá cả và khả dụng).
Chúng tôi tin giáo dục trực tuyến là cách để khắc phục vấn đề này. Cụ thể hơn, chúng tôi tin vào giá trị của cá nhân hóa nhằm tạo ra trải nghiệm học tập hấp dẫn và hiệu quả. Hơn nữa, chúng tôi tin vào sức mạnh của việc xây dựng mạng lưới giảng viên chuyên gia để tạo ra chương trình đào tạo đó. Cuối cùng, chúng tôi tin rằng thị trường đang thiếu một cơ chế ghép nối hiệu quả.
Trong một bài viết tiếp theo, chúng tôi sẽ đi sâu hơn vào kế hoạch của DataCamp.
