通过混合式学习打造数据驱动型员工队伍

随着组织产生更多数据并将产品与流程数字化，数据驱动型员工队伍的重要性前所未有。这也是为何学习与发展成为业务战略的核心，尤其是那些致力于在全组织范围内构建数据科学能力的举措。

下周，DataCamp 的数据科学布道者 Adel Nehme 将与彭博社全球数据技术培训师 Sheil Naik 一同举办一场网络研讨会，分享彭博如何通过混合式学习教授使用 Python 进行数据分析，以及如何利用这些分析技术评估行为改变与技能提升项目的成效。

彭博的混合式学习

在彭博，数据驱动型员工队伍运用数据科学做出数据驱动的业务决策，用数据改进流程，并创作数据驱动的新闻报道。Sheil Naik 负责公司范围内聚焦“使用 Python 进行数据分析”的混合式学习项目，该项目每季度包含 12 至 20 小时的 DataCamp 学习课程、由技术专家主讲的三场每场 1.5 小时的线下课堂（线上线下相结合）课程，以及以彭博数据为基础的最终项目交付。

本次网络研讨会将深入探讨混合式学习的益处。将 DataCamp 课程与虚拟线下面授课程相结合，能在不同地区与日程限制下实现更高的一致性与灵活性，并提升全球范围内的班级承载能力。

评估技能提升的成效

用于评估培训项目直接投资回报的一种方法是柯氏评估模型。简而言之，柯氏模型提出四个不同的评估层级：培训后的初步反应、学习成效、行为改变，以及所获技能对业务的影响。

在11 月 4 日的网络研讨会上，Sheil 将深入讲解彭博如何将柯氏评估模型落地，通过衡量与评估项目中所有学习者的培训后行为改变来评估成效。

收获数据技能提升的成果

这只是 Adel 与 Sheil 关于打造数据驱动型员工队伍讨论的冰山一角。想进一步了解您的组织如何规模化个性化学习、评估培训成效，并将培训与业务目标相衔接，欢迎参加我们 11 月 4 日的网络研讨会。