Booz Allen Hamilton如何赢得人才的战争
在Booz Allen Hamilton，管理和技术咨询公司，我们帮助客户创新地利用大数据来推动他们的业务。近年来，我们的世界经历了数据爆炸。每天创建2.5千万千万千兆数据点，并在过去两年中创建了90％的数据。算法和人工智能的兴起有助于增加大数据。反过来，这导致了全新的数据科学领域创建，分析和处理数据，并从中汲取可操作的见解。简而言之，数据科学是将数据转变为您的业务行动的艺术。
Booz Allen Hamilton数据科学5K挑战
在Booz Allen Hamilton，我们努力成为数据科学领域的游戏。我们希望创新和改变数据周围的对话，以帮助我们的客户以前所未有的方式使用数据。这就是为什么我们设定了雇用5,000个数据科学家的目标。我们认为这是聘请的挑战，并培训我们现有的分析师成为数据科学家。
我们位于华盛顿特区外部，在那里对这项技能的需求巨大。看着数据科学家的整体需求和供应，我们看到“建造和购买”组合是必要的。换句话说，我们不能只是依靠外部招聘数据科学家，我们必须在内部培养人们的数据科学技能。为了满足这一目标，我们的学习和发展（L＆D）队将旨在为我们全球分布式betwayapp下载安装公司的规模创建个性化学习计划。
我最近在“赢得了人才战争：缩放了个性化学习”网络研讨会上涵盖了这一主题，由Udemy Moftment和罗斯托管。在这篇文章中，我将分享来自网络研讨会的一些亮点。如果你想观看整个演示，您可以在此处访问按需录制。
推荐的网络研讨会
通过精益L＆D团队，我们必须仔细考虑我们如何设计计划的各个方面，并仍提供伟大的学习体验。我们认为我们的角色是“学习体验建筑师”。我们希望使用策划内容，技术和平台构建合适的生态系统，以提供伟大的学习体验。
为了用合适的技能组成我们的数据科学家，我们首先驾驶，然后将我们的计划从125升至1200名员工。在L＆D中，我们经常受到有限资源的限制，我们需要在卓越运营方面进行思考。扩展学习是实现这一目标的核心。以下是我们在Booz Allen Hamilton缩放个性化学习的4种方式，以满足我们的数据科学人才挑战。
4种方式Booz Allen Hamilton Scaled个性化学习
1.在线评估定制学习
我们的数据科学课程是严格的，包括Python，开发人员工具和高级数学等主题。让每个人都达到同样的熟练程度，我们提供了初步的自愿技能评估。根据员工如何在评估上进行，我们为乌尔米米进行了职业的在线课程。我们还完成了这些在线课程强制性，以加入60小时课程。
2.个性化在线学习途径
接下来，我们与我们的主题专家合作，以策划个性化在线学习途径。我们使用罗斯作为我们的学习体验平台和UDEMY作为我们的内容库的业务。我们分配了由Udemy为商业在线课程组成的学习路径，以帮助构建关键数据科学技能。我们的在线学习路径由更有经验的分析师使用，这些分析师有兴趣加入数据科学队列以及想要开始建立其技能的更多初级员工。我们的员工还喜欢自己发现课程，并经常利用Udemy为商业的个性化课程建议。了解有关如何为您的员工创建个性化学习路径的商业。
3.混合学习模型侧重于教室的实践项目
我们混合的学习模式意味着学习者有机会与在线课程一起参与课堂上的手工项目。在整个课程中，迷你项目让他们有机会练习新技能。该计划在Capstone项目中达到了高潮。这个最终的Capstone项目允许学习者通过本人的演示展示对同学和领导团队的掌握。例如，员工可能会提取开源数据集并证明假设 - 演示它们可以在实时设置中使用数据。
拥有领导团队遵守这些演示，将它们联系起来，并突出了我们的L＆D团队的工作。当领导人看到员工在行动中展示了他们的新技能时，它有惊人的结果。
4.导师圈指导学习旅程
为了引导员工在整个学习过程中，导师举办学习者，同时也充当教练来支持他们。导师帮助员工导航挑战内容，并提供有关Booz Allen Hamilton的职业发展建议。betwayapp下载安装为了使指导计划可扩展，我们使用缩放和松弛来连接导师和芯片。我们还利用我们的计划的校友作为较新的学习队员的导师。这些导师界是我们员工的亮点之一。
证明我们如何移动针
现在该计划正在进行中，我们正在寻找许多因素来看看我们如何移动针。我们正在考虑主要指标（例如参与和消费）以及滞后指标（例如对业务的影响）。
对于领先指标，我们通过课程入学和完成的形式跟踪学习消费，通过UDEMY用于业务。要确定哪些营销渠道有效，我们还创建了可接受的链接，并在我们的营销通讯中偏离。
对于滞后指标，我们有许多我们关注的关键绩效指标（KPI）。我们希望衡量超越简单地击中我们达到5,000个数据科学家的目标。这些包括调查参与者90天培训后，看他们是否已应用其新技能（3级Kirkpatrick）。我们也在寻找毕业生的保留，消耗和员工的账单，而全家公司劳动力。
我们大约是达到我们5000个数据科学家的目标，但我们的飞行员的结果很有希望。93.5％的毕业生在数据科学技能中得分或更好。
在结束时，我想提一下这个计划适用于您组织的任何优先技能。我们现在将该公式应用于其他技能领域，如AI，数据工程等。要了解有关管理大数据需求所需的数据工程技能，请下载电子书：为您的企业选择合适的数据库。除了继续运行该计划并衡量其成功之外，我们还在考虑我们如何采取任何元素并将其应用于其他领域。这是采取可扩展方法学习方法的美丽。
