สร้างคน Data ในองค์กรด้วย Data Analytics Bootcamp
หลังจากทุกคนรู้กันไปแล้วว่า Data Analyst ในทีม TILDI (CJ Express Tech) ในแต่ละวันต้องทำอะไรกันบ้าง บทความนี้ขอหยิบยกเอา Data Analytics Bootcamp ที่เป็นงานหลักอีกส่วนนึงของทีม Data Analyst มาเล่าให้ทุกคนฟัง
Table Of Contents
1 ที่มาและจุดเริ่มต้น
2 Data Analytics Bootcamp Batch 1
−− จุดเริ่มต้น
−− หลักสูตร
−− ระยะเวลาและรูปแบบการเรียน
−− การวัดผล
−− บทสรุปและสิ่งที่ได้เรียนรู้จาก Batch 1
3 Data Analytics Bootcamp Batch ที่ 2
−− หลักสูตร
−− ระยะเวลาและรูปแบบการเรียน
−− การวัดผล
−− บทสรุปและสิ่งที่ได้เรียนรู้จาก Batch 2
4 สรุป
5 สุดท้ายนี้
ที่มาและจุดเริ่มต้น
ขอเกริ่นให้ฟังว่าทีม Data Engineer ของเราก็กำลัง Build Data Platform ที่เป็น infrastructure ให้กับองค์กร (อ่านต่อที่นี่) เพื่อเพิ่มการเข้าถึงข้อมูลของพนักงานที่ต้องการใช้งาน Data และแน่นอน Data Platform ของเราจะไม่มี User เข้ามาใช้เลย หากไม่มีใครเข้าใจเรื่อง Data และไม่รู้ว่าจะเอา Data ไปใช้ให้เกิดประโยชน์ได้ยังไง
หน้าที่ของทีม Data Analyst คือ การใช้ประโยชน์จากข้อมูลเพื่อให้เกิด impact สูงสุดกับองค์กรอยู่ในทุกๆ วัน ทีมเราเลยขอรับหน้าที่ในการช่วยสร้างคนและเพิ่มทักษะเกี่ยวกับ Data ให้พนักงานผ่าน Data Analytics Bootcamp รวมถึงผลิต User ให้พร้อมใช้งาน Data Platform ที่กำลังจะมาถึงในอนาคต (สร้างทั้ง Tools สร้างทั้งคนกันเลยทีเดียว)
เราสร้างทั้งเครื่องมือและบุคลากรด้าน Data เพื่อพัฒนาองค์กรได้อย่างมีประสิทธิภาพและยั่งยืน
Data Analytics Bootcamp Batch 1
จุดเริ่มต้น
เราเริ่มต้นโดยการร่าง Project นี้ และขายให้กับ CEO ว่าเราจะมีเจ้าตัว Bootcamp ขึ้นมาเพื่อสร้างคนและเพิ่มทักษะด้าน Data ซึ่งค่อนข้างตรงกับ Direction ของ CEO ที่อยากให้ CJ Express Group เป็น Data-driven Organization
Batch แรก เรา Recruit นักเรียนเข้ามาได้ประมาณ 15 คน จาก Business Units ต่างๆ (ออกแนวขออาสาสมัคร + บังคับเล็กน้อย) โดยมาจากทีม Operation, Supply Chain, Commercial และ Marketing เป็นต้น
หลักสูตร
เราออกแบบ คลาส เป็น 3 แบบ
- Lecture = บรรยายหลักการและทฤษฎีรวมถึงยกตัวอย่างให้เห็นภาพชัดเจน
- Hands-on = Workshop ด้วยโปรแกรมต่างๆ โดยมี TA ดูแลอย่างใกล้ชิด พร้อมเข้าชาร์จตลอดคลาสกันเลยทีเดียว
- Showcase = ให้นักเรียนทำ Project แล้วมาเล่าในห้องเรียน โดยเหล่า TA จะคอยช่วย Comment งานทุกชิ้นอย่างละเอียด
มีทั้งหมด 13 คลาส (4 Lectures, 5 Hands-on, 4 Projects) โดยแต่ละคลาสจะสอนโดย Data Analyst สับเปลี่ยนกันไปในทุกๆ คลาส
- Introduction to Data Analytics (Lecture)
- Data Analytics Workflow (Lecture)
- Project 1: Data Analytics Workflow (Showcase)
- Introduction to Data Visualization (Lecture)
- Introduction to Data Studio (Hands-on)
- Project 2: Data Studio Dashboard (Showcase)
- Tableau 101 (Hands-on)
- Tableau 102 (Hands-on)
- Project 3: Tableau Dashboard (Showcase)
- Storytelling with Data (Lecture)
- Project 4: Storytelling with Data (Showcase)
- SQL 101 (Hands-on)
- SQL 102 (Hands-on)
ระยะเวลาและรูปแบบการเรียน
คลาสละ 2 ชั่วโมง อาทิตย์ละ 2 คลาส ระยะเวลาทั้งหมดประมาณ 3 เดือน รูปแบบการสอนจะโฟกัส Offline เป็นหลัก Online เป็นรอง (80:20) หรือบางคลาส ก็ไม่มี Online
การวัดผล
เราวัดผล 2 รูปแบบ
วัดผลนักเรียน ผ่านสอบวัดความรู้ที่ได้เรียนไปทั้งหมด (Final Test) และทำ Project พร้อม Present ครบทุก Project จะได้รับ Certificate of completion ไปด้วย
วัดผล Bootcamp
- คะแนนความพึงพอใจในแต่ละด้านจากนักเรียนในแต่ละคลาส
- NPS Score ว่าอยากแนะนำคนอื่นในองค์กรมาเรียนมั้ย หากจัด Batch ที่ 2 เพิ่ม
บทสรุปและสิ่งที่ได้เรียนรู้จาก Batch 1
- ความสนใจของแต่ละคนไม่เท่ากัน บางคนอยากเรียนบางเรื่องลึกลงไปเลย แต่บางคนอยากเรียนแค่พื้นฐานพอ
- เวลาในการเข้าเรียนมักจะโดนงานแทรกอยู่เป็นประจำทำให้เข้าเรียนได้ไม่ครบ
- การบังคับคนเข้ามาเรียนไม่มีอะไรดีเลย Fail ทั้งคนเรียนทั้งคนสอน รวมถึงทำให้บรรยากาศการเรียนของคนที่ตั้งใจแย่ไปด้วย
- มีนักเรียน 3 จาก 15 คนที่ผ่านการสอบวัดความรู้ และทำ Project พร้อม Present ครบ ตีเป็น Conversion rate ประมาณ 20%
- แต่ข้อดีคือ NPS Score อยู่ที่ 8.3 จาก 10 คะแนน
เราเก็บเอาประสบการณ์ที่ได้จาก Batch 1 มาพัฒนาหลักสูตร รวมถึงวิธีการสอนให้ Personalize และ Flexible มากยิ่งขึ้น โดยใช้เวลาอีกประมาณ 3 เดือนในการเตรียมตัวสำหรับ Data Analytics Bootcamp Batch 2
Data Analytics Bootcamp Batch ที่ 2
Batch 2 เราตั้งเป้าหมายจำนวนนักเรียนไว้ที่ 20–30 คน โดยรอบนี้เราไม่บังคับใครทั้งนั้น 5555+ ข้อดีคือ นักเรียนจาก Batch 1 ไปบอกต่อเรื่อง Bootcamp กับเพื่อนร่วมงานคนอื่นๆ (แสดงว่าสอนพอใช้ได้เหมือนกันแฮะทีมเรา)
ไม่น่าเชื่อว่ามีนักเรียนสมัครมาเรียนกับเราถึง 64 คน ใน Batch ที่ 2 ต้องยอมรับเลยว่าเกินความคาดหมายมากๆ โดยรอบนี้มาจากทีม Operation, Supply Chain, Commercial, Marketing, Financial, New Store และทีมอื่นๆ อีกเพียบเลย
หลักสูตร
รอบนี้เราแบ่งเป็น 2 รูปแบบ คือ Basic Track และ Skill Track เนื่องจากเราเข้าใจว่าแต่ละคนมีความสนใจในเนื้อหาต่างกัน
ใครดูแล้วงงอ่านต่อตรงนี้ได้เลย นักเรียนทุกคนสามารถเลือกเข้าเรียนคลาสตามที่ตัวเองสนใจ บางคนอยากเรียนแค่พื้นฐาน ก็เข้าเรียนแค่ Basic Track แต่ถ้าสนใจลงลึกก็เลือกลงแต่ละ Skill Track ที่ตัวเองสนใจได้เลย
ระยะเวลาและรูปแบบการเรียน
คลาสละ 2 ชั่วโมง อาทิตย์ละ 2 คลาส ระยะเวลาทั้งหมดประมาณ 4 เดือน รูปแบบการสอนมีให้เลือก 3 แบบ เนื่องจากเราเข้าใจว่านักเรียนแต่ละคนมีเวลาว่างไม่ตรงกัน
- Offline
- Online
- Recordings
นอกจากนี้ Batch นี้ เรามี Project Manager เข้ามาช่วยจัดการเรื่องต่างๆ เช่น การโปรโมท การสมัครเรียน การจัดเก็บ document รวมถึงการดูแลเรื่อง Attendance ด้วย
การวัดผล
เราวัดผล 2 รูปแบบ
วัดผลนักเรียน
- ผ่านสอบวัดความรู้ที่ได้เรียนไปทั้งหมด (Final Test) และทำ Project พร้อม Present ครบทุก Project จะได้รับ Certificate of completion ไปด้วย
- วัดผลสกิลการใช้งาน Data และ Tools ที่เราสอนกับงานจริง จากหัวหน้าของนักเรียนแต่ละ Business Unit
วัดผล Bootcamp
- คะแนนความพึงพอใจในแต่ละด้านจากนักเรียนในแต่ละคลาส
- NPS Score ว่าอยากแนะนำคนอื่นในองค์กรมาเรียนมั้ย
- สำรวจคลาสที่นักเรียนสนใจในรอบถัดๆ ไป
บทสรุปและสิ่งที่ได้เรียนรู้จาก Batch 2
มีนักเรียนได้รับ Certificate ประมาณ 60% จากทั้งหมด 64 คนนน ว้าววว และมี NPS (Net Promoter Score) เฉลี่ยอยู่ที่ 9.2 คะแนน เพิ่มขึ้นมา 10% จาก Batch แรก ถือว่าประสบความสำเร็จมากกว่าเดิมเยอะเลย!
การที่มีนักเรียนเข้ามาสมัครเรียนเองโดยไม่ได้บังคับ ส่งผลให้ทุกคนมีความตั้งใจเรียนมากๆ และด้วย Syllabus ที่ยืดหยุ่น ทำให้มีนักเรียนอยู่ยาวกัน 4 เดือนเต็ม ถึง 60% เลยทีเดียว
สรุป
การสอนคนให้เก่งขึ้น ถือว่าเป็นความสุขเล็กๆ ของทีม Data Analyst ที่อยากเห็นทุกคนทำงานเสร็จไวขึ้นด้วยการใช้เครื่องมือที่หลากหลาย รอยยิ้มของทุกคนที่เรียนรู้สิ่งใหม่และเอาไปใช้กับงานได้จริงถือเป็นรางวัลสำหรับทีมเราเลย
และ Project นี้ทำให้เราเข้าใจว่าทุกอย่างต้องมีครั้งแรกเสมอ และนำ Lesson Learn จากสิ่งนั้นมาพัฒนาต่อเพื่อทำ Project ในครั้งต่อไปได้อย่างมีประสิทธิภาพมากขึ้น
สุดท้ายนี้
ส่วนใครที่ชอบมุมมองการเล่าเรื่องของทีม Data Analyst ของ TILDI ก็ฝากติดตามบทความใหม่ๆ ของทีมด้วยจ้า ระหว่างรอก็สลับไปอ่านบทความของทีมอื่นๆ ใน TILDI ที่สนุกไม่แพ้กันเลย
สำหรับทุกคนที่อ่านมาจนถึงตอนนี้ ขอบคุณมากจ้า และถ้าชอบบทความนี้ก็ฝากกดปรบมือ (clap) หรือช่วยแชร์ผ่าน Social Media ให้เพื่อนๆ อ่านต่อได้เลย
