混合学习是在线学习和面授的结合：在线上学习和企业培训中,按照系统论的观点和绩效方法,将传统学习和在线学习贯穿起来。

它的目标是使学习更容易、更便利，并借鉴企业和组织绩效指标的合理部分，从而达到最好的学习效果。

现在公司产品的开发及组织生产过程逐渐数据化，这预示着数据驱动力变得越来越重要。

学习和发展已经成为当今商业战略的核心，而让公司上下所有人都具备必要的数据分析的能力已变得尤为重要。

本月初，DataCamp 的数据分析专家阿黛尔•内梅 (Adel Nehme)与Bloomberg全球数据技术培训师谢尔•奈克(Sheil Naik)共同主持了一个网络研讨会，讨论了Bloomberg如何利用混合学习来教授 Python 数据分析，以及这些分析技术如何评估行为变化和技能提升的成功率。

彭博(Bloomberg)的混合学习模式

彭博有限合伙企业(Bloomberg L.P.)，简称为彭博(Bloomberg)，是一家全球商业、金融信息和财经资讯媒体，由迈克尔·布隆伯格(Michael Bloomberg)于1981年创立，总部位于美国纽约市曼哈顿，拥有19,000余名员工，业务遍及全球185个国家与地区。

彭博的产品包括彭博终端等，为财经及商界专业人士提供数据、新闻和相应的分析工具。

彭博的企业解决方案是借助科技手段，帮助客户进行跨机构数据和信息的获取、整合、分发及管理等事务。

彭博社的数据分析师将数据科学应用于商业决策，通过优化数据处理过程，得到可靠数据进行报道。谢尔•奈克主管全公司的混合学习项目 ，主要致力于使用 Python 进行数据分析。

该项目学习内容包括每季度通过DataCamp学习12-20个小时，线下1.5小时技术专家授课，以及一个使用彭博社数据进行实战演练的结课作业。

混合学习的方式还包括线上网络研讨会,在此次线上网络研讨会中也深入探讨了混合学习的好处。

混合学习将DataCamp线下课程以及线上研讨会相结合，增强了学员学习的灵活性和持续性，扩大了（彭博社）全世界范围内数据学习规模。

评估技能提升有效性

评估培训项目的直接投资回报率的其中一种方法是使用Kirk Patrick 评估模型。

该模型分为四个不同的评估水平: 培训计划后的最初反应,学习评估,行为改变,以及实际商业价值。

在11月4日的网络研讨会上，谢尔深入探讨了彭博社将会如何实施Kirk Patrick评估模型测量和培训后所有学员的进展。

结语

以上也只是阿德尔和谢尔关于如何用数据武装员工的讨论的冰山一角。实际上还有更多的内容，如公司企业如何通过定制化学习来评估培训的成功率，以及如何将培训与商业目标进行结合。

这些都在此次网络会议中有所讨论，并将在未来的商业实践中产生重要影响。

欢迎关注，不妨点个赞在看！