如果L&D打算将2019年作为“数据年”,从业者需要退后一步,更有战略眼光地看待学习分析,以收获行业所希望的结果。
学习分析。毫无疑问,这是《L&D》目前讨论的焦点。事实上,这甚至可能是“话题”;唐纳德·泰勒的年度基准研究他甚至称2019年为“数据年”。
我们知道数据是现代L&D的重要组成部分,并希望充分利用它。但是在做回合的所有热门话题中,分析可能是最令人生畏的。
鉴于结果并不奇怪最近的一项调查,超过四分之一的学习专业人士承认不知道如何在学习测量时开始。尽管大多数人士表示,他们感受到他们的组织的压力来衡量学习的业务影响。
该消息是一个熟悉的信息:在快速改变的数字环境中,L&D团队必须跟上并证明他们对业务的持续价值。自然而然,他们看数据以测量影响。
这样一来,数据收集就变成了你必须要做的事情,而不是你必须要做的事情,成为一种被证明你价值的欲望所驱使的反应性活动。
学习分析:太多的“做”
这也是目前的方法存在问题的原因之一。它基于一种过时的假设,即L&D团队是“做”而不是“思考”的订单接受者。
换句话说,它太战术而且不是足够的战略。战术思维鼓励专注于答案。战略思维先问问题。
在我看来,我们的做法背道而驰:先从数据收集入手,而不是把它与更广泛的战略目标联系起来。可能会有证明学习的投资回报率的意图,但这种狭隘的关注只会鼓励我们沉迷于我们过去做了什么,而不是我们未来能做什么。
这种短期的反应性活动有可能收集到毫无意义的数据,而这些数据根本不能告诉我们任何东西。
为了有效地实施“大局观”方法,你需要离开办公桌,开始与利益相关者接触。
另一种方法
当我们急切地向资深同事证明自己的存在时,我们似乎忽略了大局。相反,我们应该问自己的是:“我们的研发团队现在能做些什么来确定和解决业务需求,以确保他们提供长期的价值?”必威提现安全吗”
我们需要将我们的心态转移到向后展望期待未来。我们需要看到更大的画面,有能力发表讲话和支持业务需求的信心。
对数据采取战略思维
这意味着更广泛,更具战略性的数据和分析方法。而不是潜入复杂的投资回报率测量,而不是暂停按钮并花时间真正了解您的组织。
可以将其视为执行健康检查。为了了解你的组织什么工作得很好,并找出需要改进的地方,你需要了解组织的每一个组成部分。
用查尔斯·詹宁斯(Charles Jennings)最近创造的术语来说,这里的重点是成为一个“性能侦探”,超越学习分析,思考业务和绩效分析。
与其以寻找学习问题为出发点,不如采取更具战略性的方法,从更广泛的业务绩效角度进行思考。系统地评估性能问题需要哪些数据?
这种积极主动的方法将在您的组织中将您的L&D团队放置在战略和运营计划的核心 - 确保您的解决方案的一个关键步骤与业务的需求保持一致。
参与利益相关者
为了有效地实施“大局观”方法,你需要离开办公桌,开始与利益相关者接触。在这里,L&D专业人士可以真正成为自己的商业伙伴。
您需要有信心在桌面上寻求座位,与业务的每个部分中的管理人员发表讲话,以了解他们收集的数据,并了解他们用于衡量每个级别的成功的KPI。
只有这样,您可以准备好自己开始使用数据,寻找可能指出更广泛的性能问题的趋势和异常。
对数据采取战略方法将使你处于有利地位,成为一个真正的商业伙伴。
识别来源
真的有一个信息的财富就在你的指尖,等待被揭开。你的组织收集了哪些可以让你洞察更广泛绩效趋势的数据?
缺勤率、纪律统计数据、订单处理数据——所有这些都能揭示你的表现。它可能是任何事情,从财务部门异常高的发病率,到呼叫中心订单处理速度下降。
请记住,定性数据可以补充您的定量数据。考虑与同事持有面试和焦点小组,甚至在日常任务中观察他们以获得新的见解。
如果您不确定统计或趋势是否特殊,使用行业报告的基准测试可能非常有效。这将告诉您您的行业中的典型典型,并提供与您自己的数据相比的观点。
询问您的数据
然后,您需要更深入地了解根本原因是多少。
在您的财务同事的疾病背后是否存在重复性的模式?例如,如果它们患有偏头痛的患者,这是由升高的应力水平引起的,或者通过截止筛选太少?
您的呼叫中心员工是否缺乏有效使用您的订单处理系统的知识,或者每次提交新订单时都会冻结,堵塞整个过程?
这些问题的答案将告诉您,是否需要进行学习修复,还是需要进行操作、系统甚至文化修复。
至关重要的是,这个过程意味着您将使用正确的问题对齐正确的解决方案。
最终的结果
对数据采取战略方法将使你处于有利地位,成为一个真正的商业伙伴。
拥有新的洞察力,您将成为利益相关者的宝贵信息来源。毕竟,如果留给溃烂,您遇到的性能问题将影响底线。
有些问题需要学习之外的解决方案,这并不重要。事实是,你已经发现了影响组织绩效的重要问题,并由此显示了你对企业的价值。
通过返回并采取“大图片”方法来数据,L&D团队可以成为一个积极的变革声音。对我来说,这正是拥抱这个“数据年”的内容。
回复(1)
请登录或者注册加入讨论。
斯蒂芬妮,这是我读过的关于学习分析的最好的文章之一。您建议我们向前看,而不是向后看,成为业务合作伙伴,通过查询数据来确定性能问题,这些建议是正确的。另外,您认为我们不介意性能问题的解决方案需要来自于L&D之外的观点也是非常棒的。谢谢你的好文章。