L＆D在有机会使用数据和学习分析，但是许多学习专业人员对自己的能力差距以及组织准备接受数据驱动的学习的愿望阻碍了人们的困扰。这篇文章提供了七个宝贵的技巧，以帮助制定成功和可持续的学习分析策略。
没有任何希望淡化全球大流行造就生命和生计的残骸的任何方式，就不能否认这场悲剧对学习具有变革性的影响。
几乎在一夜之间，2020年，随着面对面的“教室”培训的主食变得站不住脚，数字成为支持学习的默认手段。数字化转型计划在数字学习中被大大加速，长期张开的宠物创新项目，这些项目被封存，多年来一直被烧毁，突然被主流，紧急要求。
对于许多人来说，学习曲线是鲜明的，适应新世界并非没有痛苦，但是由于这种不愉快的必要性，我们被弹射为数字学习的中心地位，似乎仅几个月前就在远处占据了一席之地。
很难确定未来几年可能会有什么，但是研究表明，在线学习中所取得的许多收益将保留。这些收益之一是L＆D更丰富的数据，因为数字支持的学习必然会产生更多的数据，而不是面对面的活动。
Today’s organizations already are awash with data—and as L&D comes increasingly to use the common platforms of the business—such as Zoom, Teams, and Slack—it brings L&D, potentially at least, into closer alignment with the day-to-day workflow of a modern, data-fuelled enterprise.
因此，强大的潜在驱动因素，以及增加业务领导者对更具数据驱动方法的需求，将L＆D专业人员转移到与学习分析的更紧密关系中，并需要他们具有前瞻性，可持续的学习分析策略。这里有一些帮助。
制定学习分析策略的七个提示
在计划学习分析策略时，重要的是要利用数据来支持工人，因为他们努力提高知识和技能同时了解一个令人困惑，复杂，快速变化的业务现实。因此，当您采取计划进行计划时，这里有一些事情要牢记。
1。采用360方法学习数据 - 您不会仅使用后视镜开车，因此不要将重点限制为学习评估（既重要）；更全面的方法还将为您提供侧视镜，仪表板和前方的清晰景色。这并不是关于评估或分析的全部。
2。要积极主动 - 如果您等待企业要求更好的数据，那么便利理论的阴谋表明它可能永远不会发生，但是您将承担无关紧要的风险，最终会过时。从今天开始，将数据作为实践的核心部分，并教育您的内部和外部客户采用数据主导的方法的好处。
3。使用学习数据作为改进的第一步，对您和您的组织的成熟度进行现实评估。学习分析成熟度模型（LAMM）将帮助您做到这一点。
4。从您使用必须交出的资源的位置开始。必威 体育当今的组织充满了数据，尽管这可能意味着建立新的联盟并学习新技能以掌握它。
5。采用敏捷的方法 - 启动小，失败，快速学习。使用Learning Analytics Canvas作为下一个项目的起点，并查看从数据开始时如何以不同的方式驱动项目。
6。使用多个数据源评估和采用进展方法，并且不希望在评估影响时会有吸烟枪。您可能只能证明您可能是更改的原因，但是您可以将其堆叠起来，以增加更多的数据点。
7。客户始终是正确的 - 为了进步您的业务学习分析，您需要说服客户工作的产出是值得的。LAMM的数据显示，一旦客户开始询问分析，该业务似乎会排队。
您可以通过我们的更多了解我们的学习分析示例案例研究页面。或下载我们的新电子书，“向您的组织添加数据和学习分析”了解有关良好分析实践的更多信息。
答复（0）
请登录或者登记加入讨论。
目前没有答复，是第一个发布答复的人。