Одна простая модель не может решить проблему измерения в отрасли. Вместо этого каждая команда L&D должна задавать свои собственные вопросы, применять проверенные, богатые данными принципы и разрабатывать свою собственную стратегию измерения.
Автор JD Dillon
Самые известные модели измерения обучения были известны в течение десятилетий, и все же отрасль до сих пор имеет проблемы в своих методах измерения. Мы отлично справились с опросами. У нас много тестов. Мы знаем, кто закончил обучение, сколько времени они прошли и что они освоили по пути. Но большинство групп обучения и разработки все еще не могут ответить на важнейшие вопросы заинтересованных сторон: действительно ли обучение работает? Какая тактика оказывает наибольшее влияние? Почему мы должны вкладывать больше ресурсов в развитие сотрудников?
Но это не из-за отсутствия попыток. Измерение сейчас является более важным приоритетом L&D, чем когда-либо. Девяносто шесть процентов лидеров L&D говорят, что они хотят измерить влияние обучения, согласно «Изучение воздействия обучения 2019» LEO Learning. Глобальное исследование настроений Дональда Тейлора, проведенное в 2020 году, включает множество записей, связанных с данными, в список самых горячих отраслевых тем года, таких как учебная аналитика (№ 1), искусственный интеллект (№ 5), более глубокие консультации с бизнесом (№ 7) и понимание ценности и значения обучения (№ 9). Тем не менее, согласно исследованию Brandon Hall Group, проведенному в 2018 году в рамках программы Modern Learning Measurement Measurement, проведенной в 2018 году, менее 20 процентов компаний считают, что они высоко результативны в обучении.
L&D хочет исправить измерение обучения. Заинтересованные стороны требуют подотчетности. Доступно множество моделей, из которых профессионалы L&D могут выбирать. Так в чем же проблема?
Настоящая проблема
Проблема с измерением обучения заключается в том, что проблема не начинается с измерения обучения. Обучение на рабочем месте выглядело совсем иначе, когда создавались популярные модели измерений. Интернета не было. Обучение проходило только в классах и на работе. L&D был принципиально ограничен в том, что он мог измерить. Модели измерений отражают эту направленность на обучение по времени и присутствии на месте обучения. Они пытались приспосабливаться ко времени, но только это существовало в качестве основополагающих концепций. Это поставило L&D в ситуацию «забивания квадратного колышка в круглую дыру».
Итак, L&D просто нужна новая модель измерения, которая учитывает, как обучение на рабочем месте работает сейчас, верно? Ну, это не так просто. К счастью, мы можем многое узнать об этой теме из рекламного плаката. Да, ключ к исправлению результатов обучения - рекламные плакаты.
Урок от маркетинга
L&D уже заимствует у маркетинга такие темы, как дизайн контента и доставки, основанная на кампании. Пришло время для другого урока, на этот раз о данных. Современный маркетинг - это функция с поддержкой данных. Они не просто знают, что вы потребляете рекламу. Они используют все, что они знают о вас, чтобы сначала разработать стратегию, а затем нацелиться на рекламу и в конечном итоге определить, как тактика влияет на ваши решения о покупке. Маркетинг может измерить влияние.
Но они не всегда имели такую возможность. Фактически, маркетинг был в месте, очень похожем на L&D 20 лет назад. До появления интернета маркетинг опирался на почтовую, печатную, радио и телевизионную рекламу. Да, и рекламные щиты. Они использовали ограниченное понимание своей аудитории, заключающееся в том, сколько человек смотрели на рекламу. Затем они сделали все возможное, чтобы соотнести изменения в результатах бизнеса с маркетинговой деятельностью. Знали ли они, что проезд мимо рекламного щита заставил вас купить новую кашу для завтрака? Нет. Но они знали, что продажи вырастали после того, как вырастало число рекламных щитов, поэтому они продолжали это делать.
Быстрая перемотаем на 20 лет вперед. Маркетинг не стал лучше измерять влияние рекламных щитов. Это не тактика с большим количеством данных. Вы можете сделать так много, чтобы измерить их воздействие без значительного времени, усилий и затрат. Вместо того, чтобы постоянно пробовать новые модели для измерения тактики с недостаточным объемом данных, маркетинг развивал то, как они делают то, что делают. Интернет породил цифровой маркетинг. Мобильные и социальные технологии обеспечили еще больше тактики с большим объемом данных. В маркетинге по-прежнему используются рекламные щиты, но они представляют собой небольшой фрагмент динамического набора инструментов.
К сожалению, многие традиционные тактики L&D страдают нехваткой данных. Неважно, какую модель измерения вы применяете. Даже с дополнительными затратами времени и усилий вы только можете получить так много данных. Прежде чем измерение может быть исправлено, L&D должен сначала развиваться способом, чтобы приблизиться к своей работе. Компания L&D должна принять тактику, основанную на данных, которая соответствует тому, как на самом деле происходит обучение на рабочем месте.
Принципы достоверных данных
Наибольшее значение для улучшения практики данных L&D представляет основной вопрос: какую проблему вы пытаетесь решить? Все данные в мире не будут иметь значения, если команды L&D не начнут с разъяснения целей организации. Что нужно сделать бизнесу и как L&D может использовать данные, чтобы это произошло?
Вы пытаетесь ускорить посадку? Вы пытаетесь улучшить ключевые показатели производительности? Вам нужно включить переподготовку навыкам в масштабах всей организации? Все вышеперечисленное?
Данные могут помочь вам, только если вы знаете, какие вопросы задавать.
Далее, L&D нужно больше, чем просто данные. Вам нужны правильные данные. Вам нужны данные, которые помогут вам понять потребности ваших сотрудников и то, как их производительность меняется (или не меняется) в зависимости от ваших решений. Обучение не начинается и не заканчивается курсом. Это персональный, непрерывный опыт. Поэтому измерение L&D также должно стать персональным и непрерывным.
Когда вы начнете думать об измерениях по-другому, рассмотрите пять ключевых принципов хороших данных.
- Скорость: данные должны собираться и анализироваться с правильной скоростью.
- Разнообразие: для описания общей истории обучения и эффективности потребуются разные типы данных.
- Правдивость: данные должны быть достоверными и свободными от предвзятости и разрушительных выбросов.
- Объем: необходимо собрать соответствующий объем данных, чтобы обеспечить целостную стратегию измерения.
- Ценность: данные должны быть отобраны для сбора и анализа на основе их способности задавать правильные вопросы и предоставлять ценность для бизнеса и сотрудников.
Современные методы обработки данных основаны на этих пяти принципах - тех же принципах, которые применяются в маркетинге.
Идентификация ваших данных
Просто выяснить, с чего начать, это одно из самых больших препятствий, на которое ориентируются профессионалы L&D, когда дело доходит до улучшения измерений. После того, как вы узнаете, какую проблему (проблемы) вы пытаетесь решить, вы должны определить типы данных, которые понадобятся вам для решения ваших проблем. Конкретные точки данных будут варьироваться в зависимости от организации и проблемы, которую необходимо решить. Тем не менее, большинство ценных данных вписывается в четыре категории.
Бизнес-данные: как организация узнает, что есть проблема вообще? Начните с этого вопроса, чтобы определить существующие бизнес-показатели, которые будут наиболее полезны для L&D. Это может включать в себя результаты продаж, чистую оценку промоутера, записываемые инциденты безопасности, разрешение первого вызова и т. д. Если заинтересованные стороны не могут (или не желают) предоставить эти данные, L&D будут ограничены в своих возможностях измерения.
Данные о людях: кому L&D пытается помочь решить эту проблему? В организациях обычно имеется много данных о сотрудниках, включая демографические данные, роли, структуру команды, местоположение, срок пребывания и т. д. Эти данные помогут вам лучше ориентироваться в ваших решениях и понять, какие конкретные группы получают (или не получают) выгоды от решений L&D.
Данные о производительности: что происходит в реальной жизни? Как организация определяет, демонстрируют ли сотрудники правильное поведение на работе? В некоторых случаях эти данные уже существуют. Например, в критических для безопасности средах аудиторы часто записывают данные наблюдений за поведением для выявления тенденций и потенциальных рисков. L&D может использовать эти данные, чтобы определить, как их решения влияют (или не влияют) на поведение сотрудников в реальном мире. Это очень важно для связи обучения с результатами бизнеса.
Данные обучения: как меняются знания и уверенность сотрудников? L&D должнен расширить определение «данных обучения», чтобы оно включало в себя не только результаты тестов, листы смайлов и отслеживание курса. Эти данные все еще необходимы, но L&D должен уметь оценивать текущие возможности сотрудника, независимо от обучения, которое они прошли в прошлом. Это поможет L&D заблаговременно разрабатывать и внедрять правильные, постоянные решения до появления пробелов в производительности.
Это не полный список данных, необходимых L&D для улучшения измерений. Например, некоторые команды применяют анализ настроений и сетей, чтобы определить, как люди взаимодействуют на рабочем месте и учатся друг у друга. Эти категории показывают, насколько должна расшириться сложная задача с данными L&D, чтобы вы могли собрать кусочки, необходимые для создания собственной стратегии измерения.
Продвижение данных вперед
Вы определили типы данных, которые необходимы для решения вашей проблемы. Теперь у вас есть работа.
Начните с существующих источников. Где вы уже можете получить доступ к некоторым из этих данных? HR должен иметь данные о людях. Заинтересованные стороны бизнеса должны иметь бизнес-данные и, возможно, некоторые данные о производительности. У L&D есть кусочки обучающих данных. Свяжитесь с экспертами по данным из этих групп, чтобы понять, какие данные доступны и как вы можете получить к ним доступ. Это должно произойти на ранней стадии процесса, прежде чем вам действительно потребуется применить данные.
Затем рассмотрите возможность развития вашей тактики. Пришло время выйти за пределы рекламного щита. L&D может применять усовершенствованный взгляд на данные, чтобы собрать больше и лучше данных из существующих тактик. Если этого недостаточно для решения проблемы, вы можете усовершенствовать свою тактику и сделать ее более насыщенной данными. Например, традиционное занятие в классе дает минимальные данные помимо завершений, оценок и результатов опроса. Однако эту тактику можно улучшить, добавив новые значимые точки сбора данных до и после сеанса. Прогрессивные организации просят участников завершить оценки, которые демонстрируют их знания и уверенность в ключевых темах до сессии. Им предоставляется постоянная деятельность по укреплению, чтобы измерить, как они хранят важную информацию в долгосрочной перспективе. Микрообучение также применяется для сбора данных о сохранении знаний в течение нескольких минут, которые сотрудники имеют в своем рабочем дне. Это обеспечивает в реальном времени понимание того, что сотрудники знают (и не знают).
Рассмотрим новые возможности. Улучшение практики данных L&D - это не только исправление результатов обучения. Данные необходимы для реализации растущего списка современных методов обучения, в том числе:
- Персонализация: настройка цифрового обучения на основе конкретных потребностей отдельного сотрудника.
- Адаптивное обучение: предоставление правильного опыта обучения нужному человеку в данный момент.
- Рекомендация: выделение дополнительных ресурсов или экспертов на основе доказанной необходимости и ценности.
- Коучинг: предоставление менеджеров с конкретными, действенными шагами, чтобы помочь сотруднику улучшить свою работу.
Преобразованное измерение обучения
Как вы сможете забить квадратный колышек в круглое отверстие? Вы не сможете. Вам нужен новый колышек, специально разработанный для этого конкретного отверстия. То же самое верно для измерения обучения. Одна модель не может решить проблему отрасли. Вместо этого каждая команда L&D должна задавать свои собственные вопросы, применять проверенные, богатые данными принципы и разрабатывать свою собственную стратегию измерения.
В дополнение к незнанию, с чего начать, профессионалы L&D часто ссылаются на расстановку приоритетов в качестве причины проблем измерения. Почему это должно быть важно для каждой команды L&D? Ответ на этот вопрос - другой вопрос: если вы не можете сказать, работает ли то, что вы делаете, какой смысл вообще это делать? Заинтересованные стороны ожидают, что решения L&D окажут положительное влияние на их людей и их бизнес. Когда L&D не может доказать влияние или применить данные для инновации своей тактики как в случае с другими функциями, их ценность подвергается тщательному анализу. Каждый анекдотично соглашается, что обучение важно. То, как мы выполняем свою работу, ставится под сомнение - и это правильно.
Это может показаться сложным. Это может звучать сложно. Но делать то, что нужно, чтобы окончательно исправить результаты обучения, явно стоит усилий. Согласно исследованию Axonify, проведенному в 2019 году, компании, применяющие современные методы обработки данных, в среднем получают 29-процентное влияние на бизнес-результаты своих учебных программ. Это не результат опроса. Это не слабая корреляция, которая исходит от рекламных щитов старой школы. Реальное измерение влияния возможно. Но сначала мы должны разрушить то, как L&D думает об измерении.