Luistertip: Organisaties missen kansen door onbenutte leerdata

In een aflevering van de ZigzagHR podcast genaamd “Brainpickings” bespreekt Lesley Arens, oprichter van ZigzagHR, de wereld van leerdata met twee experts op het gebied van HR en technologie. Jeroen van Eeghem, senior director human capital bij Deloitte, en Maarten Schoppen, senior manager in het learning technology-team bij Deloitte, delen aan de hand van concrete voorbeelden hoe leerdata ingezet kunnen worden om beter te rapporteren, leerbehoeften en -noden beter te anticiperen, en hoe deze gegevens op een heldere manier inzichtelijk kunnen worden gemaakt.

Van A naar B met leerdata

Van Eeghem vergelijkt leerdata met een auto. Net zoals een dashboard in een auto de bestuurder inzicht geeft in zijn voertuig, stellen leerdata organisaties in staat om te zien waar medewerkers zich bevinden in hun leertraject. Leerdata bieden een instrument om het leerproces van medewerkers te begrijpen en te begeleiden.

De volgende stap is voorspellen wanneer je aankomt op je bestemming. Zoals een navigatiesysteem kan voorspellen wanneer je je bestemming bereikt, zo kunnen leerdata ook worden gebruikt om toekomstige leerbehoeften te voorspellen en bij te sturen. In bedrijfscontext kan het helpen om het leerproces te optimaliseren en de ontwikkeling van medewerkers effectiever te maken.

Drie niveaus

Leerdata kunnen op verschillende niveaus worden gebruikt, legt Schoppen uit. Het eerste niveau is rapportage, waar ruwe data worden weergegeven, vaak in Excel. Hiermee kunnen bedrijven experimenteren, hun eigen logica toepassen en berekeningen maken. Dit is wat de meeste bedrijven doen.

Het tweede niveau is dashboarding. Dashboards geven dezelfde data weer, maar dan visueel weergegeven én geanalyseerd, waardoor cijfers en percentages direct inzichtelijk worden.

Het derde niveau gaat nog een stapje verder. Het draait om geavanceerde analyses met data om toekomstige trends te voorspellen en het leerproces te verbeteren. Een voorbeeld: door historische gegevens van klassikale opleidingen te bekijken en te correleren met annuleringen, kun je vaststellen welke tijdstippen gunstiger zijn voor het organiseren van dergelijke opleidingen.

Met deze analyses kun je conclusies trekken en je leeraanbod aanpassen, zoals het stellen van kortere deadlines of het aanpassen van communicatiestrategieën. Dit vergroot de betrokkenheid van medewerkers en maakt het leerproces effectiever.

Stap vooruit

Veel organisaties blijven hangen bij basisrapportage van leerdata, terwijl er meer mogelijkheden zijn. Maar hoe kunnen bedrijven dat stapje verder zetten?

Schoppen adviseert om ergens te beginnen zonder stuk te kijken op streven naar perfectie. Hoe meer data je hebt, hoe meer zekerheid bij je voorspellingen. Maar zelfs met beperkte data zijn waardevolle inzichten mogelijk, waardoor ook kleine organisaties kunnen profiteren van leerdata.

Van Eeghem merkt op dat organisaties vaak veel data hebben maar er niet optimaal gebruik van maken. Het gaat erom de juiste vragen te stellen en de uitdagingen te begrijpen. Dat vormt het vertrekpunt voor het gebruik van data. Niet omwille van de data zelf, maar het begrijpen van zakelijke behoeften en processen te verbeteren.

Tips voor succes

Schoppen en Van Eenghem delen enkele aanbevelingen voor het gebruik van leerdata. Een belangrijke tip is om te zorgen voor hoge kwaliteit van gegevens, omdat “garbage in, garbage out” geldt voor rapportage en analyses. Zonder gedetailleerde of schone data krijg je geen goede rapporten.

Ook adviseren ze om goed na te denken over de gewenste uitkomsten voordat leerplatforms worden opgezet, omdat dit de basis vormt voor een effectieve dataverzameling en -analyse.

Van Eeghem stipt ook nog kort het potentieel van kunstmatige intelligentie (AI) aan en moedigt organisaties aan om hiermee aan de slag te gaan. Hoe dan? Niet te veel praten, maar doen. Experimenteer. Ook op kleine schaal.

Luister hier de volledige podcast