4 målepunkter for læring og udvikling, der driver reel forretningssucces

• Højere omsætning
• Lavere omkostninger
• Reduceret risiko

Så hvis I foretager en måling fra jeres læringsprogram baseret på en måling, som virksomheden har brug for, vil den falde ind under en af disse kategorier.

Eksempler omfatter at hjælpe medarbejdere med at blive mere produktive (lavere omkostninger), sælge mere eller få flere fornyelser (højere omsætning) eller vide, hvad de kan og ikke kan gøre i bestemte situationer (reduceret risiko).

Der er selvfølgelig andre eksempler, men jeg tænker hele tiden på disse tre ønskede resultater. 

Hvorfor følge det?

Dette er billetten til at bevise et investeringsafkast fra jeres L&D-program. Det er måden, I beviser, at I har nået KPI'er på virksomhedsniveau og forventningerne til træningens effektivitet.

Den eneste måde at gøre dette på en ubestridelig måde er at rette jeres målinger mod det, som virksomheden ønsker at få ud af jeres programmer. Det flytter jeres arbejde ud af siloen og ind i den bredere virksomhedsstrategi. Selvdesignet L&D-målinger eller -resultater kan altid tilsidesættes som en silo-baseret måling.

Kort sagt er hvorfor hele pointen her. Vores mål som L&D-fagfolk bør være virksomhedens mål. Det er meningen, at vi skal være serviceudbydere og understøtte forretningen. At bevise dette gennem guldstandarden er det, der fortsat er svært at opnå i vores branche.

Hvordan følger man det?

Her opstår der nogle vanskeligheder. Disse målinger er notorisk svære at følge. Det er der flere grunde til, og jeg vil gennemgå nogle af dem her.

Men før jeg gør det, vil jeg sige, at jeg mener, at en sund organisation er en organisation, hvor dette sker i samarbejde. Et L&D-team har måske ikke den rette adgang til de data, det ønsker at måle, eller dataene kan være svære at indhente, fordi de er rodede.

Selvom jeg mener, at et lærings- og udviklingsteam, der gennemfører en træning, som er knyttet til en relevant, forretningsfokuseret resultatmåling, bør være ansvarligt for at drive denne måling, kan det ikke være eneansvarligt for også at følge og få målingen fulgt. Det bør ske med hjælp fra et driftsteam, analytikere eller et internt datateam.

Og når I arbejder sammen med disse teams, kan de forhåbentlig forklare, hvorfor det kan være vanskeligt reelt at indfange den måling, I leder efter. For eksperimenter baseret på mennesker er svære. Hvis I virkelig vil følge en ændring, bør I have to præstationsgrupper: en kontrolgruppe og en test- eller behandlingsgruppe. Og disse grupper skal ligne hinanden så meget som muligt.

Men når det handler om mennesker, gør de det sjældent. Medarbejdere kan være forskellige med hensyn til anciennitet, løn, niveau, erfaring osv. De kan endda bare have en dårlig dag eller uge eller måske kun deltage halvt ved bevidsthed på grund af personlige forhold.

Så det er sjældent en sammenligning af to ens grupper. Spørg de fleste, der arbejder med data hver dag, og de vil fortælle jer, at grupper af mennesker sjældent er ens. Lad ikke det få jeres eksperiment til at mislykkes. I kan stadig bruge den videnskabelige metode i jeres tilgang og opstille en hypotese om, at den ene gruppe vil gøre noget anderledes end den anden (bedre eller dårligere).

Lad ikke det perfekte blive det godes fjende! For I vil stadig gerne vise så godt, som I kan, at jeres træningsinitiativ har påvirket en forretningsmåling, selvom den ikke kan måles helt perfekt.

Hvis I ved, at jeres måling foretages på en stabil gruppe, selvom dele af den kan kritiseres, vil ledelsen kunne se, at jeres arbejde har haft en positiv indvirkning på virksomheden, og at læring er en værdifuld investering af virksomhedens kapital.

Dette er guldstandarden for det, vi arbejder med i interne L&D-teams. Det er her, den værdi ligger, som vi tilfører vores organisationer. Så hvordan overvinder I de ovenstående dataudfordringer?

• Afhold sessioner med nogle få forskellige grupper
  • En god praksis ville være at gøre dette med helt tilfældige grupper for at understøtte hypotesetestning. Et fuldstændigt tilfældigt segment er måske ikke muligt, og hvis det ikke er det, skal du sørge for at sammenligne det med et “kontrol”-segment, der er så tæt på som muligt 
• Følg afvigere og årsager til, at en gruppe muligvis ikke er helt tilfældig
  • Dette kan omfatte forhold som anciennitet, tidligere erfaring eller tidligere eksperimenter, som en person kan have deltaget i. Som dataprincip ønsker du at fremhæve så mange af disse oplysninger om afvigere som muligt.
• Hav tilstrækkeligt mange studerende til, at du kan se bort fra nogle få, når målingen foretages.
  • Test med grupper på over 10, hvis du kan. Hvis to eller tre personer falder fra, bør du stadig have tilstrækkeligt mange personer og data at rapportere om
• Husk til sidst også at medregne omkostningerne ved træningen (du kan være sikker på, at dine virksomhedsledere tænker over det).

Hvis du er interesseret i at se mere, har jeg lagt et (redigeret) eksempel på en træningsrapport op, der forsøger at vise succes inden for denne ramme. Du kan finde den her.

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

Sølvet: Læringsadfærd og adfærdsmæssige sammenhænge

Dernæst har vi en måling af ændret adfærd eller adfærd, der er blevet justeret (forhåbentlig i positiv retning), samt målinger af sammenhængen mellem træningsinitiativer og resultater.

Jeg begynder med adfærd. Det, de fleste L&D-programmer forsøger at gøre, er at undervise, udvikle færdigheder, træne eller ændre adfærd. Jeg er sikker på, at der er mere. Kort sagt ønsker vi at forbedre en persons evne til at gøre noget. 

Det kan være et specifikt værktøj (Excel), et sprog (SQL) eller en færdighed (empati), men det er noget. Derfor er den måling, vi ønsker at indsamle, at se, om vi faktisk ændrede eller forbedrede denne færdighed. Vi kan måske ikke knytte den til en forretningsmåling (‘Guldet’ ovenfor), men vi kan se, at noget har ændret sig.

Her er et eksempel: Vi havde en funktion af typen “helpdesk” i en af mine tidligere virksomheder. Vi kunne se, hvem der brugte helpdesken, og hvor ofte, men vi ville forsøge at hjælpe medarbejderne med selv at løse ting i stedet for at være afhængige af den (vi havde ikke forbundet omkostninger med dette, ellers kunne vi have knyttet det til en bedre forretningsmåling).

Så vi arbejdede med funktionens “superbrugere” — dem, der brugte den mest — for at se, om vi kunne.

Vi opdelte superbrugerne i tre grupper: 

(1) En behandlingsgruppe, som vi sendte et e-læringsmodul om selv at finde ressourcer til

(2) En gruppe, som vi gennemførte en kort, fysisk træning med for at forstå, hvorfor de brugte helpdesken så ofte, hvorefter vi fulgte op med ressourcer (herunder e-læring)

(3) En kontrolgruppe, som vi ikke gjorde noget med.

Gæt, hvad der skete? Begge behandlingsgrupper (1 og 2) reducerede deres brug af helpdesken (vi bad dem ikke om det og fortalte dem ikke, at det var målet) sammenlignet med kontrolgruppen (3). Men gruppe 2, som havde en direkte forståelse af adfærden og opfølgning, havde en langt større og mere langvarig reduktion i brugen.

Dette var i sig selv en stor succes. Vi havde ingen mulighed for at tale om omkostningsbesparelserne i den pågældende virksomhed som følge af en sådan ændring, så vi nøjedes med denne måling på “sølvniveau” i stedet for “guldniveauet”, men vi beviste, at vi kunne justere adfærden hos vores målgruppe.

Hvorfor følge det?

Fordi det at følge adfærd hjælper dig med at forstå kompetencehuller og områder med muligheder. Det hjælper dig også med at identificere, hvor du skal placere ressourcer fra lærings- og udviklingsteamet for at understøtte de mål, din virksomhed måtte have (og på sigt nå frem til måling på ‘guldniveau’). 

Det betyder bedre ledere, der vejleder medarbejdere, så de rykker hurtigere op (intern mobilitet) eller bliver længere i virksomheden (fastholdelse af medarbejdere). Det betyder, at folk bliver mere engagerede i virksomhedens mission eller værdier (medarbejderengagement). 

Det begynder sandsynligvis også at sætte din læringsstrategi og -udformning i søgelyset. Det har måske ikke den overordnede forretningsmæssige effekt, som ‘guldmålinger’ har, men det vil hjælpe med at vise, at dit læringsprogram er i stand til at påvirke det område, som det har til hensigt at påvirke.

Hvordan følger man det?

Du får brug for et andet datasæt for at følge dette korrekt. Det vil sandsynligvis være en eller anden form for historiske data om medarbejdernes resultater eller vurderinger eller evalueringer af deres resultater. Afhængigt af din organisation kan det være vanskeligt at få adgang til, men det er afgørende for at vise vækst eller værdi.

Her er et tip: Bed dine HR-teams om en version af disse data, hvor personlige oplysninger er fjernet. Bed dem om at hjælpe dig med at forbinde dine læringsdata med data om medarbejdernes resultater og sende dem tilbage til dig.

Du har nu et anonymiseret datasæt, som du kan bruge til at se på historiske ændringer og/eller korrelationer. Find en god analytiker, og kør nogle regressionsmodeller på de variabler, du nu har!

Bronze-niveauet: Læringsudbytte og kompetencer

Det er her, de fleste L&D-programmer stopper. Og det er helt fint. At kunne vise, at medarbejderne har opnået viden eller lukket kompetencegab, er beundringsværdigt og bør være med til at sikre fortsatte investeringer i medarbejderuddannelse og -udvikling.

Hvorfor skal det måles?

Du bør måle dette, fordi det beviser, at læringsoplevelsen havde værdi, og at den havde en effekt på medarbejderne.

Det er vigtigt at øge nogens viden eller kompetencer, og vi ved, at det hjælper på målepunkter for medarbejdernes præstationer såsom medarbejderengagement og fastholdelse.

Hvordan måles det?

Her kommer testresultater ind i billedet, men de skal være meningsfulde. Hvis du for eksempel skriver et helt e-læringsmodul og derefter laver en test, der kun er baseret på dette e-læringsmodul, hvad beviser en bestået test så?

Den beviser, at de forstår det, du har skrevet, men vil de huske indholdet fra modulerne? Sandsynligvis ikke. Vil det, at de består testen, betyde, at de udfører noget bedre på arbejdet? Måske (se ovenfor).

Det er virkelig vigtigt at følge ændringer i viden og kompetencer, men det skal gøres på den rigtige måde. Nogle gode metoder omfatter at analysere test før og efter og se efter forbedringer.

Endnu bedre er det at gøre begge dele og derefter gennemføre endnu en test 60 dage senere eller indsætte et testspørgsmål i en anden uddannelse og se, hvor mange der svarer rigtigt. 

Du kan også bede ledere om at følge de ændringer, du har sat dig for at se som følge af uddannelsen i en medarbejders arbejdsdag, og melde tilbage til dig. Det er noget subjektivt, men subjektiviteten er rettet mod den rigtige person: medarbejderens leder. 

Afhængigt af antallet af medarbejdere (eller dine testgrupper) findes der alle mulige kreative måder at se på dette på. Du skal blot tage hensyn til tiden og til, hvor meget du beder lederne om. 

Endnu et bronze-niveau: Tilbagevendende læring og læringstempo

Jeg går ud fra, at de fleste hold holder styr på, hvem der lærer, og hvor mange der lærer inden for en given periode (uge/måned/kvartal).

Det er vigtige målepunkter, men de er blot registreringer af aktivitet. Det er vigtigt at gøre dem meningsfulde – også selvom du ikke er i stand til at opnå nogle af de ovenstående målepunkter – for at vise, hvor sund jeres læringskultur er.

Og der er god grund til at vise ledelsen, at en sund læringskultur er afgørende. Ifølge McKinsey har virksomheder, der tilbyder omfattende uddannelsesprogrammer, en højere indkomst pr. medarbejder på op til 200 %.

Hvorfor skal det måles?

Et målepunkt for tilbagevendende læring viser, hvor ofte deltagerne vender tilbage til den læringsplatform eller det læringsprogram, du tilbyder. 

Du ønsker ikke kun at se engangsbrugere; du vil se personer, der forpligter sig til og genforpligter sig på opkvalificering, og det vil du gerne måle.

Forbeholdet her er, at folk har travlt, selv i et sundt arbejdsmiljø. En månedlig andel af tilbagevendende deltagere (dem, der kommer mere end én gang) på over 20 % er god, og over 40 % er virkelig god.

Læringstempoet hjælper med at måle, hvor ofte deltagerne vender tilbage til platformen – eller hvor ofte deltagerne tilmelder sig læringsprogrammer, fra det tidspunkt hvor de begyndte. 

Det kan fortælle dig, om folk i gennemsnit besøger en læringsplatform en eller to gange om måneden, eller om de fleste vender tilbage efter 40 dage. Det bliver dog virkelig meningsfuldt, når man ser på, hvilken type uddannelse der kan få tempoet til at stige.

Er jeres lederuddannelse for eksempel så god, at folk kommer tilbage efter mere hver uge? Er folk virkelig begejstrede for jeres indhold fra tredjeparter? Følg dette, og se på tendenser måned for måned eller kvartal for kvartal. 

Sådan måles det – og et eksempel

Læringsanalyseeksperten Peter Meerman er begyndt at samle nogle af disse målepunkter i enkle kontrolpaneler, som jeg mener, mange hold kan bruge. Du kan se noget af hans arbejde her – samt et kontrolpanel, der kombinerer aktive deltagere, gennemsnitligt antal timer pr. deltager og særskilte elementer som gennemsnitlige udgifter pr. deltager. 

Alt dette er afgørende for at forstå en overordnet ”sundhedsscore” for en læringskultur, men pas på med, hvad du ønsker dig her, og vær endnu mere forsigtig med, hvordan du præsenterer disse data. 

Afstem altid forventningerne med interessenterne om, hvad der kendetegner et “godt” resultat, når det gælder, hvor mange kursister der besøger din platform eller dit LMS hver måned. 

For store organisationer er alt over 50 % om måneden virkelig godt. Hvis du bruger en læringsleverandør til indhold eller software, så bed dem om benchmarkmålinger. 

Uddannelsesmålinger, du bør overveje ikke at følge

Du har måske bemærket, at en almindelig måling, som mange L&D-teams bruger, mangler i denne artikel. Det drejer sig om kundetilfredshedsscorer (cSAT), Net Promoter Score (NPS) eller enhver form for score, hvor en kursist fortæller dig, hvor meget vedkommende nød eller ville anbefale et kursus. En anden er den simple måling af gennemførelsesgraden for kurser.

Grunden til, at jeg har udeladt dem, er, at jeg ganske enkelt ikke ser megen værdi i dem. Hvis du kan rapportere om tilbagevendende kursister og læringstempo, som jeg beskrev ovenfor, har du en mere krævende og meningsfuld måling og et mere værdifuldt datasæt end de subjektive svar, du får på spørgsmål som “Hvor meget nød du denne uddannelse?”

Hvis du ser kursister vende tilbage efter mere (og gøre det hurtigt), bør det være et tilstrækkeligt signal til at vide, at de kunne lide din uddannelse, har til hensigt at færdiggøre det, de begyndte på, og sandsynligvis kan se værdien af den for sig selv.

Hvis du specifikt ønsker at forstå, hvordan din uddannelse kan forbedres, bør du stille spørgsmålet direkte. Spørgsmål om, hvor meget de nød den, eller hvor sandsynligt det er, at de vil dele den, er målinger, der forsøger at være meningsfulde, selv om de reelt ikke er det.

Datalagring

Et almindeligt spørgsmål, jeg får, når jeg taler om disse punkter, er: “Hvor kan alle disse data findes?”. 

Meget af det bør findes i dit læringsstyringssystem. Alt, der vedrører kursistaktivitet (bronzemålingerne), kan findes der og kan kræve en download samt noget arbejde i Excel eller Sheets for at drage konklusioner. Du kan få brug for hjælp til at matche navne eller medarbejder-ID'er med uddannelsesdatoer i en stor fil.

Dit LMS bør også have en fungerende API eller en måde at overføre sine egne data til et andet sted på. Hvis det er muligt, kan det være meget effektivt at samarbejde med medarbejdere i din organisation om at få disse data ind i et egentligt datalagringsværktøj (som Snowflake). 

Det giver dig mulighed for potentielt at sammenligne disse data (læringsaktivitet) med medarbejderdata som præstation, produktivitet eller vurderinger. Og i stedet for at gøre dette i en række forskellige Excel-ark kan du potentielt gøre det (sandsynligvis med hjælp fra en dataanalytiker) i det samme værktøj ved hjælp af en SQL-forespørgsel. 

Der er også andre måder at gøre dette på. Cognota er en L&D-platform, der arbejder på at samle alle disse oplysninger ét sted, og som kan være værd at kigge nærmere på. Værktøjer som Tableau eller Google Data Studio kan hjælpe med at lave flotte dashboards ud fra regnearksdata, så hvis du kan finde en måde at få rådata ind i dem på, kan du stadig visualisere dem på en overskuelig måde.

Hold dig ajour med ændringerne

Hvis du vil vide mere om målinger inden for læringsudvikling, vil jeg foreslå, at du følger nogle få L&D-fællesskaber på LinkedIn og andre steder. Jeg vil foreslå at starte med L&D Shakers og Offbeat.

Hvis du mener, at jeg tager helt fejl om cSAT-spørgsmål i undersøgelser efter læring, så skriv til mig på LinkedIn – jeg er altid klar på en god debat!

Her er nogle yderligere ressourcer, der kan hjælpe dig med at finpudse dit L&D-program og udvikle dine talenter:

• Sådan skaber du en lærings- og udviklingsstrategi i 7 trin
• Sådan skaber du en blomstrende læringskultur
• De 10 bedste læringsstyringssystemer (LMS) til medarbejderuddannelse
• De bedste systemer til styring af virksomheders performance

Tilmeld dig People Manage People-nyhedsbrevet for at modtage regelmæssige artikler, der kan forbedre læring og udvikling samt andre medarbejderfunktioner i din organisation.