4 måltall for læring og utvikling som driver reell forretningssuksess

• Høyere inntekter
• Lavere kostnader
• Redusert risiko

Så hvis du gjør en måling fra læringsprogrammet ditt basert på et måltall virksomheten trenger, vil det kunne knyttes til ett av disse.

Eksempler på dette er å hjelpe folk med å bli mer produktive (lavere kostnader), selge mer eller få flere fornyelser (høyere inntekter), eller vite hva de kan og ikke kan gjøre i bestemte situasjoner (redusert risiko).

Det finnes selvfølgelig andre eksempler, men jeg tenker hele tiden på disse tre ønskede resultatene. 

Hvorfor følge det opp?

Dette er billetten til å bevise avkastningen på investeringen i L&D-programmet ditt. Det er måten du beviser at du har nådd virksomhetens KPI-er og forventningene til opplæringens effektivitet.

Den eneste måten å gjøre dette på en ubestridelig måte er å rette målingene dine mot det virksomheten ønsker å få ut av programmene dine. Dette flytter arbeidet ditt ut av siloet og inn i den bredere virksomhetsstrategien. Selvutformede måleparametere eller resultater innen L&D kan alltid settes til side som en silomåling.

Kort sagt er hvorfor hele poenget her. Målene våre som L&D-fagfolk bør være virksomhetsmål. Vi skal være tjenesteleverandører og tilretteleggere. Det som fortsatt er vanskelig å oppnå i bransjen vår, er å bevise dette gjennom gullstandarden.

Hvordan følge det opp?

Her oppstår noen utfordringer. Disse måleparameterne er notorisk vanskelige å følge opp. Det er flere grunner til det, og jeg skal nevne noen av dem her.

Men før jeg gjør det, vil jeg si at jeg mener en sunn organisasjon er en organisasjon der dette skjer i samarbeid. Et L&D-team har kanskje ikke riktig tilgang til dataene det ønsker å måle, eller dataene kan være vanskelige å innhente fordi de er uoversiktlige.

Selv om jeg mener at et team for læring og utvikling som gjennomfører opplæring knyttet til et relevant, virksomhetsfokusert måltall, bør ha ansvar for å drive dette måltallet fremover, kan det ikke ha totalansvar for også å følge opp og få måltallet fulgt opp. Dette bør skje med hjelp fra et driftsteam, analytikere eller et internt datateam.

Og når du samarbeider med disse teamene, kan de forhåpentligvis forklare hvorfor det kan være vanskelig å fange opp måltallet du faktisk ser etter. For eksperimentering basert på mennesker er vanskelig. For å følge en endring på en korrekt måte ønsker du å ha to prestasjonsgrupper: en kontrollgruppe og en test- eller behandlingsgruppe. Og disse gruppene må være så like hverandre som mulig.

Men med mennesker er de sjelden det. Ansatte kan ha ulik ansiennitet, lønn, nivå, erfaring osv. De kan til og med bare ha en dårlig dag eller uke, eller delta med bare halvparten av oppmerksomheten på grunn av personlige forhold.

Derfor er det sjelden en direkte sammenligning mellom to grupper. Spør de fleste som jobber med data hver dag, så vil de fortelle deg at grupper av mennesker sjelden er det. Ikke la dette ødelegge eksperimentet ditt. Du kan fortsatt bruke den vitenskapelige metoden i tilnærmingen din og utvikle en hypotese om at én gruppe vil gjøre noe annerledes enn en annen (bedre eller dårligere).

Ikke la det perfekte bli det godes fiende! Du ønsker fortsatt å vise, så godt du kan, at opplæringsinitiativet ditt førte til et virksomhetsmåltall, selv om det ikke kan måles med absolutt presisjon.

Hvis du vet at målingen din er gjennomført på en stabil gruppe, selv om deler av den kan kritiseres, vil ledelsen se at arbeidet ditt har hatt en positiv innvirkning på virksomheten, og at læring er en verdifull investering av virksomhetens kapital.

Dette er gullstandarden for det vi gjør med interne L&D-team. Det er her verdien vi tilfører organisasjonene våre, finnes. Så hvordan overvinner du datautfordringene ovenfor?

• Gjennomfør økter med noen få ulike grupper
  • En god praksis vil være å gjennomføre dette med helt tilfeldige grupper for å bidra til hypotesetesting. Et helt tilfeldig segment er kanskje ikke mulig, og hvis det ikke er det, må du sørge for å sammenligne det med et «kontroll»-segment som er så nært sammenfallende som mulig 
• Følg opp avvik og årsaker til at en gruppe kanskje ikke er helt tilfeldig
  • Dette kan omfatte forhold som ansettelsestid, tidligere erfaring eller tidligere eksperimenter en person kan ha deltatt i. Som et dataprinsipp ønsker du å trekke frem så mange av disse avviksdetaljene som mulig.
• Ha nok studenter til at du kan utelukke noen når målingen skal gjennomføres.
  • Test med grupper på mer enn 10 hvis du kan. Hvis to eller tre personer faller fra, bør du fortsatt ha nok personer og data å rapportere om
• Til syvende og sist må du huske å ta med kostnadene ved opplæringen også (du kan være sikker på at bedriftslederne dine tenker på det).

Hvis du er interessert i å se mer, har jeg lagt ut et (redigert) eksempel på en opplæringsrapport som forsøker å vise suksess innenfor dette rammeverket. Du finner 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: Læringsatferd og atferdskorrelasjoner

Deretter har vi en måling av endret eller justert atferd (forhåpentligvis i positiv retning) og målinger av korrelasjonen mellom opplæringstiltak og prestasjoner.

Jeg begynner med atferd. Det de fleste L&D-programmer forsøker å gjøre, er å undervise, utvikle ferdigheter, lære opp eller endre. Jeg er sikker på at det finnes mer. Poenget er at vi ønsker å forbedre noens evne til å gjøre noe. 

Det kan være et bestemt verktøy (Excel), et språk (SQL) eller en ferdighet (empati), men det er noe. Derfor er målet vi ønsker å fange opp, å se om vi faktisk endret eller forbedret denne ferdigheten. Vi kan kanskje ikke knytte det til en forretningsmåling («Gullet» ovenfor), men vi kan se at noe har endret seg.

Her er et eksempel: Vi hadde en funksjon av typen «brukerstøtte» i en av mine tidligere virksomheter. Vi kunne se hvem som brukte brukerstøtten, og hvor ofte, men vi ønsket å forsøke å hjelpe de ansatte med å gjøre ting på egen hånd i stedet for å være avhengige av den (vi hadde ingen kostnad knyttet til dette, ellers kunne vi ha knyttet det til en bedre forretningsmåling).

Så vi samarbeidet med «superbrukerne» av funksjonen – de som brukte den mest – for å se om vi kunne.

Vi delte superbrukerne inn i tre grupper: 

(1) En tiltaksgruppe som fikk tilsendt en e-læringsmodul om å finne ressurser på egen hånd

(2) En gruppe som deltok på en kort, fysisk opplæring for å forstå hvorfor de brukte brukerstøtten så ofte, og som deretter fikk tilsendt ressurser (inkludert e-læring)

(3) En kontrollgruppe som vi ikke gjorde noe med.

Gjett hva som skjedde? Begge tiltaksgruppene (1 og 2) reduserte bruken av brukerstøtten (vi ba dem ikke om det og fortalte dem ikke at det var målet) sammenlignet med kontrollgruppen (3). Men gruppe 2, som hadde en direkte forståelse av atferden og oppfølging, hadde en langt større og mer langvarig reduksjon i bruken.

Dette var i seg selv en stor suksess. Vi hadde ingen måte å diskutere kostnadsbesparelsene ved en slik endring i den virksomheten på, så vi slo oss til ro med denne «sølv»-målingen i stedet for «gull»-målingen, men vi beviste at vi kunne justere atferden hos målgruppen vår.

Hvorfor følge det opp?

Fordi oppfølging av atferd hjelper deg med å forstå kompetansegap og forbedringsområder. Det hjelper deg også med å identifisere hvor du bør sette inn ressurser fra lærings- og utviklingsteamet for å nå mål virksomheten kan ha (og etter hvert komme frem til en måling på «gull»-nivå). 

Det betyr bedre ledere som veileder ansatte slik at de raskere kan avansere (intern mobilitet) eller bli lenger i virksomheten (bevaring av ansatte). Det betyr at folk blir mer engasjert i virksomhetens oppdrag eller verdier (medarbeiderengasjement). 

Det begynner sannsynligvis også å sette læringsstrategien og utformingen din i søkelyset. Det har kanskje ikke den overordnede forretningsmessige effekten som «gull»-målinger har, men det vil bidra til å vise at læringsprogrammet ditt er i stand til å påvirke det programmet er ment å påvirke.

Hvordan følge det opp?

Du trenger et annet datasett for å følge dette opp på riktig måte. Det vil sannsynligvis være en form for historiske data om de ansattes prestasjoner eller prestasjonsvurderinger eller -evalueringer. Avhengig av organisasjonen din kan dette være vanskelig å få tak i, men det er avgjørende for å vise utvikling eller verdi.

Her er et tips: Be HR-teamene dine om en versjon av disse dataene der personopplysninger er fjernet. Be dem hjelpe deg med å koble læringsdataene dine sammen med data om de ansattes prestasjoner og sende dem tilbake til deg.

Du har nå et anonymisert datasett for å se på historiske endringer og/eller korrelasjoner. Finn en god analytiker og kjør noen regresjonsmodeller på variablene du nå har!

Bronse: Læringskunnskap og ferdigheter

Det er her de fleste L&D-programmer stopper opp. Og det er helt greit. Det å kunne vise at deltakerne har tilegnet seg kunnskap eller lukket ferdighetsgap, er beundringsverdig og bør bidra til å holde investeringene i opplærings- og utviklingsprogrammer for ansatte i gang.

Hvorfor bør det måles?

Du bør måle dette fordi det viser at læringsopplevelsen hadde verdi, og at den påvirket de ansatte.

Det er viktig å øke noens kunnskap eller ferdigheter, og vi vet at det bidrar til bedre resultater på medarbeidermålinger som medarbeiderengasjement og -bevaring.

Hvordan måles det?

Her kommer vurderingsresultater inn, men de må være meningsfulle. Hvis du for eksempel skriver en hel e-læringsmodul og deretter lager en vurdering som bare er basert på denne e-læringen, hva beviser da en bestått poengsum?

Den beviser at de forstår det du skrev, men vil de huske innholdet fra modulene? Sannsynligvis ikke. Vil det å bestå bety at de gjør noe bedre på jobben? Kanskje (se ovenfor).

Det er svært viktig å følge med på endringer i kunnskap og ferdigheter, men det må gjøres på riktig måte. Noen gode metoder er å analysere vurderinger før og etter opplæringen og se etter forbedringer.

Enda bedre er det å gjøre begge deler og deretter gjennomføre en ny vurdering 60 dager senere, eller legge inn et vurderingsspørsmål i en annen opplæring og se hvor mange som svarer riktig. 

Du kan også be ledere følge med på endringer du har satt deg som mål å se etter som følge av opplæringen i den ansattes arbeidsdag, og rapportere tilbake til deg. Dette er noe subjektivt, men det er subjektivt rettet mot riktig person: den ansattes leder. 

Avhengig av antall ansatte (eller testgruppene dine) finnes det alle mulige kreative måter å undersøke dette på. Vær bare oppmerksom på tidsbruken og hvor mye du ber lederne om. 

En annen bronseindikator: tilbakevendende læring og læringstempo

Jeg antar at de fleste team holder oversikt over hvem som lærer, og hvor mange som lærer i løpet av en bestemt periode (uke/måned/kvartal).

Dette er viktige målinger, men de er bare aktivitetsregistreringer. Det er viktig å gjøre dem meningsfulle – selv om du ikke klarer å oppnå noen av målingene ovenfor – for å vise helsen til læringskulturen din.

Det finnes også gode grunner til å vise ledelsen at en sunn læringskultur er avgjørende. Ifølge McKinsey har selskaper som tilbyr omfattende opplæringsprogrammer, høyere inntekt per ansatt, med så mye som 200 %.

Hvorfor bør det måles?

En måling av tilbakevendende læring viser hvor ofte deltakerne kommer tilbake til læringsplattformen eller -programmet du tilbyr. 

Du vil ikke se engangsbrukere, men personer som forplikter seg til og på nytt forplikter seg til kompetanseheving, og du vil måle dette.

Forbeholdet her er at folk er travle, selv i et sunt arbeidsmiljø. En månedlig andel tilbakevendende deltakere (de som kommer mer enn én gang) på over 20 % er bra, og over 40 % er virkelig bra.

Læringstempoet bidrar til å måle hvor ofte deltakerne kommer tilbake til plattformen – eller hvor ofte de velger å delta i læringsprogrammer etter at de startet. 

Dette kan fortelle deg om folk i gjennomsnitt besøker en læringsplattform én eller to ganger i måneden, eller om de fleste kommer tilbake etter 40 dager. Det som virkelig blir meningsfullt, er imidlertid hvilken type opplæring som kan føre til et raskere tempo.

Er for eksempel lederopplæringen din så god at folk kommer tilbake etter mer hver uke? Er folk virkelig begeistret for innholdet fra tredjepartsleverandørene dine? Følg med på dette og se på trender fra måned til måned eller kvartal til kvartal. 

Hvordan måle det, med et eksempel

Peter Meerman, som er leder innen læringsanalyse, har begynt å sette sammen noen av disse målingene i enkle oversikter som jeg tror mange team kan bruke. Du kan se noe av arbeidet hans her – og en oversikt som kombinerer aktive deltakere, gjennomsnittlig antall timer per deltaker og spesifiserte elementer som gjennomsnittlig kostnad per deltaker. 

Alle disse er avgjørende for å forstå en overordnet «helseskår» for en læringskultur, men vær forsiktig med hva du ønsker deg her, og vær enda mer forsiktig med hvordan du presenterer disse dataene. 

Sett alltid forventninger hos interessentene om hva «godt» innebærer når det gjelder hvor mange deltakere som besøker plattformen eller LMS-et ditt hver måned. 

For store organisasjoner er alt over 50 % per måned virkelig bra. Hvis du bruker en læringsleverandør til innhold eller programvare, kan du be dem om referansetall. 

Treningsmålinger du bør vurdere å ikke spore

Du legger kanskje merke til at en vanlig måling som mange L&D-team bruker, mangler i denne artikkelen. Det gjelder kundetilfredshetspoeng (cSAT), Net Promoter Score (NPS) eller en hvilken som helst type poengsum der en deltaker forteller deg hvor mye de likte eller ville anbefalt et kurs. En annen måling er den enkle gjennomføringsgraden for kurs.

Grunnen til at jeg har utelatt dem, er at jeg ganske enkelt ikke ser så mye verdi i dem. Hvis du kan rapportere om deltakere som kommer tilbake, og læringstempoet deres, slik jeg beskrev ovenfor, har du en vanskeligere og mer meningsfull måling og et mer verdifullt datagrunnlag enn de subjektive svarene du får på spørsmål som «Hvor mye likte du denne opplæringen?»

Hvis du ser at deltakerne kommer tilbake for å lære mer, og at de gjør det raskt, bør det være et tilstrekkelig signal om at de likte opplæringen din, har til hensikt å fullføre det de begynte på, og sannsynligvis ser verdien av den for seg selv.

Hvis du spesifikt ønsker å forstå hvordan opplæringen din kan forbedres, bør du stille dette spørsmålet direkte. Spørsmål om hvor fornøyde deltakerne var, eller hvor sannsynlig det er at de vil dele opplæringen, forsøker å fungere som meningsfulle målinger når de egentlig ikke er det.

Datavarehus

Et vanlig spørsmål jeg får når jeg snakker om disse punktene, er «Hvor finnes alle disse dataene?». 

Mye av dette bør finnes i læringsstyringssystemet ditt. Alt som gjelder deltakernes aktivitet (bronsjemålingene), kan finnes der, og det kan være nødvendig å laste ned dataene og gjøre litt arbeid i Excel eller Sheets for å finne konklusjoner. Du kan trenge hjelp til å koble navn eller ansatt-ID-er til opplæringsdatoer i en stor fil.

LMS-et ditt bør også ha et fungerende API eller en måte å overføre egne data til et annet sted på. Hvis du har mulighet til det, kan det være svært effektivt å samarbeide med personer i organisasjonen din for å få disse dataene inn i et egnet datavarehusverktøy, som Snowflake. 

Dette gjør det mulig å sammenligne disse dataene, altså læringsaktiviteten, med medarbeiderdata som prestasjoner, produktivitet eller vurderinger. Og i stedet for å gjøre dette i en rekke ulike Excel-ark, kan du potensielt gjøre det, sannsynligvis med hjelp fra en dataanalytiker, i det samme verktøyet ved hjelp av en SQL-spørring. 

Det finnes også andre måter å gjøre dette på. Cognota er en L&D-plattform som arbeider med å samle all denne informasjonen på ett sted, og det kan være verdt å ta en titt på den. Verktøy som Tableau eller Google Data Studio kan bidra til å lage oversiktlige kontrollpaneler basert på regnearkdata, så hvis du finner en måte å få rådataene inn der på, kan du fortsatt visualisere dem på en god måte.

Hold deg oppdatert på endringene

Hvis du vil lære mer om målinger innen læring og utvikling, vil jeg anbefale å følge noen L&D-fellesskap på LinkedIn og andre steder. Jeg foreslår at du begynner med L&D Shakers og Offbeat.

Hvis du mener at jeg tar helt feil om cSAT-spørsmål i undersøkelser etter læringen, kan du sende meg en melding på LinkedIn – jeg diskuterer alltid gjerne dette!

Her er noen flere ressurser som kan hjelpe deg med å videreutvikle L&D-programmet ditt og utvikle talentene dine:

• Slik lager du en strategi for læring og utvikling i 7 trinn
• Slik skaper du en blomstrende læringskultur
• De 10 beste læringsstyringssystemene (LMS) for opplæring av medarbeidere
• De beste systemene for resultatstyring i virksomheter

Abonner på nyhetsbrevet til People Manage People for å motta regelmessige artikler som kan forbedre læring og utvikling samt andre personalfunksjoner i organisasjonen din.