4 L&D-metrics die echt zakelijk succes stimuleren
Leer- en ontwikkelingsmetingen zijn de sleutel om de werkelijke impact van je trainingsprogramma’s aan te tonen. De meeste teams richten zich op de verkeerde gegevens of missen de inzichten waar bedrijfsleiders daadwerkelijk om geven. In dit artikel leg ik uit welke L&D-indicatoren ertoe doen, waarom zoveel teams dit verkeerd aanpakken en hoe je betekenisvolle gegevens kunt gebruiken om de echte waarde van je leerinitiatieven aan te tonen—waarbij je verder gaat dan ijdelheidsstatistieken en overstapt op indicatoren die je CEO daadwerkelijk zal waarderen.
Het goud: wat het bedrijf ook nodig heeft
De eerste en beste indicator die je als team en leidinggevende op het gebied van leren en ontwikkeling kunt volgen, is datgene waarvan het bedrijf (en/of de leiders van dat bedrijf) aangeven dat het moet worden gemeten. Zo eenvoudig is het. En zo complex.
Ik zat ooit in een trainingssessie waarin de begeleider zei dat alle zakelijke beslissingen neerkomen op een van drie gewenste uitkomsten:
Create a Free Account to Keep Reading—and Keep Leading Smarter
Unlock this piece and join a community of forward-thinking leaders discovering tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
- Meer omzet
- Lagere kosten
- Beperkt risico
Dus als je vanuit je leerprogramma een meting uitvoert op een indicator die het bedrijf nodig heeft, zal die onder een van deze categorieën vallen.
Voorbeelden hiervan zijn mensen helpen productiever te zijn (lagere kosten), meer verkopen of meer verlengingen realiseren (meer omzet), of weten wat ze in bepaalde situaties wel en niet mogen doen (beperkt risico).
Natuurlijk zijn er andere voorbeelden, maar ik denk voortdurend aan deze drie gewenste uitkomsten.
Waarom zou je dit volgen?
Dit is de sleutel om het rendement op investering van je L&D-programma aan te tonen. Het is de manier waarop je bewijst dat je de KPI’s op bedrijfsniveau en de verwachtingen rond de effectiviteit van trainingen hebt behaald.
De enige manier om dit op een onbetwistbare manier te doen, is je metingen te richten op wat het bedrijf uit je programma’s wil halen. Hierdoor wordt je werk onderdeel van de bredere bedrijfsstrategie in plaats van een afzonderlijk domein. Zelf ontworpen L&D-indicatoren of -resultaten kunnen altijd terzijde worden geschoven als metingen binnen een afzonderlijk domein.
Kortom, het waarom is hier het hele verhaal. Onze doelen als L&D-professionals zouden bedrijfsdoelen moeten zijn. Het is de bedoeling dat we dienstverleners en facilitators zijn. Dit aantonen aan de hand van de gouden standaard is wat binnen onze sector nog steeds moeilijk te bereiken blijkt.
Hoe volg je dit?
Hierin schuilt enige moeilijkheid. Deze indicatoren zijn berucht moeilijk te volgen. Daar zijn verschillende redenen voor, en ik bespreek er hier enkele.
Maar voordat ik dat doe, wil ik zeggen dat ik vind dat een gezonde organisatie er een zou zijn waar dit samen gebeurt. Een L&D-team heeft mogelijk geen toegang tot de juiste gegevens die het wil meten, of die gegevens zijn moeilijk te verkrijgen omdat ze rommelig zijn.
Hoewel ik vind dat een leer- en ontwikkelingsteam dat een training uitvoert die gekoppeld is aan een goede, op het bedrijf gerichte uitkomstindicator, verantwoordelijk zou moeten zijn voor het stimuleren van die indicator, kan het niet volledig verantwoordelijk zijn voor het ook volgen en laten volgen van die indicator. Daarbij zou hulp moeten komen van een operationeel team, analisten of een intern datateam.
En wanneer je met deze teams samenwerkt, kunnen ze hopelijk uitleggen waarom het moeilijk kan zijn om de indicator die je zoekt daadwerkelijk vast te leggen. Experimenteren met mensen is namelijk lastig. Om een verandering echt te volgen, zou je twee prestatiegroepen willen hebben: een controlegroep en een test- of behandelingsgroep. En deze groepen moeten zo goed mogelijk met elkaar overeenkomen.
Maar bij mensen is dat zelden het geval. Werknemers kunnen verschillen in diensttijd, salaris, niveau, ervaring enzovoort. Ze kunnen ook gewoon een slechte dag of week hebben, of door persoonlijke omstandigheden slechts half wakker deelnemen.
Twee groepen vergelijken is dus zelden een vergelijking van gelijke omstandigheden. Vraag het aan de meeste mensen die dagelijks met gegevens werken en ze zullen je vertellen dat groepen mensen dat zelden zijn. Laat dit je experiment niet verstoren. Je kunt de wetenschappelijke methode nog steeds in je aanpak gebruiken en een hypothese ontwikkelen dat de ene groep iets anders zal doen dan de andere (beter of slechter).
Laat het perfecte niet de vijand van het goede worden! Je wilt immers nog steeds zo goed mogelijk aantonen dat je trainingsinitiatief een bedrijfsindicator heeft beïnvloed, ook als die niet absoluut perfect kan worden gemeten.
Als je weet dat je meting wordt uitgevoerd bij een stabiele groep, ook al kan een deel ervan ter discussie worden gesteld, zal de leiding zien dat je werk wel degelijk een positieve impact op het bedrijf heeft gehad en dat leren een waardevolle investering van bedrijfskapitaal is.
Dit is de gouden standaard voor wat we doen met interne L&D-teams. Hier ligt de waarde die wij aan onze organisaties bieden. Dus hoe overwin je de bovenstaande uitdagingen met gegevens?
- Voer sessies uit met een paar verschillende groepen
- Een goede aanpak zou zijn om dit met volledig willekeurige groepen uit te voeren om te helpen bij het testen van hypothesen. Een echt willekeurig segment is misschien niet mogelijk. Als dat niet het geval is, vergelijk het dan met een “controlegroep” die daar zo nauw mogelijk op aansluit
- Houd uitschieters bij en noteer waarom een groep mogelijk niet volledig willekeurig is
- Dit kunnen zaken zijn zoals diensttijd, eerdere ervaring of eerdere experimenten waaraan iemand heeft deelgenomen. Als dataprinciple wil je zoveel mogelijk van deze details over uitschieters benoemen.
- Zorg voor voldoende studenten, zodat je er een paar kunt uitsluiten wanneer de meting plaatsvindt.
- Test indien mogelijk met groepen van meer dan 10 personen. Als twee of drie mensen afhaken, heb je nog steeds genoeg mensen en gegevens om over te rapporteren
- Houd aan het einde ook rekening met de kosten van de training (je kunt ervan uitgaan dat je bedrijfsleiders daar ook over nadenken).
Als je meer wilt zien, heb ik een (geanonimiseerd) voorbeeld geplaatst van een trainingsrapport dat het succes binnen dit raamwerk probeert aan te tonen. Je vindt dat hier.
Het zilver: leergedrag en gedragscorrelaties
Vervolgens meten we veranderd of aangepast gedrag (hopelijk in positieve zin) en de correlatie tussen trainingsinitiatieven en prestaties.
Ik begin met gedrag. Wat de meeste L&D-programma’s proberen te doen, is mensen iets aanleren, vaardigheden bijbrengen, trainen of gedrag veranderen. Er is ongetwijfeld meer. Waar het uiteindelijk om gaat, is dat we iemands vermogen om iets te doen willen verbeteren.
Het kan gaan om een specifieke tool (Excel), taal (SQL) of vaardigheid (empathie), maar het is iets. De metriek die we daarom willen vastleggen, is of we die vaardigheid daadwerkelijk hebben veranderd of verbeterd. We kunnen dit misschien niet koppelen aan een bedrijfsmetriek (‘Het goud’ hierboven), maar we kunnen wel zien dat er iets is veranderd.
Hier is een voorbeeld: bij een van mijn vorige bedrijven hadden we een soort ‘helpdeskfunctie’. We konden zien wie de helpdesk gebruikte en hoe vaak, maar we wilden proberen medewerkers te helpen dingen zelfstandig te doen in plaats van erop te vertrouwen (we hadden hier geen kosten aan verbonden, anders hadden we dit kunnen verwerken in een betere bedrijfsmetriek).
Daarom werkten we met de ‘intensieve’ gebruikers van de functie — degenen die er het meest gebruik van maakten — om te zien of dat mogelijk was.
We verdeelden de intensieve gebruikers in drie groepen:
(1) Een interventiegroep naar wie we een e-learningmodule stuurden over het zelfstandig vinden van bronnen
(2) Een groep met wie we een korte klassikale training uitvoerden om te begrijpen waarom zij de helpdesk zo vaak gebruikten, waarna we bronnen deelden (waaronder e-learning)
(3) Een controlegroep waarmee we niets deden.
Raad eens wat er gebeurde? Beide interventiegroepen (1 en 2) verminderden hun gebruik van de helpdesk (we hadden hun dat niet gevraagd en ook niet verteld dat dit het doel was) ten opzichte van de controlegroep (3). Maar groep 2, waarbij we het gedrag rechtstreeks hadden onderzocht en opvolging hadden gegeven, liet een veel grotere en langdurigere afname in gebruik zien.
Op zichzelf was dit een groot succes. We konden bij dat bedrijf de kostenbesparingen van een dergelijke verandering niet bespreken, dus namen we genoegen met deze metriek op ‘zilver’-niveau in plaats van op ‘goud’-niveau, maar we hadden bewezen dat we het gedrag van onze doelgroep konden aanpassen.
Waarom zou je dit bijhouden?
Omdat het bijhouden van gedrag je helpt vaardigheidstekorten en verbeterpunten te begrijpen. Het helpt je ook te bepalen waar je middelen van het leer- en ontwikkelingsteam moet inzetten om de doelstellingen van je bedrijf te ondersteunen (en uiteindelijk een meting op ‘goud’-niveau te bereiken).
Het betekent betere managers die medewerkers coachen om sneller door te groeien (interne mobiliteit) of langer bij het bedrijf te blijven (medewerkersbehoud). Het betekent dat mensen zich sterker verbinden aan de missie of waarden van het bedrijf (medewerkersbetrokkenheid).
Waarschijnlijk brengt het ook je leerstrategie en -ontwerp meer in de schijnwerpers. Het heeft misschien niet dezelfde directe impact op het bedrijf als metingen op ‘goud’-niveau, maar het helpt wel aantonen dat je leerprogramma in staat is de beoogde invloed uit te oefenen.
Hoe houd je dit bij?
Je hebt een andere dataset nodig om dit goed bij te houden. Waarschijnlijk gaat het om historische gegevens over de prestaties van medewerkers, of om prestatiebeoordelingen of -evaluaties. Afhankelijk van je organisatie kan het lastig zijn om hier toegang toe te krijgen, maar deze gegevens zijn essentieel om groei of waarde aan te tonen.
Hier is een tip: vraag je HR-teams om een versie van deze gegevens waarin persoonlijke informatie is verwijderd. Vraag hen om je te helpen je leergegevens te koppelen aan prestatiegegevens van medewerkers en deze vervolgens aan jou terug te sturen.
Je beschikt nu over een geanonimiseerde dataset om historische veranderingen en/of correlaties te onderzoeken. Zoek een goede analist en voer enkele regressiemodellen uit op de variabelen die je nu hebt!
Brons: kennis en vaardigheden van lerenden
Hier eindigen de meeste L&D-programma’s. En dat is prima. Kunnen aantonen dat lerenden kennis hebben opgedaan of vaardigheidslacunes hebben gedicht, is bewonderenswaardig en zou ervoor moeten zorgen dat er geïnvesteerd blijft worden in opleidings- en ontwikkelingsprogramma’s voor medewerkers.
Waarom bijhouden?
Je moet dit bijhouden omdat het bewijst dat de leerervaring waardevol was en effect had op medewerkers.
Het vergroten van iemands kennis of vaardigheden is belangrijk en we weten dat het helpt bij prestatie-indicatoren voor medewerkers, zoals medewerkersbetrokkenheid en -behoud.
Hoe houd je dit bij?
Hier komen beoordelingsscores van pas, maar ze moeten betekenisvol zijn. Als je bijvoorbeeld een volledige e-learningmodule schrijft en vervolgens een beoordeling opstelt die alleen daarop is gebaseerd, wat bewijst een voldoende score dan?
Het bewijst dat ze begrijpen wat je hebt geschreven, maar zullen ze de inhoud van de modules onthouden? Waarschijnlijk niet. Betekent het behalen van een voldoende dat ze iets op hun werk beter zullen doen? Misschien (zie hierboven).
Veranderingen in kennis en vaardigheden bijhouden is echt belangrijk, maar het moet op de juiste manier gebeuren. Goede manieren zijn onder andere het analyseren van beoordelingen vóór en na de training en zoeken naar verbetering.
Nog beter: doe beide en voer vervolgens 60 dagen later nog een beoordeling uit, of verwerk een beoordelingsvraag in een andere training en kijk hoeveel mensen die goed beantwoorden.
Je kunt managers ook vragen om veranderingen bij te houden die je als gevolg van de training tijdens de werkdag van een medewerker verwachtte te zien, en daarover aan jou terug te koppelen. Dit is enigszins subjectief, maar wel subjectief gericht op de juiste persoon: de manager van de medewerker.
Afhankelijk van het aantal medewerkers (of je testgroepen) zijn er allerlei creatieve manieren om hiernaar te kijken. Houd wel rekening met de tijd en met wat je van managers vraagt.
Nog een bronzen indicator: terugkerend leren en leertempo
Ik ga ervan uit dat de meeste teams bijhouden wie er leert en hoeveel mensen er binnen een bepaalde periode (week/maand/kwartaal) leren.
Dat zijn belangrijke meetgegevens, maar het zijn slechts registraties van activiteit. Die gegevens omzetten in iets betekenisvols—zelfs als je sommige van de bovenstaande meetgegevens niet kunt realiseren—is belangrijk om de gezondheid van je leercultuur aan te tonen.
En er is een goede reden om je leidinggevenden te laten zien dat een gezonde leercultuur essentieel is. Volgens McKinsey hebben bedrijven die uitgebreide trainingsprogramma’s aanbieden tot wel 200% hogere inkomsten per medewerker.
Waarom bijhouden?
Een meetgegeven voor terugkerend leren laat zien hoe vaak lerenden terugkomen naar het leerplatform of programma dat je aanbiedt.
Je wilt geen eenmalige gebruikers zien, maar mensen die zich inzetten voor en zich opnieuw inzetten voor bijscholing, en je wilt dit meten.
De kanttekening hierbij is dat mensen het druk hebben, zelfs in een gezonde werkomgeving. Een maandelijks percentage terugkerende lerenden (mensen die meer dan één keer komen) boven de 20% is goed, en boven de 40% is heel goed.
Het leertempo helpt meten hoe vaak lerenden terugkeren naar het platform—of hoe vaak lerenden zich vanaf hun start inschrijven voor leerprogramma’s.
Dit kan je vertellen of mensen gemiddeld één of twee keer per maand naar een leerplatform gaan, of dat de meesten na 40 dagen terugkomen. Het wordt echter pas echt betekenisvol als je kijkt naar welk type training een hoger tempo kan stimuleren.
Is je training voor managers bijvoorbeeld zo goed dat mensen elke week terugkomen voor meer? Zijn mensen echt enthousiast over je aanbod van inhoud van derden? Houd dit bij en bekijk de trends van maand tot maand of van kwartaal tot kwartaal.
Hoe houd je dit bij? Een voorbeeld
Peter Meerman, leider op het gebied van leeranalytics, is begonnen enkele van deze gegevens in eenvoudige dashboards te verzamelen, waarvan ik geloof dat veel teams ze kunnen gebruiken. Je kunt een deel van zijn werk hier bekijken—en een dashboard dat Actieve lerenden, Gemiddeld aantal uren per lerende en uitgesplitste items zoals Gemiddelde besteding per lerende combineert.
Al deze gegevens zijn essentieel om een algemeen beeld te krijgen van de ‘gezondheidsscore’ van een leercultuur, maar wees hier voorzichtig met wat je wenst, en wees nog voorzichtiger met de manier waarop je deze gegevens presenteert.
Stem altijd met belanghebbenden af wat er onder “goed” wordt verstaan als het gaat om hoeveel cursisten je platform of LMS elke maand bezoeken.
Voor grote organisaties is alles boven de 50% per maand echt goed. Als je een opleidingsleverancier gebruikt voor content of software, vraag hen dan om benchmarkgegevens.
Trainingsstatistieken die je zou kunnen overwegen niet bij te houden
Je hebt misschien gemerkt dat een veelgebruikte statistiek die veel L&D-teams gebruiken in dit artikel ontbreekt. Het gaat om klanttevredenheidsscores (cSAT), Net Promoter Score (NPS) of welke score dan ook waarbij een cursist aangeeft hoeveel plezier diegene aan een cursus heeft beleefd of of die deze zou aanbevelen. Een andere statistiek is het eenvoudige voltooiingspercentage van cursussen.
De reden dat ik ze heb weggelaten, is dat ik er simpelweg niet veel waarde in zie. Als je kunt rapporteren over terugkerende cursisten en het leertempo zoals ik hierboven heb beschreven, beschik je over een moeilijkere en betekenisvollere statistiek en dataset dan de subjectieve antwoorden die je krijgt op vragen als “Hoeveel plezier heb je aan deze training beleefd?”
Als je ziet dat cursisten terugkomen voor meer (en dat snel doen), zou dat voldoende signaal moeten zijn om te weten dat ze je training leuk vonden, van plan zijn af te maken waar ze aan begonnen zijn en er waarschijnlijk de waarde voor zichzelf van inzien.
Als je specifiek wilt begrijpen hoe je training kan worden verbeterd, moet je die vraag rechtstreeks stellen. Vragen naar plezier, of naar de waarschijnlijkheid dat iemand de training zou delen, zijn statistieken die betekenisvol proberen te zijn terwijl ze dat in werkelijkheid niet zijn.
Datawarehousing
Een veelgestelde vraag die ik krijg wanneer ik deze punten bespreek, is: “Waar is al deze data te vinden?”.
Veel ervan zou in je leermanagementsysteem moeten staan. Alles wat te maken heeft met de activiteit van cursisten (de bronzen statistieken) is daar te vinden en vereist mogelijk een download en wat werk in Excel of Sheets om conclusies te kunnen trekken. Misschien heb je hulp nodig bij het koppelen van namen of personeels-ID's aan trainingsdata in een groot bestand.
Je LMS zou ook een werkende API moeten hebben, of een manier om de eigen data naar een andere locatie over te brengen. Als dat mogelijk is, kan het zeer effectief zijn om samen te werken met mensen binnen je organisatie om deze data in een geschikte datawarehousingtool (zoals Snowflake) te krijgen.
Hiermee kun je deze data (leeractiviteit) mogelijk vergelijken met personeelsgegevens zoals prestaties, productiviteit of beoordelingen. En in plaats van dit in verschillende Excel-sheets te doen, zou je het mogelijk (waarschijnlijk met hulp van een data-analist) in dezelfde tool kunnen doen met een SQL-query.
Er zijn ook andere manieren om dit te doen. Cognota is een L&D-platform dat eraan werkt al deze informatie op één plek onder te brengen en het is wellicht de moeite waard om dit te bekijken. Tools zoals Tableau of Google Data Studio kunnen aantrekkelijke dashboards maken op basis van spreadsheetinvoer. Als je dus een manier kunt vinden om ruwe data daarin te krijgen, kun je deze nog steeds overzichtelijk visualiseren.
Blijf op de hoogte van de veranderingen
Als je meer wilt leren over statistieken voor leren en ontwikkeling, raad ik aan enkele L&D-community's op LinkedIn en daarbuiten te volgen. Ik zou beginnen met L&D Shakers en Offbeat.
Als je denkt dat ik het volledig bij het verkeerde eind heb over cSAT-vragen in enquêtes na afloop van een leertraject, stuur me dan een bericht op LinkedIn—ik ga altijd graag een goed debat aan!
Enkele aanvullende bronnen om je L&D-programma te verfijnen en je talent te ontwikkelen:
- Zo creëer je in 7 stappen een leer- en ontwikkelingsstrategie
- Zo creëer je een bloeiende leercultuur
- De 10 beste leermanagementsystemen (LMS) voor medewerkerstraining
- De beste systemen voor prestatiemanagement voor ondernemingen
Abonneer je op de nieuwsbrief van People Manage People om regelmatig artikelen te ontvangen over het verbeteren van leren en ontwikkeling en andere personeelsfuncties in je organisatie.
