4 L&D-mått som driver verklig affärsframgång

• Högre intäkter
• Lägre kostnader
• Minskad risk

Om du alltså gör en mätning från ditt lärandeprogram av ett mätetal som verksamheten behöver, kommer det att kunna hänföras till ett av dessa resultat.

Exempel är att hjälpa medarbetare att bli mer produktiva (lägre kostnader), sälja mer eller få fler förnyelser (högre intäkter) eller veta vad de kan och inte kan göra i vissa situationer (minskad risk).

Det finns förstås andra exempel, men jag tänker hela tiden på dessa tre önskade resultat. 

Varför följa upp det?

Detta är nyckeln till att bevisa en avkastning på investeringen i ditt L&D-program. Det är sättet du bevisar att du har uppnått verksamhetsövergripande KPI:er och förväntningar på utbildningens effektivitet.

Det enda sättet att göra detta på ett obestridligt sätt är att rikta dina mätningar mot vad verksamheten vill få ut av dina program. Det flyttar ditt arbete från en silo till den bredare verksamhetsstrategin. Självdefinierade L&D-mätetal eller resultat kan alltid avfärdas som silobaserade mätningar.

Kort sagt är varför hela poängen här. Våra mål som yrkesverksamma inom L&D bör vara verksamhetsmål. Vi ska vara tjänsteleverantörer och möjliggörare. Att bevisa detta genom den gyllene standarden är det som fortfarande är svårt att uppnå i vår bransch.

Hur följer man upp det?

Här uppstår en del svårigheter. Dessa mätetal är notoriskt svåra att följa upp. Det finns flera orsaker till det, och jag ska ta upp några av dem här.

Men innan jag gör det vill jag säga att jag anser att en hälsosam organisation är en organisation där detta sker i samarbete. Ett L&D-team kanske inte har rätt åtkomst till de data som det vill mäta, eller så kan dessa data vara svåra att få fram eftersom de är röriga.

Jag anser att ett lärande- och utvecklingsteam som genomför en utbildning kopplad till ett korrekt verksamhetsfokuserat resultatmätetal bör ansvara för att driva detta mätetal, men det kan inte ha det fullständiga ansvaret för att även följa upp och se till att mätetalet följs upp. Det bör ske med hjälp av ett driftteam, analytiker eller ett internt datateam.

När du arbetar med dessa team kan de förhoppningsvis förklara varför det kan vara svårt att verkligen fånga det mätetal du söker. Mänskligt baserade experiment är nämligen svåra. För att verkligen följa upp en förändring skulle du vilja ha två prestationsgrupper: en kontrollgrupp och en test- eller behandlingsgrupp. Och dessa grupper behöver överensstämma så väl som möjligt med varandra.

Men när det gäller människor gör de sällan det. Medarbetare kan skilja sig åt vad gäller anställningstid, lön, nivå, erfarenhet och så vidare. De kan också helt enkelt ha en dålig dag eller vecka, eller bara delta halvt medvetna på grund av personliga omständigheter.

Att jämföra två grupper är därför sällan att jämföra likvärdiga saker. Fråga de flesta som arbetar med data varje dag, så kommer de att säga att grupper av människor sällan är det. Låt inte detta få ditt experiment att spåra ur. Du kan fortfarande använda den vetenskapliga metoden i ditt angreppssätt och utveckla en hypotes om att en grupp kommer att göra något annorlunda än en annan (bättre eller sämre).

Låt inte det perfekta bli det godas fiende! Du vill fortfarande visa, så väl du kan, att ditt utbildningsinitiativ drev ett verksamhetsmätetal, även om det inte kan mätas med absolut perfektion.

Om du vet att din mätning görs på en stabil grupp, även om delar av den kan ifrågasättas, kommer ledningen att se att ditt arbete har haft en positiv inverkan på verksamheten och att lärande är en värdefull investering av verksamhetens kapital.

Detta är den gyllene standarden för det vi gör med interna L&D-team. Det är där värdet finns som vi tillför våra organisationer. Så hur övervinner du datautmaningarna ovan?

• Genomför sessioner med några olika grupper
  • En god praxis vore att genomföra detta med helt slumpmässiga grupper för att underlätta hypotesprövning. Ett helt slumpmässigt segment kanske inte är möjligt, och om det inte är det bör du jämföra det med ett ”kontrollsegment” som är så nära överensstämmande som möjligt 
• Spåra avvikare och orsaker till att en grupp kanske inte är helt slumpmässig
  • Det kan handla om faktorer som anställningstid, tidigare erfarenhet eller tidigare experiment som en person kan ha deltagit i. Som datapraxis vill du uppmärksamma så många av dessa avvikande detaljer som möjligt.
• Ha tillräckligt många deltagare för att du ska kunna räkna bort några när mätningen genomförs.
  • Testa med grupper på fler än 10 personer om du kan. Om två eller tre personer hoppar av bör du fortfarande ha tillräckligt många personer och tillräckligt med data att rapportera
• Kom ihåg att även räkna med kostnaden för utbildningen (du kan vara säker på att företagets ledning tänker på det).

Om du är intresserad av att se mer publicerade jag ett (maskerat) exempel på en utbildningsrapport som försöker visa framgång inom denna modell. Du hittar den här.

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.

Create Free Account

Have an account? Log In

Silvernivån: deltagares beteenden och beteendekorrelationer

Härnäst mäter vi förändrade eller modifierade beteenden (förhoppningsvis i positiv riktning) samt korrelationen mellan utbildningsinsatser och prestation.

Jag börjar med beteenden. Det de flesta L&D-program försöker göra är att undervisa, utveckla färdigheter, utbilda eller förändra. Jag är säker på att det finns mer. Summan av kardemumman är att vi vill förbättra någons förmåga att göra något. 

Det kan vara ett specifikt verktyg (Excel), ett språk (SQL) eller en färdighet (empati), men det är något. Därför vill vi med det mått vi fångar se om vi faktiskt förändrade eller förbättrade den färdigheten. Vi kanske inte kan koppla den till ett affärsmått (”Guldnivån” ovan), men vi kan se att något har förändrats.

Här är ett exempel: på ett av mina tidigare företag hade vi en funktion av typen ”helpdesk”. Vi kunde se vem som använde helpdesken och hur ofta, men vi ville försöka hjälpa medarbetarna att göra saker på egen hand i stället för att förlita sig på den (vi hade inga kostnader kopplade till detta, annars hade vi kunnat passa in det i ett bättre affärsmått).

Så vi arbetade med funktionens ”kraftanvändare” – de som använde den mest – för att se om vi kunde göra det.

Vi delade in de flitiga användarna i tre grupper: 

(1) En behandlingsgrupp som fick en e-utbildningsmodul om hur man hittar resurser på egen hand

(2) En grupp som fick en kort utbildning på plats för att förstå varför de använde helpdesken så ofta och som sedan fick resurser (inklusive e-utbildning)

(3) En kontrollgrupp som vi inte gjorde något med.

Gissa vad som hände? Båda behandlingsgrupperna (1 och 2) minskade sin användning av helpdesken (vi bad dem inte att göra det och berättade inte att det var målet) jämfört med kontrollgruppen (3). Men grupp 2, som hade en direkt förståelse för beteendet och uppföljning, hade en mycket större och mer långvarig minskning i användningen.

Detta var i sig en stor framgång. Vi hade inget sätt att diskutera kostnadsbesparingarna på det företaget till följd av en sådan förändring, så vi nöjde oss med detta mått på ”Silver”-nivå i stället för ”Guld”, men vi bevisade att vi kunde förändra beteenden hos vår målgrupp.

Varför ska det följas upp?

Eftersom uppföljning av beteenden hjälper dig att förstå kompetensluckor och utvecklingsområden. Det hjälper dig också att identifiera var du ska lägga lärande- och utvecklingsteamets resurser för att driva de mål som företaget kan ha (och så småningom nå mätning på ”Guldnivå”). 

Det innebär bättre chefer som coachar medarbetare så att de avancerar snabbare (intern rörlighet) eller stannar längre på företaget (medarbetarretention). Det innebär att människor blir mer engagerade i företagets uppdrag eller värderingar (medarbetarengagemang). 

Det börjar förmodligen också sätta din lärandestrategi och utformning i rampljuset. Den kanske inte har den övergripande affärspåverkan som mått på ”Guldnivå” har, men den kommer att bidra till att visa att ditt lärandeprogram kan påverka det som det har satt sig för att påverka.

Hur följer man upp det?

Du behöver ytterligare en datauppsättning för att följa upp detta på rätt sätt. Det kommer sannolikt att vara någon form av historiska data om medarbetares prestationer eller prestationsbedömningar eller -utvärderingar. Beroende på din organisation kan detta vara svårt att få fram, men det är avgörande för att visa utveckling eller värde.

Här är ett tips: be dina HR-team om en version av dessa data där personuppgifterna har tagits bort. Be dem hjälpa dig att koppla ihop dina lärandedata med data om medarbetarnas prestationer och skicka tillbaka dem till dig.

Du har nu en anonymiserad datamängd för att studera historiska förändringar och/eller samband. Hitta en bra analytiker och kör några regressionsmodeller på de variabler du nu har!

Bronsnivån: deltagarnas kunskaper och färdigheter

Det är här de flesta L&D-program når sin övre gräns. Och det är helt okej. Att kunna visa att deltagarna har tillägnat sig kunskaper eller minskat kompetensluckor är något att vara stolt över och bör bidra till att investeringarna i medarbetarnas utbildnings- och utvecklingsprogram fortsätter.

Varför följa upp det?

Du bör följa upp detta eftersom det visar att lärandeupplevelsen var värdefull och att den hade en effekt på medarbetarna.

Att öka någons kunskaper eller färdigheter är viktigt, och vi vet att det hjälper till med mätetal för medarbetarnas prestationer, såsom medarbetarengagemang och personalbevarande.

Hur följer man upp det?

Här kommer bedömningsresultat in, men de måste vara meningsfulla. Om du till exempel skriver en hel webbaserad utbildningsmodul och sedan utformar en bedömning som enbart bygger på den webbaserade utbildningen, vad bevisar då ett godkänt resultat?

Det visar att de förstår det du skrev, men kommer de att minnas innehållet från modulerna? Förmodligen inte. Kommer ett godkänt resultat att innebära att de utför något bättre i sitt arbete? Kanske (se ovan).

Det är verkligen viktigt att följa förändringar i kunskaper och färdigheter, men det måste göras på rätt sätt. Några bra metoder är att analysera bedömningar före och efter utbildningen och leta efter förbättringar.

Ännu bättre är att göra båda dessa saker och sedan genomföra ytterligare en bedömning 60 dagar senare, eller lägga in en bedömningsfråga i en annan utbildning och se hur många som svarar rätt. 

Du kan också be chefer att följa upp de förändringar du vill se efter utbildningen under en medarbetares arbetsdag och återkomma till dig. Detta är något subjektivt, men subjektiviteten riktas mot rätt person: medarbetarens chef. 

Beroende på antalet medarbetare (eller dina testgrupper) finns det alla möjliga kreativa sätt att undersöka detta. Tänk bara på hur mycket tid det tar och hur mycket du ber cheferna att göra. 

En annan bronsnivå: återkommande lärande och lärandetakt

Jag antar att de flesta team håller reda på vilka som lär sig och hur många som lär sig under en viss tidsperiod (vecka/månad/kvartal).

Det är viktiga mätetal, men de är bara aktivitetsregister. Att omvandla dem till något meningsfullt – även om du inte kan uppnå några av mätetalen ovan – är viktigt för att visa hur välfungerande er lärandekultur är.

Och det finns goda skäl att visa ledningen att en sund lärandekultur är avgörande. Enligt McKinsey har företag som erbjuder omfattande utbildningsprogram högre intäkt per medarbetare, med så mycket som 200%.

Varför följa upp det?

Ett mätetal för återkommande lärande visar hur ofta deltagarna återvänder till den lärplattform eller det program du tillhandahåller. 

Du vill inte se personer som bara deltar en gång, utan personer som engagerar sig i och åter engagerar sig i kompetensutveckling, och du vill mäta detta.

Invändningen här är att människor har mycket att göra, även i en sund arbetsmiljö. En månatlig andel återkommande deltagare (de som deltar mer än en gång) över 20% är bra, och över 40% är riktigt bra.

Lärandetakten hjälper till att mäta hur ofta deltagarna återvänder till plattformen – eller hur ofta deltagarna väljer att delta i lärprogram från det att de började. 

Det kan visa om människor i genomsnitt besöker en lärplattform en eller två gånger i månaden, eller om de flesta återvänder efter 40 dagar. Det som verkligen blir meningsfullt är dock vilken typ av utbildning som kan driva upp takten.

Är till exempel er chefsutbildning så bra att människor återkommer varje vecka för att lära sig mer? Tycker människor verkligen om ert innehåll från externa leverantörer? Följ upp detta och titta på trender från månad till månad eller från kvartal till kvartal. 

Så följer du upp det – och ett exempel

Peter Meerman, ledande expert inom lärandeanalys, har börjat sammanställa några av dessa mätetal i enkla instrumentpaneler som jag tror att många team kan använda. Du kan se en del av hans arbete här – samt en instrumentpanel som kombinerar Aktiva deltagare, Genomsnittligt antal timmar per deltagare och uppdelade poster som Genomsnittlig kostnad per deltagare. 

Alla dessa är avgörande för att förstå en övergripande ”hälsopoäng” för en lärandekultur, men var försiktig med vad du önskar dig här och var ännu försiktigare med hur du presenterar dessa data. 

Sätt alltid förväntningar med intressenterna kring hur ”bra” ser ut när det gäller hur många deltagare som besöker er plattform eller ert LMS varje månad. 

För stora organisationer är allt över 50 % per månad riktigt bra. Om ni använder en utbildningsleverantör för innehåll eller programvara kan ni be dem om jämförelsestatistik. 

Utbildningsmått som ni kan överväga att inte följa upp

Du kanske lägger märke till att ett vanligt mått som många L&D-team använder saknas i den här artikeln. Det handlar om kundnöjdhetspoäng (cSAT), Net Promoter Score (NPS) eller någon annan typ av poäng där en deltagare berättar hur mycket hen uppskattade eller skulle rekommendera en kurs. Ett annat är det enkla måttet andel slutförda kurser.

Anledningen till att jag har utelämnat dem är att jag helt enkelt inte ser så stort värde i dem. Om ni kan rapportera om återkommande deltagare och inlärningstakt enligt beskrivningen ovan har ni ett mer krävande och meningsfullt mått och en mer meningsfull datamängd än de subjektiva svar ni får på frågor som ”Hur mycket uppskattade du den här utbildningen?”

Om ni ser att deltagare kommer tillbaka för mer (och gör det snabbt) bör det vara en tillräcklig signal för att veta att de uppskattade er utbildning, har för avsikt att slutföra det de påbörjat och förmodligen ser värdet i den för egen del.

Om ni specifikt vill förstå hur er utbildning kan förbättras bör ni ställa den frågan direkt. Att fråga hur mycket deltagarna uppskattade utbildningen eller hur sannolikt det är att de skulle dela den är mått som försöker vara meningsfulla trots att de egentligen inte är det.

Datalagring

En vanlig fråga jag får när jag pratar om de här punkterna är ”Var finns all den här datan?”. 

Mycket av den bör finnas i ert lärplattformssystem. Allt som rör deltagaraktivitet (bronsmåtten) kan hittas där och kan kräva en nedladdning samt en del arbete i Excel eller Sheets för att dra slutsatser. Ni kan behöva hjälp med att matcha namn eller medarbetar-ID:n med utbildningsdatum i en stor fil.

Ert LMS bör också ha ett fungerande API eller ett sätt att överföra sina egna data till en annan plats. Om ni har möjlighet kan det vara mycket effektivt att samarbeta med personer inom organisationen för att få in dessa data i ett riktigt datalagringsverktyg (som Snowflake). 

Det gör att ni potentiellt kan jämföra dessa data (inlärningsaktivitet) med medarbetardata som prestation, produktivitet eller omdömen. Och i stället för att göra detta i en mängd olika Excel-ark skulle ni potentiellt kunna göra det (troligen med hjälp av en dataanalytiker) i samma verktyg med en SQL-fråga. 

Det finns även andra sätt att göra detta på. Cognota är en L&D-plattform som arbetar med att samla all denna information på ett ställe och kan vara värd att ta en titt på. Verktyg som Tableau eller Google Data Studio kan hjälpa till att skapa snygga instrumentpaneler från kalkylbladsdata, så om ni kan hitta ett sätt att få in rådata där kan ni fortfarande visualisera den på ett tilltalande sätt.

Håll jämna steg med förändringarna

Om du vill lära dig mer om mått för lärande och utveckling rekommenderar jag att följa några L&D-gemenskaper på LinkedIn och på andra håll. Jag föreslår att du börjar med L&D Shakers och Offbeat.

Om du tycker att jag har helt fel om cSAT-frågor i enkäter efter lärandet får du gärna höra av dig till mig på LinkedIn – jag är alltid öppen för en bra debatt!

Här är några ytterligare resurser som kan hjälpa dig att förfina ditt L&D-program och utveckla dina talanger:

• Så skapar du en strategi för lärande och utveckling i 7 steg
• Så skapar du en blomstrande lärandekultur
• De 10 bästa lärplattformssystemen (LMS) för medarbetarutbildning
• De bästa lärplattformssystemen för företag

Prenumerera på nyhetsbrevet People Manage People för att få regelbundna artiklar som hjälper dig att förbättra lärande och utveckling samt andra personalfunktioner i din organisation.