Analytics, een spannend iets, of het nu over HR analytics of over learning analytics gaat. We horen er veel over, het is een must, maar hoe werkt het en wat levert het op? Lees het in deze Tip van Helma van den Berg!

Vaag of niet?

Tijdens de Learning Technologies 2015 in Londen heb ik verschillende lezingen bijgewoond met het onderwerp Learning Technologies. Steeds weer was mijn conclusie dat het als een must gezien werd, maar dat wat analytics de HRM’er precies oplevert, niet duidelijk door de sprekers werd uitgelegd. Het ging over organiseren en combineren van data, waarmee je conclusies kon trekken voor je medewerkers. Niemand kon er voorbeelden bij geven. Het zat allemaal in het technische leersysteem. Steeds weer vroeg ik me af:

wat is de meerwaarde van het inzetten van analytics, komen organisaties wel verder dan het verzamelen van gegevens?

SURF bewijst dat Learning Analytics werken

In een paper van SURF vond ik dat men bij de Universiteit van Leiden door analyses van data al binnen 4 weken na de start in het eerste jaar, groepen studenten kon herkennen die een grote kans op uitval hadden. Hoe dan? Door voorgeschiedenis te combineren met actuele bewegingen van de studenten op leeromgevingen als bijvoorbeeld Blackboard. De gegevens worden niet ingezet voor ‘big brother is watching you’, maar om te helpen bij het vormgeven van de juiste studiedoelstellingen. Interventies dus.

Zo heeft onderzoek ook laten zien dat door te werken met vier verschillende studenttypen bij de Hogeschool Utrecht, docenten hun studenten beter kunnen coachen en begeleiden. Simpelweg omdat ze gedrag herkennen en kunnen interpreteren. Het analyseren maakt dat docenten meer tools in handen hebben om in gesprek te gaan met de studenten. En dat gesprek maakt weer dat er meer communicatie én dus kans op succes is. Succesverhalen over de inzet van analytics. Dus starten we allemaal met het verzamelen van gegevens. Maar komen we dan ook verder? Uit hetzelfde White paper van SURF blijkt dat het verzamelen van gegevens soms het einde van het project betekende.

Men wilde teveel gegevens, waardoor er teveel beschikbaar was en er geen tijd overbleef voor analyse.

Learning analytics of data mining?

Uit de SURF White paper (2013: blz. 7) wordt ook duidelijk dat het datagebruik om interventies te plegen in het leerproces (learning analytics) anders is dan data-analyse op zoek naar betekenisvolle patronen (educational data mining). In het eerste geval moet van tevoren worden nagedacht over welke data voor interventies interessant en nodig zijn, in het tweede geval laat je je ‘verrassen’. Je gaat op zoek naar mogelijke verbanden. Dat is dus een heel ander soort spel, waarbij je als vrager of eigenaar van de gegevens heel andersoortige dingen doet met de gegevens. Het geeft ook direct aan waarom het zo lastig starten is met analytics: je moet een verband vermoeden om dat vervolgens hard te kunnen maken.

Waarom zouden we niet starten met analytics in het werk?
De Belgische pleitbezorger van HR analytics, Luc Smeyers, predikt overal dat met weinig gegevens gestart kan worden met de analyse. Sterker nog, hij adviseert om niet te wachten totdat er veel gegevens zijn, maar combineer het ongewone met het goede. Dus bedenk wat je wilt weten en bekijk of je de gegevens om die relatie uit te vinden al hebt. Zo is het interessant om te bekijken of een manager die zelf veel leert, ook lerende medewerkers heeft. De daarvoor beschikbare gegevens zijn heel simpel in het elektronische leer management systeem te vinden. En wat nu als je die gegevens legt naast de andere kerngegevens van de prestaties van die manager en zijn mensen? Zijn die vergelijkbaar met de manager die amper leert? Interessant om te bekijken en relatief makkelijk te realiseren.

Mocht je meer gegevens hebben, dan is het interessant om te onderzoeken of de goed presterende manager bijzondere opleidingen of schoolresultaten heeft gehad. Wellicht zijn de aannames die gedaan worden bij het werven van medewerkers onderuit te halen.

Zo zou je verwachten dat een bedrijf dat bedrijven opkoopt en oplapt om ze weer te verkopen, vooral werkt met economisch geschoolde mensen. In Amerika doen ze dat anders. Daar werven steeds meer investeringsmaatschappijen mensen met een creatieve opleiding. Ze hebben ervaren dat deze mensen, als ze open staan voor het leren van de betekenis achter de cijfers, veel betere oplossingen bedenken voor het reorganiseren van bedrijven dan de economisten. Bijzonder! Door analytics in te zetten zijn dit soort zaken te voorspellen.

Wat kun je met analytics? Heel wat. Bedenk bijvoorbeeld dat, als de vermoedens kloppen dat een lerende manager ook zijn medewerkers aan het leren krijgt, je de goed lerende manager prima kunt inzetten op een plek waar een grote verandering op komst is. Als op die plek leren nog niet gewoon is, dan kan deze manager zijn medewerkers wel zover krijgen. En dat levert iedereen wat op. Lerende medewerkers kunnen makkelijker mee in de vele veranderingen in de organisatie en wereld om ons heen. Hier ontstaat door de inzet van learning analytics dan ook een goede interventie!

Toekomstdroom: Learning Analytics leveren op voor medewerker

In Londen hoorde ik niet alleen veel sprekers over de achterkant van learning analytics, ik maakte ook kennis met de toekomst van leren. Het zette me aan het denken. Wat opviel was het idee om je content overal naar de medewerker te pushen. Hierbij werd het beeld geschetst van een e-module die een medewerker kreeg aangeboden op het moment dat hij in een heel andere applicatie zijn acties aan het invoeren was. De combinatie analytics met werken in een losstaande applicatie gaf mij de indruk dat je in de toekomst een medewerker op het juiste moment (just-in-time) content kunt aanbieden. Dus, in een commercieel bedrijf krijgt de salesmedewerker die het lastig vindt om een prospect tot de deal te brengen, een e-module aangeboden op het moment dat hij een vierde contact met een prospect in het systeem vastlegt. De vijfde keer dat hij zijn salesacties verwerkt, kan hij niet meer bij zijn gegevens voordat hij de e-learning toets heeft afgerond. Oftewel, de medewerker wordt weer door de kennis gehaald, zodat hij updates heeft van zijn kennis. Analytics werken zo in het voordeel van de medewerker én de organisatie.

Zodra de medewerker in het salessysteem meldt dat het traject succesvol is afgerond, krijgt hij direct de beloning uitgereikt, want ook die instellingen zitten in het systeem. Werken en leren worden zo optimaal gecombineerd in het voordeel van de medewerker én werkgever!

Tip!

  • Bedenk eens als er een nieuwe medewerker geworven moet worden waar deze medewerker aan moet voldoen en wat dit zou kunnen betekenen voor de achterliggende talenten en kenmerken vanuit zijn verleden.
  • Welke kerngegevens heb je dan nodig van mensen uit je organisatie die al succesvol waren? En probeer eens met een analyse uit te vinden of je gedachten kloppen. Maakt dit dat je anders een W&S proces ingaat?
  • Mensen van marketing zijn gewend om met data te werken én verbindingen tussen data te leggen. Vraag ze om hulp bij jouw opstart van HR of Learning analytics. Het werkt, het levert beide partijen op.
  • Volg de vorderingen van nieuwe medewerkers en ga in gesprek met de medewerker zodra je ziet dat de medewerker een ander pad bewandelt dan dat succesvolle voorgangers deden.

 

 

Gebruikte literatuur:

Surf

Artikel met kansen vanuit onderwijs voor Learning Analytics

Informatie over de Learning Technologies 2015 met video’s en White papers

Gerelateerde blogs

Laat een reactie achter