Warum die meisten L&D-Dateninitiativen scheitern und wie man das verhindern kann

Wenn Sie im Bereich Lernen und Entwicklung arbeiten, dann wissen Sie bereits, dass Daten- und Lernanalysen derzeit heiße Themen und nicht nur Schlagworte sind; Daten- und Lernanalysen haben erhebliche Vorteile und das Potenzial, L&D als strategische Geschäftseinheit innerhalb von Organisationen zu stärken.

Trotz der Vorteile sehen wir oft, dass diese Dateninitiativen scheitern.

Verbreitete Barrieren, die erfolgreiche Dateninitiativen verhindern

L&D-Fachleute erkennen den potentiellen Nutzen der Nutzung von Lerndaten, aber sie wird auch als kompliziert, überwältigend und als Belastung für die Implementierung angesehen. In vielen Fällen kommen Dateninitiativen nicht voran, weil sie nicht die gewünschten Ergebnisse bringen, oder sie enden als kleine Pilotprojekte ohne langfristigen strategischen Nutzen

Wir haben die vier häufigsten Hindernisse für die Umsetzung einer erfolgreichen Lerndateninitiative ausgemacht.

1. Die Wissensbarriere
Da die Datennutzung für viele Organisationen und Experten noch relativ neu ist, fühlt sich der Anfang komplex und zeitraubend an. Mit anderen Worten, es ist schwer zu wissen, wo man überhaupt mit seinen Daten beginnen soll.

2. Die organisationale Barriere
Dateninitiativen erfordern organisationsübergreifende Zusammenarbeit und Kommunikation. Beispielsweise ist es wichtig, die IT-Abteilung einzubeziehen, um über Datensicherheit und Datenverfügbarkeit zu diskutieren. Es kann sehr schwierig und zeitaufwendig sein, diese Diskussionen mit verschiedenen organisatorischen Interessengruppen zu initiieren, um alle auf die gleiche Seite zu bringen, insbesondere wenn das Konzept der Datennutzung für alle neu ist.

3. Die Metrik-Barriere
Es bedarf sorgfältiger Überlegungen, um die wichtigsten Metriken, KPIs und Analysen zu definieren, die den gewünschten geschäftlichen Nutzen bringen würden. Vor allem, wenn das Wissen über die Daten nicht tief genug ist. Auch hier ist eine organisationsübergreifende Kommunikation erforderlich.

4. Lösungserschöpfung
Schließlich ist da noch die Frage der Lösungsermüdung. Es gibt viele Lösungen, die mit dem Sammeln von Daten und Analysen verbunden sind. Möglicherweise verfügen Sie über mehrere Lernplattformen, eine LRS-Lösung und mehrere andere Systeme, die Ihnen Erkenntnisse liefern können. Es kann mühsam sein, alle Systeme miteinander zu verbinden, um ein Gesamtbild davon zu erhalten, wie sich Ihre Lerninitiativen auf Ihre Geschäftsergebnisse auswirken.

Wenn man es nicht messen kann, kann man es nicht verbessern.
– Peter Drucker

Die Lösung: Beginnen Sie zuerst mit der Datenerfassung

Wir haben gelernt, dass der beste Weg zur Bewältigung der oben genannten Herausforderungen darin besteht, mit der Erfassung Ihrer Lerndaten zu beginnen. In der Praxis bedeutet dies die Implementierung einer Lösung zur Erfassung reichhaltiger Lerndaten unter Verwendung von Industriestandards. Der derzeit maßgebliche Standard für die Datenerfassung ist xAPI, und der Learning Record Store (LRS) wird zur Speicherung der Daten von der Lernplattform verwendet.

Wenn Sie einen großen Schritt nach vorn machen, indem Sie sich auf die Erhebung Ihrer Daten konzentrieren, werden Sie drei große Vorteile ernten:

1. Schaffen Sie Ihre Grundlage

Um datengesteuert zu sein, müssen Sie damit beginnen, Ihre Daten zu sammeln.

Sobald Sie die Daten sammeln, sinkt die Wissensbarriere. Zuerst werden Sie anfangen, einfache visuelle Einblicke in die Daten zu sehen und sich mit ihnen vertraut zu machen. Schon bald werden Sie und Ihre Kollegen verstehen, welches Lernpotenzial die Daten in Ihrer Organisation bergen.

Das Sammeln der Daten hilft auch bei organisationsübergreifenden Diskussionen. Sie werden in der Lage sein, Lerndaten als Beweismittel zur Untermauerung Ihrer Argumente zu verwenden und die Vorteile zu präsentieren.

Wenn Sie mit der Datenerhebung beginnen, achten Sie darauf, ein standardisiertes Datenerhebungsinstrument zu wählen. Auf diese Weise können Sie später jede beliebige Lösung zur Verarbeitung und Analyse der Daten wählen.

2. Verlieren Sie keine wichtigen Lerndaten

Ihre KPIs und Geschäftsziele können sich im Laufe der Zeit ändern, und höchstwahrscheinlich werden sie sich aufgrund der sich verändernden Geschäftslandschaft ändern. Verschwenden Sie keine Zeit mit dem Warten auf die Entwicklung Ihrer KPIs, wenn Sie Ihre Lerndaten sammeln können. Wenn Sie sofort mit der Erfassung Ihrer Lerndaten beginnen, erhalten Sie mehr Einblick in die Art und Weise, wie das Lernen genutzt werden kann, um die von Ihnen gewählten KPIs zu beeinflussen. Wenn Sie sich zu viel Zeit nehmen, um die perfekten KPIs zu entwickeln, und dann mit dem Sammeln der Daten beginnen, haben Sie höchstwahrscheinlich viele nützliche Lerndaten verloren.

3. Die Überholspur zu geschäftlichen Vorteilen

Wenn Sie von Anfang an Lerndaten sammeln, können Sie sehr schnell mit der Analyse beginnen, aber im Laufe der Zeit, wenn sich Ihre Daten summieren, werden auch Ihre Erkenntnisse aus den Daten wachsen.

Kundenbeispiel: Starten Sie mit Daten, kommen Sie bei geschäftlichen Vorteilen an

Valamis verwendet die sofort einsatzbereite LRS-Lösung bei der Implementierung von Lernlösungen, so dass die Datenerfassung in jedem Fall am ersten Tag der Implementierung beginnt.

Bei einem unserer Kunden aus dem Regierungssektor hat sich dies in hohem Maße ausgezahlt. Die ursprüngliche Absicht des Kunden war es, die Lerndaten nur für statistische Zwecke zu verwenden – zur Meldung der jährlichen Plattformanwendungsraten und Schulungsabschlüsse.

Als sich die Daten zu sammeln begannen, entstanden neue Ideen für Analysen. Neben der jährlichen Berichterstattung wurden die Lerndaten dazu verwendet, datengestützte Entscheidungen zur Entwicklung des digitalen Lernangebots und zur Verbesserung des Engagements der Lernenden zu treffen. Wann immer eine Frage aufkam, konnten wir die gesammelten Daten zur Beantwortung heranziehen.

In einem Fall wurde ein großes jährliches Schulungsangebot mit schätzungsweise über 10.000 Teilnehmern mit Lerndaten verbessert. Durch die Verfolgung der Wege der Lernenden konnten wir feststellen, welche Teile der Schulung am zeitintensivsten waren und wo die Lernenden Probleme mit dem Inhalt hatten. Dann untersuchten wir eine ähnliche Art von Lerninhalt, der funktionierte und Ergebnisse lieferte, und evaluierten, warum er besser funktionierte. Auf der Grundlage unserer Ergebnisse nahmen wir Änderungen an den Inhalten vor, die nicht so gut funktionierten, und es gelang uns, die Zeit bis zum Abschluss der Schulung um zwei Stunden zu verkürzen.

Bei der Durchführung der Berechnungen bedeutete eine Verkürzung der Bearbeitungszeiten um zwei Stunden eine Einsparung von über 20.000 Stunden für mehr als 10.000 Lernende.

Das Entscheidende daran ist, dass diese Organisation, obwohl sie von Anfang an nicht wusste, was sie mit den Daten tun konnte, die Daten sammelte und dann auf der Grundlage der aus allen Daten gewonnenen Erkenntnisse handelte.