预测学习需求

利用大数据和学习分析预测学习需求

在脸书上分享
在twitter上分享
在linkedin上分享
分享whatsapp

学习对于任何组织的成功都是一个重要的拼图,然而它的投资回报率是非常基于视角的。多年来,L&D专业人士一直在努力寻找一种可靠的方法来证明学习主动性的投资回报率。利用分析的力量,公司可以更实时地了解学习和发展计划的回报,但如果我们可以把这个等式颠倒过来呢?我们能否使用数据和洞察力来预测未来的学习趋势?通过预测培训需求,学习计划可以更加主动,而不是基于失去的机会和收入人工智能在人力资源中的应用. 让我们看看可以执行此分析的几个方面:

1.即将发布的业务需求

预见培训需求和学习趋势的另一种方法是通过了解和收集数据的细节未来的项目进入组织和理解现有项目的增长潜力的团队规模即评估员工的当前技术水平对什么技能可以搬到一个项目project requires. In a services organization like ours, where we work with multiple clients with a vast range of requirements, it is important to foresee these and plan to get the right talent with the right skills to meet client requirements efficiently.

大多数组织的数据都是孤岛式的——项目SOW、需求和人员配置文件等。在这种情况下,可以使用文本分析收集技能数据,虽然这些数据可能不是100%准确,但每个团队都可以在他们所做的工作中验证这一基础。这是根据当前员工技能数据来衡量的。听起来很简单,对吗?我相信大多数经验丰富的L&D专业人士都会有上百个论点或评论来证明这是不可行的。比如,我们怎么知道谁会去那个项目?项目动态不断变化,我们如何跟上?

重要的是要了解这里,虽然我们努力为企业提供完美的学习模块,但我们只能这样做。所以,让我们将自己限制在基本要求和培训员工上,以便启动工作所需的基础,从那里就是自己。心理上,人们更喜欢自己发现和学习,我们必须给他们这个机会。

现在,我们能做什么?

首先,让我们了解可用的数据以及如何收集这些数据:

  • ORG技能矩阵- 在大多数组织中容易获得。如果没有,这是员工所有能力的洗衣清单,衡量衡量熟练程度的规模
  • 项目技能–如上所述,执行项目或工作所需的技能,重要的是我们将其保留为所需的基本技能
  • 资源预测数据–关于有多少人可用的数据,或预测在一定时间内有多少人可用

分析

我们如何把这一切拼凑起来?

  • 第1号:整理并了解所有即将到来的工作所需的基本技能
  • 第2号:哪些员工在接下来的两个月里有哪些?任何人都可以获得一项新技能或技术
  • 第3号:他们的技能水平如何?

根据这些数字,L&D团队可以设计培训模式、学习干预的持续时间、需要的时间以及困难程度。

从本练习中获得的数据:

  • 即时培训需要满足即将到来的业务需求
  • 员工技能现状

2.我们的学习计划是否会影响绩效?

在一个培训课程中提高技术技能或改变人类行为是不可能的。对于反思结果或收入的变化将需要时间。因此,我们采取某些业务场合来衡量无形的。将性能与培训的唯一途径衡量培训的有效性。可以使用各种数据点测量培训的有效性,其中参与者的表现是主要贡献者。培训的有效性只能通过连续监测至少三个月的训练后尤其测量。

可收集的数据:

  • 技能矩阵- 组织中所有员工的技能资料及其各自的熟练程度。对此数据的分析可以提供有关通过培训的哪些技能和改进的技能的洞察力,因此表现
  • 评估(培训前和培训后)-同样的评估进行两次,一次在培训前,一次在培训后,以衡量从培训中吸收的概念
  • 后续评估- 对同一技能的不同评估将在培训后一个月管理,了解学习保留
  • 经理反馈-来自经理的反馈,以了解培训是否提高了个人的绩效
  • 技能在工作中的应用–项目成功率百分比
  • 比较升级数量由于技术技能的差距(培训前和培训后)

分析

完成培训的人数,培训人数的数量和任何数量的分析都不会衡量该计划的有效性。

员工在其任职期间的学习历史,以及与其他因素的关系,如绩效管理系统、人力资源管理系统、技能矩阵门户、财务门户、项目门户的绩效评级,如果连接到一个分析解决方案中,将提供一致的数据。这些数据可以在员工任期的不同时间段进行比较,以得出培训是否真的解决了挑战,并转化为财务成果的结论。

从这个练习中得到的数据

  • 绩效显著改善的员工百分比
  • 技能熟练程度有所提高的员工百分比
  • 通过前评估和后评估提高该技能的员工百分比

3.有组织的学习有助于留住员工吗?

大多数公司每年或每两年进行一次员工调查,从学习的角度来看,这不仅是了解各种学习计划有效性的重要工具,而且可以确定长期留在公司的员工以及离职员工的模式。这是一个简单的分析,可以通过将以下问题的答案按员工任期和离职人员进行分类来完成:

  • “我有机会学习和发展我需要做好我的工作”
  • “我相信这家公司有很好的职业生涯机会”
  • “这是一个有助于我的发展的伟大公司”

除了培训需求和技能开发之外,员工们还辞职,但在Glassdoor的研究文章中,“在千禧一代,”学习和进步的能力“现在是公司就业品牌的主要司机。然而,只有三分之一的千禧年相信他们的组织正在利用他们的技能,42%的人说他们可能会离开,因为他们没有足够快地学习。“因此,看看这个数据有意义。

如果数据显示,由于培训需求“未得到满足”、在职期间无法发展任何新技能而离职的人比例惊人,那么很明显,我们需要重新开始,重新制定战略。

从这个练习中得到的数据

  • 留在系统中的员工的历史培训数据
  • 留下留下缺乏学习倡议的员工的历史培训数据作为个人

一个尺寸不适合所有

任何学习计划都从一个目标开始,即在一次培训或一系列培训课程中,将特定技能、技术或行为的熟练程度从一个级别提高到另一个级别。使之困难的是行为技能不是有形的,我们必须为其创建有形的数据点。

所有这些都需要通过实验来找出有效的方法——电子学习、课堂培训、学习镜头、自学。随着人工智能的应用预测学习者的类型,并将其与学习模式相匹配,即视觉、听觉和动觉。组织中的学习管理系统(LMS)可以根据平台上的学习模式、风格、时间和参与度获取结果。我们还可以从各种MOOC中学习,这些MOOC使用来自用户搜索历史的数据来找出学习者在寻找什么,以及他们是否找到了他们在寻找的东西。

学习者类型

可以为每个学习者建立一个自动推荐引擎,通过问他们一堆问题来收集学习历史:

  • 你在学习什么?
  • 你有多少时间?
  • 你做得更多的实际工作,而不是管理吗?
  • 你了解如何工作的最佳方式(如电脑或/视频游戏)?
  • 记住朋友电话号码的最好方法是什么?

该系统应帮助他们确定最适合其学习需求的课程和学习模式。

从这个练习中得到的数据

  • 每位员工的学习者类型
  • 关于每个员工想要从自己的利益中学习的数据

把所有这些联系在一起看起来就像这样:

组织的视角

收集的数据来自商务透视,即组织需要在理解他们需要作为个人所需的内容方面生长和赚取收入和雇员的观点。所有这些都放在一起将有助于得出成功的学习策略。使用分析来驱动预测学习将帮助组织构建数据驱动的文化,因为它支持更快的报告,分析和最大限度地使用当前渠道,建立在已知的内容。毋庸置疑,同样的实施是向前迈出的积极阶梯,并保证所有利益攸关方的更大结果。随着年的进步,更多数据变得可用,使系统更加强大,准确地进行更智能和更好的业务决策。

学习分析以推动业务绩效

通过利用驾驶学习和发展,组织可以了解学习组织是如何在关键业务的必要条件时如何实现重要速度,这使得运营效率,提高员工表现,最重要的是影响业务结果。要了解如何利用您组织的学习分析,写入:marketing@latentview.com