Data kuuluu osaamisen kehittämisen asiantuntijoiden suosikkiaiheisiin. Yhdeksän kymmenestä osaamisen kehittäjästä haluaa ottaa selvää, kuinka data voisi auttaa heitä tekemään parempia päätöksiä1. Personoitu, mukautuva oppiminen, keinoäly ja oppimisanalytiikka nousivat keskeisimmiksi osa-alueiksi Donald H Taylorin globaalissa tutkimuksessa2, joka julkaistiin vuoden 2019 alussa.
Data on pysynyt trendikkäänä puheenaiheena läpi vuoden. Bensaa liekkeihin ovat heittäneet palkitut keinoälysovellukset3 ja syväluotaavat keskustelut käyttökokemuksesta ja oppimisen vaikuttavuuden todentamisesta.
Vaikka data vaikuttaa olevan osaamisen kehittämisen “uusi musta”, sen haltuun ottaminen saattaa olla haastavaa.
Valmistautuessamme webinaariin Valamiksen kanssa laitoimme pystyyn kyselyn oppimisdataan liittyen. Kyselyssä selvitimme sitä, millaiset asiat osaamisen kehittämisen asiantuntijat kokevat kaikkein haastavimmiksi datan kanssa työskennellessä. Asiantuntijat useilta eri aloilta ja eri maista tunnistivat 109 haastetta. Alla olevassa infografiikassa nähdään, kuinka haasteet keskittyvät viiteen pääkategoriaan:
Merkittäväksi haasteeksi nousee osaamisen kehittäjien itseluottamus. 26% esille tulleista haasteista linkittyy joko digitaaliseen lukutaitoon ja korkeamman tason analyyttiseen osaamiseen. Analyyttisten kykyjen puute haasteena ei tullut yllätyksenä, sillä siitä on raportoitu jo aikaisemmin laajasti Learning and Performance Instituten4 ja Towards Maturityn5 toimesta.
Mielenkiintoista kuitenkin on, että 17%:ssa itsevarmuus-haasteista kysymys oli nimenomaan perusteista. Kysyttiin kysymyksiä datan perusperiaatteista, kuten:
Kaiken kaikkiaan datan saatavuus oli suurin huolenaihe – sekä uuden datan kerääminen, että pääsy jo olemassa oleviin datan lähteisiin. Teoriassa datan saatavuuden pitäisi parantua teknologian avulla, mutta 10% esiin nostetuista haasteista liittyvät suoraan työkaluihin, oikean teknologian löytämiseen (millä tallentaa ja analysoida dataa) ja siihen, kuinka nämä työkalut saadaan toimimaan yhdessä muiden alustojen kanssa. Joissakin vastauksissa osaamisen kehittäjät tuovat esille sen seikan, että käytössä olevat alustat eivät tarjoa käyttökelpoista dataa.
Datan soveltaminen käytännön ongelmiin nousi kyselyssämme merkittäväksi haasteeksi yhdelle viidestä vastaajasta. 11% kysyi, kuinka data voi auttaa personoimaan oppimista, tekemään parempia päätöksiä ja tuoman oppimisen vaikuttavuuden näkyväksi. 9% vastanneista ilmaisivat huolensa saatavilla olevan datan hyödyllisyydestä. Pystytäänkö tämän datan avulla vastaamaan tulevaisuuden todellisiin haasteisiin?
Tuen puute haasteena nousee siitä tosiasiasta, että liiketoiminnassa ei haluta panostaa ja sisäänostaa datapalveluita. Haluttomuus ostaa puolestaan johtuu resurssien (sekä ajan että rahan) puutteesta. Resurssien puitteissa dataa ei ole edes mahdollista hyödyntää osaamisen kehittämisessä kunnolla.
Kyselyssä tunnistettiin, että osaamisen kehittämisen datan avulla mahdollistaa nimen omaan se, että dataa saadaan useista eri lähteistä. Vain näin pystytään varmistamaan, että oppiminen tukee liiketoimintaa. Jotta tästä tulee mahdollista, liiketoimintajohtajien ja data-asiantuntioiden täytyy tehdä yhteistyötä – tämä tuntuu edelleen olevan haasteellista.
Viides kyselyssä esiin tullut huolenaihe liittyy niinkin perustavanlaatuiseen asiaan kuin luottamus. Esille ei noussut ainoastaan eettiset ja lupa-asiat (onko meillä lupa kerätä dataa), vaan myös piilevät olettamukset: sekä liiketoimintajohtajien, että osaamisen kehittämisen kanssa työskentelevien olettamukset siitä, miltä hyvä data näyttää ja missä asiayhteydessä sitä kerätään.
Osaamisen kehittämisen kanssa työskentelevinä meitä ympäröivät potentiaaliset kohteet, joista dataa voisi kerätä, yrityksen johdosta tuleva informaatio ja ulkoinen tutkimus aiheesta. Kosketuspintaa dataan tuo myös reflektointi omien työntekijöiden kanssa ja kysymykset joita kysymme heiltä ja sidosryhmiltä. Tässä vain muutama mahdollinen datan lähden mainittuna.
Yksittäiset datan lähteet voivat olla merkityksettömiä, jos niitä tarkkaillaan erillisinä muista. Ne voivat johtaa harhaan, niitä voidaan käyttää väärin ja joskus jopa vaarallisesti, jos ne otetaan pois asiayhteydestä.
Jo pelkkä datan lähteiden määrä voi olla hämmentävää ja turhauttaa, mutta se ei ole suurin haasteemme. “Competing on Analytics, The New Science of Winning” -kirjan kirjoittaja Tom Davenport sanoo: “Suurin ongelma analyyttisessa prosessissa on se, että et tiedä mitä etsit datasta.”
Data käy järkeen vasta sitten, kun osaamme kysyä siltä hyviä kysymyksiä haasteisiimme ja palveluihimme liittyen.
Oli haaste mikä tahansa, paras paikka aloittaa ei ole data tai uusien data-analyyttisten kykyjen kehittäminen, vaan oma uteliaisuutemme. Mitä me haluamme todistaa, parantaa tai todistaa vääräksi? Emme tarvitse tutkintoa tilastotieteessä, jotta pystyisimme kysymään näitä kysymyksiä. Tarvitsemme uteliaan ja kriittisen mielen.
Seuraavassa blogissa tutkimme kuinka uteliaisuus saadaan laitettua töihin. Käytämme työkaluna “todisteita”: evidence – the new e in learning!
Oppimisala rakastaa uusia hypetermejä, erityisesti aina uuden vuosikymmenen alkaessa. Muistan vielä, kun e-learning eli sähköinen oppiminen oli kuuminta hottia vuosituhannen vaihtuessa 20 vuotta sitten. Entinen työnantajani CBT Systems esitteli tämän uuden termin lokakuussa 1999 kuvaillakseen, miten internetin voima voitaisiin valjastaa oppimisen personointiin ja tekemään oppimisesta relevantimpaa, sosiaalisempaa, tuetumpaa sekä ajantasaisempaa kuin koskaan aikaisemmin.
Siihen aikaan teknologia, jolla tämän unelman täysi potentiaali olisi omaksuttavissa, oli harvassa. Niinpä termi e-learning alkoi pian viitata säännöstenmukaisuuteen (compliance), mikä merkitsi taantumista edeltävän vuosikymmenen klikkaa-hiirtä-jatkaaksesi–tyyppiseen tietokoneistettuun koulutukseen. Termin alku-e:n merkitys muuntui jännittävästä (exciting) tehokkaaseen (efficient). L&D keskittyi toteuttamaan yhtä tavoitetta – kustannussäästöjä!
Nyt, 20 vuotta myöhemmin, L&D-johtajat virittäytyvät e:n uusiin merkityksiin: kokemukseen (experience) ja vaivattomuuteen (ease)! Mietimme taas, kuinka tehdä oppimisesta entistä henkilökohtaisempaa, relevantimpaa ja ajantasaisempaa – tällä kertaa vain kutsumme sitä oppimiseksi työn ohessa! Nyt teknologia ei ole pelkästään kypsynyt tarvittavalle tasolle, vaan se myös ohjaa sekä suuntaumistamme että odotuksiamme.
Data on meitä kaikkialla ympäröivän teknologian yksi selvimmistä eduista. L&D:llä on käytettävänään yltäkylläisesti uusia tietoja ja tilastoja analyyseihin, joiden avulla voimme mukauttaa ja kehittää toimintaamme. Ei ole mitenkään yllättävää, että analytiikka on ensimmäistä kertaa ykkösenä Donald Taylorin 2020 Global Sentiment Survey -kyselyssä.
Data tuo muassaan myös haasteita.
Kurkkasimme näihin haasteisiin jo tämän blogikirjoituksen ensimmäisessä osassa. Saimme selville, että datan potentiaalista huolimatta L&D-johtajilla on vaikeuksia päästä käsiksi tarvitsemaansa dataan, he eivät usein luota saatavilla olevaan dataan ja he kokivat, että heidän oma organisaationsa ei tue heitä keräämään ja hyödyntämään dataa. Mikä tärkeintä, 46 prosenttia L&D:n mainitsemista haasteista juonsi juurensa riittämättömään itseluottamukseen, mikä vaikeutti datan tulkintaa ja soveltamista käsillä olevan ongelman ratkaisemiseksi.
Datasta alkaa saada selkoa vasta sitten, kun se on pantu töihin ongelman ratkaisemiseksi.
Mitä haluamme kehittää datan avulla? Haluammeko osoittaa jotain? Kumota jotain? Oma uteliaisuutemme on lähtökohta datan tehokkaalle hyödyntämiselle. Dataan liittyvät haasteet johtuvat usein siitä, että lähestymme ongelmaa väärästä suunnasta.
Oikeat kysymykset voivat auttaa ongelman hahmottamisessa. Ne auttavat purkamaan haasteemme pienempiin ratkaistaviin osiin.
Kun olemme täsmentäneet ongelmamme ratkaisemiseksi esitettävää kysymystä, vastuksen löytämiseksi on olemassa erilaisia vaihtoehtoja.
Voimme mennä virran mukana – mikä on kuuminta hottia juuri nyt? Voimme luottaa vaistoihimme – myös niihin kuuluvine intuitioineen ja ennakkoasenteineen. Voimme ammentaa kokemuksistanne – sekä hyvässä että pahassa. Voimme etsiä riippumatonta tutkimusta aiheesta – tai tehdä oman tutkimuksen. Voimme tutkia dataa itse!
On selvää, että pelkkä data ei riitä ongelman ratkaisemiseen. Niinpä on keskityttävä datan ohella oppimisen uuteen e-kirjaimeen – evidenssiin eli todisteisiin.
Todisteita ovat määritelmän mukaan ‘käytettävissä olevat tosiasiat tai informaatio, jotka osoittavat uskomuksen tai väitteen todeksi tai paikkansapitäväksi’. Todisteet auttavat paitsi saamaan datasta tolkkua, myös hallitsemaan sen voimaa!
Centre of Evidence Based Managementin nerokkaan väen mukaan ”todistepohjaisen toimintatavan perusideana on, että onnistuneiden päätösten pitäisi perustua kriittisen ajattelun ja parhaiden mahdollisten todisteiden yhdistelmään.”1
Todisteita saa heidän mukaansa lukuisista eri lähteistä –
Kaikki nämä lähteet tarjoavat oman näkökulmansa käsillä olevaan ongelmaan. Niiden vahvuus ja voima syntyy niiden yhdistämisestä todistepohjaksi, joka edesauttaa pääsemistä fiksumpiin päätöksin ja tuottavampiin keskusteluihin.
L&D joutuu tekemään lukuisia päätöksiä ja vastaamaan moniin kysymyksiin työn nopeasti muuttuvassa digitaalisessa maailmassa. Tämän takia evidenssistä on tultava oppimisen uusi e!
Todisteet kasvattavat uskallusta – kun luotamme itseemme enemmän, teemme parempia päätöksiä, vähennämme riskejä entistä useammin, olemme luovempia ja haastamme nykytilannetta entistä herkemmin.
Todisteet myös avaavat uusia ovia – ne mahdollistavat uusia keskusteluja johtajien ja budjettivastaavien kanssa, uusia mahdollisuuksia lisäarvon luomiseen ja uusia suhteita muutoksen mahdollistamiseen.
Mitä todisteita Sinä voisit alkaa hyödyntää jo tänään?
Lähteet: