Con la massiva digitalizzazione degli ambienti di lavoro, le competenze di data analytics sono diventate sempre più importante, anche in ambito HR e L&D. Ecco perché dovresti sviluppare queste skill e diventare data-fluent.

Attraverso le piattaforme di digital learning, ogni giorno milioni di utenti svolgono corsi di formazione online generando un’enorme quantità di dati. LMS, LXP e piattaforme eLearning facilitano la raccolta di questi dati mettendoli a disposizione degli L&D manager.

L’analisi dei dati è molto utile per i responsabili della formazione che possono utilizzarli non solo per monitorare i corsi e valutarne l’efficacia, ma anche per progettare le attività future e continuare a migliorare la strategia L&D aziendale.

Tuttavia, in molti casi, le figure HR non padroneggiano la capacità di comprendere e rielaborare i dati, ancora ritenuta una competenza tecnica di figure specifiche come il data analyst. In realtà, in un mondo sempre più data-driven, allenare queste competenze diventa fondamentale anche nell’ambito delle risorse umane.

Person writing on paper with data

La nuova sfida L&D: lavorare con i dati

La capacità di leggere e comprendere i dati è una delle principali sfide per le aziende che vogliono sviluppare una strategia competitiva a lungo termine.

Un recente studio condotto da The Data Literacy Project rivela che solo il 24% dei decision maker intervistati dichiara di possedere le competenze necessarie per leggere, analizzare e comprendere i dati e solo il 32% dei C-level si considera data-literate.

In questo contesto, possiamo presupporre che anche moltissimi L&D leader che hanno a disposizione i dati forniti dalle piattaforme di digital learning, in realtà non sanno come sfruttare al meglio queste informazioni.

I dati del training danno importanti indicazioni sull’andamento dei corsi, sull’efficacia dei programmi e in generale sul ROI della formazione. Ecco perché allenare le competenze di comprensione dei dati è fondamentale anche a livello HR.

Come diventare data-fluent

Sviluppare le competenze basilari di data analysis è essenziale. Ecco alcuni suggerimenti per lavorare su queste skills e diventare data-fluent:

1. Riconoscere il valore dei dati

Il primo step per raggiungere un obiettivo è capire perché abbiamo intrapreso questo percorso. Qual è l’utilità? Nel nostro caso dobbiamo capire perché è importante diventare data-fluent e come questa capacità può facilitare il nostro lavoro.

In ambito L&D, i dati hanno diverse funzioni: possono aiutarci a capire l’efficacia del training, a individuare delle aree di miglioramento nel percorso, a programmare degli interventi e a migliorare la nostra offerta formativa.

Inoltre, capire in che modo puoi usare i dati nel tuo lavoro ti permette di individuare delle priorità e di conseguenza potrai focalizzare la formazione sugli aspetti più utili per le tue attività.

2. Conoscere le fonti

Per analizzare i dati dobbiamo prima di tutto sapere da dove vengono e come sono stati raccolti. Abbiamo a disposizione un’enorme quantità di dati e conoscere la fonte ci serve come primo filtro. Per farlo, stabilisci quali sono per te le metriche più importanti e a quel punto raccogli solo i dati rilevanti per questa analisi.

Per esempio, se il tuo scopo è verificare l’efficacia della formazione linguistica, raccogli i dati sul livello di competenza degli studenti prima dell’inizio del training e i risultati dei test finali. In questo modo potrai vedere di quanto è aumentato il livello di conoscenza delle lingue in azienda.

3. Analizzare i dati consapevolmente

Una volta stabilito l’obiettivo dell’analisi e individuata la fonte dei dati, puoi iniziare ad analizzare consapevolmente le informazioni raccolte. I dati ti permettono di individuare dei trend oppure delle situazioni di criticità rispetto all’andamento generale del training e in questo modo puoi prendere delle decisioni su delle basi oggettive.

Proseguendo con l’esempio della formazione linguistica, potresti voler capire quale è stato l’impatto del corso sulle attività di business dell’azienda. Per esempio, grazie a una maggiore sicurezza nelle comunicazioni, le vendite sono migliorate?

A questo punto puoi confrontare i dati sul miglioramento delle competenze linguistiche dei dipendenti (aumento del livello) con i dati sulle vendite prima della partenza del training e dopo.

Questa analisi è utile, non solo per comprendere l’efficacia del training, ma anche per verificare che la strategia L&D sia allineata con gli obiettivi di business aziendali.

4. Trasformare i dati in azioni

Infine, la data analytics dovrebbe aiutarti in fase di progettazione della formazione. I corsi, infatti, non sono prodotti finiti una volta che vengono avviati, ma possono essere perfezionati durante il loro svolgimento.

Diventare data-fluent può aiutarti a pianificare degli interventi per migliorare i corsi in svolgimento e a progettare le iniziative future.

Ritorniamo ancora una volta sul nostro esempio. L’obiettivo della formazione linguistica era quello di dare ai dipendenti gli strumenti per svolgere al meglio la propria professione, quindi potresti analizzare i dati sulle risorse completate per capire se i contenuti siano stati utili. In base a queste informazioni potresti decidere di aggiungere nuove attività dedicate al tuo settore e ridurre dei contenuti troppo generici che gli studenti non hanno completato.

Meeting about data

Conclusioni

In un mondo sempre più data-driven, non possiamo tralasciare le competenze di data analytics. Esse, infatti, ci permettono di sfruttare l’immensa quantità di dati raccolti ogni giorno per migliorare la strategia L&D delle nostre aziende. Ecco perché anche gli HR dovrebbero diventare data-fluent

Share This