Learning Analytics

Daten segmentieren und interpretieren

Walldorf, Oktober 2014 - Beim Professional Learning Executive Forum auf dem Petersberg kamen zum fünften Mal rund 50 Unternehmensentscheider aus den Bereichen Personalmanagement und Personalentwicklung zusammen, um sich über aktuelle Trends in der betrieblichen Bildung zu informieren und auszutauschen. Die exklusive Veranstaltung für geladene Bildungsverantwortliche aus führenden europäischen Unternehmen widmete sich in diesem Jahr dem Thema Learning Analytics - der Messung, Sammlung und Analyse von Daten über Lernende und ihre Kontexte, um Lernen und Lernumgebungen verstehen und verbessern zu können.

Learning Analytics sei ein heißes Thema, das auf Konferenzen noch nicht allzu ausgiebig diskutiert worden sei, aber für alle Unternehmen immer wichtiger werde, so beschrieb Johannes Cruyff, Director Management Consulting, Head of Talent & Organization D/A/CH bei Accenture, das Thema der diesjährigen Veranstaltung. Die Unternehmen Accenture und SAP waren als Sponsoren und mit Moderatoren bei den verschiedenen interaktiven Workshops bei der Veranstaltung aktiv.

Datensegmentierung ermöglicht Interpretation und Erkenntnisse

"Wir wissen nicht, was wir über unsere Belegschaft alles nicht wissen", brachte Peter Howes, Senior Fellow, Human Capital at the Conference Board, VP Workforce Planning & Analytics SAP, die Bedeutung des Themas Learning Analytics auf den Punkt. In einer Keynote nahm sich der australische Experte deswegen der Frage an, wie Personaler und Weiterbildungsverantwortliche Learning Analytics einsetzen sollten, um zu wissen, welchen Einfluss Lernen auf den Geschäftserfolg habe.

Neunzig Prozent dessen, was in Personalabteilungen als Analyse bezeichnet werde, sei aus seiner Sicht lediglich Reporting anhand von stark aggregierten Daten. Für eine aussagekräftige und zukunftsgerichtete Interpretation fehle es vor allem an einer passenden Segmentierung der Daten – zum Beispiel mit Fokus auf die Leistungsträger eines Unternehmens. Durchschnittswerte zur Fluktuation im Unternehmen hätten wenig Aussagekraft darüber, wie die aktuelle Situation etwa bei den High Performern oder auf Schlüsselfunktionen sei.

Ohne Analysekompetenzen kein Business Partner

Um diesen Aufgaben gewachsen und ein wirklicher Business Partner zu sein, müssten HR-Abteilungen vor allem entweder selbst Analysekompetenzen aufbauen oder Analyseexperten aus anderen Funktionen, etwa aus dem Marketing oder dem Finanzbereich ins Team holen. Denn der überwiegende Teil der Personaler habe kein Interesse oder gar Angst vor Datenanalyse. Wertvolle Korrelationsmöglichkeiten brächte zudem die Anreicherung der Datengrundlage durch weitere Daten, etwa aus Mitarbeiterumfragen und Daten zum Business-Erfolg oder zur Kundenzufriedenheit. Nur durch die richtigen Fragen und Interpretationen würden monatliche HR-Reports wertvoll und werde es möglich, Entwicklungen zu erkennen, Bedarfe vorherzusehen und entsprechende Maßnahmen zu ergreifen.

Der Anfang ist gemacht

Erfahrungswerte von Unternehmen, die bereits mit der Umsetzung von Learning Analytics in ihren Unternehmen begonnen haben, steuerten internationale Firmenvertreter aus unterschiedlichen Branchen im anschließenden Workshop bei. Mit dabei war die Allied Irish Bank, die belgische Bahn, Accenture und Johns Manville. Learning Analytics stehe vielfach noch ganz am Anfang, man könne jedoch auf Best Practices und gemachte Erfahrungen aufbauen, so das Fazit.

Die Firmenvertreter zeigten auch andere Innovationen wie das mobile bedarfsorientierte Lernen. "Erkennbar war, dass es neben der Verbesserung von Lernprozessen letztendlich immer auch um die Verbesserung von Geschäftsprozessen und -ergebnissen geht", so Marek Büttel, Head of Education Sales, Mittel & Osteuropa bei SAP.

Der Experte Peter Howes gab den Teilnehmern den Rat mit auf den Weg, Learning Analytics im größeren Kontext der Workforce Analytics zu betreiben. Personal- und Personalentwicklungsverantwortliche sollten damit beginnen, sich viele Fragen über ihre Belegschaft und deren Entwicklung zu stellen und ihre Annahmen durch die Analyse und Interpretation von klug segmentierten Daten zu überprüfen.