Masie’s mashup: de drie belangrijkste takeaways uit Orlando

Het is inmiddels alweer twee weken geleden dat ik het Learning2017 congres van Eliott Masie in Orlando bezocht. Nog steeds duizelt het me van alle indrukken en inspiratie die dit congres opgeleverd heeft. Voordat ik in een serie van blogs dieper op specifieke zaken in ga, wil ik graag mijn belangrijkste takeaways van het congres met jullie delen.

Julian Stodd & Eliott Masie

1 Falen is goed

Vergeleken met de Amerikanen zijn wij wel heel erg bang om fouten te maken of dingen uit te proberen. De grootste belemmerende factor voor vooruitgang is niet het lef hebben (of de mogelijkheid krijgen binnen je organisatie) om, initieel, de verkeerde keuze te maken. Best raar eigenlijk, aangezien we tegelijkertijd massaal vinden dat we het meeste leren van onze fouten. Toch blijkt het in de praktijk vaak lastig om de tijd en ruimte te krijgen om te experimenteren met nieuwe ideeën en technologieën. We lopen wel graag voorop in Nederland, maar dan wel pas wanneer bewezen is dat de nieuwe ideeën ook echt werken. In Amerika is er mijns inziens meer ruimte om te experimenteren, en meteen in het diepe te springen.

Ik heb fantastische initiatieven gezien. Zoals bijvoorbeeld een app die medewerkers van Home Depot van relevante productinformatie voorziet. Daarmee zijn ze op de hoogte van alle producten die in de schappen liggen en kunnen ze vragen van klanten beantwoorden. Daarnaast biedt de app tips en tricks voor 'upselling' maar ook vaak voorkomende klantenvragen en de bijhorende antwoorden. Dit ziet er allemaal heel gelikt uit, en wie de app bekijkt zal ook zeker meteen snappen waarom deze succesvol is. Wat je niet ziet, is de vraag die voor ons wel beantwoord werd:

“How long did it take to develop this?”

“Hard to say, we have been busy working on a performance support solution for about two years, but this is like the fourth or fifth option we tried to implement…”

Hoe vaak doen wij dit? Vier, vijf dingen daadwerkelijk uitproberen en dus ook vier keer een idee afschieten en opnieuw beginnen. Te weinig, als je het de Amerikanen vraagt. De wereld van leren en ontwikkelen moet steeds sneller inspelen op veranderingen in alle aspecten van je organisatie. Dat dit gepaard gaat met trial en error om de juiste weg te vinden zou een logisch gevolg moeten zijn.

Joep Lenglet ontsnapt uit de escape room

2 Kijk verder dan het leren alleen

Met de komst van big data, en toenemende interconnectiviteit van systemen, wordt het voor ons als Learning & Development (L&D) professionals de uitdaging om meer te doen met de data die we hebben. We zouden geen genoegen moeten nemen met het kunnen aantonen dat iemand een cursus heeft gedaan. In plaats daarvan, zouden we moeten willen aantonen dat het volgen van de cursus leidde tot betere performance van de medewerker en daarmee de organisatie als geheel.

Waarom moeten we verder kijken dan een deelname aan een cursus?

Neem bijvoorbeeld een willekeurige leerinterventie. Op een afdeling gaat een bepaald proces relatief vaak mis. Er wordt besloten dat de afdeling bijscholing krijgt in de kwestie. In het leermanagementsysteem wordt vervolgens vastgelegd wie allemaal op de training zijn geweest. Dit wordt gerapporteerd en daarmee is aangetoond dat er actie is ondernomen. Hiermee zeggen we echter nog niets over de kwaliteit van de interventie. Ook tonen we niet aan of het probleem nu is opgelost. Worden er na de interventie ook daadwerkelijk minder fouten gemaakt in het proces? We hopen natuurlijk van wel. Dit zouden we o.a. kunnen aan te tonen door fouten voor en na de interventie te vergelijken, de kwaliteit van het werk van de medewerkers die uitblonken correleren met hun scores op de leerinterventie.

Door systemen data met elkaar uit te laten wisselen is dit allemaal niet eens heel lastig om te regelen. Dit soort data is veel relevanter voor je organisatie en helpt mee om het belang van een academie binnen een grote organisatie kwantificeerbaar te maken. Wie weet leidt dit op zijn beurt wel weer tot een groter budget en meer mogelijkheden wanneer je je eigen meerwaarde aantoont…

Door meer te doen met onze eigen data, maar met ook met de data uit andere systemen, wordt het steeds makkelijker om veel gerichter opleidingen aan te bieden en dus te werken aan verbeteringen van kwaliteit binnen een organisatie.

Webshops en adverteerders maken al jaren gebruik van de veelheid aan data die er is. Vandaar dat advertenties die je ziet meestal relevant zijn voor waar je naar op zoek bent. Dat zorgt er voor dat Netflix bijvoorbeeld goede suggesties doet voor een weekendje binge-watchen van een nieuwe serie. Het is tijd dat we ook in het leren deze mogelijkheden gaan benutten.

Eliott Masie introduceert Michelle Obama

3 Everything’s connected

Bovenstaande betekent niet alleen dat wij uit verschillende hoeken onze data goed moeten leren gebruiken, het betekent ook dat de verschillende systemen die onze organisatie gebruikt steeds vaker samen moeten werken. Met moderne uitwisselingsstandaarden zoals bijvoorbeeld de xAPI kunnen systemen tegenwoordig steeds makkelijker data van elkaar gebruiken. Met de opkomst van ‘The Internet of Things’ wordt daar zelfs nog een extra dimensie aan toegevoegd; denk bijvoorbeeld aan een auto die je pas kunt starten wanneer je een geldig rijbewijs hebt. Of software dat je automatisch extra tips geeft bij taken waarbij het je eerder niet lukte ze juist uit te voeren; je logt in, start een proces en krijgt meteen een pop-up: 'vorige keer ben je vergeten … te doen, kijk hier hoe dit gedaan moet worden…'.

Leren en performance komen steeds dichter bij elkaar te liggen. Aan ons de uitdaging om ons gehele ecosysteem van leren aan elkaar te verbinden in de komende jaren. Het geheel is dan werkelijk meer dan de som van de delen.

En verder leuk om te weten….

• Michelle Obama is een fantastische spreker, en kan heel goed en heel subtiel Trump onderuit halen.
• De show van John Litgow op Broadway is zeer de moeite waard om te bezoeken.
• De buttons van Learning 2017 waren ook heel erg leuk dit jaar