Big data? Big advantage
Overdonderd door de grootsheid van big data? Niets van aantrekken. Je hoeft niet onmiddellijk mee te surfen op de hype, dit zeker niet alleen te doen en je kan klein beginnen. Zorg er vooral voor dat zoveel mogelijk mensen met de data kunnen omgaan.
De conclusies zijn geruststellend, na een stevige presentatie van Mieke Vandewaetere, consultant educational innovation and change aan de KULAK (KU Leuven afdeling Kortrijk).
Een snelle rondvraag maakt onmiddellijk duidelijk dat de meeste toehoorders op deze VOV Pitstop weinig tot geen ervaring hebben met het gebruik van big data. Daarom al enkele kenmerken op een rijtje. Het gaat om heel veel gegevens, zeer divers (uit verschillende bronnen en verschillende data types) en met een hoge snelheid van input en output.
Big data lake
Biedt heel wat mogelijkheden, zegt u? De ontwikkelingen gaan inderdaad steeds verder:
- Van manuele input van data naar online massive storage
- Van self-reporting data naar gedragsdata
- Van eenmalige metingen naar longitudinale metingen (wat bij HR en e-learning niet zo evident is door de steeds wijzigende omgevingen)
- Van ontoegankelijk naar open voor iedereen (cloud!). Wat niet wil zeggen dat iedereen ermee kan werken. Er zijn meer HR-tools nodig om dit te kunnen doen.
“Momenteel zwemt iedereen wat rond in het ‘big data lake’: heel los allemaal, veel ontdekken, maar weinig structuur. Het moet veel gerichter”, vindt Mieke Vandewaetere. “Je kan zowat alles loggen, maar wat is er juist interessant? Dat is de grote vraag. We zitten op een kantelpunt.”
Daarvoor heb je data-scientists nodig. “Dit wordt dé job van de toekomst”, verzekert Vandewaetere. “De kennis is vaak al voorhanden in andere domeinen als biotechnologie en economie, maar er is weinig overdracht naar opleiding en HR.” Betrouwbaarheid van methodes en data, dat is een probleem. Net zoals de validiteit. Ook de voorbereiding van de data vóór analyse, kan beter. Uiteindelijk gaat zowat 80% van de tijd naar het opkuisen van de gegevensbestanden, de overige 20% naar de analyse.
Big data en leren
Toegespitst op onderwijs/ leren nu. Enerzijds is er de educational data mining waarin men in het data-meer springt en data verzamelt, zonder uit te gaan van een these. Zo probeert men te voorspellen wat lerenden in de toekomst zullen doen.
Anderzijds is er, diepgaander, de learning analytics, dat meer op macroniveau werkt. Privé-universiteiten bijvoorbeeld gebruiken de methode om promo te voeren: ‘wij kunnen u het beste programma op maat aanbieden’. Op basis van wat de student deed in de middelbare en zelfs lagere en kleuterschool, zijn gedrag op sociale media, zijn aanwezigheid en al dan niet actieve deelname in de lessen, hobby’s etc. voorspelt men de slaagkansen in het hoger onderwijs. Meer nog: men kan de begeleiding van de student hierop afstemmen en gerichte ondersteuning en advies geven. Of, dit vertaald naar het bedrijfsleven, men voorspelt de kans dat een werknemer vertrekt en analyseert hoe men die kans kan verkleinen. Dat wil iedereen toch??
Learning analytics biedt nog voordelen. Zo kan men de context van opleidingen personaliseren op basis van de beschikbare data: voorkennis, motivatie (waarom volgt iemand een opleiding), ervaring met de systemen, (dis)engagement. Bv. wie al een betere voorkennis heeft, kan sneller door het leerproces gaan. Gevolg: medewerkers zijn meer tevreden want de leermodules zijn afgestemd op hun kennis en voorkeuren waardoor de kans op uitval verkleint.
Waar zijn we nu?
Er is heel veel buzz in HR- en learning trends. Welke technologie maakt nu goede sier, wat is opkomend, wat wordt een blijver en wat zal een stille dood sterven? De ‘hypecycle of Education’ geeft enig inzicht.
De podcasts lijken aan een tweede leven bezig in de opleidingswereld. De integratie van Bring-your-own-device is nu wat teleurstellend, deels te wijten aan de dominantie van de klassieke pen-en-papier gebaseerde manier van leren, maar zal het over 2 tot 5 jaar beter doen. MOOC’s (Massive open online courses) hebben hiervoor nog minder dan 2 jaar nodig.
“Vaak komt er een trigger vanuit de technologie om een nieuwe stap te zetten, het creëert verwachtingen, maar de concrete implementatie laat op zich wachten. Maar”, verzekert Mieke Vandewaetere, “het mooiste moet nog komen!”
Uitdagingen en kansen
Tot slot formuleert Mieke Vandewaetere de uitdagingen en kansen van educational data mining en learning analytics.
Uitdagingen
|
Kansen
|
Mieke Vandewaetere concludeert: we hebben minder data, maar meer kwaliteit nodig, iedereen moet toegang hebben, er zijn specifieke HR-tools nodig om de data te analyseren en we moeten werken in multidisciplinaire teams waarin zowel IT, HR, L&D en management vertegenwoordigd zijn.
“Trek je niets aan van hypes of buzz, maar kijk de kat uit de boom. Er verandert immers veel en snel”, raadt ze tot slot nog aan. “Probeer ook de resultaten van de analyses zoveel mogelijk te visualiseren, werk iteratief, leer zoveel mogelijk mensen omgaan met data en data ontdekken, vertrek van de data die er al zijn (kunnen een samenraapsel zijn van kleinere excell-files) en vermijd privacyproblemen.”
Dit artikel maakt deel uit van het dossier 'Big data in HR?'.Auteur: Katleen Weytjens
HRM – arbeidsmarkt – duurzaam werken
