Predictive Analytics: voorspel kennis
In het verleden behaalde resultaten bieden geen garantie voor de toekomst. Toch wordt bij een sollicitatiegesprek altijd gevraagd naar de zaken die we in het verleden geleerd en gepresteerd hebben. Ook bij een periodiek beoordelingsgesprek gaat het met name over in het verleden geleverde prestaties. Eigenlijk best gek als je je bedenkt dat zowel het sollicitatie- als het beoordelingsgesprek gehouden wordt met het oog op toekomstige prestaties.
Kennis en kunde zakken weg als deze niet worden onderhouden. Al in 1890 werd door Hermann Ebbinghaus wetenschappelijk bewijs gevonden voor de “curve van weten en vergeten”. Als we stoppen met het onderhouden van verworven kennis, dan zal deze geleidelijk wegzakken. Wat is een diploma of certificaat na een aantal jaren nog waard als er in de tussenliggende periode weinig of geen onderhoud van kennis heeft plaatsgevonden?
Weten, vergeten en Google
Kennis is noodzakelijk voor het ontwikkelen en onderhouden van vaardigheden. En laat het nu net deze kennis zijn waarbij ons brein ons het snelst in de steek laat. Als we vandaag iets eenmalig zien, horen of lezen, dan zullen we binnen 1 week tot 80% weer vergeten zijn.
Dit alles nog eens versterkt door het Google effect op het geheugen: als ons brein denkt informatie te kunnen opzoeken, dan zal het niet meer geneigd zijn de informatie zelf op te slaan, maar slechts op te slaan hoe en waar deze informatie gevonden kan worden. Heel handig, maar niet als je als arts of piloot op een cruciaal moment over de juiste informatie moet beslissen.
Tijdens een sollicitatie- of beoordelingsgesprek kan gesproken worden over in het verleden geleverde prestaties en de rol die kennis en vaardigheden hierin gespeeld hebben. Echter, aan die kennis of vaardigheden kan op dit moment niets meer veranderd worden. Het verleden blijft een status quo.
Maar wat kunnen we doen om meer controle te krijgen over hetgeen we in de toekomst moeten weten of kunnen? Welke middelen zijn er om tijdens een sollicitatie- of beoordelingsgesprek de nadruk op de toekomst te leggen. Immers, over toekomstige prestaties hebben we nog wel invloed.
Kan nieuwe technologie ons hierbij helpen?
Predictive analytics
Big data is een veelbesproken onderwerp. Kan big data ook een rol hebben bij het beoordelen van toekomstige kennis?
Jazeker. Predictive analytics kunnen gebruikt worden om op persoonlijk niveau te kunnen berekenen hoe en wanneer kennis wegzakt als deze niet meer onderhouden wordt. De leerhistorie wordt geanalyseerd en gebruikt om een projectie te krijgen van het verloop van kennis door de tijd heen als deze niet onderhouden wordt.
En daarmee is het dus mogelijk om voor enig moment in de toekomst vast te stellen of een medewerker de juiste kennis en vaardigheden zal hebben om bepaalde beroepsmatige taken op zich te nemen.
Is de medewerker op basis van zijn leer- en werkhistorie in staat om de gevraagde taken uit te voeren, of is extra training vereist? En hoe zwaar weegt de feedback van leidinggevenden, collega’s of klanten bij het bepalen wat de kwaliteit is van de huidige competenties? Kortom, wat kunnen we zeggen over de competenties van een medewerker over 2 of 3 maanden?
En hiermee zit technologie ineens aan tafel van het sollicitatie- of beoordelingsgesprek. Niet om een eindoordeel te vellen, maar om waardevolle informatie te leveren aan zowel de medewerker als de manager. Training wordt een parameter waarlangs de brug van het verleden naar de toekomst geslagen wordt.
Permanente educatie
Maar ook voor het continu op peil houden van kennis en vaardigheden spelen predictive analytics een belangrijke rol. Wat is de juiste tijd om een opfris training in te plannen? Beschikt een medewerker of student over de juiste kennis op enig moment in de toekomst?
Door handig gebruik te maken van predictive analytics kan een hoger continu kennisniveau van medewerkers gegarandeerd worden, terwijl kosten bespaard kunnen worden. Immers, trainingen worden nu alleen nog maar ingepland wanneer noodzakelijk en alleen voor de medewerkers waarvan de waarschijnlijkheid heel groot is dat zij het op dat moment ook echt nodig hebben.
Toekomstige geschiktheid
Het beoordelen van nieuwe of bestaande medewerkers, blijft mensenwerk. Technologie en wetenschap kunnen ons ondersteunen bij het maken van de correcte beslissingen, maar deze beslissingen zeker niet voor ons maken. De juiste training op de juiste tijd voor de juiste medewerker zal de kwaliteit van diens werkzaamheden vergroten. En dat zal positief afstralen op de manager.
Food for thought voor jouw volgende sollicitatie- of beoordelingsgesprek?
Marco van Sterkenburg is CEO van Drillster.