A curva de maturidade de dados de T&D

A maioria das conversas sobre capacidade de dados de T&D trata-a como algo binário: ou você tem acesso aos dados de aprendizagem ou não. Na prática, a capacidade de dados não é binária – é uma curva de maturidade, e a maioria das funções de T&D está em algum lugar no meio dela, sem uma imagem clara de como será realmente o próximo estágio ou o que é necessário para chegar lá.

Compreender esta curva é importante porque cada fase requer uma mentalidade diferente, ferramentas diferentes e uma relação diferente entre T&D e os dados dos quais depende. Pular etapas — ou presumir que a compra de uma ferramenta por si só o levará a subir na curva — é um dos motivos mais comuns pelos quais as iniciativas de dados de T&D paralisam após uma explosão inicial de entusiasmo.

Estágio Um: Relatórios Estáticos

É aqui que começa quase todas as funções de T&D e onde um número surpreendente permanece indefinidamente. Neste estágio, os dados existem, mas estão bloqueados dentro do LMS ou em alguns sistemas desconectados, acessíveis principalmente por meio de relatórios pré-construídos que alguém configurou meses ou anos atrás. Obter uma resposta para uma nova pergunta significa exportar uma planilha, combinar manualmente dados de várias fontes e esperar que os números resultantes sejam precisos o suficiente para serem apresentados.

Os relatórios estáticos informam o que aconteceu. Taxas de conclusão. Tempo gasto em cursos. Taxas de aprovação/reprovação nas avaliações. Esses números têm valor – são necessários para o monitoramento da conformidade e para o monitoramento básico do programa – mas são fundamentalmente retrospectivos e desconectados dos resultados de negócios. A taxa de conclusão não informa se o treinamento mudou o comportamento. Uma taxa de aprovação não informa se a habilidade foi transferida para o desempenho real no trabalho. Os relatórios estáticos respondem “a atividade aconteceu”, que é uma pergunta significativamente diferente de “a atividade foi importante”.

A limitação desta fase não são os dados em si – é a relação entre os dados e a pessoa que tenta utilizá-los. Cada nova pergunta exige voltar a um criador de relatórios, solicitar uma exportação personalizada ou aguardar a disponibilidade de outra pessoa. O gargalo não é a falta de dados. É falta de acesso para fazer novas perguntas sobre os dados que já existem.

Estágio Dois: Business Intelligence

A mudança de relatórios estáticos para business intelligence (BI) genuíno tem menos a ver com adicionar mais relatórios e mais com mudar o tipo de perguntas que podem ser respondidas. Business Intelligence não é um painel mais sofisticado – é um recurso analítico que conecta dados de aprendizagem a um contexto de negócios mais amplo, permitindo perguntas como “quais programas de treinamento se correlacionam com a redução da rotatividade neste departamento” ou “onde estão os dados de lacunas de habilidades que prevêem o risco de desempenho futuro antes que ele apareça em um ciclo de revisão”.

A inteligência de negócios requer dados que tenham sido integrados entre sistemas – não apenas dados LMS isolados, mas dados de aprendizagem conectados a dados de desempenho, dados de engajamento e dados de resultados de negócios. Requer ferramentas analíticas que possam revelar padrões e correlações, e não apenas apresentar métricas predefinidas. E, fundamentalmente, exige uma mudança em quem faz as perguntas. Na fase de relatório, as perguntas geralmente vêm de cima – a liderança quer saber as taxas de conclusão de uma auditoria de conformidade. Na etapa de BI, o próprio T&D começa a gerar dúvidas, pois o ferramental finalmente possibilita explorar ao invés de apenas reportar.

É nesta fase que muitas funções de T&D ficam paralisadas, não porque a tecnologia não esteja disponível, mas porque o trabalho subjacente de integração de dados é mais difícil do que parece. Conectar sistemas que nunca foram projetados para se comunicarem entre si, resolver identificadores inconsistentes de funcionários entre plataformas e estabelecer uma única fonte confiável de verdade para análise entre sistemas é um trabalho nada glamoroso e demorado, que muitas vezes é subestimado quando as organizações compram uma ferramenta de BI esperando que ela resolva problemas de integração automaticamente.

Estágio Três: Acesso Democratizado ao Autoatendimento

Depois que uma organização tiver capacidade genuína de BI – dados integrados, confiáveis ​​e analisáveis ​​– o próximo estágio de maturidade não será uma análise mais sofisticada. É um acesso mais amplo a essa análise. Esta é a mudança de uma pequena equipe de análise (ou de um único usuário avançado dentro de T&D), sendo as únicas pessoas que podem gerar insights, para um modelo onde membros individuais da equipe de T&D, gerentes de programas e até mesmo partes interessadas de negócios podem explorar os dados por conta própria, sem enviar uma solicitação e esperar pela disponibilidade de outra pessoa.

A democratização dos dados nesta fase consiste fundamentalmente em eliminar o estrangulamento de um único guardião. Isso não significa abandonar a estrutura ou a supervisão – significa construir ferramentas e interfaces de autoatendimento que permitam que mais pessoas façam suas próprias perguntas dentro de uma estrutura adequadamente governada, em vez de encaminhar cada pergunta através da fila de um analista.

O benefício organizacional aqui é significativo. Um gerente de programa de treinamento que pode verificar de forma independente se as taxas de conclusão de seu programa estão acompanhando as pontuações de engajamento não precisa esperar duas semanas para que outra pessoa execute essa análise. Um líder regional de P&D que queira comparar o desenvolvimento de habilidades de sua equipe com o de outra região pode explorar essa comparação diretamente. Esta velocidade é extremamente importante na prática – insights que levam duas semanas para surgir muitas vezes chegam tarde demais para informar a decisão que deveriam apoiar.

O acesso democratizado colmata essa lacuna temporal.

Mas a democratização nesta fase normalmente ainda requer algum grau de fluência em ferramentas – saber como navegar numa interface de BI, construir os filtros certos ou interpretar um painel corretamente. É uma melhoria significativa em relação aos estágios um e dois, mas ainda não está totalmente acessível a todos que possam se beneficiar com o insight.

Estágio Quatro: Acesso Conversacional em Linguagem Natural

O estágio mais recente da curva de maturidade remove até mesmo a barreira da fluência das ferramentas. Em vez de navegar em uma interface de BI ou construir consultas filtradas, os usuários podem fazer perguntas em linguagem simples — “como as taxas de conclusão do programa do novo gestor se comparam entre as regiões no último trimestre” — e receber uma resposta direta e contextual, sem precisar saber como os dados subjacentes estão estruturados ou qual painel contém a métrica relevante.

A análise conversacional representa o ponto onde o acesso aos dados se torna genuinamente acessível para partes interessadas não técnicas – não apenas para profissionais de T&D que aprenderam uma ferramenta de BI, mas também para executivos, gerentes de programas e líderes de equipes de linha de frente que simplesmente precisam de uma resposta e não têm tempo ou disposição para aprender uma nova interface para obtê-la. Este é o estágio em que os dados deixam de ser algo que você precisa encontrar e passam a ser algo que você pode simplesmente perguntar.

Esta fase é entusiasmante e é também onde a curva de maturidade se torna genuinamente complicada, porque a remoção da barreira da interface não elimina a necessidade subjacente de que os dados em si sejam precisos, bem integrados e controlados de forma adequada. Uma ferramenta de conversação que retorna uma resposta confiável e em linguagem simples, baseada em dados mal integrados ou não controlados, é indiscutivelmente mais perigosa do que um painel de controle desajeitado que pelo menos torna visíveis suas limitações. A facilidade de fazer uma pergunta em linguagem natural pode criar uma falsa sensação de confiabilidade na resposta – as pessoas tendem a confiar mais prontamente em uma resposta confiante e coloquial do que em uma planilha confusa, mesmo quando a planilha pode, na verdade, ser mais precisa.

Por que a governança deve ocorrer em todas as fases

Este é o ponto da curva de maturidade em que a maioria das organizações, no seu entusiasmo para atingir a fase quatro, ignora um requisito fundamental: a governação tem de ser incorporada em todas as fases, e não adaptada quando se chega ao acesso conversacional.

Na fase de elaboração de relatórios, a governação é relativamente simples – o acesso é naturalmente limitado porque muito poucas pessoas conseguem gerar novos relatórios. Na fase de BI, a governação começa a ter mais importância, porque dados integrados significam que combinações mais sensíveis se tornam tecnicamente possíveis. Na fase de democratização, a governação torna-se essencial, porque mais pessoas têm agora acesso directo para explorar dados que podem incluir desempenho sensível, informações adjacentes à remuneração ou informações pessoalmente identificáveis. E na fase de conversação, a governação torna-se inegociável, porque a interface da linguagem natural remove a última barreira técnica que limitava informalmente quem poderia aceder ao quê.

Compreender as principais diferenças entre a governação de dados e a gestão de dados torna-se fundamental precisamente no momento em que uma organização está entusiasmada em atingir as fases posteriores desta curva de maturidade, porque a tentação é tratar a governação como um detalhe técnico de gestão que as ferramentas irão tratar automaticamente. Não vai. A gestão de dados – a integração técnica, os pipelines limpos, os sistemas conectados – é um pré-requisito para atingir estágios posteriores de maturidade. A governação de dados – as decisões políticas sobre quem pode aceder ao quê, em que condições e com que responsabilidade – é um empreendimento separado e deliberado que tem de ser concebido em conjunto com a capacidade técnica e não se presume que resulte dela.

As organizações que constroem um acesso democratizado e conversacional aos dados, sem que a governação esteja presente em todas as fases, tendem a descobrir a lacuna no pior momento possível: quando uma consulta sensível revela algo que não deveria, quando uma auditoria faz uma pergunta que ninguém consegue responder, ou quando uma resposta conversacional confiante, mas imprecisa, é apresentada à liderança como um facto.

Onde realmente está a maioria das funções de T&D – e o que isso significa

Se você mapear honestamente a maioria das funções de T&D em relação a essa curva, a maioria fica em algum lugar entre o estágio um e o estágio dois – eles ultrapassaram os relatórios estáticos puros e ganharam alguma capacidade de BI, mas a integração de dados subjacente a essa capacidade é muitas vezes mais frágil do que parece, e a estrutura de governança que a suporta é muitas vezes, na melhor das hipóteses, informal.

As funções mais ao longo da curva, aquelas que experimentam o acesso democratizado ou que pilotam ferramentas de conversação, são muitas vezes as que investiram primeiro no trabalho nada glamoroso de integração e governação que não aparece numa demonstração de produto, mas determina se as fases posteriores realmente funcionam de forma fiável. A lição aqui não é que as organizações devam desacelerar as suas ambições de maturidade de dados. É que a curva de maturidade só se mantém se cada fase for construída sobre uma base sólida da fase abaixo dela – e essa base inclui a governação como um caminho paralelo, e não uma reflexão tardia introduzida quando a capacidade excitante já está ativa.

Para os líderes de T&D que estão avaliando onde investir em seguida, a questão honesta não é “como podemos obter uma ferramenta de análise conversacional”. É “em que estágio estamos realmente, qual é o trabalho de integração e governança necessário para realmente alcançar o próximo estágio, e estamos dispostos a fazer esse trabalho pouco glamoroso antes de perseguirmos a capacidade mais emocionante que dele depende”. Funções que respondem honestamente a essa pergunta tendem a criar capacidade de dados duradoura. Funções que ignoram a questão tendem a acabar com ferramentas de aparência impressionante assentadas sobre bases de dados muito instáveis ​​para suportar o peso das decisões que estão sendo tomadas sobre elas.

Compartilhar em