Fra fiasko til suksess: Hvorfor Learning Loop funker når verktøy-opplæring feiler

Det var en fredag jeg skjønte det. Hele uken hadde jeg sittet klar for drop-in opplæring i analyseverktøy. Jeg hadde rigget meg til i fellesarealet, gjort det enkelt å stikke innom. Resultatet?

EN person kom innom. På hele uken. Den dagen sluttet jeg å tilby verktøy-opplæring.

Hvorfor funket det ikke? For å kunne svare på det må vi se nærmere på et par ting.

Modellen jeg jobbet ut fra var noe sånt:

Mål: Øke bruk av data

Hypotese: Dersom folk er selvbetjente er det enklere å bruke data

Hvordan: Gi folk opplæring

KPI: Økning i antall brukere av analytics løsning.

Feilene jeg gjorde

Feil nr 1. Jeg forsto ikke problemet godt nok

→ Ingen ba om hjelp til verktøyet. De ba om hjelp til å forstå effekten av en produktendring.

Feil nr 2. Hypotesen min stemte ikke → Å lære seg et nytt verktøy tar tid. Tid produktteam ikke har.

Feil nr 3. Kunnskap må brukes raskt for å feste seg → “En dag får du bruk for dette”-opplæring fungerer dårlig.

Feil nr 4: Jeg hadde ingen plan B → Når plan A ikke funket, sto jeg uten alternativer. Jeg gjorde bare mer av det samme. Fra kurs, til drop-in.

Feil nr 5: KPI-en var kortsiktig → Å logge inn i et analyseverktøy sier ingenting om faktisk læring eller bruk.

Feil nr 6: Jeg tenkte ikke på atferdsendring

→ Jeg hadde ikke tatt innover meg hvordan teamet jobbet i dag, eller hvordan de måtte jobbe annerledes for å lykkes med innsiktsbasert utvikling.

Og, ja – det er lett å være etterpåklok. Men dette måtte læres.

Og det gjorde jeg. Nå vil jeg dele løsningen med deg.

Learning loops - en metode som setter spørsmål i fokus!

Dette er en innsiktsprosess, helt fri for hokus pokus. Alle kan gjennomføre den, tilpasse den til egen bedrift, uansett hva slags verktøy man bruker. Prosessen hjelper deg å bygge datakultur, og en bivirkning av prosessen er at flere og flere også lærer seg både data og verktøy - uten å ha fokus på det.

Her ser du en forenklet illustrasjon av Learning Loop-metoden. Den starter alltid med spørsmålet: Hva trenger dere å lære?

Her er stegene:

1. Bli enig om hva dere skal lære! Er det snakk om beslutninger, prioriteringer eller måling av produktforbedring?
   

2. Snakk om spørsmålene teamet har. Ingen spørsmål er dumme. Ta med kontekst. Kanskje har du egentlig en antagelse som kan gjøres om til en testbar hypotese? Jeg har lagt merke til at folk ofte stiller mer generelle spørsmål enn det de egentlig lurer på. F.eks spør de om “Hvilken trafikkkilde gir flest konverteringer”, det de glemmer å legge på er antagelsen “Jeg tror google konverterer bedre enn noe annet fordi da har brukeren søkt etter produktet”, og så glemmer de å ta med hvorfor de lurer på det “Jeg trenger å få vite dette fordi det hjelper meg å prioritere neste periodes budsjett.”. Dette steget handler om nettopp dette - få den fulle konteksten!
   

3. Prioriter spørsmål. Diskusjonen dere nettopp har hatt vil hjelpe dere å prioritere antall spørsmål ned til, la oss si 5-10 viktigste. Du bør ikke ta med flere enn det. Flere spørsmål vil kunne gi information overload, som setter dere ut av stand til å ta beslutninger fordi du forsøker å svare på for mange ting samtidig, og du kan få mål konflikter som drar deg i ulike retninger. For mye informasjon samtidig kan føre til at du ikke lengre forstår hva informasjonen gir deg lengre. Er det vanskelig å prioritere? Bruk dette hjelpespørsmålet: ”Hva kommer du til å gjøre når du får svaret på dette spørsmålet?” Hvis svaret er - jeg vet ikke, ingenting, eller det kommer an på noe annet” - nedprioriter. Det er ikke viktig nok, om du ikke kan svaret på dette.
   

4. Finn ut om du kan svare på spørsmålene. Har dere dataene som trengs? Må du skaffe mer? Er det kvalitativt eller kvanitative data du trenger? Kanskje begge? Da er det et bra tidspunkt å få help til å gjennomføre dette dersom teamet selv ikke kan løse det.
   

5. Koble data og spørsmål. Om det er i et dashboard eller et dokument - spiller ingen rolle. Dette er avgjørende. Blir man god på dette vil ikke analyseverktøy, eller datakunnskap lengre være barriere på å ta i bruk innsikt!
   

6. Diskuter læring og neste steg. Snakk sammen, hva har dere lært av denne iterasjonen? Noen spørsmål har dere kanskje fått krystallklare svar på, andre trenger kanskje mer utdyping. Avhengig av hva dere skulle lære - så har dere nå fått svar. Svar på hva dere skal prioritere, om produktet har blitt bedre etter siste endring, og noen forslag til veien videre.
   

Så hva nå? Gjett en gang. Repeter!

Hvorfor funket dette bedre?

1. Fokus på riktig problem. Problemet produktteamet har, som handler om å forstå produktet ikke analyseverktøyet.
   

2. Fokus på atferdsendring. Verktøy oppleves som vanskelig fordi folk ikke har tid til å lære dem – og fordi opplæring ofte skjer utenfor kjerneoppgavene.

   Learning Loops flytter innsiktsarbeidet inn i produktutviklingen.

   Det blir enklere å gjøre det riktige, og unødvendig å gå utenom.

   Man lærer “on the job”, gjennom spørsmål som faktisk må besvares.
   

3. Fokus på langsiktig resultat, fremfor kortsiktig gevinst. Ingen fokus på at du bare skal logge inn i et analyseverktøy. Det gir tross alt ingen garanti for at data brukes i produktutviklingsprosessen.
   

4. Mennesker i fokus. Teknologien er ikke viktig. Det er menneskene og hva de ønsker å få til som har fokus.
   

5. Prosessen bygger kultur. Prosesser med mennesker i fokus, blir til måten vi gjør ting på - som jo er kultur, og den beste måten å utvikle datakultur på.
   

Er du nysgjerrig på hvordan dette kan fungere hos dere?

Jeg hjelper gjerne deg og teamet ditt med å tilpasse Learning Loops til deres behov.

👉 Book en workshop eller ta send meg en e-post på hei@luminari.no

Workshops

60

Book nå