Cách lựa chọn chỉ số đánh giá đào tạo

Vì vậy, số người tham dự, tỷ lệ hoàn thành hay điểm hài lòng chỉ phản ánh một phần của bức tranh. Muốn đánh giá đào tạo có thực sự tạo ra kết quả hay không, cần theo dõi chuỗi từ người học tiếp thu được gì → hành vi công việc thay đổi ra sao → kết quả công việc có chuyển biến hay không. Mỗi chỉ số được lựa chọn phải gắn với một mắt xích cụ thể trong chuỗi này.

Chỉ số phải xuất phát từ kết quả đào tạo cần tạo ra

Điểm bắt đầu không nên là câu hỏi “có những KPI đào tạo nào?”, mà là “sau chương trình này, điều gì phải thay đổi?”.

Giả sử mục tiêu của một khóa đào tạo bán hàng là giúp nhân viên thực hiện quy trình khai thác nhu cầu khách hàng tốt hơn. Khi đó, tỷ lệ tham dự 100% chỉ chứng minh rằng nhân viên có mặt. Điểm hài lòng cao chứng minh họ có trải nghiệm tích cực. Cả hai vẫn chưa cho biết kỹ năng khai thác nhu cầu đã được hình thành hay được sử dụng trong cuộc gọi bán hàng.

Logic lựa chọn chỉ số cần đi theo chuỗi kết quả:

Đào tạo → học được kiến thức hoặc kỹ năng → áp dụng vào công việc → tạo thay đổi về hiệu suất hoặc kết quả tổ chức

Mỗi chương trình có thể dừng ở một điểm khác nhau trong chuỗi này. Một khóa hướng dẫn chính sách mới có thể chủ yếu cần chứng minh người học hiểu và tuân thủ đúng. Một chương trình phát triển kỹ năng bán hàng lại cần theo dõi cả hành vi tại nơi làm việc và kết quả thương mại.

Đây cũng là lý do không nên sử dụng một bộ KPI cố định cho mọi chương trình. Cùng một chỉ số có thể rất quan trọng trong chương trình này nhưng gần như không có giá trị trong chương trình khác.

Một cách kiểm tra đơn giản là hỏi: Nếu chỉ số này tăng hoặc giảm, doanh nghiệp sẽ đưa ra quyết định gì? Nếu câu trả lời không rõ, chỉ số đó có nguy cơ là dữ liệu báo cáo hơn là dữ liệu quản trị.

Bốn lớp kết quả mà bộ chỉ số nên phản ánh

Mô hình Kirkpatrick cung cấp một logic hữu ích khi phân biệt bốn cấp độ gồm phản ứng, học tập, hành vi và kết quả. Không nhất thiết mọi chương trình đều phải đo sâu như nhau ở cả bốn cấp độ, nhưng việc phân biệt chúng giúp tránh nhầm một tín hiệu ban đầu với hiệu quả cuối cùng.

Phản ứng của người học

Các chỉ số ở lớp này phản ánh cách người học cảm nhận chương trình, chẳng hạn mức độ phù hợp của nội dung, chất lượng trải nghiệm hoặc mức tự tin rằng kiến thức có thể áp dụng.

Dữ liệu phản ứng hữu ích để phát hiện vấn đề về nội dung, giảng viên hoặc cách tổ chức. Tuy nhiên, phản ứng tích cực không chứng minh người học đã học được kiến thức cần thiết.

Tương tự, tỷ lệ tham dự và tỷ lệ hoàn thành là những chỉ số vận hành quan trọng nhưng chủ yếu cho biết chương trình có tiếp cận được người học hay không.

Ví dụ:

Tỷ lệ hoàn thành = Số người hoàn thành / Số người được ghi danh × 100%

Một tỷ lệ hoàn thành thấp có thể cảnh báo về lịch học, khả năng tiếp cận hoặc thiết kế chương trình. Nó chưa thể được sử dụng độc lập để kết luận đào tạo không hiệu quả.

Kết quả học tập

Đây là lớp đo xem người học đã thực sự hình thành kiến thức, kỹ năng hoặc năng lực mà chương trình đặt mục tiêu hay chưa.

Có thể sử dụng điểm kiểm tra, bài thực hành, mô phỏng tình huống hoặc đánh giá năng lực trước và sau đào tạo. Nếu cùng một công cụ được sử dụng ở hai thời điểm, mức thay đổi có thể được biểu diễn đơn giản:

Mức tăng kết quả học tập = Điểm sau đào tạo − Điểm trước đào tạo

Điều quan trọng không phải chỉ là điểm số tăng, mà là bài đánh giá có thực sự đại diện cho năng lực cần sử dụng trong công việc hay không. Một bài trắc nghiệm ghi nhớ khái niệm khó có thể chứng minh năng lực thực hiện một kỹ năng phức tạp.

Chuyển đổi hành vi tại nơi làm việc

Người học có thể đạt điểm cao nhưng không thay đổi cách làm việc. Vì vậy, với chương trình hướng đến thay đổi hiệu suất, cần có chỉ số phản ánh mức độ chuyển giao kiến thức từ lớp học sang môi trường thực tế.

Có thể đo tỷ lệ thực hiện đúng hành vi mục tiêu, số lần áp dụng kỹ năng, kết quả quan sát của quản lý hoặc mức tuân thủ quy trình.

Ví dụ:

Tỷ lệ áp dụng hành vi = Số trường hợp thực hiện đúng hành vi mục tiêu / Tổng số trường hợp được quan sát × 100%

Lớp chỉ số này thường mang lại nhiều thông tin hơn điểm kiểm tra vì nó cho biết năng lực có đi vào công việc hay không. Tuy nhiên, hành vi còn chịu ảnh hưởng của quản lý, công cụ, quy trình, cơ chế khuyến khích và khối lượng công việc. Không thay đổi hành vi vì thế chưa chắc đồng nghĩa với đào tạo thất bại.

Kết quả công việc và tổ chức

Đây là lớp gần nhất với giá trị mà doanh nghiệp muốn nhận được, chẳng hạn năng suất, tỷ lệ lỗi, thời gian xử lý, doanh thu, tỷ lệ chuyển đổi, chất lượng dịch vụ hoặc chỉ số an toàn.

Chẳng hạn, nếu trước đào tạo một quy trình có 12 lỗi trên mỗi 100 giao dịch và mục tiêu vận hành là giảm xuống không quá 5 lỗi, tỷ lệ lỗi sau đào tạo có thể trở thành chỉ số kết quả trực tiếp.

Nhưng kết quả kinh doanh hiếm khi chỉ do đào tạo tạo ra. Giá bán, nhu cầu thị trường, công nghệ, chính sách, quản lý và nhiều yếu tố khác có thể thay đổi cùng thời điểm. Vì vậy, càng tiến gần đến chỉ số kinh doanh, yêu cầu về baseline và kiểm soát yếu tố gây nhiễu càng quan trọng.

Tiêu chí để chọn một chỉ số có giá trị quản trị

Một chỉ số chỉ nên được đưa vào bộ đánh giá khi nó đáp ứng được nhiều hơn yêu cầu “có dữ liệu”.

Trước hết, chỉ số phải liên quan trực tiếp đến mục tiêu đào tạo. Nếu chương trình nhằm giảm lỗi vận hành, số giờ học không thể thay thế cho tỷ lệ lỗi hoặc hành vi ngăn lỗi. Nếu chương trình nhằm phát triển năng lực lãnh đạo, điểm hài lòng của lớp học cũng không đủ để phản ánh sự thay đổi trong hành vi quản lý.

Tiếp theo là khả năng đo một cách nhất quán. Chỉ số cần có định nghĩa rõ ràng về đối tượng đo, cách tính, nguồn dữ liệu và thời điểm thu thập. Nếu hai bộ phận cùng sử dụng tên “tỷ lệ áp dụng” nhưng một bên tính theo số nhân viên còn bên kia tính theo số tình huống quan sát, kết quả không còn khả năng so sánh.

Một chỉ số tốt cũng phải có khả năng hỗ trợ hành động. Nếu điểm đánh giá kỹ năng giảm, người quản lý phải biết liệu cần điều chỉnh nội dung, tăng thực hành hay bổ sung coaching. Một con số không dẫn tới bất kỳ hành động nào có giá trị quản trị hạn chế.

Ngoài ra cần xem xét độ nhạy với tác động của đào tạo. Doanh thu có thể là kết quả cuối cùng quan trọng, nhưng nếu doanh thu phụ thuộc mạnh vào giá, thị trường và nguồn khách hàng thì nó không nên là chỉ số duy nhất dùng để đánh giá chương trình. Khi đó, doanh thu nên được đặt cạnh chỉ số hành vi mà đào tạo có khả năng tác động trực tiếp hơn.

Cuối cùng là chi phí đo lường. Một phép đo có độ chính xác cao nhưng cần hàng trăm giờ quan sát thủ công có thể không khả thi. Chất lượng bộ chỉ số vì thế phụ thuộc vào sự cân bằng giữa giá trị thông tin và chi phí thu thập dữ liệu.

Kết hợp chỉ số dẫn dắt và chỉ số kết quả

Một sai lầm thường gặp là chỉ lựa chọn những chỉ số xuất hiện sớm vì chúng dễ thu thập. Điểm danh, tỷ lệ hoàn thành hoặc điểm kiểm tra có thể có dữ liệu ngay khi khóa học kết thúc, trong khi thay đổi hành vi và kết quả công việc cần nhiều thời gian hơn.

Ngược lại, nếu chỉ đo chỉ số kinh doanh cuối cùng, doanh nghiệp lại khó xác định tại sao kết quả tốt hoặc xấu.

Vì vậy, một thiết kế mạnh thường cần cả chỉ số dẫn dắt và chỉ số kết quả.

Chỉ số dẫn dắt cho biết các điều kiện cần thiết cho kết quả đang hình thành hay chưa. Trong đào tạo, đó có thể là mức độ hoàn thành thực hành, mức tăng năng lực hoặc tỷ lệ sử dụng một hành vi mới.

Chỉ số kết quả cho biết thay đổi cuối cùng có xuất hiện hay không, chẳng hạn tỷ lệ lỗi, năng suất, thời gian xử lý hoặc doanh số.

Giả sử chương trình đào tạo dịch vụ khách hàng đặt mục tiêu giảm thời gian giải quyết yêu cầu. Tỷ lệ nhân viên thực hiện đúng quy trình mới có thể đóng vai trò chỉ số dẫn dắt, còn thời gian xử lý trung bình là chỉ số kết quả.

Nếu hành vi đã thay đổi nhưng thời gian xử lý không cải thiện, vấn đề có thể nằm ngoài đào tạo, chẳng hạn hệ thống chậm hoặc quy trình phê duyệt phức tạp. Nếu hành vi không thay đổi, doanh nghiệp lại cần xem xét khả năng chuyển giao kiến thức, hỗ trợ của quản lý hoặc mức độ phù hợp của chương trình.

Việc kết hợp hai nhóm chỉ số vì thế không chỉ giúp đánh giá “đào tạo có hiệu quả không”, mà còn giúp giải thích hiệu quả hoặc không hiệu quả xảy ra ở mắt xích nào.

Chuẩn hóa cách đo để chỉ số có thể so sánh

Tên chỉ số chưa đủ để tạo thành một phép đo đáng tin cậy. Mỗi chỉ số cần được xác định bằng một bộ quy tắc đo lường thống nhất.

Trước hết phải có baseline, tức trạng thái trước đào tạo. Nếu chỉ biết tỷ lệ lỗi sau chương trình là 6% nhưng không biết trước đó là 4% hay 12%, rất khó kết luận kết quả đang tốt lên hay xấu đi.

Sau baseline là mục tiêu hoặc benchmark phù hợp. Không có một ngưỡng như 80%, 90% hay một mức ROI cố định có thể áp dụng cho mọi chương trình. Mốc tham chiếu nên xuất phát từ tiêu chuẩn công việc, yêu cầu tuân thủ, dữ liệu lịch sử, nhóm so sánh hoặc mục tiêu kinh doanh cụ thể.

Mỗi chỉ số cũng cần xác định rõ:

·         Đối tượng đo: Nhân viên, giao dịch, ca làm việc hoặc đơn vị kinh doanh

·         Công thức: Tử số, mẫu số và quy tắc xử lý trường hợp đặc biệt

·         Nguồn dữ liệu: LMS, bài đánh giá, quan sát của quản lý hoặc hệ thống vận hành

·         Thời điểm đo: Ngay sau đào tạo, sau một khoảng thời gian áp dụng hoặc theo chu kỳ

·         Baseline và mục tiêu: Mức ban đầu và mức cần đạt

·         Phân nhóm: Vai trò, đơn vị, kinh nghiệm hoặc nhóm học khi cần phân tích

Với chỉ số hành vi, thời điểm đo đặc biệt quan trọng. Đánh giá ngay sau lớp học có thể quá sớm để quan sát việc hình thành thói quen mới. Ngược lại, đo quá muộn có thể khiến nhiều thay đổi khác trong môi trường làm việc tác động vào kết quả.

Với chỉ số kinh doanh, cần xem xét khả năng quy kết. Khi điều kiện cho phép, doanh nghiệp có thể so sánh với nhóm chưa tham gia đào tạo, dữ liệu lịch sử hoặc xu hướng trước chương trình. Mục đích không phải loại bỏ hoàn toàn mọi yếu tố gây nhiễu, mà là tránh mặc định rằng toàn bộ thay đổi của KPI đều do đào tạo tạo ra.

ROI cũng chỉ nên sử dụng khi lợi ích tài chính có thể được xác định và quy đổi tương đối đáng tin cậy:

ROI đào tạo = (Lợi ích tài chính quy đổi − Chi phí đào tạo) / Chi phí đào tạo × 100%

Nếu lợi ích không thể tách khỏi các yếu tố khác hoặc việc quy đổi sang tiền quá nhiều giả định, một con số ROI cụ thể có thể tạo cảm giác chính xác cao hơn thực tế. Khi đó, chỉ số hành vi và kết quả vận hành có thể là bằng chứng phù hợp hơn.

Xây bộ chỉ số vừa đủ cho từng chương trình đào tạo

Quy trình lựa chọn nên bắt đầu từ kết quả mong muốn rồi đi ngược về dữ liệu cần thu thập, thay vì chọn các KPI có sẵn và cố gắng gắn chúng vào chương trình.

Có thể thực hiện theo trình tự:

1.    Xác định kết quả cuối cùng: Chương trình cần giải quyết vấn đề hoặc tạo thay đổi nào

2.    Xác định hành vi cần thay đổi: Người học phải làm khác đi điều gì trong công việc

3.    Xác định năng lực cần hình thành: Kiến thức hoặc kỹ năng nào là điều kiện để hành vi đó xuất hiện

4.    Chọn phép đo cho từng mắt xích quan trọng: Ưu tiên chỉ số có quan hệ trực tiếp với kết quả và có nguồn dữ liệu đáng tin cậy

5.    Định nghĩa baseline, mục tiêu và thời điểm đo: Tránh đánh giá một con số khi không có mốc so sánh

6.    Kiểm tra khả năng quy kết: Xác định những yếu tố ngoài đào tạo có thể tác động tới kết quả

7.    Loại bỏ chỉ số không phục vụ quyết định: Không giữ một KPI chỉ vì dữ liệu dễ lấy

Không cần cố định một số lượng chỉ số giống nhau cho mọi chương trình. Một chương trình ngắn, có mục tiêu kỹ thuật rất cụ thể có thể chỉ cần vài phép đo rõ ràng. Một chương trình phát triển năng lực dài hạn có thể cần nhiều lớp dữ liệu hơn.

Điều quan trọng là mỗi chỉ số phải có một vai trò riêng. Chỉ số phản ứng giúp phát hiện vấn đề trải nghiệm. Chỉ số học tập chứng minh năng lực được hình thành. Chỉ số hành vi cho biết năng lực đã đi vào công việc. Chỉ số kết quả cho biết thay đổi đó có tạo ra giá trị mong muốn hay không.

Khi các lớp chỉ số được nối với nhau bằng cùng một logic kết quả, bộ đo lường không còn đơn thuần là báo cáo hoạt động đào tạo. Nó trở thành công cụ để xác định chương trình đang tạo giá trị ở đâu, đang mất tác động ở đâu và cần điều chỉnh mắt xích nào.

Lựa chọn chỉ số đánh giá đào tạo nên bắt đầu từ kết quả cần tạo ra, sau đó xác định các bằng chứng cần thiết ở cấp độ học tập, hành vi và kết quả công việc. Các chỉ số tham dự, hoàn thành hay hài lòng vẫn hữu ích nhưng không nên được xem là bằng chứng đầy đủ về hiệu quả đào tạo. Một bộ chỉ số có giá trị cần đo đúng mắt xích, có baseline và mục tiêu rõ ràng, sử dụng dữ liệu đủ tin cậy và tính đến những yếu tố ngoài đào tạo có thể ảnh hưởng tới kết quả. Khi đáp ứng các điều kiện này, việc đánh giá mới hỗ trợ được quyết định cải tiến và đầu tư đào tạo thay vì chỉ ghi nhận hoạt động đã diễn ra.