معظم النقاشات حول قدرة بيانات التعلّم والتطوير تعاملها كشيء ثنائي: إما أن تكون متاحة أو لا. لكن في الواقع، القدرة على استخدام البيانات ليست ثنائية إطلاقاً، بل هي منحنى نضج، ومعظم أقسام التعلّم والتطوير تقع في منتصفه، بدون رؤية واضحة للخطوة التالية أو ما يتطلبه الوصول إليها.
فهم هذا المنحنى مهم لأن كل مرحلة تتطلب عقلية مختلفة وأدوات مختلفة وعلاقة مختلفة بين قسم التعلّم والتطوير والبيانات التي يعتمد عليها. تخطي المراحل – أو افتراض أن شراء أداة وحده يرفعك في المنحنى – هو سبب رئيسي لفشل مبادرات بيانات التعلّم والتطوير بعد فترة حماسة أولية.
المرحلة الأولى: التقارير الثابتة
هذه هي نقطة البداية لجميع أقسام التعلّم والتطوير تقريباً، والكثير يظل فيها إلى أجل غير مسمى. في هذه المرحلة، البيانات موجودة لكنها محصورة داخل نظام إدارة التعلّم أو أنظمة متفرقة، ولا يمكن الوصول إليها إلا عبر تقارير معدّة مسبقاً. للحصول على إجابة لسؤال جديد، عليك تصدير جداول بيانات ودمجها يدوياً من مصادر متعددة، على أمل أن تكون الأرقام دقيقة كافية للعرض.
التقارير الثابتة تخبرك بما حدث: معدلات الإكمال، الوقت المستغرق في الدورات، نتائج النجاح والرسوب. هذه الأرقام لها قيمة لمتابعة الامتثال والمراقبة الأساسية، لكنها متخلفة عن النتائج التجارية. معدل الإكمال لا يخبرك إذا غيّر التدريب السلوك. معدل النجاح لا يخبرك إذا انتقلت المهارة إلى أداء العمل الفعلي. إنها تجيب على سؤال "هل حدث النشاط؟"، وهو سؤال مختلف تماماً عن "هل كان للنشاط أثر؟".
القيود هنا ليست في البيانات نفسها، بل في العلاقة بين البيانات والشخص الذي يحاول استخدامها. كل سؤال جديد يتطلب العودة إلى منشئ التقارير أو طلب تصدير مخصص أو الانتظار حتى يتفرغ شخص آخر. عنق الزجاجة ليس نقص البيانات، بل نقص الوصول لطرح أسئلة جديدة على البيانات الموجودة.
المرحلة الثانية: ذكاء الأعمال
الانتقال من التقارير الثابتة إلى ذكاء الأعمال الحقيقي لا يتعلق بإضافة المزيد من التقارير، بل بتغيير نوع الأسئلة التي يمكن الإجابة عليها. ذكاء الأعمال ليس مجرد لوحة تحكم متطورة، بل قدرة تحليلية تربط بيانات التعلّم بسياق الأعمال الأوسع، مما يسمح بأسئلة مثل "أي برامج تدريبية مرتبطة بانخفاض معدل الدوران الوظيفي في هذا القسم؟" أو "أين تتنبأ بيانات الفجوات المهارية بمخاطر أداء مستقبلية قبل ظهورها في دورة التقييم؟".
يتطلب ذكاء الأعمال بيانات مدمجة عبر أنظمة متعددة – ليس فقط بيانات نظام إدارة التعلّم منفردة، بل بيانات تعلّم مرتبطة ببيانات الأداء والمشاركة ونتائج الأعمال. يتطلب أدوات تحليلية تستطيع كشف الأنماط والارتباطات، وليس فقط عرض مقاييس محددة مسبقاً. والأهم، يتطلب تحولاً فيمن يطرح الأسئلة. في مرحلة التقارير، الأسئلة تأتي من الإدارة العليا. في مرحلة ذكاء الأعمال، يبدأ قسم التعلّم والتطوير نفسه بتوليد الأسئلة، لأن الأدوات تتيح الاستكشاف بدلاً من مجرد التقرير.
هذه المرحلة يعلق فيها العديد من أقسام التعلّم والتطوير، ليس لعدم توفر التكنولوجيا، بل لأن العمل الأساسي لدمج البيانات أصعب مما يبدو. ربط أنظمة لم تصمم للتواصل مع بعضها، وحل مشكلة معرفات الموظفين غير المتسقة عبر المنصات، وإنشاء مصدر واحد موثوق للتحليل عبر الأنظمة – هذا عمل شاق وغير براق، وغالباً ما يتم التقليل من قيمته عند شراء أداة ذكاء أعمال على أمل أن تحل مشاكل التكامل تلقائياً.
المرحلة الثالثة: الوصول الذاتي الديمقراطي
بمجرد أن تمتلك المؤسسة قدرة حقيقية لذكاء الأعمال – بيانات مدمجة وموثوقة وقابلة للتحليل – فإن المرحلة التالية من النضج ليست تحليلاً أكثر تعقيداً، بل وصولاً أوسع لهذا التحليل. هذا تحول من وجود فريق تحليلي صغير (أو مستخدم واحد خبير) هو الوحيد القادر على استخراج الرؤى، إلى نموذج يستطيع فيه أفراد فريق التعلّم والتطوير ومديرو البرامج وحتى أصحاب المصلحة في الأعمال استكشاف البيانات بأنفسهم، دون تقديم طلب وانتظار توفر شخص آخر.
الديمقراطية في الوصول تزيل عنق الزجاجة المتمثل في حارس بوابة واحد. لا تعني التخلي عن الهيكل أو الرقابة، بل بناء أدوات وواجهات ذاتية تسمح لمزيد من الأشخاص بطرح أسئلتهم ضمن إطار حوكمة مناسب، بدلاً من توجيه كل سؤال عبر طابور محلل واحد.
الفائدة التنظيمية كبيرة. مدير برنامج تدريبي يمكنه التحقق بشكل مستقل من توافق معدلات الإكمال مع درجات المشاركة لن ينتظر أسبوعين حتى يحلل شخص آخر ذلك. قائد إقليمي يريد مقارنة تطوير مهارات فريقه بفريق آخر يمكنه استكشاف المقارنة مباشرة. هذه السرعة مهمة جداً عملياً – الرؤى التي تستغرق أسبوعين لتظهر غالباً ما تأتي متأخرة جداً لدعم القرار الذي كانت تهدف إليه.
الوصول الديمقراطي يغلق تلك الفجوة الزمنية. لكنه لا يزال يتطلب درجة معينة من الطلاقة في استخدام الأدوات – معرفة كيفية التنقل في واجهة ذكاء الأعمال، وبناء الفلاتر الصحيحة، وتفسير لوحات التحكم. إنه تحسن كبير عن المرحلتين الأولى والثانية، لكنه ليس متاحاً بالكامل لكل من قد يستفيد منه.
المرحلة الرابعة: الوصول المحادثي باللغة الطبيعية
المرحلة الأحدث في المنحنى تزيل حتى حاجز الطلاقة في الأدوات. بدلاً من التنقل في واجهة ذكاء الأعمال أو بناء استعلامات معقدة، يمكن للمستخدمين طرح أسئلة بلغة عادية – "كيف كانت معدلات الإكمال لبرنامج المدير الجديد مقارنة بين المناطق في الربع الأخير؟" – وتلقي إجابة مباشرة وسياقية، دون الحاجة لمعرفة كيفية تنظيم البيانات الأساسية أو أي لوحة تحكم تحتوي على المقياس.
التحليلات المحادثية تمثل النقطة التي يصبح فيها الوصول إلى البيانات متاحاً حقاً لأصحاب المصلحة غير التقنيين – ليس فقط محترفي التعلّم والتطوير الذين تعلموا أداة ذكاء أعمال، بل المدراء التنفيذيين ومديري البرامج وقادة الفرق الميدانية الذين يحتاجون إجابة فقط وليس لديهم وقت أو رغبة لتعلم واجهة جديدة. هذه هي المرحلة حيث تتوقف البيانات عن كونها شيئاً تبحث عنه وتصبح شيئاً يمكنك ببساطة أن تسأل عنه.
هذه المرحلة مثيرة، لكنها أيضاً حيث يصبح المنحنى معقداً حقاً، لأن إزالة حاجز الواجهة لا تزيل الحاجة الأساسية لبيانات دقيقة ومدمجة ومحكومة بشكل مناسب. أداة محادثية تعطي إجابة واثقة وبلغة عادية بناءً على بيانات سيئة الدمج أو غير محكومة هي أخطر من لوحة تحكم معقدة تظهر على الأقل حدودها. سهولة طرح سؤال باللغة الطبيعية يمكن أن تخلق شعوراً زائفاً بالثقة في الإجابة – يميل الناس إلى الثقة برد محادثي واثق أكثر من ثقتهم في جدول بيانات مربك، حتى لو كان الجدول أكثر دقة.
لماذا يجب أن تكون الحوكمة أساس كل مرحلة
هذه هي النقطة في المنحنى حيث تتخطى معظم المؤسسات، بحماسها للوصول إلى المرحلة الرابعة، مطلباً أساسياً: الحوكمة يجب أن تُبنى في كل مرحلة، لا أن تُضاف لاحقاً بعد الوصول إلى الوصول المحادثي.
في مرحلة التقارير، الحوكمة بسيطة طبيعياً لأن عدد قليل من الناس يمكنهم إنشاء تقارير جديدة. في مرحلة ذكاء الأعمال، تبدأ الحوكمة بأهمية أكبر، لأن البيانات المدمجة تجعل مجموعات حساسة ممكنة تقنياً. في مرحلة الديمقراطية، تصبح الحوكمة ضرورية، لأن المزيد من الناس لديهم وصول مباشر لاستكشاف بيانات قد تشمل معلومات أداء حساسة أو قريبة من التعويضات أو معلومات شخصية. وفي المرحلة المحادثية، تصبح الحوكمة غير قابلة للتفاوض، لأن واجهة اللغة الطبيعية تزيل الحاجز التقني الأخير الذي كان يحد بشكل غير رسمي من يصل إلى ماذا.
فهم الاختلافات الأساسية بين حوكمة البيانات وإدارة البيانات يصبح حاسماً في اللحظة التي تكون فيها المؤسسة متحمسة للوصول إلى المراحل المتأخرة، لأن الإغراء هو معاملة الحوكمة كتفصيل إداري تقني ستتعامل معه الأداة تلقائياً. لن تفعل. إدارة البيانات – التكامل التقني، خطوط الأنابيب النظيفة، الأنظمة المتصلة – شرط أساسي للوصول إلى مراحل نضج لاحقة. حوكمة البيانات – قرارات السياسة حول من يصل إلى ماذا، تحت أي شروط، وبأي مساءلة – هي مسعى منفصل ومتعمد يجب تصميمه جنباً إلى جنب مع القدرة التقنية، ولا يفترض أن يتبعها تلقائياً.
المؤسسات التي تبني وصولاً محادثياً وديمقراطياً للبيانات دون حوكمة تحت كل مرحلة تميل إلى اكتشاف الفجوة في أسوأ لحظة: عندما يظهر استعلام حساس شيئاً لا ينبغي له، أو عندما يسأل مدقق سؤالاً لا يمكن لأحد الإجابة عليه، أو عندما تُعرض إجابة محادثية واثقة لكن غير دقيقة على الإدارة العليا كحقيقة.
أين تقع معظم أقسام التعلّم والتطوير فعلياً – وماذا يعني ذلك
إذا قارنت معظم أقسام التعلّم والتطوير بهذا المنحنى بصدق، فالكثير منها يقع بين المرحلة الأولى والثانية – لقد تجاوزوا التقارير الثابتة واكتسبوا بعض قدرة ذكاء الأعمال، لكن التكامل الأساسي لهذه القدرة غالباً أكثر هشاشة مما يبدو، وإطار الحوكمة الداعم له غالباً غير رسمي في أفضل الأحوال.
الأقسام التي هي أبعد على المنحنى، التي تجرب الوصول الديمقراطي أو تختبر أدوات محادثية، هي غالباً التي استثمرت مبكراً في أعمال التكامل والحوكمة غير البراقة التي لا تظهر في عروض المنتجات لكنها تحدد ما إذا كانت المراحل اللاحقة ستعمل بشكل موثوق. الدرس هنا ليس أن تبطئ المؤسسات طموحاتها في نضج البيانات. بل أن المنحنى لا يصمد إلا إذا بُنيت كل مرحلة على أساس متين من المرحلة التي تسبقها – وأن هذا الأساس يشمل الحوكمة كمسار موازي، وليس فكرة لاحقة تُثبت بمجرد أن تكون القدرة المثيرة قيد التشغيل بالفعل.
للمسؤولين عن التعلّم والتطوير الذين يقيمون أين يستثمرون بعد ذلك، السؤال الصادق ليس "كيف نحصل على أداة تحليلات محادثية؟". بل "في أي مرحلة نحن فعلاً، وما هو عمل التكامل والحوكمة المطلوب للوصول بصدق إلى المرحلة التالية، وهل نحن مستعدون للقيام بذلك العمل غير البراق قبل أن نطارد القدرة المثيرة التي تعتمد عليه؟". الأقسام التي تجيب على هذا السؤال بصدق تميل إلى بناء قدرة بيانات تدوم. الأقسام التي تتخطى السؤال تميل إلى الانتهاء بأدوات رائعة المظهر تقع على أسس بيانات مهتزة لتحمل وزن القرارات التي تبنى عليها.