Scrum-based leren

Leren zonder directe toepasbaarheid in de praktijk? Naar onze mening is dat verspilde moeite! Als trainer bij Van Dam Datapartners heb ik door de jaren heen veel deelnemers gezien die na een training over datagedreven werken moeite hadden om het geleerde in hun dagelijkse werk te gebruiken. Wanneer ik ze later vroeg naar hun ervaringen, kreeg ik vaak te horen dat de stof onvoldoende was blijven hangen omdat ze er te weinig mee deden in hun eigen praktijk.

Dit inzicht bracht ons bij Van Dam Datapartners tot een nieuwe aanpak: leren en toepassen vanaf het begin hand in hand laten gaan.

Twee kernproblemen

Uit onze analyse bleek dat er twee grote struikelblokken zijn bij traditionele trainingen:

1. Leren vs. toepassen
   Tijdens trainingen wordt vaak gewerkt met demo- of trainingsdata, wat de vertaalslag naar de eigen praktijk bemoeilijkt. Hierdoor blijft de koppeling met het eigen werkveld na de training uit. Het gebruik van eigen cases tijdens de training kan ervoor zorgen dat het geleerde veel beter wordt verankerd.
2. Tijd om te leren en innoveren
   De echte optimalisatie van het geleerde gebeurt pas na de training, maar door werkdruk ontbreekt vaak de tijd om hiermee verder te oefenen. De ruimte die nodig is voor een groeitraject – om de processen sneller en eigen te maken – ontbreekt in de werkweek.

Onze oplossing: Scrum-based leren

Met Scrum-based leren brengen we leren en innoveren samen. Het is een aanpak waarin je direct aan de slag gaat met jouw eigen (datagedreven) projecten. Hiermee pak je die ideeën waar je vaak geen tijd voor hebt tijdens je werkweek eindelijk op.

Het resultaat? Een wederzijds versterkende ontwikkeling waarin jij én je organisatie écht stappen maken. Leren wordt hierdoor geen extra belasting, maar juist een middel om de innovatiekracht van je werkproces te vergroten.

Relevantie

Leren kost tijd energie, en het levert het meeste rendement op wanneer het direct toepasbaar is in je dagelijkse werk, zeker bij leren over datagedreven werken. Bij Van Dam Datapartners hebben we namelijk ervaren dat datagedreven werken een breed en complex concept kan zijn dat zorgvuldig doorlopen moet worden om succesvol te zijn.

Datagedreven werken bestaat uit twee processen die elkaar snel kunnen afwisselen en opvolgen:

1. Organisatorisch proces
2. Technisch proces

Het organisatorische proces gaat over de borging van de data-ontwikkeling bij de medewerkers die ermee werken. Denk hierbij aan het maken van werkafspraken, inrichten van processen en stakeholdermanagement. Het technische proces gaat over het inrichten van het dataproduct zodat medewerkers er zo efficiënt mogelijk mee kunnen werken. Het is verspilde moeite wanneer er een dataproduct is opgeleverd, maar de medewerkers weten niet hoe ze ermee moeten werken. En andersom, als de medewerkers zijn meegenomen in de ontwikkeling, maar het dataproduct voldoet niet aan de gestelde eisen, geeft het ook niet het juiste resultaat. Beide processen zijn sterk afhankelijk van elkaar en versterken elkaar in hun succes. Onze ervaring leert dat het overslaan of onvolledig doorlopen van deze processen kan leiden tot:

• Onvoldoende commitment binnen de organisatie;
• Gebrek aan eenduidigheid over de interpretatie van opgeleverde dataproducten;
• Ineffectieve toepassing van datagedreven werken.

Tijdens onze dataleerlijn krijgen zowel de organisatorische als de technische processen de juiste aandacht. Zo garanderen we dat deelnemers niet alleen leren, maar het geleerde ook succesvol kunnen toepassen in hun praktijk. Hiermee verankeren we dat wat geleerd is ook direct in de processen die gedurende de leerlijn worden ingericht.

Scrum-based leerlijn

De kop zegt het misschien al: deze leerlijn integreert elementen van het scrum-framework in een praktijkgerichte datagedreven leerroute. Door de combinatie van de 70-20-10 leermethode en het scrum-framework ontstaat een theoretisch en praktisch kader waarmee je het maximale rendement uit je investering kunt halen – zowel persoonlijk als voor je organisatie.

De 70-20-10 leermethode stelt:

• 10% leren: Het opdoen van kennis door trainingen en instructies.
• 20% samenwerken: Leren door interactie met collega’s en trainers.
• 70% zelf doen: Leren door directe toepassing in de praktijk.

Het Scrum-framework faciliteert dit leerproces. Over een periode van bijvoorbeeld 7 maanden doorlopen deelnemers een volledig praktijkgericht dataproject – van begin tot eind. Je werkt individueel of in kleine teams aan een datacasus die dient als een rode draad gedurende de leerlijn.

Opzet van de leerlijn

De leerlijn begint met een datakwalitficatiescan, gevolgd door een tweedaagse kick-off. Tijdens deze kick-off:

• Geven we een introductie in datagedreven werken.
• Plaatsen we samen de eerste items op de kennisbacklog.
• Wisselen theorie en praktijk elkaar af om nieuwe leerconcepten eigen te maken.

Twee trainers begeleiden de groep en vervullen de rollen van product owner en scrum master gedurende de leerlijn. De eerste sprint [1] start direct na de kick-off, waarbij de scrum-methodiek wordt ingezet om het leerproces gestructureerd en flexibel te laten verlopen.

Scrum-meetings

Tijdens de leerlijn worden Scrum-meetings ingezet om het leerproces te ondersteunen:

1. Kennisbacklog
   it vormt de basis voor alle werkzaamheden, prioriteiten en leerpunten. De backlog wordt voortdurend bijgewerkt door de deelnemers op basis van hun, wat flexibiliteit biedt in de leerdoelen.
2. Wekelijkse sessies
   In een wekelijkse online-sessie delen deelnemers en trainers hun voortgang, bespreken ze obstakels en vragen ze ondersteuning van andere deelnemers (samenwerken, de 20%) of trainers (leren, de 10%).
3. Terugkomdagen 
   Deze dagen (elke 4-5 weken op locatie)  bestaan uit:

• Sprint review: Evaluatie van de voortgang en feedback verzamelen.
• Sprint retrospective: Reflectie op samenwerking en processen voor verbetering.
• Trainingen: Specifieke trainingen die aansluiten op de ontwikkelfase van dat moment.
• Sprint planning: Het bepalen van doelen en taken voor de volgende sprint.

Op de terugkomdag wordt de sprint afgerond. Bij de afronding hoort een sprint review (wat hebben we gedaan en liggen we op koers?) en een sprint retrospective (hoe hebben we met elkaar gewerkt?). Na de afronding begint de volgende sprint met een sprintplanning.

Een flexibele dataleerlijn

Het meest waardevolle element van Scrum-based leren is de flexibiliteit. In plaats van een volledig voorgeprogrammeerd plan wordt de focus per sprint samen met de deelnemers bepaald. Tijdens de terugkomdagen worden gerichte trainingen gegeven die aansluiten op de ontwikkelfase van dat moment. Denk aan onderwerpen zoals:

• Requirements ophalen
• Data ontsluiten en modelleren
• Stakeholdermanagement
• Data-analyse en presentatievaardigheden

Voor wie is deze leerlijn geschikt?

De scrum-based dataleerlijn is ideaal voor deelnemers die datagedreven werken in de praktijk willen toe passen. Zowel organisatorische als technische processen komen aan bod, evenals onderwerpen zoals stakeholder- en verwachtingsmanagement, data-engineering, data-analyse en het borgen van deze kennis binnen de organisatie. Deelnemers leren niet alleen over datagedreven werken, maar passen het direct toe in hun dagelijkse praktijk.

Doelgericht en vraaggestuurd

Deze leerlijn heeft een doelgericht karakter omdat er voorafgaand en in overeenstemming met de klant duidelijke leerdoelen worden gesteld en er een focus is op het behalen van concrete resultaten en prestatieverbetering van datagedreven werken bij de deelnemers. Ook is deze leerlijn vraaggestuurd, wat betekent dat deelnemers actief worden betrokken bij het formuleren van hun eigen leertraject. Dit komt voort uit de actieve betrokkenheid die van deelnemers wordt verwacht bij het onderhouden van de kennisbacklog. De training biedt een flexibele structuur die inspeelt op deze individuele vragen en ontwikkeling, maar verwacht wel commitment en inzet van de deelnemers om hun user stories en persoonlijke leerdoelen te bereiken en het geleerde in de praktijk toe te passen.

Rendement

De Scrum-based leerlijn kent de volgende resultaten:

1. Hoog leerrendement. De deelnemers hebben een periode mogen leren en hebben dit gelijk kunnen toepassen (binnen de leeromgeving) op hun eigen casuïstiek. Dit zorgt er voor dat hetgeen geleerd is, beoefend is en daarmee ook na deze dataleerlijn nog toegepast kan worden op andere onderdelen van het werkveld.
2. Datagedreven innovatie. De deelnemers hebben gedurende de periode casuïstiek kunnen oppakken die ze normaliter niet zo snel zouden oppakken en (door)ontwikkelen. Innovatie stelt de deelnemers in staat om lastige obstakels te overwinnen, bijzondere ideeën te verwezenlijken en anderen te inspireren, wat hun waarde voor de organisatie vergroot.

Leren (en) innoveren!

Scrum-based leren biedt jou een innovatieve leermethode die jouw organisatie in staat stelt om je medewerkers de processen van datagedreven werken te leren beheersen, hands-on aan de slag te gaan met het ontwikkelen van dataproducten die van belang zijn voor jouw organisatie en om een innovatieve leermethode aan te bieden jouw medewerkers.

[1] Sprint = een vastgestelde tijdsperiode, meestal rond de vier weken, waarin de deelnemers binnen de Scrum-based leerlijn werken aan het voltooien van user stories uit de kennisbacklog.