搭建数据驱动的人才培养体系

2021-04-06 16:01:20

见“数”使舵，已经是各个行业的决策风向标。

无论是搜索引擎，还是社交、购物网站，都会记录我们的浏览痕迹，通过分布式计算和机器学习进行精准推送，这在营销界已不是一个谜。

而今，这种技术正被应用于教育，改变我们的学习方式。

培训前，需求可以通过数据来诊断发现，培训中，员工的能力长短板，培训后，结果数据亦可指导，反应出在项目设计、项目实施等环节所存在的问题和高光之处。

可以这样说，数据已成为培训发展的底层逻辑。

那么——培训人到底应该如何分析应用数据？

目前培训行业的数据多不多？

说实在的，不多。尤其在企业内部，大多数培训数据的挖掘，还停留在人均课时、课程满意度等常规结果数据的汇总上。

而实际上，在移动学习蔚然成风的今天，员工在学习过程中进行的每次互动——从测评到模拟练习，都会产生大量的数据，不仅能够更加细致地了解员工如何理解所学，还可以帮助雇主更好地理解员工，并提供如何干预和指导他们发展的洞见。

那么，在线上学习中众多可供追踪的数据里，究竟哪些才是有用的数据？

一般来说，评估人才是否能够成为“超级英雄”，即所谓的高潜（High-Po），可以从三个方面来衡量：

1. 人才加速度，比如可成长性、适应性、学习力等指标；

2. 掌握水平，比如知识点掌握程度、技能展现等指标；

3. 学习态度，比如学习时长、反复练习次数等指标；

最终，通过培训能否发生行为改变，支持支持业务发展或公司成长，是最终的衡量指标。

所以，在实际教学中，英跃将提炼关键数据，并支持行为改变分成了四步：

1. 学前测评数据。英跃基于大五人格的性格测评以及能力现状测评，形成个人的性格图谱和能力图谱。

2. 在线学习数据。通过在线课程和追踪系统，可以从各个维度告诉我们学员的学习状态和兴趣，以及在之后是否能进一步进行分析、评价和创造。

3. 关键行为数据。基于DDI行为模式发展法（Behavior Modeling），拆解能力中的关键行为，放置于真实案例的情景模拟中，引导并检测行为改变。

4. 根据线上学习数据报告，以及现实业务目标实现过程中的能力挑战，有针对性地设计线下课堂。

相信看过漫威系列的人都会对电影中AI炫酷的呈现印象深刻，贾维斯和星期五在为斯塔克分析问题，提供建议时都会给出清晰的功能图，即数据可视化。

说起数据分析和可视化的关系，就好比你为一堆散乱的拼图写了一份说明，告诉他这个数据是什么样子，代表什么。

可以说，数据可视化虽然不是必不可少的，但却是可以加快效率，为报告锦上添花。

一份好的数据报告是对有用信息的结果化呈现。比如学习态度可以通过学习时长、反复练习次数来观察，学习能力可以通过英跃的前后测对比数据来检测等。

可视化的数据结构和数据视图能够明了直观的展现关键数据之间的关系，以及为下一步动作理顺逻辑。

英跃不仅为企业提供个性化的学习数据，还提供导师一对一点评，帮助企业厘清人才现状，形成人才库。

不少企业HR在做项目复盘时发现，有些培训就是一时的热闹，各种评价指标很高，学完还是打回原形，怎么办？

这时候，我们要追本溯源，问一句，培训的目的是什么？

从老板的角度来看，企业花了钱，无论是培养员工的专业技能，还是提升软技能，最终都是为了「促发展」，最主要就是提高业务表现。

那么，如何才能与业务部门共享，挖掘培训数据背后的价值和意义？

关键是，以终为始。任何方案，搞清楚目的、管理好期待、把握好效果，都是第一要务。

比如，对于销售部门而言，沟通是必备的关键能力，但培训结束后，数据反馈大部分人在同理心上有所欠缺，那么，在之后的学习和培训中，如何加强同理心就是工作重点。

在设计培训项目时，事前、事中、事后一定要与高层、利益相关者充分沟通，反复确认，取得共识，甚至细节到学习成效的问题。

因为学习成效是以终为始设计出来的而不是评估出来的！

此外，学习发展只是人力资源或组织发展大局的一个重要环节，惟有与人才遴选、人才任用、绩效管理、薪酬管理等制度联动起来，才有可能形成良性的、高效的企业内部学习发展生态。

数据是下一步动作的指导，也是企业持续发展的关键动力之一。

企业若想建立一个真正的数字文化，需要引进并适应新的学习形式，开展更多以项目为基础的工作。

盘活了培训数据，也就盘活了培训管理者更多的思维空间，以及企业培训体系的深度脉络。