駛向學習的大數據時代

大數據時代將使員工的學習變得更快、更好，而且更便宜——但前提是，企業必須在分析復雜數據所需的技能和批判性思考能力方面，投入足夠多的努力。

正如同營銷、財務、研發乃至于一切其他部門一樣，培訓部門也正面臨大數據的浪潮。他們在海量數據的沖擊下，需要全新的技能和心態，才能通過對數據的掌握，更好、更快、更便宜地完成任務。

然而，適應大數據對于培訓經理們而言并非易事。多數人力資源相關專業人員對于數學和數據分析都缺乏經驗，甚至對數據本身帶著恐懼。因此，想在培訓與發展部門推動大數據革命，需要付出更多努力。

在這方面，有相當一部分人力資源人員自我感覺不錯——其實是過度良好了。根據2013年英國特許人事和發展協會（Chartered Institute of Personnel and Development，CIPD）的一份調查，有63%的人力資源主管認為，他們能夠從數據中找到想要的東西。但別人可未必也這么想。調查中，只有差不多五分之一（21%）的企業領導者們相信，人資主管們確實能夠掌握數據。

大“學習”數據

由于HR人員普遍對數據分析都不在行，我們不免要問一個問題：那些從員工那里收集來的數據——特別是關于學習與發展的數據——真的可以叫做“大數據”嗎？

產業分析師、梅西學習中心（Masie Center）創辦人兼《大學習數據》一書的共同作者艾略特·梅西（Elliott Masie）認為，以上問題的答案，毫無疑問是“是的”。他認為，每當員工上一門課、閱讀一本電子書，或者參與一門e-Learning課程時，都會留下有價值的數據。

盡管大多數公司關于e-Learning課程所留存的學員信息往往只有四小塊——誰參加了課程、什么時候參加的、上了多久、最后成績幾分——但事實上值得挖掘的數據遠不止于此。從整個企業的角度來看待這些數據，你將會發現更多，大約可以挖掘出少則1萬、多則12萬條有意義的數據片段。如果每個員工上每一門課都能產生這么多數據，再看看有多少員工、多少門課吧！當我們把其他方面的員工數據都考慮進來時，數據量還會進一步暴增。然后你不得不承認，這真的是“大”數據。

“如果你開始研究社交圖譜（social graph）以及那些基于此技術的應用，你會發現每個人每天都會留下數以百計有價值的數據節點。”日立數據系統（Hitachi Data Systems）學習與協作部門副總裁尼克·霍威（Nick Howe）說：“相較于傳統的數據庫，這可是幾千、幾萬倍的數據量。”

機器學習時代

在學習與發展領域，大數據還揭示了許多嶄新的可能性，例如機器學習（machine learning）以及復雜的、像亞馬遜那樣的推薦系統。此外，大數據還重塑了很多傳統意義上的學習程序，例如課程設計或導師制等。

在日立數據系統公司，7000多名員工都通過Jive這套在線論壇系統來溝通和寫作。但較少有人知道的是，它同時也是有效的培訓數據收集和分析引擎，能夠收集員工的基本信息（例如瀏覽過哪些文檔、參與了哪些討論），然后為員工推薦額外的信息或者對他們可能有幫助的人選。如同亞馬遜那套推薦系統一樣，日立數據系統也能根據收集到的數據不斷完善分析，提出更好、更有針對性的建議，這就是“機器學習”。

“例如，假設我們公司的財務總監進入系統里面檢索一些關鍵詞，而我也在系統里面檢索同樣的關鍵詞，結果我們兩人會得到截然不同的搜索結果，因為系統會根據我們過去的經歷和習慣，來自動匹配適當的數據。”霍威說。

再加上績效評估方面的數據，就可以做到更為個性化、有針對性的學習。農民保險公司（Farmers Insurance），理賠部門建立了專業發展中心（Professional Development Center），該中心使用了一套以大數據為基礎的學習與發展系統，所捕捉的數據包括360度評估、員工敬業度調查，以及個人績效評核數據等，目的是找出每位領導者的長處和缺點。

該公司理賠部門專業發展項目的主管杰夫·羅西（Jeff Losey）表示，如果要為全部57名領導者設計一整套包山包海的課程，顯然太過費時費力費錢，況且這樣做也未必有用。“如果我們把所有能收集到的課程統統收集起來，全部放在網站上，再告訴領導者們：‘嘿，你們需要的東西都在那里，自己找去！這樣做顯然糟透了。”他說。

相反地，在專業發展中心的協助下，每一位領導者都能夠得到個性化的培訓安排，明確自身最需要強化的領域——例如建設性的反饋或者培育下屬——然后重點加強它們。此外，農民保險公司的這套系統還包含了導師制程序，只要按下“尋找導師”按鈕，系統就會為每位領導者篩選出最有可能協助他們的人選。“大數據的好處在于，它使我們總能在最需要的時候，找到最需要的東西。”羅西表示。

專業發展中心這一項目從2012年5月開始啟動，同年11月正式上線。它還帶來了另一項意想不到的好處——找到過去被忽視的那些高潛力人才。相較于傳統上較為主觀的繼任規劃程序，專業發展中心完全根據數據來分析、評估每個員工的績效表現和優勢能力，結果發掘出了不少從未被注意到的人才。在發現這一事實后，羅西和他的團隊組織了一次為期三天的模擬項目，讓60位高潛力員工接觸更廣泛的商業知識和體驗;模擬結束后，他們被帶到公司高管層的面前。結果，其中20人得到高管層的青睞，被納入正式的繼任規劃程序當中。“即使是金子，也需要一定的機緣才能發光的。”羅西說。

學習與發展的分析性思維

除了在課程設計和評估等方面的改變外，大數據帶來的另一個變化是，迫使學習與發展部門擁有更強大的分析技巧。

傳統而言，培訓部門所需要的人才不外乎課程設計師、培訓師，以及各領域的專家等。“現在我更需要懂得數據分析和數據挖掘的人才，這樣我們才知道該如何運用這些數據。”羅西說，“他們還需要告訴我們這些數據從哪里來，又有什么意義。畢竟有大量的數據都是無用的。”endprint

如果你覺得大數據分析跟傳統數據分析技巧差不多，只不過量大了些而已，那就大錯特錯了。在傳統的HR分析流程中，組織會提出一些問題，然后由HR部門來分析并提出解答。 但大數據分析師的工作方式卻截然不同。沒有預設的問題，他們從多種不同來源收集各種不同形式的數據，然后運用諸如回歸分析和預測建模等統計技巧，讓數據自己說話。特別是那些有趣的相關性和離群值（outliers），更是分析師關注的對象。

專業分析機構Bersin（現為Bersin by Deloitte）創始人約什·貝爾辛（Josh Bersin）認為，大數據分析所需要的復雜技巧和思考模式，給學習與發展部門帶來了很大的挑戰。“事實是，大數據浪潮來了，然后很多培訓人員被拍死在沙灘上。”約什說：“他們一輩子都在做同樣的事，也就是試圖評估培訓到底產生了多少效果。然而如果沒有一并衡量其他東西的話，僅靠片面的數據是說明不了任何問題的。”

貝爾辛的建議是，建立一套全面的人才數據分析系統，廣泛收集來自各個渠道的數據——當然也包括培訓數據——然后用這些數據來分析企業的實際問題，例如銷售提升、生產力以及離職率等等。艾略特·梅西也認為，這樣多元化的、互相關聯的數據系統，有可能帶來實質性的突破。

“如果我確實觀察到某個員工的績效提升，不管是他多賣出了幾部車、客戶投訴減少了，還是救活了更多病人，然后通過大數據分析把這些提升和培訓數據關聯起來，就有可能產生有趣的結果。”他說。

有效收集數據是基礎

大數據這個神奇的概念令人著迷，我們很容易腦袋一熱，大喊：“好，我們趕快把一切數據都收集起來，看看數據告訴我們什么？”

“這聽起來確實很不賴。”貝爾辛說。但他也警告，掌握大數據并非易事，想要有效收集和分析這么龐大而瑣碎的信息是極端困難的。這不僅需要“收集”信息的能力，更需要“清理”那些無用信息的能力，否則那些過時的、不一致的、充滿錯誤的數據將會嚴重干擾我們的分析。當然，你還需要充分而謹慎地進行準備，以及問對的問題。

“如果你問的問題錯了，數據就會告訴你錯誤的答案。”科技出版集團OReilly Media的內容戰略副總裁麥可·羅凱德斯（Mike Loukides）表示：“如果你發問的時候漫不經心，那么你得到的答案可能看起來很美，但其實毫無意義。”

貝爾辛建議，公司應該在一開始就明確界定想要解決的問題，例如成功招聘的特點有哪些，或是導致員工離職的原因是什么等等。“無論如何，你的數據庫一定會愈來愈龐大，但如果你能夠從一些很小的問題開始，通過收集數據來試圖解決這些問題的話，你的數據收集和分析工作將會有效率的多。”他說。

歸根結底，你必須了解，數據不管是大還是小，只不過是解決問題所需的其中一環而已。它是解決問題的基礎，會指導人們做出最終的決策。endprint