驶向学习的大数据时代

大数据时代将使员工的学习变得更快、更好，而且更便宜——但前提是，企业必须在分析复杂数据所需的技能和批判性思考能力方面，投入足够多的努力。

正如同营销、财务、研发乃至于一切其他部门一样，培训部门也正面临大数据的浪潮。他们在海量数据的冲击下，需要全新的技能和心态，才能通过对数据的掌握，更好、更快、更便宜地完成任务。

然而，适应大数据对于培训经理们而言并非易事。多数人力资源相关专业人员对于数学和数据分析都缺乏经验，甚至对数据本身带着恐惧。因此，想在培训与发展部门推动大数据革命，需要付出更多努力。

在这方面，有相当一部分人力资源人员自我感觉不错——其实是过度良好了。根据2013年英国特许人事和发展协会（Chartered Institute of Personnel and Development，CIPD）的一份调查，有63%的人力资源主管认为，他们能够从数据中找到想要的东西。但别人可未必也这么想。调查中，只有差不多五分之一（21%）的企业领导者们相信，人资主管们确实能够掌握数据。

大“学习”数据

由于HR人员普遍对数据分析都不在行，我们不免要问一个问题：那些从员工那里收集来的数据——特别是关于学习与发展的数据——真的可以叫做“大数据”吗？

产业分析师、梅西学习中心（Masie Center）创办人兼《大学习数据》一书的共同作者艾略特·梅西（Elliott Masie）认为，以上问题的答案，毫无疑问是“是的”。他认为，每当员工上一门课、阅读一本电子书，或者参与一门e-Learning课程时，都会留下有价值的数据。

尽管大多数公司关于e-Learning课程所留存的学员信息往往只有四小块——谁参加了课程、什么时候参加的、上了多久、最后成绩几分——但事实上值得挖掘的数据远不止于此。从整个企业的角度来看待这些数据，你将会发现更多，大约可以挖掘出少则1万、多则12万条有意义的数据片段。如果每个员工上每一门课都能产生这么多数据，再看看有多少员工、多少门课吧！当我们把其他方面的员工数据都考虑进来时，数据量还会进一步暴增。然后你不得不承认，这真的是“大”数据。

“如果你开始研究社交图谱（social graph）以及那些基于此技术的应用，你会发现每个人每天都会留下数以百计有价值的数据节点。”日立数据系统（Hitachi Data Systems）学习与协作部门副总裁尼克·霍威（Nick Howe）说：“相较于传统的数据库，这可是几千、几万倍的数据量。”

机器学习时代

在学习与发展领域，大数据还揭示了许多崭新的可能性，例如机器学习（machine learning）以及复杂的、像亚马逊那样的推荐系统。此外，大数据还重塑了很多传统意义上的学习程序，例如课程设计或导师制等。

在日立数据系统公司，7000多名员工都通过Jive这套在线论坛系统来沟通和写作。但较少有人知道的是，它同时也是有效的培训数据收集和分析引擎，能够收集员工的基本信息（例如浏览过哪些文档、参与了哪些讨论），然后为员工推荐额外的信息或者对他们可能有帮助的人选。如同亚马逊那套推荐系统一样，日立数据系统也能根据收集到的数据不断完善分析，提出更好、更有针对性的建议，这就是“机器学习”。

“例如，假设我们公司的财务总监进入系统里面检索一些关键词，而我也在系统里面检索同样的关键词，结果我们两人会得到截然不同的搜索结果，因为系统会根据我们过去的经历和习惯，来自动匹配适当的数据。”霍威说。

再加上绩效评估方面的数据，就可以做到更为个性化、有针对性的学习。农民保险公司（Farmers Insurance），理赔部门建立了专业发展中心（Professional Development Center），该中心使用了一套以大数据为基础的学习与发展系统，所捕捉的数据包括360度评估、员工敬业度调查，以及个人绩效评核数据等，目的是找出每位领导者的长处和缺点。

该公司理赔部门专业发展项目的主管杰夫·罗西（Jeff Losey）表示，如果要为全部57名领导者设计一整套包山包海的课程，显然太过费时费力费钱，况且这样做也未必有用。“如果我们把所有能收集到的课程统统收集起来，全部放在网站上，再告诉领导者们：‘嘿，你们需要的东西都在那里，自己找去！这样做显然糟透了。”他说。

相反地，在专业发展中心的协助下，每一位领导者都能够得到个性化的培训安排，明确自身最需要强化的领域——例如建设性的反馈或者培育下属——然后重点加强它们。此外，农民保险公司的这套系统还包含了导师制程序，只要按下“寻找导师”按钮，系统就会为每位领导者筛选出最有可能协助他们的人选。“大数据的好处在于，它使我们总能在最需要的时候，找到最需要的东西。”罗西表示。

专业发展中心这一项目从2012年5月开始启动，同年11月正式上线。它还带来了另一项意想不到的好处——找到过去被忽视的那些高潜力人才。相较于传统上较为主观的继任规划程序，专业发展中心完全根据数据来分析、评估每个员工的绩效表现和优势能力，结果发掘出了不少从未被注意到的人才。在发现这一事实后，罗西和他的团队组织了一次为期三天的模拟项目，让60位高潜力员工接触更广泛的商业知识和体验;模拟结束后，他们被带到公司高管层的面前。结果，其中20人得到高管层的青睐，被纳入正式的继任规划程序当中。“即使是金子，也需要一定的机缘才能发光的。”罗西说。

学习与发展的分析性思维

除了在课程设计和评估等方面的改变外，大数据带来的另一个变化是，迫使学习与发展部门拥有更强大的分析技巧。

传统而言，培训部门所需要的人才不外乎课程设计师、培训师，以及各领域的专家等。“现在我更需要懂得数据分析和数据挖掘的人才，这样我们才知道该如何运用这些数据。”罗西说，“他们还需要告诉我们这些数据从哪里来，又有什么意义。毕竟有大量的数据都是无用的。”endprint

如果你觉得大数据分析跟传统数据分析技巧差不多，只不过量大了些而已，那就大错特错了。在传统的HR分析流程中，组织会提出一些问题，然后由HR部门来分析并提出解答。 但大数据分析师的工作方式却截然不同。没有预设的问题，他们从多种不同来源收集各种不同形式的数据，然后运用诸如回归分析和预测建模等统计技巧，让数据自己说话。特别是那些有趣的相关性和离群值（outliers），更是分析师关注的对象。

专业分析机构Bersin（现为Bersin by Deloitte）创始人约什·贝尔辛（Josh Bersin）认为，大数据分析所需要的复杂技巧和思考模式，给学习与发展部门带来了很大的挑战。“事实是，大数据浪潮来了，然后很多培训人员被拍死在沙滩上。”约什说：“他们一辈子都在做同样的事，也就是试图评估培训到底产生了多少效果。然而如果没有一并衡量其他东西的话，仅靠片面的数据是说明不了任何问题的。”

贝尔辛的建议是，建立一套全面的人才数据分析系统，广泛收集来自各个渠道的数据——当然也包括培训数据——然后用这些数据来分析企业的实际问题，例如销售提升、生产力以及离职率等等。艾略特·梅西也认为，这样多元化的、互相关联的数据系统，有可能带来实质性的突破。

“如果我确实观察到某个员工的绩效提升，不管是他多卖出了几部车、客户投诉减少了，还是救活了更多病人，然后通过大数据分析把这些提升和培训数据关联起来，就有可能产生有趣的结果。”他说。

有效收集数据是基础

大数据这个神奇的概念令人着迷，我们很容易脑袋一热，大喊：“好，我们赶快把一切数据都收集起来，看看数据告诉我们什么？”

“这听起来确实很不赖。”贝尔辛说。但他也警告，掌握大数据并非易事，想要有效收集和分析这么庞大而琐碎的信息是极端困难的。这不仅需要“收集”信息的能力，更需要“清理”那些无用信息的能力，否则那些过时的、不一致的、充满错误的数据将会严重干扰我们的分析。当然，你还需要充分而谨慎地进行准备，以及问对的问题。

“如果你问的问题错了，数据就会告诉你错误的答案。”科技出版集团OReilly Media的内容战略副总裁麦可·罗凯德斯（Mike Loukides）表示：“如果你发问的时候漫不经心，那么你得到的答案可能看起来很美，但其实毫无意义。”

贝尔辛建议，公司应该在一开始就明确界定想要解决的问题，例如成功招聘的特点有哪些，或是导致员工离职的原因是什么等等。“无论如何，你的数据库一定会愈来愈庞大，但如果你能够从一些很小的问题开始，通过收集数据来试图解决这些问题的话，你的数据收集和分析工作将会有效率的多。”他说。

归根结底，你必须了解，数据不管是大还是小，只不过是解决问题所需的其中一环而已。它是解决问题的基础，会指导人们做出最终的决策。endprint