APP下载

驶向学习的大数据时代

2015-05-21

培训 2015年3期
关键词:罗西领导者部门

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

猜你喜欢

罗西领导者部门
102个中央部门公开预算过“紧日子”成关键词
妈妈的神奇时间(下)
微软CEO纳德拉MWC演讲:伟大领导者的三大特质
你是哪一流的领导者
你是否胜任领导工作?
89家预算部门向社会公开
骑自行车去拉萨
年终总结
你是哪一流的领导者
大部门体制改革周年纪