大数据技术在企业培训中的应用

张 磊，杨 椿

（石家庄邮电职业技术学院，河北 石家庄 050021）

大数据技术在企业培训中的应用

张 磊，杨 椿

（石家庄邮电职业技术学院，河北 石家庄 050021）

互联网的高速发展带动了企业在线培训的发展，很多企业建立了自己的在线教育平台或者外包给第三方公司来做企业培训。但培训效果并没有完全使企业的满意，主要原因是员工的学习兴趣不高，存在挂课等作弊现象。因此在互联网大数据时代，学习平台的构建要向以客户为中心转变，提高学员自主学习兴趣，减少强制要求。文章从激发员工的学习兴趣出发，将培训课程的相关数据通过大数据技术进行提炼，并将和员工关系密切的课程进行图形化展示，为员工主动学习提供帮助和支持，从而提高员工学习的主动性，提高培训效率。

大数据；培训；指数；兴趣

移动互联网下信息呈现信息爆炸式增长，用户选择多样化。目前很多企业搭建了自己的在线学习平台，或者外包给第三方公司来做企业培训。但培训效果并没有完全达到企业的满意，分析其主要原因有员工的学习兴趣不高，存在挂课等作弊现象［1］。因此在互联网大数据时代学习平台的构建要向以客户为中心转变，提高学员自主学习兴趣，减少强制要求。

搭建学习管理系统平台，通过放入统一化的通用课件和个性化的定制课件，向学员发出开课通知，监督学员参与学习，最后组织在线考试和课程评估完成一次培训。这是大部分企业目前企业实施线上培训常见的标准化流程，由培训管理者发出指令，受训员工接受指令完成每次学习任务。这种被动、自上而下的培训导致员工培训积极性不高，培训效果有限［2］。这对培训业务的发展和学习平台的构建提出了直接挑战。如何建立学员沟通的平台，分析学员数据的相关性，发现学员的真实需求，激发学员的学习兴趣是互联网和移动互联网时代研究的重要课题。弱化学习管理者的指令感、强化学习者的主动学习意愿，学习平台和移动学习平台才能变得积极活跃起来［3］。

大数据从概念的提出到产业的应用已经逐渐完善起来，大数据时代的在线培训使得揭开传统培训的黑匣子成为可能［4］。首先，在线学习使得一切学习行为、学习偏好和学习习惯具有可记录与测量性，给平台建设者提供了更多可描述的具体信息，这是数据分析的前提［5］。第二，在线学习与移动学习中体现了数据的相关性，不同数据之间呈现出的关联性使平台建设者能从中分析出不同的岗位序列、不同层级、不同地域、不同年龄的学员之间的群体性，从而为后续的课程内容规划和相应的学习活动设计提供参考。第三，在线学习可以实现学习工程的数据可实验性，平台建设者可以通过挖掘、分析大数据，在页面设置课程推荐功能和活动置顶功能，提高课程的点击率和活动的参与率，从而提高课程的访问量和学员的自主学习兴趣。

在线学习中课程访问的情况是反映课程受欢迎程度的最直接的指数，学员可以根据课程访问的相关信息作为判断依据来决定自己是否学习该课程，提高学员学习的针对性。业务人员也可以根据课程指数，为新课程的开发和制作提供数据依据［6］。

1　数据采集

课程学习的历史数据收集自企业的自有培训平台，每天以日志的形式将数据导入到企业的Hadoop大数据分析平台，大数据分析再将这些数据进行清洗和分析将结果反馈给业务平台。

2　指数系统的使用对象

学员利用指数系统可以直观地观察到与自身关系比较密切的课程，根据指数系统的量化数据指导自己更加高效地选择课程，提高自身能力。

业务人员利用指数系统的趋势来对当前存在的课程进行维护，对未来需要开设的课程进行指导。还可以针对指数系统反馈的信息，挖掘一些新的业务。譬如可以将同一岗位一周、一个月、一年的播放次数最高的课程展示出来，时间周期跨度长的课程，可能是很多员工都感兴趣的课程。业务人员根据这些播放趋势可以动态地调整课程，将几乎没人感兴趣的课程逐步撤销掉，而对大家都感兴趣的课程进行更大范围地推广。推广有价值的优质资源，淘汰没有实用价值的资源。

3　分析展示的内容

企业课程指数首页以搜索的形式来为学员或者管理员提供服务。学员可以搜索课程（系统已有的课程）。

3.1 课程播放趋势

将课程自上线以来每天的访问次数以线图的形式展示出来，课程的播放趋势能动态地反映当前课程在不同的时间段的受欢迎程度，对员工把握当前的市场动态和技术变革有提示作用，如图1所示。

图1　课程播放趋势

其中横轴代表时间，纵轴代表播放次数，从图上可以动态地观察到随着时间的推移课程的播放趋势。

3.2 学员所在地域分布

该指数可以反映不同地域的学员对相同的课程的关注程度，学员可能会更加关注与自己地域相近的地域或者发达地区的学员关注的课程内容，如图2所示。

图2　学员访问课程的地域分布

其中颜色的深浅代表了不同省份学员学习该课程的人数的多少，颜色越深人数越多，颜色越浅人数越少。

3.3 人群特征

人群特征从社会的角度多个维度来进行划分，可以了解该课程关注人的性别、年龄、学历、岗位等信息。企业员工可能对和自己岗位相同或者相似的岗位人关注的课程最感兴趣，同时同一岗位看的人多的课程可能对工作帮助也是比较大的课程，人群特征如图3所示。

性别百分比代表学习过这个课程的人男女分别占比例为多少。将学习过这个课程的人划分为几个不同的年龄段，分别标识出不同年龄段的人学习过该课程的人所占百分比。岗位特征，按岗位特征进行了划分，给出不同岗位的人学习过该课程的人所占百分比。

图3　人群特征

4 结语

本文从提高员工培训效果入手，通过大数据手段以图形化的形式将课程的培训历史数据从不同的维度进行展示，为课程学习的出发点提供了新的视角和依据。根据企业培训性质的不同，不同的平台可以提出自己的指数内容，为学员提供更好的服务，从而提高学习效能。

［1］董宏伟.我国企业培训存在的问题及对策研究［J］.人力资源管理，2016（4）：66-67.

［2］吴晶，王长春，蒋坤云.企业培训方式的探索［J］.人力资源管理，2016（1）：72.

［3］修治萍.我国企业培训现状综述［J］.商情，2016（14）：20-22.

［4］崔小委，吴新年.大数据应用促进大数据产业落地［J］.科技管理研究，2016（2）：203-207.

［5］田文.大数据时代的学校教育［J］.学园，2016（1）：5-6.

［6］占玉刚.企业员工的学习特点及其在企业培训中的应用［J］.中外企业家，2016（8）：152-153.

Application of Big Data Technology in Enterprise Training

Zhang Lei， Yang Chun
（Shijiazhuang Posts and Telecommunications Technical College， Shijiazhuang 050021， China）

The rapid development of the Internet has led to the development of enterprise online training. Many companies have established their own online education platform or outsourced to third party companies to do business training. But enterprise is not satisfied with the training effect. The main reason is that the employee's interest in learning is not active and there is the phenomenon of cheating. Therefore， to improve students' autonomous learning interest and reduce the mandatory requirements is very important in the era of the Internet and big data. In order to stimulate employees interesting in learning， we use related data of training course through graphical display， in help of improving the employees' learning initiative and the training efficiency.

big data； training； index； interest

张磊（1984— ），男，河北石家庄，硕士，助理工程师；研究方向：大数据。