数据驱动下企业学习数字化转型的路径及启示

2023-11-01徐思元蒋广华于文浩何佳绮

终身教育研究 2023年5期

□ 徐思元,蒋广华,于文浩,何佳绮

在加快建设数字中国的背景下,数字化转型已经成为企业发展的必经之路。在数实融合成为国家中长期重大战略的前提下,全国数字化转型指数持续走高。[1]企业学习作为组织发展过程中的重要组成部分,其自身的数字化转型和人才培养模式的转变是企业人力资源持续发展建设的必然需要,也是响应国家以及企业数字化转型战略的必要举措。数字化时代,数据是新型生产要素,因此,探索数据驱动下的数字化转型路径已成为企业发展必定要研究的课题。

一、数据要素驱动企业学习数字化转型

随着5G、云计算等前沿技术的快速发展,商业模式日益数字化,社会环境和企业业务目标灵活变化,[2]企业对员工知识技能有了更高的要求,培训的手段也越发多元。数字化时代,企业需要利用数字手段实施培训,不断优化升级组织学习的方法流程,以实现数字化转型。数字化转型能够优化企业学习流程、提高企业学习效率,推动企业人力资本的升级、培养和挖掘数字化人才以及促进企业数字人才队伍的建设等。[3]

目前,不少研究者在企业学习的数字化转型方面进行了探索,总结出了实践经验。于文浩等人认为企业学习的数字化转型是实施战略性领导,建设数字化学习平台,创造持续学习的机会,促进知识的共建共享,打造数字化学习生态。[4]孙姚同等人指出企业需要开发智慧学习资源、建设数字学习平台,并逐步扩展到建设数字化的人才发展、人力资源考评等方面,进而实现企业学习的数字化转型。[5]德勤基于多个数字化转型案例总结出企业实现数字化转型的路径。一是要建设数字化共享中心,分析优化数字化平台的设计和考核指标体系;二是要编制数字人才画像,借助数据建模进行人才管理;三是要建设智慧流程,打造云服务平台中心等。[6]这些研究表明企业在数字化转型的过程中需要打造共享的数字系统平台,实现数字化人才管理以及智慧化组织学习与服务,从运营管理、组织人才、业务服务等多层面实施数字化转型策略。

数字化时代,数据已成为新型生产要素。数据要素可以驱动企业高质量数字化转型。甚至,数据要素配置创造价值的过程就被称之为数字化转型的过程。[7]在企业数字化转型的进程中,企业可以利用数据驱动来构建一个长效的高级数据集成架构,搭建多模块相互联通的数字化企业学习平台,为员工提供丰富的学习资源,建立高效交互的信息流程体系,打造数字化学习生态,利用数据编码,使得优质的人才队伍与数字战略匹配发展。[8-10]在数据驱动的数字化转型作用下,企业能有效改善传统组织结构,完善数字化企业学习流程,全方位优化企业学习,助力企业发展与变革。因此,数据驱动可谓是企业学习数字化转型的关键。

二、中国电信企业学习数字化转型的实践

中国电信是国有特大型通信骨干企业,其企业学习在近20年的发展过程中历经标准化学习、社会化学习、移动学习、数字学习以及智慧学习等多次转型升级。中国电信人才发展中心作为中国电信组织发展和员工成长的价值伙伴,是国内首个获得ATD奖项(Association for Talent Development,人才发展协会)的组织单位,并且在2016—2023年连续7年获得9次ATD奖。

本文采用案例分析法,以中国电信数据驱动下企业学习的数字化转型为案例,梳理其学习信息平台系统从建设、治理、升级优化和应用,到集成数字技术的使用和共建共享的数据化培训系统建设的过程,从而归纳出“有数—建数—用数”的三阶段九步骤的数字化转型路径。该路径应用云计算、大数据、5G、人工智能等新一代数字技术,深度挖掘数据价值,实现传统面授培训和线上学习的数字化,并在过程中不断沉淀数据,规范数据应用,构建数据驱动模型,不断升级优化企业学习的智慧化程度,助力培训管理组织从经验主义走向科学决策,推进员工在工作场域中的学习,最终推动企业数字化转型进程。

本研究案例主要采用一手数据,数据收集方法采用以访谈法为主、文档与实地观察为辅的策略。具体地说,本研究的一手数据主要来源于中国电信人才发展中心数字化学习教研部负责人的访谈、参与数字化学习实践工作的员工访谈、对数字化培训实施过程的实地观察、企业数字系统后台人才队伍的盘点数据、企业研发人员的“学—考—评”数据以及相关文件、网站等文档资料。基于此,本研究通过访谈资料、实地观察所得出的信息和相关文档资料共同构成三角验证以提高本研究的信度,总结出具有一定推广性的企业学习数字化转型的路径。

三、数据驱动下企业学习数字化转型的路径

为了能够更加系统地认识企业学习数字化转型的现状,本研究对中国电信的数据驱动下企业数字化培训案例展开调研,分析其在转型过程中如何使用大数据分析取代样本数据分析,总结出其在转型过程中海量数据的储备、治理和应用的方式与步骤,以及企业学习数字化转型的实施路径。

1.有数:“平台+内容+运营”三轮驱动,构建共建共享的企业数字化学习生态

数据驱动下企业学习数字化转型的第一阶段是“有数”阶段,在这一阶段中国电信采用大数据思维,推进学习应用和产品互联互通,促进学习内容共建共享,实现培训认证的数据集约,持续产出培训学习数据资产,为企业培训提供数据保障。“平台+内容+运营”的三轮驱动助力建设规范化、流程化的企业学习大数据池,为企业培训提供保障。基于此,中国电信在“有数”阶段中提出三步走的措施以实现互联互通,践行企业学习云改数转战略,探索从自建模式向生态模式的转变,形成核心学习产品和应用自研,通过运营整合满足全集团数字化学习需求的平台生态模式。

(1)第一步:嵌入培训核心流程,通过自研产品形成以数字驱动为支柱的数字化学习系统

“有数”阶段的第一步,中国电信在培训关键流程嵌入自研核心学习产品,开发以培训认证的数据集约为支柱的企业数字化学习系统。自2007年以来,中国电信就开始面向企业内从事特有技术业务的工作人员开展技能认证,并以此作为相应技术业务工作任职资格的组成部分。基于技能认证业务需求开发上线的认证系统,对认证考试公告创建、报名组织审核、试卷和题库管理、证书发放等考务组织,以及理论考试和实操考试的监考、管理等考试组织,提供全流程数字化支撑,提高人才认证业务的效率,也实现了人才技能认证数据池的打造。在数字技术的支持下,该平台每年采集约5万条认证考试题目数据(包含认证名称、认证等级、知识点名称、难易度、题目形式等),以及20万人次考试记录(包含认证名称、认证等级、对应基准岗位、理论成绩、实操成绩、证书信息等)。到2014年,中国电信开始聚焦脱产培训这一企业学习核心流程,自主研发上线了脱产培训的辅助产品——培训班小助手。该产品从支持脱产培训全流程角度出发,以培训前、培训中、培训后全流程支持为切入点,实现了课程、师资、案例、教材等教学资源的闭环管理,以及对企业学习数据的系统化管理。目前,培训班小助手每年采集数据约4万个培训班明细数据(包含课程清单、讲师信息、学员信息等),200多万人次的学习档案明细数据。培训班小助手通过与企业内部各类管理系统、生产系统能力共享、数据互通,实现了企业线上线下培训学习管理流程的数字化覆盖。

(2)第二步:集成学习产品和应用,实现企业数字学习环境数据集约化

“有数”阶段的第二步,中国电信集成符合标准的内外部学习产品和应用,实现学习数据集约。在培训班小助手和技能认证等核心产品自研的基础上,中国电信数字化学习平台探索以数据为核心的生态运营模式。在生态运营模式中,逐渐降低学习产品和应用的自主开发比例,从满足企业培训和员工不同场景的学习需求出发,通过生态思维引入更丰富的标准产品、应用和服务,整合形成可在企业内部落地的解决方案,其中包括引入线上学习知识中心,在满足企业线上课程管理和网络专题班组织开展等业务需求的同时,实现员工课程学习和专题培训参与支持;引入内外部多套直播系统,并通过其与培训班小助手以及知识中心的打通,从而满足企业混合式培训以及大型网络公开课等业务需求,也为员工提供多样化的学习体验。

(3)第三步:打通人才发展全流程应用,实现互联互通的数字化企业学习环境

“有数”阶段的第三步,中国电信打通人才发展全流程应用,实现企业学习全流程数据集约。在数字化学习平台生态体系中,虽然内外部各类学习产品和应用解决了全量学习数据集约的问题,但数据之间如何通过相互连通实现共享应用仍是数字化转型中的一个挑战。为此,中国电信数字化学习平台在全面引入189免密登录体系的基础上,在上游与人力系统打通,在下游与各条线业务经营系统打通,形成了人才发展全流程的数据集约。上承人力系统,同步人员基本信息,促成全集团近百万学员在学习的平台生态中共用同一套数据标准,实现了多个学习产品和应用间的账号统一,也以人为单位整合形成了完整的培训学习档案;下接业务系统,将学习能力深度嵌入前端业务系统,结合人员画像以及商机信息等业务触点,实现了工作场域为学员推送学习内容的智慧场景,为数字化学习的演进提供了数据和场景支撑。

在中国电信数字化学习资源生态中,内部学习资源主要来源于集团—省—市三级培训管理体系,集团层面负责根据战略要求和人才培养需要,建设关键人才队伍相关的岗位课程;省、市层面根据本土特色建设体现创新实践经验的课程。同时,在各层级资源开发中鼓励调动各领域业务专家参与开发,以学员为中心创新学习资源表现方式,加强学习资源教学设计,运用人工智能、虚拟现实等技术探索新型课程表现形式,并将优秀的课程资源共享,为实现互联互通的数字化企业学习环境打下基石。在此基础之上,中国电信数字化学习利用大数据、人工智能等新技术,关注学员岗位特征与学习数据,基于人员画像和知识图谱构建持续完善的人课匹配,基于不同场景拓展学习触点,打通学习资源到学员的推送渠道,开展知识推荐与精准推送,通过个性化学习服务,提高了员工的学习效率与业绩支持效果。

2.建数:聚焦重点场景建立规则,以数据刻画企业人才队伍建设

数据驱动下企业学习数字化转型的第二阶段是“建数”阶段,在这一阶段中国电信聚焦重点业务持续探索数据应用场景,通过提炼、优化各类数据驱动模型,从学习场域走向工作场域,助力员工学习。基于此,中国电信在“建数”阶段提出了三步,在大数据环境下对数据生命周期进行治理,对数据资产进行管理和控制,并在此基础上盘点完善人才队伍的建设。

(1)第一步:设立规则,建设数字化的人力资源管理

“建数”阶段的第一步,中国电信实现数字化学习的数据治理,包括组建专门的数据治理组织,明确数据治理分工和治理职责,不断促进数据共享提升;建立数据责任体系和相关机制流程,提升数据质量,释放数据价值,落实《中华人民共和国数据安全法》和《中华人民共和国个人信息保护法》,做到与集团数字化转型推进工作组上下联动,夯实企业数字化转型基础;数据驱动决策进一步形成管理模式,通过数据监督与评价实现培训持续精进和精准教学的良性循环优化。

(2)第二步:盘点人才队伍,提出层剖法人才队伍数据视图

“建数”阶段的第二步,中国电信绘制出三级图层的数据视图。随着中国电信“云改数转”战略的提出,组织发展对专业技术人员的数量、结构都提出了更高的要求。因此,关键人才队伍的规划和培养需要利用新的理念、技术和手段,挖掘数据要素的应用价值,提升培养人才队伍规划的科学性。依托数据驱动的助力和三级管理结构,中国电信提出了层剖法人才队伍数据视图,形成了从人才队伍培训认证的整体视图层、关键人才队伍的学习项目视图层到关键岗位课程学习视图层的三级结构。其中,整体视图层通过展示人才培养数据,为各级管理者和运营者提供关键人才队伍培养的全局视角;项目视图层为培训运营人员提供督学促学工具;关键岗位课程学习视图层为课程迭代优化提供量化输入。

整体视图层聚焦集团重点业务和关键人才队伍,从人才认证和培训覆盖的省市县三级维度展开,助力学习运营视角从规模覆盖向省市县结构优化拓展。具体分析指标包括:各人才队伍数量、预测千人配置、省市县三级结构、地市/区县认证覆盖率、各省认证覆盖质量指数以及各省认证配置投入指数。其中,地市/区县覆盖率是指不同业务条线在全集团各级单位的认证人员分布;各省培训认证覆盖质量指数是指在某个重点业务上,以各省区县覆盖率和预测千人配置组成的波士顿矩阵(如图1),如在当前业务上,B省培训认证区县覆盖情况最理想,人员配置也最高,可以作为标杆省份,但G、H等省份表现欠佳,需要做重点培训覆盖。各省重点业务培训认证配置投入指数是指用各省不同业务模块培训认证所占百分比做的百分比堆积图,可以直观呈现不同省份在不同业务上的投入侧重,预测这是否为该省内重点聚焦和突破的业务。上述指标可以从不同视角帮助管理者和运营者观察分析各单位重点人才队伍认证情况,从而更加精准地调整下一步人才培养策略。

图1 各省培训认证覆盖质量指数

学习项目视图层进一步对整体视图层数据进行解剖,其主要统计分析方法是聚焦具体的数字化学习项目,尤其是集团重点业务相关的重要战略级学习项目,通过TOP(最佳)组织单位推测观察各单位重点业务培训落地情况,寻找标杆单位、提炼最佳实践,同时通过LAST(末位)和未覆盖单位的分布情况来调整该部分单位在本培训主题中的培训组织策略。

关键岗位课程学习视图层,是对学习项目视图层中学习资源相关数据的进一步解剖。聚焦集团政企体系、集成体系等前后端不同条线解决方案,对课程学习数据的参训率、完课率等指标进行统计分析,为课程运营策略调整以及迭代优化提供数据支撑。

(3)第三步:创建人才队伍画像,搭建“学—考—用”数据管理模型

“建数”阶段的第三步,中国电信通过BMO域(B指业务域,M指管理域,O指运营域)数据联动,关联培训学习数据、技能认证数据以及业务数据,提炼出了关于人才队伍画像的“学—考—用”数据管理模型。其中,“学”和“考”是人才培养手段,“用”是人才培养目标。

以某研发人员队伍为例,“学”的数据主要指研发人员参与培训班和自主选学的数据,“考”的数据主要指研发人员参与且通过内部技能认证或者外部专业认证的数据,“用”的数据主要指研发人员参与研发项目的实战数据。其中,“学”和“考”两部分的数据指标结构与层剖法人才队伍数据视图相似,“用”的数据可以从认证人员研发项目参与率、人均项目数、人均工时、跨单位调用率以及人力效用指数等指标来展开分析,其中项目参与率取持证人员参与项目研发的占比,体现研发人员训后在业务条线的使用情况;人均项目数和人均工时数体现研发人员训后在业务条线的使用程度;跨单位调用率取持证人员跨单位参与研发项目的占比,体现人员跨单位使用的流动情况;人力效用指数取各单位持证人员参与项目次数与参与项目工时的面积图,来体现各部门研发人员使用效益,可用以辅助定位最佳实践单位。图2展示了某研发队伍“考”(认证)和“用”(实战参与项目)的数据指标统计分布,可以看出,在该队伍中,“学/考”以致用率最高的是H省,可以进一步挖掘其作为该队伍的培养标杆省份,为其他省份提供案例。

图2 某研发人员考用数据指标统计分布

最后,在“学—考—用”数据管理模型中,还可以加入培训学习(学)指标、技能认证(考)指标以及业务(用)指标之间的相关性分析,比如学习时长与工时之间、完课数与工时之间、技能认证等级与工时之间的相关性,在相关性比较明显的情况下,还可以通过回归分析,用以辅助寻找培训和业务之间的联系,以便优化调整培训或认证规划及组织策略。

3.用数:智慧学习,从开展数字化的学习应用、质量评估到对原有模型的升级优化

数据驱动下企业学习数字化转型的第三阶段是“用数”阶段,在这一阶段中国电信通过共建共享的数字化企业学习平台生产、沉淀和汇聚数据,通过聚焦重点人才队伍培养场景的数据治理建立了规则和标准。为进一步提升智慧学习精准度,中国电信在“用数”的过程中进行了三步走,以帮助企业优化智慧学习的流程,促进企业学习在数据驱动下完成数字化转型。

(1)第一步:智慧学习开展——CPCPD智慧学习数据驱动模型

“用数”阶段的第一步,中国电信的智慧学习特指给学员和组织创设一种智慧学习的环境,识别学习者特征、提供合适的学习资源与便利的互动工具、自动记录学习数据和配套的考试结果,以促进更加有效的学习。关于智慧学习的运营,中国电信基于数字化学习运营经验提炼出了CPCPD智慧学习数据驱动模型,该模型是指依托数据(Data)驱动,不断精准人员(Customer)画像和内容供给(Product),通过构建优化推送渠道(Channel)打通员工和学习资源,从而促进绩效提升(Promotion)。该模型强调从设计供需两侧的知识连接着手,构建知识的精准连接。

基于CPCPD模式,学习资源可以和学员精准匹配。学习资源的定向推送,改变了以往学员只能主动进入系统,按照既定路线访问相同学习资源的模式,实现了根据学习者所处的学习环境和学习习惯智能提醒学习者学习的场景。在学习资源和学员的精准匹配中,从学员角度出发,利用学员静态数据和动态数据综合分析确定学员标签,通过资源标签体系实现资源和学员的关联关系。通过学习生态的各渠道进行个性化学习资源的精准推送,从而提升智慧学习的精准性。

(2)第二步:学习资源质量评估——课程质量指数模型

“用数”阶段的第二步,中国电信参考国家标准,在数字化学习资源开发迭代中,挖掘和利用数据信息,聚焦数据支持的自动评价,建立了学习资源迭代优化评价指标体系——课程质量指数模型,以持续推进课程优胜劣汰,不断提升运转效率。课程质量指数分别从课程传播度、学员参与度和学员专注度3个维度展开,汇总计算课程触达速度等在内的13个二级指标得出。用以在指定课程中,通过客观数据比对,提供课程质量排名,用以辅助甄别优质课程和低质课程,指导课程迭代优化。

第一个维度是课程传播度指数。它用传播度指数C(communication)表示,源自对课程平均延迟时间、课程引用/调用次数、目标学员基数、课程注册人数、课程转发分享次数和课程休眠时间等多个课程基础数据进行整合计算,从C1—C5五个维度的子指标在所有课程中的排名位置所处的百分位加总得来。计算公式:C=0.3*C1+0.2*C2+0.2*C3+0.2*C4+0.1*C5,5个系数表示不同子指标的权重:C1是触达速度指数,用以体现课程触达学员的平均速度,与课程平均延迟时间相关;C2是触达效率指数,用以体现课程触达学员的覆盖范围,与注册课程的人数以及课程的目标学员基数相关;C3是引用/调用指数,用以体现课程被各级组织、部门使用的情况,与课程被引用/调用的次数相关;C4是分享参与度指数,用以体现课程被主动转发分享的情况,与课程分享次数相关;C5是课程休眠度指数,用以体现课程进入休眠期的时间跨度情况,与课程休眠时间相关。

第二个维度是课程参与度指数。它用参与度指数P(Participation)表示,源自对课程学习人数、课程学习人次、目标学员基数、目标学员学习人数、课程不活跃人数、课程半路放弃课程人数、课程近似完成人数、课程学习中人数等多个课程基础数据进行整合计算,从P1—P4四个维度的子指标在所有课程中的排名位置所处的百分位加总得来。计算公式:P=0.2*P1+0.3*P2+0.2*P3+0.3*P4,4个系数表示不同子指标的权重:P1是覆盖效率指数,用以体现课程在目标学员应学基础上覆盖范围的扩大效应,与课程学习人数和目标学员基数相关;P2是人均复学指数,用以体现课程被多次学习、重复学习的情况,与课程学习人次和课程学习人数相关;P3是应学人员参与率,用以体现课程对目标学员的覆盖情况,与目标学员学习人数和目标学员技术有关;P4是学习活跃率,用以体现暂未正常完成课程学习的学员分布情况,与课程不活跃人数、课程半路放弃课程人数、课程近似完成人数相关。

第三个维度是课程专注度指数,课程专注度用专注度指数F(Focus)表示,源自对课程学习完成人数、课程学习人数、目标学员基数、目标学员学习完成人数、课程平均完成时间跨度、课程评论数、课程收藏数等多个课程基础数据进行整合计算,从F1—F4四个维度子指标在所有课程中的排名位置所处的百分位加总得来。计算公式:F=0.3*F1+0.3*F2+0.3*F3+0.1*F4,4个系数表示不同子指标的权重:F1是参学完课率,用以体现参与学习的学员课程完成情况,与课程学习完成人数和课程学习人数相关;F2是应学完课率,用以体现参与学习的目标学员课程完成情况,与目标学员完成人数和目标学员基数相关;F3是完课及时度指数,用以体现课程所有学员完成学习的平均速度,与课程平均完成时间跨度相关;F4是互动参与度指数,用以体现学员在该门课程中参与互动的情况,与课程评论数和收藏数相关。

(3)第三步:组织学习项目——学习、直播栏目、培训项目等运营优化模型

“用数”阶段的第三步,中国电信通过组织学习项目,对直播栏目、培训栏目等运营的模型进行优化升级,助力企业数字化转型。受疫情影响,近几年通过直播开展培训或学习的形式在企业内逐渐完善,中国电信面向不同业务条线和人才队伍,开设了不同的直播栏目。案例中的组织学习项目通过以下5个维度展开。

第一个维度是学习意愿度指数,该指数是中国电信整合学员历年培训档案,从学习参与度、学习专注度和指定学习项目的专注度3个维度出发,分解学习积极性指数、自主选学积极性指数、学习活跃度指数等多个二级指标,构建形成的指数模型,用以在指定学员中,通过客观数据比对,提供学习意愿度排名,辅助学习项目设计和运营,它为学习项目组织提升提供数据支持。

第二个维度是学习参与度,用参与度指数LP(Learning Participation)表示,源自对学习课程数、选修课程数、初学课程数、半路放弃课程数、近似完成课程数等多个学员学习档案的基础数据进行整合计算,从LP1—LP3三个维度子指标在所有学员中的排名位置所处的百分位加总得来。计算公式:LP=0.3*LP1+0.5*LP2+0.2*LP3,3个系数表示不同子指标的权重。LP1是学习积极性指数,用以体现学员参与课程学习的积极性,与学员历年学习课程数量有关;LP2是自主选学积极性指数,计算基数限定为选修课程;LP3是学习活跃度指数,用以体现学员未完成课程的分布情况,与学员历年学习但未完成的课程分布有关。

第三个维度是学习专注度,用专注度指数LF(Learning Focus)表示,源自对完成课程数、选修完成课程数、学习时长等多个学员学习档案的基础数据进行整合计算,从LF1—LF4四个维度子指标在所有学员中的排名位置所处的百分位加总得来。计算公式:LF=0.2*LF1+0.3*LF2+0.3*LF3+0.2*LF4,4个系数表示不同子指标的权重。LF1是完课率指数,与学员历年完成课程数量有关;LF2是选修完课率指数,与LF1指标相似,计算基数限定为选修课程;LF3是完课及时度指数,与学员历年完成课程学习的时间跨度相关,反映学员课程完成的及时度;LF4是时间投入度指数,与学员历年课程投入时间相关。

第四个维度是指定学习项目投入度,用投入度指数LI(Learning Input)表示,源自对应学课程学习数、应学课程完成数、应学课程学习进度、应学课程完课时间跨度、学习延迟时间等多个学员学习档案的基础数据进行整合计算,从LI1—LI3三个维度子指标在所有学员中的排名位置所处的百分位加总得来。计算公式:LI=0.4*LI1+0.3*LI2+0.3*LI3,3个系数表示不同子指标的权重。LI1是项目学习参与度,与学员在项目中应学课程的参与情况有关;LI2是项目学习完成度;LI3是项目完课及时度。

第五个维度是OCBD模型,它为直播栏目运营优化提供数据支持。具体来说,O(Operate,运营)是定向推送、短视频传播、banner广告等运营手段,不同的运营手段带来的直播学习数据或直播覆盖的影响不同,以定向推送为例,可在推送链接上附加代码,从而通过追踪定向推送进入直播的数据并分析得出定向推送的效果。C(Content,内容)是直播主题、案例所属地域、直播时长等内容相关指标,可以通过直播主题、直播案例所属地域、直播时长等数据的分析,对直播主题的选择、策划、设计进行优化。B(Behavior,行为)是包括学员参与直播的终端、直播收看时长数据、学员标签数据等在内的行为数据。D(Data,数据)是对应OCB指标的数据,对三类数据分析后,可以明确直播主题的选择和策划,获得反馈并持续优化直播运营策略。

四、企业学习数字化转型的实践启示

基于中国电信数字化转型的实践案例,本研究总结出以下三点启示。

1.发挥数据驱动作用,优化企业学习与培训体系

数据是数字化时代的新型生产要素,但数据资源不会直接成为现实生产要素。[7]企业学习过程会产生许多过程性、结果性的数据,企业需要对数据进行恰当配置并合理使用才能实现数据生产要素的价值最大化。而这需要发挥数据驱动作用,通过学习平台和应用软件收集的海量数据,建设形成企业学习的大数据池,基于数字化学习产品和系统,在遵守数据伦理规则和数据管理模式的前提下,嵌入到企业人力资源培训的核心流程中,实现数据赋能的智慧学习,优化企业学习与培训体系。

在传统培训体系下,培训管理依据的数据是受限制的,多是静态的、局部的、滞后的数据,或者是逐级申报、过滤加工后的数据,这导致企业所做出的决策存在经验主义的情况。但中国电信的企业学习与培训体系并非如此,中国电信通过数据赋能下的“平台+内容+运营”的三轮驱动,激活了企业学习大数据池,全面、真实、动态地记录培训教学全过程。其中获取的培训数据在集团、省、地市之间集约、开放和共享。通过数据分析与应用,可帮助改变传统的企业学习与培训模式,实现精准地观察和分析,推进全集团培训管理从经验型、粗放型、封闭型向可视化、精细化、智能化转变,帮助培训组织者更准确地进行学员画像,充分了解学员,更精准地设置教学环节。比如在培训班组织实施中,管理学员的基础数据、建立脱产培训档案、收集整合线上学习数据以及相关业务数据。另外,学员的签到数据、配套的考试数据、课程和讲师的评估数据、培训班的满意度,以及培训后不同周期内学员的业务数据,都可以帮助对培训效果进行跟进分析。在中国电信的企业学习与培训体系中,中国电信做到了规模化采集,恰当配置并合理使用数据资源,发挥数据驱动的优势,优化企业学习与培训体系,有效地降低成本,实现了大规模、高效率地组织学习,进一步提升了“以学员为中心”的学习感知与学习效果,持续推动数字技术与培训教育相融合,助力数字化培训提质增效,促进企业效益和综合能力的发展,值得借鉴与参考。

2.实施阶段式数字化转型路径,推进企业数字化学习

数字化转型并不是一蹴而就的,这涉及诸多内容和要素的转换和改善,因而一步式的转型是不切实际的。数字化转型路径应该逐步递进,从组织和企业当前实际情况出发,在企业学习数字化转型蓝图和大体策略导向下,分阶段、分步骤实施,逐渐实现数字化转型,成就企业的数字化学习。并且,数字化转型是一个持续发展、永无止境的过程,要以发展的眼光看待问题,需要在数字化转型的路径上获取各个阶段的反馈评估,基于反馈以改善下一轮数字化转型,不断扩大数字化学习的价值。

中国电信就是一个实施渐进式数字化转型路径最终有效推进企业数字化学习的典型案例。中国电信以数据驱动为导向,实施“有数”到“建数”再到“用数”三阶段的数字化转型路径,循序渐进地完成阶段性任务和目标,如图3所示。其中,在“有数”阶段,中国电信根据当前发展的目标搭建了数字化的学习平台,利用自研数字产品实现内部学习资源共建共享,致力于在企业运营中合理利用数字化资源,打造共建共享的企业学习数字化学习生态。在“建数”阶段,中国电信采用场景驱动的战略,盘点并建设数字化人才队伍,计划实施数字化的企业学习项目。最后到“用数”阶段,中国电信开展智慧学习,并对学习结果进行考评,便于智慧学习的进一步优化,以提升企业学习的效果。但这并不是企业学习数字化转型的终点,而是一个新的开端,企业不断地发现新的学习需求,从而展开新学习项目的实施,不断地进行“有数—建数—用数”的循环,获得实践反馈,基于评估反思实现不断优化升级。在这一过程中,数据驱动着数字化转型,而数字化转型中的改善和反馈又会产生源源不断的数据驱动力,形成良性循环。

图3 中国电信企业学习数字化转型路径

3.整合看待企业数字化学习,构建数字化学习型组织

企业学习的数字化转型不仅要循序渐进的实践,更要以整合的视角看待,即要考虑到组织的培训与开发流程,又要关注到数字化学习中的多方面驱动力,全面考量企业学习数字化转型的多方面影响要素,构建数字化学习型组织。

企业学习应与企业战略相结合。[11]美国管理学讲座教授、培训和发展领域最重要的权威学者之一雷蒙德·诺伊(Raymond A.Noe)提出了企业战略性培训与开发流程的模型。该模型强调企业学习的目标需要由公司使命、愿景、价值、目标和竞争力等来决定,需要根据学习目标和经营需求来制定培训学习的策略;然后,根据培训需求开发企业学习活动;最后,设立评判标准衡量企业学习的结果是否真正服务于企业的经营战略,以方便为日后企业学习的不断改进与优化提供条件。[12]

中国电信借鉴诺伊提出的企业战略性培训与开发流程。首先,明确自身的经营战略,从而确立企业学习的项目目标;然后根据目标制定培训学习的大体实施策略,其中包括技术手段的应用、共享学习资源等;接着进一步细化到学习项目中具体活动的实施,明确活动步骤;最后在评价的环节中对学习结果与预设标准相比较,衡量该学习项目是否符合企业战略,以便企业学习项目的不断升级优化。而且,中国电信还在这一流程中融入了反馈优化的思想,每后一步都是对前面一步的反馈评估,这有利于企业不断地优化培训学习模式,精进企业学习效果。

在此流程之上,中国电信考虑到了数字化转型的多方面驱动力。基于多年运营经验,中国电信先是提炼出了MOV模型(M: Management,代表管理推动力;O: Operation,代表运营触动力;V: Value,代表价值拉动力)。随着近几年来我国信息化社会的快速发展,中国电信对MOV模型进行升级优化,在原有模型中加入了D(D: Data,代表数据驱动力),从而得到MOVD模型。在MOVD模型中,信息化平台是数字化学习的基础,信息资源是数字化学习的推动力,运营则是数字化学习的核心。在平台和资源做好储备的基础上,良好的学习运营模式和高效的运营服务既有利于数字化学习的开展,又能促进企业内学习数据生产,从而激活企业学习的大数据池。而且与MOV三要素不同,数据驱动力在数字化学习组织全流程中均发挥着重要的作用。可以说,数据驱动着数字化转型的进程,而实际上数字化转型的阶段进展也会产生源源不断的数据驱动力。在阶段性数字化转型的过程中,持续积累的数据资源、不断建立的规则和管理模式、多元化的实施应用场景,使得数据价值不断提升,数据驱动力也随之增加。

最终,结合战略性培训与开发流程图、MOVD模型和企业学习数字化转型路径,整合出了新的企业数字化组织学习模型(图4)。该模型表明,在数据驱动的作用下,“有数—建数—用数”的三阶段数字化转型路径将会逐步推进数字化转型进程并且基于各阶段的反馈优化迭代,可以有效应对不断变化的市场竞争和学习需求,产生持续的数据驱动力。企业在数据驱动力(D)、管理驱动力(M)、运营触动力(O)和价值拉动力(V)的相互作用中,实现从学习需求、学习项目实施到学习过程优化的循环联动,展现出了企业数字化组织学习的整体视图,为企业学习的相关研究提供了全面性的视角。