大數(shù)據(jù)時(shí)代將使員工的學(xué)習(xí)變得更快、更好，而且更便宜——但前提是，企業(yè)必須在分析復(fù)雜數(shù)據(jù)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(yíng)銷、財(cái)務(wù)、研發(fā)乃至于一切其他部門一樣，培訓(xùn)部門也正面臨大數(shù)據(jù)的浪潮。他們?cè)诤Ａ繑?shù)據(jù)的沖擊下，需要全新的技能和心態(tài)，才能通過(guò)對(duì)數(shù)據(jù)的掌握，更好、更快、更便宜地完成任務(wù)。

然而，適應(yīng)大數(shù)據(jù)對(duì)于培訓(xùn)經(jīng)理們而言并非易事。多數(shù)人力資源相關(guān)專業(yè)人員對(duì)于數(shù)學(xué)和數(shù)據(jù)分析都缺乏經(jīng)驗(yàn)，甚至對(duì)數(shù)據(jù)本身帶著恐懼。因此，想在培訓(xùn)與發(fā)展部門推動(dòng)大數(shù)據(jù)革命，需要付出更多努力。

在這方面，有相當(dāng)一部分人力資源人員自我感覺(jué)不錯(cuò)——其實(shí)是過(guò)度良好了。根據(jù)2013年英國(guó)特許人事和發(fā)展協(xié)會(huì)（Chartered Institute of Personnel and Development，CIPD）的一份調(diào)查，有63%的人力資源主管認(rèn)為，他們能夠從數(shù)據(jù)中找到想要的東西。但別人可未必也這么想。調(diào)查中，只有差不多五分之一（21%）的企業(yè)領(lǐng)導(dǎo)者們相信，人資主管們確實(shí)能夠掌握數(shù)據(jù)。

大“學(xué)習(xí)”數(shù)據(jù)

由于HR人員普遍對(duì)數(shù)據(jù)分析都不在行，我們不免要問(wèn)一個(gè)問(wèn)題：那些從員工那里收集來(lái)的數(shù)據(jù)——特別是關(guān)于學(xué)習(xí)與發(fā)展的數(shù)據(jù)——真的可以叫做“大數(shù)據(jù)”嗎？

產(chǎn)業(yè)分析師、梅西學(xué)習(xí)中心（Masie Center）創(chuàng)辦人兼《大學(xué)習(xí)數(shù)據(jù)》一書(shū)的共同作者艾略特·梅西（Elliott Masie）認(rèn)為，以上問(wèn)題的答案，毫無(wú)疑問(wèn)是“是的”。他認(rèn)為，每當(dāng)員工上一門課、閱讀一本電子書(shū)，或者參與一門e-Learning課程時(shí)，都會(huì)留下有價(jià)值的數(shù)據(jù)。

盡管大多數(shù)公司關(guān)于e-Learning課程所留存的學(xué)員信息往往只有四小塊——誰(shuí)參加了課程、什么時(shí)候參加的、上了多久、最后成績(jī)幾分——但事實(shí)上值得挖掘的數(shù)據(jù)遠(yuǎn)不止于此。從整個(gè)企業(yè)的角度來(lái)看待這些數(shù)據(jù)，你將會(huì)發(fā)現(xiàn)更多，大約可以挖掘出少則1萬(wàn)、多則12萬(wàn)條有意義的數(shù)據(jù)片段。如果每個(gè)員工上每一門課都能產(chǎn)生這么多數(shù)據(jù)，再看看有多少員工、多少門課吧！當(dāng)我們把其他方面的員工數(shù)據(jù)都考慮進(jìn)來(lái)時(shí)，數(shù)據(jù)量還會(huì)進(jìn)一步暴增。然后你不得不承認(rèn)，這真的是“大”數(shù)據(jù)。

“如果你開(kāi)始研究社交圖譜（social graph）以及那些基于此技術(shù)的應(yīng)用，你會(huì)發(fā)現(xiàn)每個(gè)人每天都會(huì)留下數(shù)以百計(jì)有價(jià)值的數(shù)據(jù)節(jié)點(diǎn)?！比樟?shù)據(jù)系統(tǒng)（Hitachi Data Systems）學(xué)習(xí)與協(xié)作部門副總裁尼克·霍威（Nick Howe）說(shuō)：“相較于傳統(tǒng)的數(shù)據(jù)庫(kù)，這可是幾千、幾萬(wàn)倍的數(shù)據(jù)量?！?/p>

機(jī)器學(xué)習(xí)時(shí)代

在學(xué)習(xí)與發(fā)展領(lǐng)域，大數(shù)據(jù)還揭示了許多嶄新的可能性，例如機(jī)器學(xué)習(xí)（machine learning）以及復(fù)雜的、像亞馬遜那樣的推薦系統(tǒng)。此外，大數(shù)據(jù)還重塑了很多傳統(tǒng)意義上的學(xué)習(xí)程序，例如課程設(shè)計(jì)或?qū)熤频取?/p>

在日立數(shù)據(jù)系統(tǒng)公司，7000多名員工都通過(guò)Jive這套在線論壇系統(tǒng)來(lái)溝通和寫(xiě)作。但較少有人知道的是，它同時(shí)也是有效的培訓(xùn)數(shù)據(jù)收集和分析引擎，能夠收集員工的基本信息（例如瀏覽過(guò)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(duì)他們可能有幫助的人選。如同亞馬遜那套推薦系統(tǒng)一樣，日立數(shù)據(jù)系統(tǒng)也能根據(jù)收集到的數(shù)據(jù)不斷完善分析，提出更好、更有針對(duì)性的建議，這就是“機(jī)器學(xué)習(xí)”。

“例如，假設(shè)我們公司的財(cái)務(wù)總監(jiān)進(jìn)入系統(tǒng)里面檢索一些關(guān)鍵詞，而我也在系統(tǒng)里面檢索同樣的關(guān)鍵詞，結(jié)果我們兩人會(huì)得到截然不同的搜索結(jié)果，因?yàn)橄到y(tǒng)會(huì)根據(jù)我們過(guò)去的經(jīng)歷和習(xí)慣，來(lái)自動(dòng)匹配適當(dāng)?shù)臄?shù)據(jù)?！被敉f(shuō)。

再加上績(jī)效評(píng)估方面的數(shù)據(jù)，就可以做到更為個(gè)性化、有針對(duì)性的學(xué)習(xí)。農(nóng)民保險(xiǎn)公司（Farmers Insurance），理賠部門建立了專業(yè)發(fā)展中心（Professional Development Center），該中心使用了一套以大數(shù)據(jù)為基礎(chǔ)的學(xué)習(xí)與發(fā)展系統(tǒng)，所捕捉的數(shù)據(jù)包括360度評(píng)估、員工敬業(yè)度調(diào)查，以及個(gè)人績(jī)效評(píng)核數(shù)據(jù)等，目的是找出每位領(lǐng)導(dǎo)者的長(zhǎng)處和缺點(diǎn)。

該公司理賠部門專業(yè)發(fā)展項(xiàng)目的主管杰夫·羅西（Jeff Losey）表示，如果要為全部57名領(lǐng)導(dǎo)者設(shè)計(jì)一整套包山包海的課程，顯然太過(guò)費(fèi)時(shí)費(fèi)力費(fèi)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(tǒng)統(tǒng)收集起來(lái)，全部放在網(wǎng)站上，再告訴領(lǐng)導(dǎo)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?！彼f(shuō)。

相反地，在專業(yè)發(fā)展中心的協(xié)助下，每一位領(lǐng)導(dǎo)者都能夠得到個(gè)性化的培訓(xùn)安排，明確自身最需要強(qiáng)化的領(lǐng)域——例如建設(shè)性的反饋或者培育下屬——然后重點(diǎn)加強(qiáng)它們。此外，農(nóng)民保險(xiǎn)公司的這套系統(tǒng)還包含了導(dǎo)師制程序，只要按下“尋找導(dǎo)師”按鈕，系統(tǒng)就會(huì)為每位領(lǐng)導(dǎo)者篩選出最有可能協(xié)助他們的人選?！按髷?shù)據(jù)的好處在于，它使我們總能在最需要的時(shí)候，找到最需要的東西。”羅西表示。

專業(yè)發(fā)展中心這一項(xiàng)目從2012年5月開(kāi)始啟動(dòng)，同年11月正式上線。它還帶來(lái)了另一項(xiàng)意想不到的好處——找到過(guò)去被忽視的那些高潛力人才。相較于傳統(tǒng)上較為主觀的繼任規(guī)劃程序，專業(yè)發(fā)展中心完全根據(jù)數(shù)據(jù)來(lái)分析、評(píng)估每個(gè)員工的績(jī)效表現(xiàn)和優(yōu)勢(shì)能力，結(jié)果發(fā)掘出了不少?gòu)奈幢蛔⒁獾降娜瞬?。在發(fā)現(xiàn)這一事實(shí)后，羅西和他的團(tuán)隊(duì)組織了一次為期三天的模擬項(xiàng)目，讓60位高潛力員工接觸更廣泛的商業(yè)知識(shí)和體驗(yàn);模擬結(jié)束后，他們被帶到公司高管層的面前。結(jié)果，其中20人得到高管層的青睞，被納入正式的繼任規(guī)劃程序當(dāng)中?！凹词故墙鹱?，也需要一定的機(jī)緣才能發(fā)光的?！绷_西說(shuō)。

學(xué)習(xí)與發(fā)展的分析性思維

除了在課程設(shè)計(jì)和評(píng)估等方面的改變外，大數(shù)據(jù)帶來(lái)的另一個(gè)變化是，迫使學(xué)習(xí)與發(fā)展部門擁有更強(qiáng)大的分析技巧。

傳統(tǒng)而言，培訓(xùn)部門所需要的人才不外乎課程設(shè)計(jì)師、培訓(xùn)師，以及各領(lǐng)域的專家等?！艾F(xiàn)在我更需要懂得數(shù)據(jù)分析和數(shù)據(jù)挖掘的人才，這樣我們才知道該如何運(yùn)用這些數(shù)據(jù)。”羅西說(shuō)，“他們還需要告訴我們這些數(shù)據(jù)從哪里來(lái)，又有什么意義。畢竟有大量的數(shù)據(jù)都是無(wú)用的?！眅ndprint

如果你覺(jué)得大數(shù)據(jù)分析跟傳統(tǒng)數(shù)據(jù)分析技巧差不多，只不過(guò)量大了些而已，那就大錯(cuò)特錯(cuò)了。在傳統(tǒng)的HR分析流程中，組織會(huì)提出一些問(wèn)題，然后由HR部門來(lái)分析并提出解答。 但大數(shù)據(jù)分析師的工作方式卻截然不同。沒(méi)有預(yù)設(shè)的問(wèn)題，他們從多種不同來(lái)源收集各種不同形式的數(shù)據(jù)，然后運(yùn)用諸如回歸分析和預(yù)測(cè)建模等統(tǒng)計(jì)技巧，讓數(shù)據(jù)自己說(shuō)話。特別是那些有趣的相關(guān)性和離群值（outliers），更是分析師關(guān)注的對(duì)象。

專業(yè)分析機(jī)構(gòu)Bersin（現(xiàn)為Bersin by Deloitte）創(chuàng)始人約什·貝爾辛（Josh Bersin）認(rèn)為，大數(shù)據(jù)分析所需要的復(fù)雜技巧和思考模式，給學(xué)習(xí)與發(fā)展部門帶來(lái)了很大的挑戰(zhàn)?！笆聦?shí)是，大數(shù)據(jù)浪潮來(lái)了，然后很多培訓(xùn)人員被拍死在沙灘上?！奔s什說(shuō)：“他們一輩子都在做同樣的事，也就是試圖評(píng)估培訓(xùn)到底產(chǎn)生了多少效果。然而如果沒(méi)有一并衡量其他東西的話，僅靠片面的數(shù)據(jù)是說(shuō)明不了任何問(wèn)題的?！?/p>

貝爾辛的建議是，建立一套全面的人才數(shù)據(jù)分析系統(tǒng)，廣泛收集來(lái)自各個(gè)渠道的數(shù)據(jù)——當(dāng)然也包括培訓(xùn)數(shù)據(jù)——然后用這些數(shù)據(jù)來(lái)分析企業(yè)的實(shí)際問(wèn)題，例如銷售提升、生產(chǎn)力以及離職率等等。艾略特·梅西也認(rèn)為，這樣多元化的、互相關(guān)聯(lián)的數(shù)據(jù)系統(tǒng)，有可能帶來(lái)實(shí)質(zhì)性的突破。

“如果我確實(shí)觀察到某個(gè)員工的績(jī)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(guò)大數(shù)據(jù)分析把這些提升和培訓(xùn)數(shù)據(jù)關(guān)聯(lián)起來(lái)，就有可能產(chǎn)生有趣的結(jié)果?！彼f(shuō)。

有效收集數(shù)據(jù)是基礎(chǔ)

大數(shù)據(jù)這個(gè)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(shù)據(jù)都收集起來(lái)，看看數(shù)據(jù)告訴我們什么？”

“這聽(tīng)起來(lái)確實(shí)很不賴?！必悹栃琳f(shuō)。但他也警告，掌握大數(shù)據(jù)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(wú)用信息的能力，否則那些過(guò)時(shí)的、不一致的、充滿錯(cuò)誤的數(shù)據(jù)將會(huì)嚴(yán)重干擾我們的分析。當(dāng)然，你還需要充分而謹(jǐn)慎地進(jìn)行準(zhǔn)備，以及問(wèn)對(duì)的問(wèn)題。

“如果你問(wèn)的問(wèn)題錯(cuò)了，數(shù)據(jù)就會(huì)告訴你錯(cuò)誤的答案?！笨萍汲霭婕瘓F(tuán)OReilly Media的內(nèi)容戰(zhàn)略副總裁麥可·羅凱德斯（Mike Loukides）表示：“如果你發(fā)問(wèn)的時(shí)候漫不經(jīng)心，那么你得到的答案可能看起來(lái)很美，但其實(shí)毫無(wú)意義。”

貝爾辛建議，公司應(yīng)該在一開(kāi)始就明確界定想要解決的問(wèn)題，例如成功招聘的特點(diǎn)有哪些，或是導(dǎo)致員工離職的原因是什么等等?！盁o(wú)論如何，你的數(shù)據(jù)庫(kù)一定會(huì)愈來(lái)愈龐大，但如果你能夠從一些很小的問(wèn)題開(kāi)始，通過(guò)收集數(shù)據(jù)來(lái)試圖解決這些問(wèn)題的話，你的數(shù)據(jù)收集和分析工作將會(huì)有效率的多。”他說(shuō)。

歸根結(jié)底，你必須了解，數(shù)據(jù)不管是大還是小，只不過(guò)是解決問(wèn)題所需的其中一環(huán)而已。它是解決問(wèn)題的基礎(chǔ)，會(huì)指導(dǎo)人們做出最終的決策。endprint