大数据对人类的影响已然势不可挡。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布全球各个角落的各种传感器，无一不是大数据时代的新兴产物。大数据的颠覆和创新影响已经渗透到每个行业，但对培训行业而言，似乎才刚刚起步。

大数据对企业培训的神奇魅力

艾略特.马西埃在2013年12月《培训发展》杂志上发表了一篇文章《大数据：发现学习应用的未知领域》。该文指出，近三分之一的跨国型企业（员工超过1000名的）已经开始进行与学习相关的大数据应用。美国培训与发展协会（ASTD）和企业生产力研究所（i4cp）近期的研究也验证了这一发现：22%的学习职能部门已启动大数据计划。418名学习与商务专家中20%希望在明年能实施有关学习的大数据计划。19%的专家已制定了更长期的计划。

大量研究结果表明，有远见的首席学习官都会利用数据来评估学习结果、调整培训计划、并甄别学习对业务发展的影响力，制定切实可行的团队培养计划。目前，大数据主要在以下几个方面对业务产生影响。

1、销售人才的甄选：从客户关系管理系统、学习管理系统、绩效管理系统以及员工个人数据中，快速找到高潜力的销售人才。并根据核心技能调整普通销售的培训计划，降低裁员率。

2、改善客服通话质量：挖掘影响客户通话质量的影响因素，提高现有坐席人员培训的有效率。实践表明：培训后客户呼叫量降低了94%，但净价值增加了34%。

3、新员工培训应用：根据新员工学习数据来调整培训流程，有助于削减少80%的时间损耗，降低50%的知识流失率。

4、更有效的学习管理：学习管理者可以根据员工的学习数据制定更有针对性的、精确的学习解决方案，并进行随时随地碎片化学习推送。

了解大数据在企业培训中的应用后，让我们一起走进大数据应用的标杆型企业大学，从这里获得更多的经验指南。

埃森哲：学习分析仪表板，让培训润"（业）务"细无声

埃森哲公司是全球最大的管理咨询公司和技术服务供应商，当前，该公司在世界范围内拥有约281,000名员工，该公司开发了"学习分析仪表板"，并设计具有对比效果的16个最佳阈值的学习变量。包括性别、地域、职业水平、甚至休息时间等，通过控制这些变量可以使培训效率提高，并降低失败风险。

学习分析仪表板的数据整合了人事、培训、财务等多重数据，基于多变量的分析可以使自定义的可视化工具生成仪表板。此外大数据分析结果必须与业务紧密结合，确保学习-测试--应用-能力改善的闭环。正如埃森哲公司能力战略总监丹比伦.贝格所说："我们将培训数据与企业管理常用语关联。举个例子，‘风险’是老板们经常谈到的一个名词。……无论是政治上的不稳定、客户领导的变化、或是暴风雪等自然灾害，这些都是风险存在的因素。因此，数据库负责人必须处理好一系列的潜在风险数据，从而使客户满意且盈利。"

捷飞络：认证数据系统，让个人与团队成长更透明

捷飞络是一个来自北美的汽车服务品牌，由世界500强企业之一的荷兰皇家壳牌集团全资控股，拥有2000多家门店，2000个快速加油站，20000个员工，还有一系列服务项目。技术认证是捷飞络管理中的重要因素，员工必须得到认证之后才能开始工作。正因为如此，该公司坚守认证标准就变得十分困难。怎么改善这一认证难题呢？

捷飞络引入了能力认证的数据系统，通过自动跟踪和报告技术完成认证。首先，捷飞络公司设计了10项基于时间目标的认证标准。例如，入门级认证必须在入职30天内完成； 其次，他们通过新的学习管理系统--"捷飞络大学"进行员工的学习数据跟踪。这一系统引入了捷飞络大学仪表板系统报告进行全系统监控认证等级。门店经理、经销商和企业领导人访问一个通过颜色区分的在线系统，就可以获得关于职员个人的、店铺的、加盟店和区域的相关信息，其中超额完成目标用绿色显示，超过一半的到99%的用黄色显示，不足50%的为红色。

最后，他们统一了认证目标。所有员工和其他加盟店都需要为了提高认证水平而实现个人的绩效目标。"我们相信每个人都希望表现得很好，而且会采取必要的行动达到绿色等级。"捷飞络培训负责人肯鲍勃表示，"做到信息公开，不仅在认证目标上产生了激励作用，还能通过控制自我成长让每个人完成个人事业目标。"

大数据的应用为捷飞络市场带来了丰厚的回馈，三年内市场利润翻了两倍多。76%的店铺可以达到80%-100%的认证。最近的一项分析显示，在得到100%认证的店铺中，有33%的店铺客户销售业绩高出平均水平9%。

研科公司：AUGER衡量系统的，让非正式学习效果有证可循

研科公司是加拿大一家拥有42000名雇员的电讯服务公司，其开创了将正式学习、非正式学习和社会化学习混合起来作为衡量标准的学习评估模式。

研科公司培训合作部总监潘德法通过联合该公司计分管理部门、HR、销售和分析团队来共同完成一个具有专利性质的衡量系统，以便于从员工的学习影响报告中计算"学习汇报率"。这一系统被称为AUGER系统。

AUGER系统的衡量原则：

• 可获取性（Accessing）-可点击、开放、可协作

• 实用性（Usage）-可视化、可保存、可阅读、可参与

• 成果（Grade）-获取知识

• 评估（Evaluation）-参与度的评估

• 回馈（Return）-得出绩效结果

为了检验成果，研科公司每季度都会随机调查8000名员工过去一个季度的学习情况。调查通过正式或非正式学习、社会化学习中获得的知识或者技能结果，并将所占的百分比反馈给AUGER学习系统。在2012年，反馈给系统的百分比为74%，超过预期目标3%，超过2011年的实际结果5%。到2013年，这个结果增加到75%。并且个人系统反馈的分数也可以通过系统获得：其中，正式学习80%（初始值为76%）；非正式学习，85%（初始值为78%）；社会化学习，59%（初始值53%）。

 "数据的透明化不仅促使我们提供更有效的学习计划，也促使管理者们对他们的团队负责。"潘德法解释道，"当公司的任何一个团队里的任何一个成员都可以对于成本、敬业度以及绩效等方面进行相互比较时，员工的学习积极性更强"

挖掘学习的大数据应用，大势所趋

高德纳公司的专家Douglas Laney认为，当人们期望大数据能够改变学习功能时，"改进"便成为了大数据研究的口号。目前，64%的调查对象希望大数据能够对他们的学习与发展工作做出一个更好的评估，60%的调查对象力图改进学习与传授方法。几乎相同比例的受访者希望在评估企业学习对经营成果的影响时获得相应帮助。当然，其他领域的改进也成为应用大数据理念的推动因素，如：在学习职能部门内更快更好地决策，加强对学习受众的理解，以及更高效地因材施教。相关分析表明，几乎所有因对大数据的兴趣而产生的推动力，与学习效率密切相关，由此可见学习专家的想法是有根据的。

虽然挖掘培训领域的大数据应用已成大势所趋，全球数据和分析技能严重短缺也为大数据的应用提出了挑战。据麦肯锡全球研究院数据显示，仅仅美国就有近20万深度分析能力人才缺口，而那些可以分析数据并根据结果做决策的经理和分析师则面临着更大的短缺。

最后，优秀的领导者必须找到解决这个技能短缺的办法。无论你对数据的分析处理能力到达哪种程度，再向前走一步。有用的大数据就在这里，现在，已经触手可及。

上一篇：那些震撼人心的“深度学习”技术

下一篇：思维颠覆：砸了电脑吧，手机才是真爱！