《如何让数据成为培训发展的底层逻辑（上）》中阐述了，培训管理者掌握人才数据和分析技能，能够让升值机会高出6倍，并且列出了四类可以帮助大家提升培训价值的数据。

那么，培训数据收集好了，接下来该怎么分析应用呢？

当我们梳理好培训中能搜集到的数据后，接下来就需要理解数据反应的本质，并且在后续的工作中，能够最大化地利用这些数据，不断提升培训成效。

示例：通过「英跃」数字化领导力学习，如何让数据“说话”

几个培训数据分析应用的方向

应用一、数据型翻转课堂设计

定性定量的数据分析，是翻转课程设计的重点。

通常来讲，翻转课程设计普遍有四大误区：

1、线上线下配比不良

很多企业在设计培训方案时只重一头，没有根据学习目标来进行发展方案的选择，因此未能发挥最大效益。

2、架构内容链接不佳

胡乱拼凑市场上的课程与工具，内容与技巧互不链接，缺乏结构，线上线下课程/活动无关联 (如线上上财会，线下上授权)或弱关联，也无法真正有效刺激学习与行为改变。

3、落地实用干货不足

虽然不一定每个课程都需要提供干货，但这的确也是很多课程设计的硬伤。缺乏工具、表单和可操作的步骤与方法，会导致学习到应用的转化不易，因此学用结合的比率偏低。

4、方案设计考虑不周

比如线上线下内容是否重复？是否有根据学院已具备的知识、经验及技巧向上叠加学习？等等。

由移动端学习+线下翻转课堂贯通的混合式学习，HR可以先通过数据发现短板，主动制定翻转课堂的学习策略，为后续现场教学腾出时间，在节约预算的同时，进一步优化学习成效。

通过大量的翻转培训实施，总结出5个需要注意的事项

o 确保学员学习线上课程

o 线上线下避免内容重复

o 线下回应疑问处理挑战

o 线下深化内容练习落地

o 线下需有备选方案

《主管后备人才３个月发展项目》案例分享

项目目标：

· 帮助主管后备库的后备人才在登上基层管理岗前，做足充分心态和能力的准备，通过3个月的发展项目，在短时间内看到领导者的角色转变和能力提升。

· 解决眼下的具体问题：年底绩效考评、辅导和反馈

· 管理者业务繁忙，需要轻的学习方式，但要保障完成率与学习效果落地，最好提供在项目结束后，也能持续学习或复习的平台。

结合上述目标，设计的线上线下学习旅程

数据应用示例：

翻转课堂前，通过情景模拟数据和线上问卷，确认学员困惑和难点

（1）从辅导能力的线上学习数据来看，团队主要在下述3项上得分较低

– 说明讨论目的

– 表达绩效挑战

– 维持动力

（2）翻转课堂前的线上问卷，总结了学员情况

－在辅导过程中以自己说为主，以解决具体问题为主

－有意图让下属参与，但是对方依然开口少怎么办

－资历老的员工绩效表现不佳，但却不知道应该如何沟通，等

翻转时，针对数据予以解决

针对具体的年终绩效反馈与辅导的场景，在翻转课堂上先用正面示范视频进行拆解练习。

并且在后续的角色扮演中，有针对性的进行了练习。并且将案例记录收集，反馈给HR。

项目成果：

·   满足HR和组织对完成率的需求，传统线上学习的完成率平均在15%，但英跃线上学习的完成率，目前通过学习群运营约为90%

·  3个月内收获扎实的基层管理力量，节约50%时间

·  比原先设定的传统培训方案节约了1/3成本，而且通过数据帮助组织摸清了内部管理者的实际挑战场景

应用二、更全面的人才画像

全面的人才画像应包含如下五类信息：

·   管理者信息：如管理年限 / 年龄（可以进一步与能力、个性等交叉分析）

·  个性：剖析学员性格特质

·  学习意愿度和学习力：了解学员愿不愿意学和学的如何

·  能力：能力现状和学习前后变化情况

·  行为特征：分析最有优势和最待提高的关键行动

如挖掘高潜人才的场景，HR就可以通过持续累积学习意愿度和学习力两个数据指标，筛选出双高的学员，作为重点发展目标。

– 学习意愿度：对学习的投入情况，包括完成率、学习时长、情景模拟练习次数

– 学习力：包括学习掌握度（情景模拟得分、知识点正确率），学习加速度（能力前后测提升）

英跃团体学习报告（学习结果与意愿分布）

应用三、数据驱动学习运营

例如一家企业的培训负责人发现，虽然引入了线上培训，但参与度很低，因此希望能通过一定的提醒机制来提升学习完成度。经过分析学员的线上学习数据了解到，学员工作日一般喜欢在晚上7点后学习，因此将推送学习数据或者学习信息的时间设定在了在晚上7-8点之间，学习参与度因此得到大幅改善。（下图仅为数据展现形式示例）

相关阅读推荐

【实操】如何让数据成为培训发展的底层逻辑（上）

移动训练营实操指南