内容摘要：
大数据时代，数据已经成为培训发展的底层逻辑。
2021-04-20 15:38:55
大数据时代，见“数”使舵已成为趋势。
培训也是如此。培训数据盘活了培训管理者更多的思维空间，和企业培训体系的深度脉络，成为企业持续发展的关键动力之一。
那么——
到底应该收集哪些培训数据？
培训数据收集好了，接下来该怎么分析应用呢？
如何与业务部门共享，挖掘培训数据背后的价值和意义？
话不多说，干货端上来。
1
学习/培训中有哪些关键数据值得关注？
培训的数据总体可分为两大类：过程数据和结果数据。需要注意的是，不同数据源得到的数据结果未必相同。所以，在做数据埋点时，所用的工具务必保持一致。
过程数据：
关注过程数据是一种以终为始的思路。从期望达到的结果，倒推出培训过程中需要关注哪些数据维度。这样，我们在设计阶段就要考虑如何分析、使用数据，而不是传统意义上的等数据拿到了再说。
英跃的过程数据包括：
1、 课后练习排名和对错率
2、 学习活动分布
3、人均学习时长
4、 行为展现
英跃团队报告示例（学习过程管理）
其中，行为展现是一项关键数据，不仅能够直接反应培训是否抓住了学员的痛点、知识讲解是否到位、演练是否充分，也能够在培训过程中进一步细化、深化方案。
英跃基于DDI行为模式法，将管理者必备的每一项能力拆解为几步关键行为，并融于情景模拟中，检测学员是否能够将所学融会贯通，真正应用于实践。
以“辅导”能力为例，优秀的辅导应掌握7步关键行为：1、说明讨论目的，2、促进参与，3、明确绩效表现，4、维持动力，5、提供支持，6、达成共识，7、制定行动计划。
在“辅导”的情景模拟中，英跃设置了“下属迟交报告”和“员工有情绪”两个常见的管理情境，学员通过与虚拟对象的交互，展现管理行为，并对比行为大数据，给予及时反馈，最终系统对每一步关键行为（Key Actions）打分，生成详细的发展评估报告。
英跃情景模拟&KA评分示例
这一部分的数据也会成为英跃线下翻转课堂的设计依据，讲师根据团体共性的行为短板和真实业务挑战，在课堂中进行针对性的演练。
结果数据：
结果数据一定程度上能直接反应培训效果，因此，除了常规的课程满意度调查，还需要从业务部门、参训学员的角度来看，直观检验学习成果，以及形成支持后续跟进的使用数据。
英跃的结果数据包括：
1、 学习完成率
2、 人均学习时长
3、 能力前后测对比（更新版）
4、 各能力提升人数比例
英跃团队报告示例（学习效果评估）
结果数据的呈现要做到直观、条理分明。英跃在学习结束后，会形成学员报告和团体报告，包含数据、解读、发展建议等。
英跃团队报告示例（数据定义）
2
数据到手，如何分析？
分析数据其实早在搜集数据之前就已经开始了，因为在做数据埋点的时候，我们就必须要清楚，为什么要搜集这些数据，以及如何使用它们。
HR除了看到数据的高低之外，还要看到数据背后的insights。
比如，学习完成率对应的是学习积极性、对所学能力的兴趣度。
还要进一步分析，学员对某一能力的兴趣度低背后的原因，是掌握得太好还是太差？是平时用到的场景少还是对能力可用场景的理解不到位？
对数据进行分析应用，主要有三个关键策略：
1、重点看变化而非绝对值
例如，新晋管理者和已有管理经验的中层管理者同时进行领导力培训，前者的培训满意度较高，是否就代表前者的培训好？
显然用这个绝对值来说话是无法令人信服的，因为这两个数据没有可比性。
真正要去关注的是，针对同一事物和角色在某些方面的相对变化情况，越细化越有说服力。
比如，英跃的能力前后测对比，在同一套考评体系下，评估学员在学前和学后的能力成长，并具体到关键行为。
还是以“辅导”为例，在英跃报告中，某学员的辅导能力有较大提升，培训顾问会详细描述具体体现，如在“促进参与”这个KA上，学员从展现“倾向于凭借自己的想法和经验提供建议甚至直接代劳”的行为，转变为“在提供指导时始终征求员工的观点和建议”行为。
英跃团队报告示例（单能力后续发展建议）
2、取长补短，持续迭代
基于数据解读，可以看出在培训需求诊断、培训项目设计、培训项目实施等环节所存在的问题和高光之处，由此成为企业培训体系和项目持续迭代的深度脉络。
3、多维度解读
数据本身只是一些信息，而不同部门对于同一信息的解读可能是不同的，及时分享数据可以使数据的价值得到更多的挖掘应用。
尤其是员工所在的部门，对于员工的数据解读更能结合工作实际，使得员工本人和其管理者都有意识地创造实践机会。
3
培训完成后如何跟进？
或许有人会问：不希望培训是一次性的，如何帮助学员定期进行培训的回顾，巩固曾经学过的知识呢？
一句话以概之，从实践中来，到实践中去。
从工作中发现培训需求，最终回到工作中去改进应用。
以数据的思维来看，最终要能够实现多部门之间对数据分析结果的联动，诸如培训调研数据应用、培训作业的结果在业务中的运用、培训行动学习的结果运用。
实现知识到能力的转变需要不断实践应用，所以，如果学员的进步不明显，不妨问一问：
他/她是否有实践应用的机会？
是否投入了足够的学习时间？
搜集、分析、使用数据，这是一个环环相扣的系统工程，互相交织，互为前提。数据有其背后的意义和逻辑，TD具备数据思维，才能更好地构建人才发展体系。
相关阅读推荐
