如何挖掘、释放学习数据的价值 - 中人网

在快速变化的工作环境中，培训部门越来越重视数据对员工发展的价值，然而受限于相关的数据技能，仍有51%的学习发展人员无法有效使用数据，也无法利用数据提升员工的学习体验，改善员工的学习表现。

一般来说，学习数据通常指从员工的学习活动、学习行为及相关的学习环境中收集到的数据。但为了更好地衡量学习对业务的影响，学习数据应该与行为数据、人力资源数据、绩效指标、业务数据等结合起来。

学习数据收集的渠道有很多，可以是有目的的调研，也可以是社交媒体、个人反思、案例研究等等渠道，甚至其他第三方机构的数据，一样可以包含到学习数据中。

学习活动数据，可以包括员工使用了哪些学习材料、在各个学习材料上消耗的时长，进行了哪些测试等等学习的历史及实时数据。这些数据可以由企业的相关系统跟踪自动获取，也可以是培训部门、员工自己、团队领导等相关人员收到添加的数据。

行为数据可以利用企业的数字化系统来收集，比如来自办公系统的团队间的沟通协作、日常工作的交流学习等等，都可以对员工正式和非正式的学习行为产生影响。但相对来说，这一部分数据并不好跟踪利用，也是比较容易被培训经理及L&D部门忽略的数据。

每个企业和工作角色都有自己的挑战，不同身份职位的人对学习数据的需求也不一样，只有明确各个角色需要哪些数据，才能更好地利用数据。

要更好地发挥数据的作用，就要学会问正确的、有价值的问题，明确工作中的挑战是什么，能不能通过数据来解决。培训经理要对工作角色和企业流程进行分析，找到针对某一问题或挑战的学习数据，利用学习数据去验证某些事情是否按预定的目标和计划进行，进而来改建学习调整员工的学习和行动。

比如作为培训经理，你的问题是“员工是否使用学习系统”，那前提假设可能是“员工没有使用学习系统”，要证明这个假设正确与否，只需查看员工在学习系统花费的时间数据，当考虑到考试、直播等更多变量时，可能会发现某些团队或个别员工比较活跃。一旦找到支持或否定假设的数据，那么培训经理就根据自己的目标制定具体的行动计划了。

那么，培训经理到底要如何使用学习数据来帮助不同的工作角色规划学习路径、推动其目标的实现呢？这里有五个步骤，可参考：

明确工作中的主要挑战，定义每个工作角色在企业中使用数据可以实现的目标，多问有价值的问题，比如：主要挑战之下能分解出哪些具体问题？哪些数据可以证实这些问题？数据及数据分析能帮助各个工作角色成功吗？什么会给企业带来最大的价值？

从各个渠道收集数据，并以一种可理解的形式将学习、技能和业务数据结合起来，重新定义并验证企业学习的衡量标准。

所收集的数据如何显示与假设中的变量之间的因果关系或相关性？根据现有数据可以采取什么行动吗？

数据可以帮助决策者更快地做出决策，并显示学习材料或整个课程所需的优化调整方向。没有数据洞察后的行动改变，任何数据和分析都是没有价值的。

保持好奇心。随着对数据的熟悉，你会发现很多新的问题。学习计划在不断变化，要利用数据把企业学习变得更快、更好。

虽然每个企业都有自己的数据收集方法和渠道，不可否认的是学习管理系统是其学习数据的主要来源，实际上除了学习管理系统的数据，更多有用的数据还隐藏在员工的简历、邮件、CRM系统、通信平台甚至第三方的网络数据中。

目前来看，收集数据更高级的方法是Experience API（xAPI）标准，即通过数据集成，跟踪、存储和共享员工在多个平台和工作环境中的学习体验，包括离线体验。

虽然集成使获取更加全面、彻底的学习数据成为了一种可能，但在很多情况下，跟踪学习过程实际上是非常困难的，比如企业没有员工需要的学习内容，员工通过其他渠道完成的学习，是很难跟踪的。

这也是为什么搭建企业学习生态系统与不同的数据源进行协同显得越来越重要，尤其是在探索学习与员工业务表现之间关系的时候。

随着技术的发展，人工智能正从概念转变为实际的算法，并且在企业学习领域进行了深度应用，像美国的学习体验平台、国内的企业学习助手，都可以在进行内部系统集成的基础上，通过员工的搜索点击等行为，识别到员工在第三方平台的学习数据；同时能够对企业内外的文本、图片、音频、视频等数据内容进行分析学习，帮助企业完善自身学习生态系统。

利用从企业内外获取到的数据，人工智能可以根据员工的行为、属性、工作角色、同事、搜索行为等因素，分析员工的技能水平、学习习惯，了解员工的个人需要、遗忘曲线等等信息，并在此基础上通过个性化推荐、智能问答、陪练等现代、直观的手段为员工规划个性化的学习路径，将学习融入到员工的日常工作，直接作用到员工业务表现中。

数据驱动说了很多年，但要真正发挥数据的作用，还是需要数据分析工具的加持，人工智能的学习分析能力有目共睹，能否利用人工智能挖掘、释放学习数据的价值，就看培训经理或企业的选择了。