驶向学习的大数据时代

　　大数据时代将使员工的学习变得更快、更好，而且更便宜但前提是，企业必须在分析复杂数据所需的技能和批判性思考能力方面，投入足够多的努力。
　　正如同营销、财务、研发乃至于一切其他部门一样，培训部门也正面临大数据的浪潮。他们在海量数据的冲击下，需要全新的技能和心态，才能通过对数据的掌握，更好、更快、更便宜地完成任务。
　　然而，适应大数据对于培训经理们而言并非易事。多数人力资源相关专业人员对于数学和数据分析都缺乏经验，甚至对数据本身带着恐惧。因此，想在培训与发展部门推动大数据革命，需要付出更多努力。
　　在这方面，有相当一部分人力资源人员自我感觉不错其实是过度良好了。根据2013年英国特许人事和发展协会（CharteredInstituteofPersonnelandDevelopment，CIPD）的一份调查，有63的人力资源主管认为，他们能够从数据中找到想要的东西。但别人可未必也这么想。调查中，只有差不多五分之一（21）的企业领导者们相信，人资主管们确实能够掌握数据。
　　大学习数据
　　由于HR人员普遍对数据分析都不在行，我们不免要问一个问题：那些从员工那里收集来的数据特别是关于学习与发展的数据真的可以叫做大数据吗？
　　产业分析师、梅西学习中心（MasieCenter）创办人兼《大学习数据》一书的共同作者艾略特梅西（ElliottMasie）认为，以上问题的答案，毫无疑问是是的。他认为，每当员工上一门课、阅读一本电子书，或者参与一门eLearning课程时，都会留下有价值的数据。
　　尽管大多数公司关于eLearning课程所留存的学员信息往往只有四小块谁参加了课程、什么时候参加的、上了多久、最后成绩几分但事实上值得挖掘的数据远不止于此。从整个企业的角度来看待这些数据，你将会发现更多，大约可以挖掘出少则1万、多则12万条有意义的数据片段。如果每个员工上每一门课都能产生这么多数据，再看看有多少员工、多少门课吧！当我们把其他方面的员工数据都考虑进来时，数据量还会进一步暴增。然后你不得不承认，这真的是大数据。
　　如果你开始研究社交图谱（socialgraph）以及那些基于此技术的应用，你会发现每个人每天都会留下数以百计有价值的数据节点。日立数据系统（HitachiDataSystems）学习与协作部门副总裁尼克霍威（NickHowe）说：相较于传统的数据库，这可是几千、几万倍的数据量。
　　机器学习时代
　　在学习与发展领域，大数据还揭示了许多崭新的可能性，例如机器学习（machinelearning）以及复杂的、像亚马逊那样的推荐系统。此外，大数据还重塑了很多传统意义上的学习程序，例如课程设计或导师制等。
　　在日立数据系统公司，7000多名员工都通过Jive这套在线论坛系统来沟通和写作。但较少有人知道的是，它同时也是有效的培训数据收集和分析引擎，能够收集员工的基本信息（例如浏览过哪些文档、参与了哪些讨论），然后为员工推荐额外的信息或者对他们可能有帮助的人选。如同亚马逊那套推荐系统一样，日立数据系统也能根据收集到的数据不断完善分析，提出更好、更有针对性的建议，这就是机器学习。
　　例如，假设我们公司的财务总监进入系统里面检索一些关键词，而我也在系统里面检索同样的关键词，结果我们两人会得到截然不同的搜索结果，因为系统会根据我们过去的经历和习惯，来自动匹配适当的数据。霍威说。
　　再加上绩效评估方面的数据，就可以做到更为个性化、有针对性的学习。农民保险公司（FarmersInsurance），理赔部门建立了专业发展中心（ProfessionalDevelopmentCenter），该中心使用了一套以大数据为基础的学习与发展系统，所捕捉的数据包括360度评估、员工敬业度调查，以及个人绩效评核数据等，目的是找出每位领导者的长处和缺点。
　　该公司理赔部门专业发展项目的主管杰夫罗西（JeffLosey）表示，如果要为全部57名领导者设计一整套包山包海的课程，显然太过费时费力费钱，况且这样做也未必有用。如果我们把所有能收集到的课程统统收集起来，全部放在网站上，再告诉领导者们：‘嘿，你们需要的东西都在那里，自己找去！这样做显然糟透了。他说。
　　相反地，在专业发展中心的协助下，每一位领导者都能够得到个性化的培训安排，明确自身最需要强化的领域例如建设性的反馈或者培育下属然后重点加强它们。此外，农民保险公司的这套系统还包含了导师制程序，只要按下寻找导师按钮，系统就会为每位领导者筛选出最有可能协助他们的人选。大数据的好处在于，它使我们总能在最需要的时候，找到最需要的东西。罗西表示。
　　专业发展中心这一项目从2012年5月开始启动，同年11月正式上线。它还带来了另一项意想不到的好处找到过去被忽视的那些高潜力人才。相较于传统上较为主观的继任规划程序，专业发展中心完全根据数据来分析、评估每个员工的绩效表现和优势能力，结果发掘出了不少从未被注意到的人才。在发现这一事实后，罗西和他的团队组织了一次为期三天的模拟项目，让60位高潜力员工接触更广泛的商业知识和体验；模拟结束后，他们被带到公司高管层的面前。结果，其中20人得到高管层的青睐，被纳入正式的继任规划程序当中。即使是金子，也需要一定的机缘才能发光的。罗西说。
　　学习与发展的分析性思维
　　除了在课程设计和评估等方面的改变外，大数据带来的另一个变化是，迫使学习与发展部门拥有更强大的分析技巧。
　　传统而言，培训部门所需要的人才不外乎课程设计师、培训师，以及各领域的专家等。现在我更需要懂得数据分析和数据挖掘的人才，这样我们才知道该如何运用这些数据。罗西说，他们还需要告诉我们这些数据从哪里来，又有什么意义。毕竟有大量的数据都是无用的。endprint
　　如果你觉得大数据分析跟传统数据分析技巧差不多，只不过量大了些而已，那就大错特错了。在传统的HR分析流程中，组织会提出一些问题，然后由HR部门来分析并提出解答。但大数据分析师的工作方式却截然不同。没有预设的问题，他们从多种不同来源收集各种不同形式的数据，然后运用诸如回归分析和预测建模等统计技巧，让数据自己说话。特别是那些有趣的相关性和离群值（outliers），更是分析师关注的对象。
　　专业分析机构Bersin（现为BersinbyDeloitte）创始人约什贝尔辛（JoshBersin）认为，大数据分析所需要的复杂技巧和思考模式，给学习与发展部门带来了很大的挑战。事实是，大数据浪潮来了，然后很多培训人员被拍死在沙滩上。约什说：他们一辈子都在做同样的事，也就是试图评估培训到底产生了多少效果。然而如果没有一并衡量其他东西的话，仅靠片面的数据是说明不了任何问题的。
　　贝尔辛的建议是，建立一套全面的人才数据分析系统，广泛收集来自各个渠道的数据当然也包括培训数据然后用这些数据来分析企业的实际问题，例如销售提升、生产力以及离职率等等。艾略特梅西也认为，这样多元化的、互相关联的数据系统，有可能带来实质性的突破。
　　如果我确实观察到某个员工的绩效提升，不管是他多卖出了几部车、客户投诉减少了，还是救活了更多病人，然后通过大数据分析把这些提升和培训数据关联起来，就有可能产生有趣的结果。他说。
　　有效收集数据是基础
　　大数据这个神奇的概念令人着迷，我们很容易脑袋一热，大喊：好，我们赶快把一切数据都收集起来，看看数据告诉我们什么？
　　这听起来确实很不赖。贝尔辛说。但他也警告，掌握大数据并非易事，想要有效收集和分析这么庞大而琐碎的信息是极端困难的。这不仅需要收集信息的能力，更需要清理那些无用信息的能力，否则那些过时的、不一致的、充满错误的数据将会严重干扰我们的分析。当然，你还需要充分而谨慎地进行准备，以及问对的问题。
　　如果你问的问题错了，数据就会告诉你错误的答案。科技出版集团OReillyMedia的内容战略副总裁麦可罗凯德斯（MikeLoukides）表示：如果你发问的时候漫不经心，那么你得到的答案可能看起来很美，但其实毫无意义。
　　贝尔辛建议，公司应该在一开始就明确界定想要解决的问题，例如成功招聘的特点有哪些，或是导致员工离职的原因是什么等等。无论如何，你的数据库一定会愈来愈庞大，但如果你能够从一些很小的问题开始，通过收集数据来试图解决这些问题的话，你的数据收集和分析工作将会有效率的多。他说。
　　归根结底，你必须了解，数据不管是大还是小，只不过是解决问题所需的其中一环而已。它是解决问题的基础，会指导人们做出最终的决策。