思创首页 服务产品 课件定制 通用课程 在线学习运营服务 微课培训 案例征集 解决方案 典型客户 资讯中心 免费体验 关于我们

行业动态

思创
公司动态行业动态
公司动态行业动态

企业数字化学习如何做好培训数据分析?

发布时间:2020/12/30 18:04:00   Click:

数据是客观的,能够真实反映事物的变化趋势和现状;


数据是可量化的,数据图表及报表,清晰、一目了然;


数据是明确具体的,透过数据可以更全面准确地看待问题,更容易找到问题的关键和本源。


在我们的工作中,不管是项目设计、能力测评,还是效果评估,无一例外都需要对相关数据进行提取、统计及分析,并运用到业务发展或培训管理工作中。


将数据化繁为简,进行有效处理,找到事物的本源和发展规律,做好培训工作方有据可依。


企业培训哪些数据是要分析的


常情况下,培训数据包括学员数据、学习数据及运营数据几大方面。


当然,其统计的颗粒度和精细度主要取决于企业需求,以及企业培训平台建设开发时报表字段的设计及数据埋点情况。


常用的培训数据分析维度很多:

如通过分析学员数据,了解全公司整体学员现状,掌握对培训影响最大的用户群体及他们的学习情况;


通过对各地区、各核心岗位学习数据分析,了解他们在组织培训方面的效果;


通过对新增课程及更新情况分析,掌握不同地区、不同职能间培训开展的进度,便于平衡资源。


企业培训学习数据分析维度


另外,学习数据应用于培训管理工作,对后续培训计划的制定、项目的设计以及学习效果的评估都有重要的参考价值;


其次,也可以应用于转正及晋升等人才发展环节,尤其是新员工、转岗及晋升员工的学习数据,以及岗位任职资格的认证数据,作为其能否胜任的重要依据;


再次,在某些企业中,员工学习完成数据也是绩效考核的重要指标。



五大步骤,做好数据处理



在企业中,学习数据的沉淀会越来越多,如何抽丝剥茧、化繁为简,对这些数据与报表进行分析、应用呢?我建议采取以下五个步骤。


数据处理五步骤


明确目标 

在数据应用之前,要清楚分析需求和目的,明确数据分析的意义和作用,以及分析出来的数据结果和图表可以用来支撑哪些内容。只有目标明确,才能更精准地提供数据支持。 


确定维度

基于目标,结合可获取到的数据报表,确定数据分析的维度。

例如,要分析某个部门/岗位在某段时间内的学习效果,那么学习时长、学习积分以及课程完成数量等,哪个数据更有代表性?

是否需要进行不同部门/岗位之间的横向对比?

是否需要与历史同期进行同比和环比?

是否需要进行交叉分析?

这些都需要提前确定,只有以终为始地建立数据之间的联系和逻辑关系,才能充分利用数据。


结构化呈现

对数据进行图形化呈现时,需要考虑该数据图表的使用范围、场合及企业的行文风格等,同时应注意企业对字体、字号要求,图表常用颜色、习惯用语、展示顺序等方面的要求,考虑数据表达出来的思考逻辑、层次递进关系等。

比如,使用符合金字塔原理的结构化呈现,更加符合阅读者的思维习惯,使图形报表更具有可读性。 


总结分析

根据图表找到其规律、得出结论,并根据数据的变化趋势找到背后的深层原因;或者基于数据表象,对分析结果进行提炼和总结。

只有透过现象看本质,探究存在的可能性因素,才能深入挖掘数据的价值。


提出建议对策

不管是前期需求分析,还是过程跟踪、结果反馈,最终都需要根据数据分析的结论,提出有效的建议及改进对策,为培训管理的决策提供支持。 


结合到具体的应用实践,例如:

疫情期间,在线学习出现爆发式的增长,恰巧赶上企业面临内部学习平台切换,要对原企业学习平台的内容及员工现有的学习习惯做迁移。


为此,公司在平台切换过程中,组织了相应的学习活动,希望通过活动引导学员顺利过渡到新平台,快速掌握新平台的操作习惯。


明确目标

通过对平台切换期间学习活动的总结,对活动期间数据进行分析,确定学员是否顺利切换并平稳过渡。


确定维度

1.活动期间对各地区、各职能岗位的学习情况进行总结,对优秀个人及组织的学习数据进行晾晒,鼓励先进。


同时,活动期间,为了解闯关视频课程的学习及评估情况,通过查看课程质量、获奖人数分布、学习时长、学习人数、完成课程数量等数据,进行对比分析。


2.由于平台底层架构和设计逻辑的不同,很多数据(如学习积分、学分)的统计口径不一致;


因此,需要确定哪些数据是相对客观,可以进行横向对比的,比如,可以通过确定学习人数、学习时长、学习课程数量等数据分析维度,以及2020年每月学习人数及学习时长的对比分析,查看平台切换期间是否出现数据大幅下降的情况。


结构化呈现

主要通过活动内容来呈现,按照活动策划、宣传推广、活动总结三个步骤开展分析。


学员线上平台学习活动


在活动总结时,根据不同奖项设置逻辑,对获奖情况统计发布,并对每个奖项的数据做进一步分析。


如进入“极速先锋榜”的学员,进一步对其效果进行评估;进入“逆袭后浪榜”的学员,对各地区及各职能组织学习数据情况晾晒。


最后,对每月的学习数据与历史数据的对比分析,查看是否出现数据大量回落情况。在汇报PPT中,每页都有总结性关键内容呈现。


总结分析

通过上述数据分析,基本确定了本次学习活动的效果,达成了活动目标,实现了学员无感迁移顺畅学习。另外,由于该报告为活动总结,无建议对策。

 数据总结分析


在进行数据分析时,还有四大注意事项值得关注。


第一,确保数据的质量,保证学习数据有效、有用,对数据及时进行维护和清理。比如,学习项目创建时,确保相关字段的完整性及准确性;对测试数据或垃圾数据等定期清理,发现数据异常时及时维护和解决。


第二,数据报表不是多多益善,也不是越酷炫越好。尤其在纷繁复杂的大环境下,应更关注数据的使用目标,分析角度和应用价值。


第三,宏观和战略的视角看待数据,注意数据的动态变化。不能唯数据论,最终的决策也需要定性分析。从“道、法、术、器”角度来看,数据分析仅仅是“术”和“器”的层面,通过数据分析,找到事物的本源和发展规律,才能上升到“道”或“法”的层面。


第四,结构化的逻辑思维对数据敏感度至关重要。



写到最后


或许会有人抱怨:培训工作本来就很繁重,哪有那么多时间高频地做数据分析。


但事实上,最需要投入精力的只是前期逻辑搭建、建模过程以及根据图表得出结论的部分,数据提取和结构化呈现的环节则相对比较简单。


尤其是已经固定模型的数据分析,我一般先用excel做好模板、确定好数据格式与图表内容,每次只需要按照固定频次提取相应数据放在excel模板里,即可自动更新图表;


同时在PPT里做好超链接,更新后的图表会自动在PPT模板里同步更新。得出分析结论后,直接另存为最新文档,这样就无需每次在生成图表及制作过程耗费过多精力。


当然,现在很多人已经掌握了python技术,或直接用系统平台生成,这样更大大降低了数据呈现的操作门槛。


作者 | 刘建慧  某上市公司培训总监

来源 |《培训》杂志


思创教育已在企业培训领域深耕二十余年,基于大数据和人工智能技术,集“平台+内容+运营”三大业务于一体,帮助企业建立线上专属商学院,为数百家500强企业和行业龙头企业提供在线学习解决方案,得到业内的一致好评。思创教育特色业务针对销售人才闭环训练解决方案,打造销售铁军,让业绩提升更科学、更持久!欢迎电话咨询:021-65981190


我们的客户

 

                                                                                     以上仅为部分客户