企业学习效率低，有可能是因为不懂学习分析

毫无疑问，数据分析是未来学习与发展的优先技能之一。《2020年全球情绪调查》报告中，在“您认为明年职场学习与发展的热门领域是什么？”，这个问题的回答中，学习分析排名第一。

目前，仍有一些人认为报告培训活动（例如课程完成率）是足够的数据，而另一些人则不知道如何将数据转化为可行的见解。这说明，学习与发展人员对学习分析的理解还很初级。

如果我们想要在数据方面做得更好，我们首先要更深刻地理解为什么学习分析很重要，为什么我们应该关注它。

什么是学习分析？

学习分析是一个学术领域，它融合了来自教育研究，数据科学和以人为本的设计的主题知识。

学习分析是收集和分析由我们的学习者及其学习互动生成的数据的工具。例如，在学习管理系统中，人们可以查看，收集，导出和操作数据，例如学生的出勤方式，他们花在特定学习活动上的时间，他们问了什么样的问题，他们的考试成绩，以及他们是否下载了任何阅读材料。学习分析的最终目标是能够从这些数据中解译和解释含义，以便我们可以更好地支持学习者，提高业务绩效和员工效率。

为什么要关注学习分析？

现在，在各个组织中，我们定期处理越来越多的技术。除了在线学习平台，许多企业还拥有电子图书馆，Web会议系统，学习体验平台（LXP），在线调查工具，内部社交网络和员工知识共享存储库。这些技术共同不断地产生大量且不断增长的数据。从这些系统获得的大量“数据排放（data exhaust）”，我们可以解释并了解人们的学习方式。

但是值得注意的是，实施学习分析并不意味着收集原始数据，即未经任何处理就从源收集的数据。原始数据本身没有什么价值，除非对它们进行处理。

学习分析涉及选择、捕获、处理、解释，并根据可支持学习者并改善学习和在职绩效的数据采取行动。它可以帮助我们根据证据做出更好的决策并提供相关干预措施。

例如：
学习者的难处在哪里？人们在哪里遇到困难？
在哪里有机会提供更多支持和反馈？
学习材料是否针对正确的知识和技能水平？
对某个主题有什么看法？您的学习者集体和个人的感觉如何？

此外，学习分析的重点是创建一个反馈环，使我们能够实时，持续地调整内容，学习轨迹，支持水平以及其他个性化服务。这与当前过程相反，在当前过程中，课程评估或学习者反馈会在培训结束时出现。在某些情况下，学习分析用于预测学习行为，对预测采取行动，并将这些结果反馈给流程，以随着时间的推移改善预测并提供更个性化的学习环境。

为什么现在应该关注学习分析？

现在，精细化运营正在成为许多公司的常态。学习与发展部门将需要证明支出合理性，并进一步优化资源。学习分析可以帮助我们决定是否需要基于收集的关于学员互动方式的数据来重新设计培训材料，或者是否需要根据使用模式为精选的学习内容续订许可证，或引入其他学习与发展支持，例如基于情绪分析的指导和资讯。

随着工作职责和任务的变化越来越大（无论是大流行的结果、还是自动化和人工智能的引入，还是各种因素的结合），相信学习新技能和提升技能将占据中心舞台。人们将需要快速学习，因为他们的工作或工作组成部分变化太快。一些工作岗位将减少，而其他工作岗位将以更快的速度蓬勃发展。学习专家，该如何支持这种过渡？如何确保人们真正学到他们需要应用到新工作中的东西？又将如何识别和衔接可转移的技能？这些问题也许我们应该从学习分析中寻找答案，问鼎云学习平台的大数据看板就可以非常直观的看到各种学习分析统计结果。

总而言之，学习分析所提供的机会使学习与发展领导者及其组织能够利用与学习有关的大量数据，并能够使用此信息来了解有关其员工以及他们学习和发展的背景的更多信息。