在线咨询
电话咨询
微信咨询
TOP

人才评估的关键三步走

作者:益才    发布时间:2023-07-31

衡量人才发展工作成功与否,最有效的方法是什么?不管是作为企业内部的人才发展工作者,还是外部的人力服务机构,显然我们不会单一地回答这个问题,而是进行一系列的追问来了解背景并明确需求:

  • 您要衡量什么?

  • 您评估的目的是什么?

  • 您对成功的学习计划定义是什么?

  • 您要和谁分享结果?

  • 您当前如何评估您的学习计划的影响?


诸如此类,不一而足,随后就任何一个共鸣的点展开。遗憾的是,这个看似简单的问题并没有明确的答案。当提到“评估”这个话题时,我们找不到一个万全之策,因为在评估人才发展工作时,需要考虑太多的变数和障碍,包括组织的目标和文化、利益相关者和受众之需求、需求评估、绩效分析、资源、时间、预算、数据收集法和评估工具。

很多组织也并未投入过多时间来进行效果评估,大部分做法还是较多关注参与者的反应和学习情况,而不是其对业务成果产生影响。ATD《评估学习:评估有用的学习指标》书中提及,“199名接受调查的人才开发专家中,仅35%称其组织在一定程度上评估了学习计划的业务成果” 。事实上,很多企业内部培训人员出于种种理由都害怕评估流程,业务部门对人才发展工作内容的评估也比较一般:会让员工去学习,但从实用性角度来说并没有太多正面反馈。凡此种种,对于这个问题,就像回答“如何把大象放进冰箱里?”一样充满戏谑和无奈。

当然我们也明白这些道理,诸如:评估工作对业务成果的影响以及对组织成长的推动具有重大意义,评估可以让我们认识到哪些有用,哪些没用,以便重新调整工作重心和资源分配,并对无效的计划进行必要更改;一旦提供有力的评估报告,领导层也会开始认同其他发展计划,因为他们看到了生产率、指标、客户满意度、员工敬业度和人事变更率的可量化测量数据;最后我们会获得更多的资源投入到我们的发展工作以及工作方式的改进中去。简而言之,评估帮助我们验证了发展工作的价值,且对整个组织及员工产生了积极的影响。

“天下难事,必作于易;天下大事,必作于细”,将大象装冰箱需要三步,那么人才发展的评估总的来讲也是三步走:

第一步,把冰箱门打开——提高开放度,增加组织对于评估的认知,共识评估计划

第二步,把大象装进去——输入多维度的评估数据

第三步,把冰箱门关上——让数据成为人才发展的一部分,巩固应用,优化改进

把冰箱门打开——提高开放度,共识评估计划


效果评估是衡量发展工作的重要途径和手段,尽管位于最后,但这并不意味着其重要性最低,或者只有在最后阶段才实施。相反,不管是培训结束后的评估表,还是对整个学习过程进行的正式投入产出分析,在项目设计的开始阶段就应该将评估考虑在内。换句话说,我们不能把它看作一种事后处理方式,评估应该被精心规划并且贯穿于整个项目始终。

业务部门对人才发展工作的认可度普遍不高,越是如此,越是务必一开始就取得业务部门对评估工作的共识,有效的评估从与部门和组织的目标关联开始,通过询问“我们想要从这个发展项目中取得什么成果?”这样的问题来达成共识,他们需要的成果可能包括:更高的客户满意度、增加的销售额、更高生产率、更少的加班时间、更少的缺陷、更高的员工敬业度和更低的人事变更率等。无论需要什么成果,都需要具体、可测量、可实现、有相关性、有时限性并与部门或组织的目的关联。首先大家必须清楚最终我们需要衡量什么,比如是否将新技能学以致用,是否得到了更好的业务成果,或计划的投资回报率(ROI)如何?这些问题也只有在设计阶段之初提出,才能真正帮助优化整体的发展计划。可以通过以下问题的明确来进行整体衡量:我们需要定义关键利益相关人是谁(如项目发起者、目标学员、目标学员主管、外部客户、HR相关同事等)?他们的期望分别是什么?本项目解决什么业务痛点?如何定义项目成功?发展周期多长?需要哪些资源支持?可能的风险是什么?

基于以上问题,用人部门和人力资源部门可以达成一个彼此都认可的产出,包括评估内容、评估原因、评估方式、评估时间、评估人员以及报告对象等方面。一旦达成共识,我们才收到了评估工作开始的信号。接下来,就可以确定利益相关者、当前绩效、所需绩效、差异、指标、基准和其他推动评估的重要数据,以跟踪学习情况、行为变化以及业务成果增长情况。开始时不统一意见,到最后可能需要花太多时间和精力去弥补,而且往往收效甚微。

近些年大多企业的学习项目呈现出“两头轻、中间重”的情况,“轻需求分析,轻界定收益,轻成果评估和衡量,重实施套路和技巧”。大量的精力和资源投入于具体的实施活动,而在前期,因为对目标评估和预判不足,后期进行成果衡量时,自然底气不足。

把大象装进去——输入多维度评估数据


柯克帕特里克的四级评估将学习效果细分为4个不同级别,以实现具体的测量,随着评估层级的提升,评估的信息价值越大,其对整个组织的重要性越强。我们借由这个结构清晰,广为接受的框架展开评估数据的记录和持续积累。

(1)反应层评估

员工个人兴趣培养(如育儿、茶道、健身课等)的学习课程一般仅需要进行反应层评估,该维度需要搜集的数据包括:满意度分数、激活率、签到率、学习时长、用户画像数据等。相对简单,并且容易搜集。

(2)学习层评估

企业层面核心必修知识的学习课程,如产品知识、企业文化、公司政策、法律法规等,通常落在学习层,该维度需要搜集更多的学习行为数据,包括线上课程完成率、考试成绩、正确率、错题率、课程点击率、学习内容的评价、学习内容下载情况、二次转发及分享情况。同样较容易实现。

(3)行为层评估

行为层评估数据的搜集有几个前提:所培训的行为可以在短期内直接被观察到,如操作规范;行为本身较为标准化,如产品介绍话术;课程与行为的相关性很强,基于业务场景已经开展过行为分析,并从中挖掘优秀经验生成了培训内容。通常而言,员工自我管理与职业素养提升(如时间管理、人际沟通、目标管理等)和通用软技能提升(如领导力、变革管理等)的课程都可以进行行为层评估。该层面需要搜集的数据包括:演讲汇报、答辩评分;360评估结果;员工在相关项目中的行为表现及关键行为出现的频次。

也正是从“行为评估”开始,评估工作出现了断崖,究其原因:HR在培训结束后难以跟进学员在工作岗位上的行为表现;部分工作行为改进与否难以在短期内体现,需要长期观察与记录,从人力、精力的投入上来看可行性较低;即使可以获得一定的行为表现反馈,也较为碎片化,难以转化为数据等。

(4)绩效层评估

业务专业技能提升(行业课程、各部门必备技能课程等)的培训绝大部分需要进行绩效层的评估。绩效层需要搜集的数据包括公司的培养计划、员工能力测评结果、员工绩效结果、胜任力要求、用人标准、考试结果等人力类数据;直线经理对员工的绩效评价、业务部门的业绩目标达成情况等业务类数据。

我们发现,随着评估层级的提升,评估的难度也随之增加,企业的实现度也相应减少。数智化的学习方式之所以重要,原因在于传统的线下培训存在数据难以记录、存储、归类的问题,传统的培训历史数据和结果靠人工整理和总结,培训经理的更换、项目形式的改变等状况就会导致历史培训数据的丢失;员工的能力测评结果、员工的绩效结果、考试结果这些维度的数据需要进行大量的梳理与归类工作。而借助移动学习平台等数智化工具,企业可以更为便捷、精准地收集培训数据,人力资源从业者便能够抽出身来,较为直观和全面地对员工的培训状况进行评估与了解,为分析员工的培训效果、培训行为奠定基础。

当然,如果希望对培训效果有更为精确的衡量,仅仅依靠以上培训视角的数据还远远不够,财务数据、业绩数据、人事数据等,都能为深入的培训数据分析提供更多的可能性,企业内其他的数智化平台,为业务数据的获得、与培训数据的联动分析创造了条件。从企业对于学习平台的采购情况和内部相关系统的打通情况看,能初步实现以上维度数据的搜集,但若想借助数据对培训及人才发展效果进行具有深度的分析,仍有较大的挑战。究其原因,从数据获得和持续积累两个维度上均有各自的挑战,在此不过做赘述。

总体而言,绝大多数企业已经开始借助数智化工具来优化企业内的管理流程与方式,企业在利用数据提升学习效果和体验方面均有涉及;从移动学习平台的搭建情况和相关系统软件的应用率来看,已经为评估数据的记录奠定了工具层的基础;同时,企业学习平台与其他平台的打通情况整体上仍有较大提升空间,尤其是与业务系统平台和财务平台的打通,一旦打通,会让培训数据的分析和应用更具深度,并且直接地反映出培训为业务所带来的价值。


把冰箱门关上——基于评估数据的洞察应用


效果评估数据有多方面作用,不仅仅是用数据说话这么简单,评价数据的深度分析和数智技术的交织融合,可以产生很多有价值的应用和改进。

首先,通过效果评估可以发现学习过程中每个环节存在的问题。

通过建立学习效果评估体系,对学习计划是否有效、学习目标是否达成、授课方法是否恰当、学习内容是否适宜等进行衡量与评估,有助于发现学习过程的各个环节存在的问题,为后续的学习发展工作提供参照依据,进而展开对于学习过程的趣味性、学习界面的交互体验,课程内容的丰富和质量优化;同时数智技术也会借由这些数据大展拳脚:

  • 学习系统结合员工个人画像及行为数据,区分不同的用户群体,形成专门的用户标签(沉睡用户、活跃用户等),基于不同的用户标签,赋予不同的激活、引流手段,吸引学员的学习兴趣和关注

  • 结合员工个人画像数据及行为数据,了解不同人群在学习内容上的偏好及学习习惯,建立人员能力画像,从而实现精准推送学习资源,打造“千人千面”的学习界面

  • 借助线上平台,将培训内容应用的全场景融入其中,在各个场景中借助模拟、考核等方式,形成学员的连续评估数据和行为反馈数据,利用数据更精准地设计业务场景需要的学习内容

  • 利用AI陪练等方式,让学员的话术、语言学习能够实时得到评估与校正,从而实现行为改变

  • 进行员工的学习行为和学习结果之间的数据分析,推送个人化的反馈,当数据积累到足够大时,洞察的准确度会越来越高,即可识别出个人的ZPD(zone of proximal development,最近发展区域),实现个性化发展。

其次,评估数据还可以对评估主体和客体形成积极的反馈。

(1)对学习设计者来说,通过评估所获得的信息可以帮助他们确定所编排的教学内容、选择的教学策略或整个教学系统是否能够满足学习的需要,是否能够对学习者的态度和行为改变,乃至整个组织的绩效产生积极的影响。

(2)对学习者来说,通过评估可以为学习者提供有关他们的行为表现的反馈信息,从而可以加强他们的学习。

(3)对于培训讲师来说,在培训课程或项目的开展过程中,来自学习者的反馈可以帮助他们采取及时的措施来更好地改进课程或项目;培训课程或项目结束后的评估可以为他们提供改进后续课程或项目的意见和建议;学习者对讲师个人授课风格、特征的反馈可以帮助他们成为更优秀的讲师;评估还可以帮助他们将注意力放在对培训结果的考虑上,而不仅仅关注授课活动。

(4)对培训部门或培训中心来说,评估可以帮助它们发现额外的培训需求;帮助它们获得相关信息来评估讲师的表现;还可以帮助它们决定将有限的资源和费用投入到哪些产出较高的培训或学习活动中去。

(5)对于组织而言,评估信息可以帮助确定课程或项目是否达成了所预期的结果;帮助确定课程或项目的实施所带来的结果是否超过了所投入的时间、金钱及其他资源;评估还有可能帮助组织找出阻碍应用在培训中所学到的知识和技能的问题。

最后也是最重要的,它可以检测人才发展项目的目标是否已经达成。

评估的起点和终点应该是人才发展工作的成果和组织战略目标达成之间的关系。一切的努力都是为了达成组织目标。基于评估数据的积累,我们可以针对以下这些关键的组织人才管理议题进行更为精准、量化的统计和维度分析。

  • 组织发展优化率:对组织战略、组织架构、业务流程、管控模式等进行优化,形成了更为有效的管理举措,实现了组织绩效的持续提升,有助于企业可持续的高质量发展。

  • 核心骨干保留率:核心骨干员工相较于培训前的整体保留率有所提升或维持在较合理的流动区间。

  • 基层员工流失率:基层员工流失数量维持在合理区间或有所下降。

  • 关键岗位提拔率:经过培训的管理者在培训后一年内获得晋升的比例。

  • 预算执行偏差率:相较于培训前,公司/事业部/部门预算偏差率逐步缩小,控制在合理范围。

  • 管理广度有效率:管理广度进行合理调整,在相同条件下能产生更高的人均效能。

当前和未来可预期的组织环境,对组织效能提升有着更为迫切的需求,在这一过程中,人才发展将获得更大的机遇,能为更有效地承接和支持战略做出更大贡献。迎变而上,乘势而为是必然的选择!

作为人才发展的具体实践者,我们应改变单点式学习的视角,系统全面地掌握人才发展的内在逻辑,形成“界定人才标准”、“识别内部人才”到“加速人才培养”的闭环思维。在实现的过程中,借助数智技术优势将人才发展的各个模块整合起来发挥协同作用,避免“头痛医头,脚痛医脚”,将人才发展的星星之火,形成燎原之势!