培訓評估數據
出自 MBA智库百科(https://wiki.mbalib.com/)
目錄 |
什麼是培訓評估數據[1]
培訓評估數據是通過不同的工具從培訓的不同環節和過程中獲得，培訓評估的基本前提是正確收集與培訓項目直接相關的數據。為了有助於進行有效的測量，需要把數據分為兩種基本類型，即硬數據和軟數據。
培訓評估數據分類[1]
(1)硬數據。硬數據是業績改進情況的主要衡量標準，它以比例的形式出現，是那些容易收集的、無爭論的事實，是評估中最想收集的數據類型。
硬數據具有以下特征：容易測量和量化；轉化為貨幣價值相對容易；建立在客觀性基礎之上；是組織績效測量常用的量度；對管理來說比較可信。
常用的硬數據可以參考以下內容：
1)產量。生產件數、售出的噸數、回款額、客戶每單的購買金額。
3)成本。單件產品的成本、人員的平均成本、銷售成本、管理成本。
4)時間。運轉周期、回款的時間、單件產品的加工時間、平均的缺勤時間。
(2)軟數據。在難以找到硬數據時，軟數據在評估人力資源開發項目時也很有意義。軟數據的種類很多，常見的可歸入以下6個領域：工作習慣、工作氛圍、新技能、發展、滿意度和主動性。
軟數據具有以下特征：有時難以進行測量或難以直接量化；很難轉化為貨幣價值；在許多案例中，是建立在主觀性基礎之上的；作為績效量度可信度較差；通常是行為主義取向。
常見軟數據可參考以下內容：
1)工作習慣。消極怠工、看病次數、緊急治療情況、溝通失敗次數。
2)工作氛圍。工作滿意度、員工投訴數、組織承諾、員工的離職率。
3)新技能。閱讀速度、委屈的解決、衝突的避免、情境領導。
5)滿意度。態度的變化、員工的忠誠度、信心的增加、客戶的滿意度。
6)主動性。新想法的實施、對建議的實施量、目標的設定。
在培訓項目的評估中優先選擇硬數據，但這並意味著軟數據沒有價值。大多數培訓項目的評估採用的是軟硬數據相結合的辦法。而且，在評估行為和技能發生變化時，使用軟數據的效果最好。因此，培訓評估要綜合運用兩類數據。
培訓評估數據的來源[2]
1．組織業績記錄
用於投資回報率分析的最有效和最可信的數據來源應該是組織的記錄檔案和報告。不管是以個人還是以小組的形式，這些記錄反映出某個工作單位、部門、區域、地區或整個公司的業績情況。這個渠道的信息包括多種衡量指標，並且在組織中可以得到大量的數據。通過這個渠道得到的數據容易收集，並且往往反映企業的業績信息。如果某組織在保存數據方面不能始終如一，那麼，取得記錄的困難就在於如何才能找到那些特定的數據報告。
2．參加培訓的學員數量
對於投資回報率的分析來講，最常用的數據來源之一就是參加培訓的學員。學員經常接受這樣的詢問：在培訓中所獲得的知識和技能在實際工作中的應用情況如何?有時候，他們還被要求解釋這些做法的效果。對於一級、二級、三級和四級評估來講，學員是一個非常豐富的數據來源。大多數學員是可信的，因為他們使業績得到改進，掌握了各種運作程式的知識和其他有影響的因素。要找到一個有效的方法，以便從學員那裡得到前後一致的數據材料，這是一種挑戰。
3．學員的主管
另外一個獲取數據的重要來源是那些直接指導或領導項目參與人員的個人。這個群體中的人往往對評估很感興趣，因為他們也許就是批准學員參加某個培訓的主管人員。同時，在許多情況下，他們對學員試圖運用培訓中所學到的知識技能進行了觀察。因而，他們可以報告與培訓項目有關的成功因素，以及與應用有關的困難的問題。雖然主管人員的信息最適合三級評估，但也可以用於四級評估。在評估參與培訓項目學員的情況時，重要的是主管要保持客觀態度。
4．學員的下屬
如果主管和經理接受培訓，他們的下屬就可以提供培訓結束後這些主管和經理的行為變化方面的信息。下屬提供的信息適合作為三級評估的數據，而不適合作為四級評估的數據。儘管從這個渠道收集的信息數據非常有用和具有建設性，但是人們往往避免使用這種數據，因為在意見反饋的過程中可能會有潛在的偏見。
5．團隊、同事小組
學員的團隊成員或在學員培訓期間組織中接替該員工的個人，是評估某些培訓項目的另一個數據來源。在這些情況下，小組成員可以提供該學員的行為變化方面的變化信息。當團隊所有成員都參加了某個培訓，並且在反映個人的或團隊整體的行為變化時，通過這個渠道獲得的數據資料就更加有效。這種數據所具備的主觀性和對技能運用缺乏全面的評估，使得這個渠道的信息具有一定的局限性。
6．內部、外部團隊
在有些情況下，內部或外部團隊，如培訓與開發人員、培訓項目的培訓員、外部的顧問等，都可以提供有關學員使用培訓中所獲得的技能和知識的信息資料。通過這種渠道獲得的信息，可以是培訓後對員工的在崗表現進行觀察而得到的結果。收集這類信息，其用途是有限的，因為內部團隊可能對評估的結果非常註意，他們的意見可能缺乏可信度。來自於外部團隊、以對在崗業績表現進行觀察為基礎的這種意見反饋應該是恰當的。
培訓評估數據的趨勢曲線分析[3]
如果在完成了一項重要培訓項目之後，業績有了明顯的提高，那麼培訓項目和業績之間必然存在一定的關係。雖然業績的改變可能是因為培訓項目所產生的，但是通常其他非培訓因素也對業績改進有所貢獻。這時，我們就應當對培訓的評估數據進行分析，以確定與某個培訓項目相關的業績改進的幅度。
估計培訓效果的一種行之有效的方法就是趨勢曲線分析。採用這種方法時，應該採用以往的業績作為基礎而畫出一條趨勢曲線，然後將這條趨勢曲線延伸到未來。在培訓項目進行期間，應該將實際的業績與趨勢曲線進行比較。這樣，超出預測趨勢曲線的任何業績改進均可被認為是培訓項目的效果。雖然這並不是非常準確的方法，但是它可以提供關於培訓效果的合理估計。
圖1 趨勢曲線分析舉例
圖1以一家大型分銷企業的發貨部門為例，對這種趨勢曲線分析進行了闡述。在圖1中，定期交貨百分比反映了實際交貨量與定期交貨量相比的水平。在七月份進行的小組培訓項目之前和之後的數據均顯示在圖中。如圖所示，進行培訓項目之前的數據有一個上揚的趨勢，雖然初看起來培訓項目對於交貨生產率產生了極大影響，但是根據以往數據所建立的趨勢曲線表明，即使不進行培訓，趨勢曲線仍然會繼續走高。該公司將培訓項目之前六個月的平均交貨量(87．3％)與培訓項目之後六個月的平均交貨量(94．40／o)進行了比較，計算得出二者之差為了．1％，並希望以此來衡量實際的業績改進。但是，另一種更為準確的比較方法則是，將培訓項目之後的六個月的平均值與趨勢曲線上同一點的趨勢曲線數值(92．3％)進行比較，二者之差為2．1％。採用這種更為謹慎或適度的方法。能夠提高該過程的準確性和可信度。
趨勢曲線分析方法的一個主要缺點是，它並不總是準確的。使用這種方法的假設是，在培訓項目之前影響了業績變數的那些事件，在培訓項目結束之後仍然存在，不包括實施培訓項目的事件。此外，還應該假設，在培訓項目進行期間不會再有新的因素來影響這一過程。
趨勢曲線分析方法的主要優點是，它比較簡單，花錢不多，對人力和物力的耗時非常少。如果有歷史數據可供使用，那麼就能很快地繪出一條趨勢曲線並對差異進行分析。
培訓評估數據的預測方法[3]
趨勢曲線分析中一種分析性更強的方法，就是利用預測方法來預測各種業績變數的變化。如果在培訓項目實施期間有其他變數對這一過程產生了影響，那麼這種方法就是針對上述趨勢曲線分析的一個數學解釋。如果其他變數中只有一個對最終業績產生了影響，並且二者之間的關係可以用一條直線來表示，那麼諸如y=ax+b這樣的線性模型就比較適用。若不畫出這條直線，也可以通過一個線性方程式來表述，並可藉此計算出預期業績改進的數值。
通過實例可以更好地闡明這種方法的應用。一家大型零售連鎖店針對銷售人員實施了一項銷售培訓項目。該培訓項目為期3天，目的是提高銷售技能和預測能力，通過培訓的人員應該能夠提高銷售量。對該培訓項目是否取得成功進行衡量的一個重要尺度，就是每名員工在培訓項目結束後月內所實現的銷售額，還應該將數值與培訓之前6個月的數據加以比較。如果採用一個月的平均值，那麼在培訓項目之前，每名員工每日平均銷售額為1100元，到培訓項目結束後6個月時，每名員工每日平均銷售額為1500元。在此必須回答兩個相關的問題：這兩個數值的差異是不是因為培訓項目而產生的?是不是還有其他因素對實際銷售額水平產生影響?
在與幾位商店主管人員就可能的影響因素進行了探討之後，看起來我們所考慮的期間內似乎只有一個因素(廣告強度)發生了很大的改變。在對以往的員工單人銷售額數據和廣告強度進行考察時，發現二者之間存在著直接的關係。正如我們所預期的那樣，當廣告開支增加時，員工單人銷售額也成比例增加。利用歷史數據可以建立一個簡單的線性模型，進而得出以下關係：y=140+40x。其中，y代表每名員工每日的銷售額，x代表每周廣告開支水平(除以1000)。建立這個方程式的目的是，利用最小二乘方法推導出這兩個變數之間的數學關係。這是某些計算程式中的例行選項，很多電腦軟體也提供這種功能。
培訓項目開始前一個月的每周廣告開支為24000元，而培訓項目開始後6個月的每周廣告開支則為30000元。假設可能影響銷售額的其他因素的作用小到可被忽略不計的程式(這也是商店主管人員得出的結論)，那麼就可以用新的廣告開支數額30替換掉x，並計算出每日的銷售額，計算結果為1340元，進而就能確定培訓項目的效果。這樣，因廣告開支增加而產生的新的銷售額水平就是l340元，如圖2所示。因為新的實際數值為1500元，所以，其中的160元(1500元—1340元)就必然是培訓項目所創造的。圖3以圖的形式表明瞭培訓與廣告的效果。
圖2 根據廣告預測的每日銷售額
圖3 分解培訓效果
