培训评估数据

　　培训评估数据是通过不同的工具从培训的不同环节和过程中获得，培训评估的基本前提是正确收集与培训项目直接相关的数据。为了有助于进行有效的测量，需要把数据分为两种基本类型，即硬数据和软数据。

　　(1)硬数据。硬数据是业绩改进情况的主要衡量标准，它以比例的形式出现，是那些容易收集的、无争论的事实，是评估中最想收集的数据类型。

　　硬数据可以归结为四种类型：产量、质量、成本和时间。

　　硬数据具有以下特征：容易测量和量化；转化为货币价值相对容易；建立在客观性基础之上；是组织绩效测量常用的量度；对管理来说比较可信。

　　常用的硬数据可以参考以下内容：

　　1)产量。生产件数、售出的吨数、回款额、客户每单的购买金额。

　　2)质量。废品、生产故障、设备故障、客户投放、返工。

　　3)成本。单件产品的成本、人员的平均成本、销售成本、管理成本。

　　4)时间。运转周期、回款的时间、单件产品的加工时间、平均的缺勤时间。

　　(2)软数据。在难以找到硬数据时，软数据在评估人力资源开发项目时也很有意义。软数据的种类很多，常见的可归入以下6个领域：工作习惯、工作氛围、新技能、发展、满意度和主动性。

　　软数据具有以下特征：有时难以进行测量或难以直接量化；很难转化为货币价值；在许多案例中，是建立在主观性基础之上的；作为绩效量度可信度较差；通常是行为主义取向。

　　常见软数据可参考以下内容：

　　1)工作习惯。消极怠工、看病次数、紧急治疗情况、沟通失败次数。

　　2)工作氛围。工作满意度、员工投诉数、组织承诺、员工的离职率。

　　3)新技能。阅读速度、委屈的解决、冲突的避免、情境领导。

　　4)发展。升迁的数量、工资的增加数量、工作效率的提高程度。

　　5)满意度。态度的变化、员工的忠诚度、信心的增加、客户的满意度。

　　6)主动性。新想法的实施、对建议的实施量、目标的设定。

　　在培训项目的评估中优先选择硬数据，但这并意味着软数据没有价值。大多数培训项目的评估采用的是软硬数据相结合的办法。而且，在评估行为和技能发生变化时，使用软数据的效果最好。因此，培训评估要综合运用两类数据。

　　1．组织业绩记录

　　用于投资回报率分析的最有效和最可信的数据来源应该是组织的记录档案和报告。不管是以个人还是以小组的形式，这些记录反映出某个工作单位、部门、区域、地区或整个公司的业绩情况。这个渠道的信息包括多种衡量指标，并且在组织中可以得到大量的数据。通过这个渠道得到的数据容易收集，并且往往反映企业的业绩信息。如果某组织在保存数据方面不能始终如一，那么，取得记录的困难就在于如何才能找到那些特定的数据报告。

　　2．参加培训的学员数量

　　对于投资回报率的分析来讲，最常用的数据来源之一就是参加培训的学员。学员经常接受这样的询问：在培训中所获得的知识和技能在实际工作中的应用情况如何?有时候，他们还被要求解释这些做法的效果。对于一级、二级、三级和四级评估来讲，学员是一个非常丰富的数据来源。大多数学员是可信的，因为他们使业绩得到改进，掌握了各种运作程序的知识和其他有影响的因素。要找到一个有效的方法，以便从学员那里得到前后一致的数据材料，这是一种挑战。

　　3．学员的主管

　　另外一个获取数据的重要来源是那些直接指导或领导项目参与人员的个人。这个群体中的人往往对评估很感兴趣，因为他们也许就是批准学员参加某个培训的主管人员。同时，在许多情况下，他们对学员试图运用培训中所学到的知识技能进行了观察。因而，他们可以报告与培训项目有关的成功因素，以及与应用有关的困难的问题。虽然主管人员的信息最适合三级评估，但也可以用于四级评估。在评估参与培训项目学员的情况时，重要的是主管要保持客观态度。

　　4．学员的下属

　　如果主管和经理接受培训，他们的下属就可以提供培训结束后这些主管和经理的行为变化方面的信息。下属提供的信息适合作为三级评估的数据，而不适合作为四级评估的数据。尽管从这个渠道收集的信息数据非常有用和具有建设性，但是人们往往避免使用这种数据，因为在意见反馈的过程中可能会有潜在的偏见。

　　5．团队、同事小组

　　学员的团队成员或在学员培训期间组织中接替该员工的个人，是评估某些培训项目的另一个数据来源。在这些情况下，小组成员可以提供该学员的行为变化方面的变化信息。当团队所有成员都参加了某个培训，并且在反映个人的或团队整体的行为变化时，通过这个渠道获得的数据资料就更加有效。这种数据所具备的主观性和对技能运用缺乏全面的评估，使得这个渠道的信息具有一定的局限性。

　　6．内部、外部团队

　　在有些情况下，内部或外部团队，如培训与开发人员、培训项目的培训员、外部的顾问等，都可以提供有关学员使用培训中所获得的技能和知识的信息资料。通过这种渠道获得的信息，可以是培训后对员工的在岗表现进行观察而得到的结果。收集这类信息，其用途是有限的，因为内部团队可能对评估的结果非常注意，他们的意见可能缺乏可信度。来自于外部团队、以对在岗业绩表现进行观察为基础的这种意见反馈应该是恰当的。

　　如果在完成了一项重要培训项目之后，业绩有了明显的提高，那么培训项目和业绩之间必然存在一定的关系。虽然业绩的改变可能是因为培训项目所产生的，但是通常其他非培训因素也对业绩改进有所贡献。这时，我们就应当对培训的评估数据进行分析，以确定与某个培训项目相关的业绩改进的幅度。

　　估计培训效果的一种行之有效的方法就是趋势曲线分析。采用这种方法时，应该采用以往的业绩作为基础而画出一条趋势曲线，然后将这条趋势曲线延伸到未来。在培训项目进行期间，应该将实际的业绩与趋势曲线进行比较。这样，超出预测趋势曲线的任何业绩改进均可被认为是培训项目的效果。虽然这并不是非常准确的方法，但是它可以提供关于培训效果的合理估计。

　　图1　　趋势曲线分析举例

　　图1以一家大型分销企业的发货部门为例，对这种趋势曲线分析进行了阐述。在图1中，定期交货百分比反映了实际交货量与定期交货量相比的水平。在七月份进行的小组培训项目之前和之后的数据均显示在图中。如图所示，进行培训项目之前的数据有一个上扬的趋势，虽然初看起来培训项目对于交货生产率产生了极大影响，但是根据以往数据所建立的趋势曲线表明，即使不进行培训，趋势曲线仍然会继续走高。该公司将培训项目之前六个月的平均交货量(87．3％)与培训项目之后六个月的平均交货量(94．40／o)进行了比较，计算得出二者之差为了．1％，并希望以此来衡量实际的业绩改进。但是，另一种更为准确的比较方法则是，将培训项目之后的六个月的平均值与趋势曲线上同一点的趋势曲线数值(92．3％)进行比较，二者之差为2．1％。采用这种更为谨慎或适度的方法。能够提高该过程的准确性和可信度。

　　趋势曲线分析方法的一个主要缺点是，它并不总是准确的。使用这种方法的假设是，在培训项目之前影响了业绩变量的那些事件，在培训项目结束之后仍然存在，不包括实施培训项目的事件。此外，还应该假设，在培训项目进行期间不会再有新的因素来影响这一过程。

　　趋势曲线分析方法的主要优点是，它比较简单，花钱不多，对人力和物力的耗时非常少。如果有历史数据可供使用，那么就能很快地绘出一条趋势曲线并对差异进行分析。

　　趋势曲线分析中一种分析性更强的方法，就是利用预测方法来预测各种业绩变量的变化。如果在培训项目实施期间有其他变量对这一过程产生了影响，那么这种方法就是针对上述趋势曲线分析的一个数学解释。如果其他变量中只有一个对最终业绩产生了影响，并且二者之间的关系可以用一条直线来表示，那么诸如y=ax+b这样的线性模型就比较适用。若不画出这条直线，也可以通过一个线性方程式来表述，并可借此计算出预期业绩改进的数值。

　　通过实例可以更好地阐明这种方法的应用。一家大型零售连锁店针对销售人员实施了一项销售培训项目。该培训项目为期3天，目的是提高销售技能和预测能力，通过培训的人员应该能够提高销售量。对该培训项目是否取得成功进行衡量的一个重要尺度，就是每名员工在培训项目结束后月内所实现的销售额，还应该将数值与培训之前6个月的数据加以比较。如果采用一个月的平均值，那么在培训项目之前，每名员工每日平均销售额为1100元，到培训项目结束后6个月时，每名员工每日平均销售额为1500元。在此必须回答两个相关的问题：这两个数值的差异是不是因为培训项目而产生的?是不是还有其他因素对实际销售额水平产生影响?

　　在与几位商店主管人员就可能的影响因素进行了探讨之后，看起来我们所考虑的期间内似乎只有一个因素(广告强度)发生了很大的改变。在对以往的员工单人销售额数据和广告强度进行考察时，发现二者之间存在着直接的关系。正如我们所预期的那样，当广告开支增加时，员工单人销售额也成比例增加。利用历史数据可以建立一个简单的线性模型，进而得出以下关系：y=140+40x。其中，y代表每名员工每日的销售额，x代表每周广告开支水平(除以1000)。建立这个方程式的目的是，利用最小二乘方法推导出这两个变量之间的数学关系。这是某些计算程序中的例行选项，很多计算机软件也提供这种功能。

　　培训项目开始前一个月的每周广告开支为24000元，而培训项目开始后6个月的每周广告开支则为30000元。假设可能影响销售额的其他因素的作用小到可被忽略不计的程序(这也是商店主管人员得出的结论)，那么就可以用新的广告开支数额30替换掉x，并计算出每日的销售额，计算结果为1340元，进而就能确定培训项目的效果。这样，因广告开支增加而产生的新的销售额水平就是l340元，如图2所示。因为新的实际数值为1500元，所以，其中的160元(1500元—1340元)就必然是培训项目所创造的。图3以图的形式表明了培训与广告的效果。

　　图2　　根据广告预测的每日销售额

　　图3　　分解培训效果