布兰登·霍尔集团今年上半年组织的“从前在学习中测量……”的网络研讨会，针对这一挑战进行了讨论，并最终得出了一个简单的结论：要想证明学习培训的价值，让L&D成为业务部门高价值的战略合作伙伴，就必须解决学习的衡量标准问题。
实际上，通过对Bloomingdale's、Aristocrat等优先考虑数据处理方式的公司的研究发现，他们正在用以前认为不可能或者过去很难尝试的方式将学习和业务成果之间的点点滴滴联系起来。平均而言，这些学习衡量标准得到改进的企业，29%的业务结果都由自员工的学习培训产生。这是一个非常大的数字，清楚地证明了学习培训的价值。
从这些企业改进学习衡量标准的经验看，我们可以从以下几个方面来优化改进我们自身的衡量标准，让学习培训的价值更加明朗化。
找到能够使用数据解决的员工绩效问题
要做好企业的学习培训，首先要明白我们通过学习培训要解决的问题是什么，这是最基础最基本的，然而单纯地基于要解决的问题收集数据是远远不够的。学习发展人员要证明自身价值还必须从数据的角度找到支持员工绩效的有意义的问题。
我们知道学习培训的价值要体现在对绩效的改善上，但影响业务团队绩效的因素有很多，比如员工的工作态度、员工掌握的知识、员工的工作技能和能力、员工工作目标的设定、相关支持资源的分配等等，这些因素有些是可以通过学习培训来解决的，有些则不能单纯依靠培训来改善。
在可以通过学习培训解决的因素中，我们要从数据的角度出发，思考分析员工具体的绩效问题，并针对该问题去设定一些数据指标，用数据去界定学习培训对该绩效问题的影响结果是什么样的。
学习数据和业务数据并不是两个单独的概念，学习数据是业务数据的一部分，学习发展人员必须考虑帮助他们解决问题和衡量其解决方案影响力的全部可用数据。
传统意义上的学习数据，通常指从员工的学习活动、学习行为及相关的学习环境中收集到的数据。但为了更好地衡量学习对业务的影响，学习数据应该与行为数据、人力资源数据、绩效指标、业务数据等结合起来。
学习活动数据，可以包括员工使用了哪些学习材料、在各个学习材料上消耗的时长，进行了哪些测试等等学习的历史及实时数据。这些数据可以由企业的相关系统跟踪自动获取，也可以是培训部门、员工自己、团队领导等相关人员收到添加的数据。
行为数据可以利用企业的数字化系统来收集，比如来自办公系统的团队间的沟通协作、日常工作的交流学习等等，都可以对员工正式和非正式的学习行为产生影响。但相对来说，这一部分数据并不好跟踪利用，也是比较容易被培训经理及L&D部门忽略的数据。
学习数据收集的渠道有很多，可以是有目的的调研，也可以是社交媒体、个人反思、案例研究等等渠道，甚至其他第三方机构的数据，一样可以包含到学习数据中。
企业中，不同的职位和角色，决定了其学习需求及对学习效果数据的需求也不同，这要求学习发展人员根据工作角色和企业流程进行分析，根据受众角色的不同来为他们设置并提供不同的数据标准。
学习发展人员可以通过向不同角色提出正确的、有价值的问题，明确工作中的挑战是什么，什么样的数据指标能够解释学习对相关挑战的影响。
比如作为培训经理，你的问题是“员工是否使用学习系统”，那前提假设可能是“员工没有使用学习系统”，要证明这个假设正确与否，只需查看员工在学习系统花费的时间数据，当考虑到考试、直播等更多变量时，可能会发现某些团队或个别员工比较活跃。一旦找到支持或否定假设的数据，那么培训经理就根据自己的目标制定具体的行动计划了。
因为各种原因，许多传统的培训策略会存在数据缺失甚至为零的现象，这种情况下要证明学习培训的价值自然是不容易的。
学习发展人员要重新评估传统学习培训的策略和工具，并将他们引入丰富的社会实践，比如通过现代化的技术工具其培训指导数字化，并针对其培训管理职责确定特定的数据指标，强化业务领导对员工学习培训的指导监督作用。
这要求学习发展人员在设计合适的解决方案之前，要将学习培训利益相关者的关键数据点做一个清晰细致的梳理，包括知识、行为、结果等方面的预期及未来可能存在的变化，让学习数据及与其相关的结果数据有个清晰完整的展示。
培训结束后，学习不会结束。学习发展人员必须做好数据的连续收集、分析和周期性应用，而不是将其作为短期培训学习项目的一部分。
这样做的好处是什么呢？连续性、全景式的数据可以帮助各方利益者根据数据很快地做出决策，主动采取改进调整的行动，利用数据将学习变得更好、更快。
作为推动者和直接负责人的学习发展人员，则可以在连续收集的数据中，保持更大的好奇心，不断发现新的问题，改进优化学习发展策略及相关的数据策略，成为业务部门认可的最具价值的合作伙伴。
相比过去的培训满意度打分等比较主观难以证明自身价值的衡量标准，人工智能等技术在企业学习领域的应用，不但让企业学习越来越满足员工个性化、即时化的学习需求，也从大数据的角度给学习发展带来更多的可能，越来越凸显学习培训在企业业务发展中的的价值。
如果各位培训同仁还在为学习效果无法衡量所苦恼，不妨利用学习体验平台、企业学习助手等智能学习解决系统强大的数据能力，改进优化企业学习的衡量标准。
