近些年来，人们已经普遍认识到，要想通过培训获取竞争优势，培训就不能仅限于技能的开发。培训关注的要点正在从教会员工掌握具体的技能转变为强调一种范围更大的目标，即知识的创造和共享。也就是说，要想通过培训赢得竞争优势，公司就必须从一种更为广泛的意义上将培训视为创造智力资本的一个途径。智力资本包括基本技能（完成某人的工作所需要的技能）、高级技能（比如如何运用高科技与其他员工共享信息）以及对客户或生产系统的理解、自我激发的创造性等等。传统培训关注更多的是基本技能和高级技能，然而互联网时代越来越需要员工综合运用知识的能力，这就要求员工要共享知识和创造性地运用知识来改善产品或向客户提供服务，这一转变对企业培训提出了更高的要求。

随着越来越多的年轻员工进入职场，他们对培训提出了新的需求。传统的培训模式已经难以适应，员工需要的是更个性化、定制化、适合自身发展需求的培训。这就需要企业对员工的培训需求做出精准的分析，结合企业战略与员工个人职业生涯发展规划，以学员为中心来为员工设计培训。

现阶段，中国正处于全面深化改革时期，市场正在发生深刻的变化。企业越来越没有可以借鉴的经验，越来越需要自主创新。企业员工也需要不断学习新的知识和技能才能不被淘汰。今天的培训已不同于往日一次定终身的职业技能培训，信息化、全球化、知识化的发展趋势要求企业员工不断更新知识和提高技能，这就对企业培训提出了更高的要求。

在互联网时代，企业培训需求也从集中化向碎片化转变，其类型、内容、形式等也都将发生改变。培训需求越分散，越需要培训具体化，不能试图通过几次培训就覆盖所有的培训点。未来企业的培训在于精而准，不在于多而全，企业需要针对企业战略需求和人才成长规律，设计具体化的培训。

E-learning及移动学习现在已经在很多企业中得到了应用。根据北京大学企业与教育研究中心的调研，从2005年到2010年，我国企业员工的年在线学习时长增长率是27%，员工在线学习人次增长率是65%。E-learning及移动学习在实际操作中还存在一些不足，例如不够个性化、忽略了非正式学习等。培训设计程序包括4个步骤：培训需求评估，确保培训成果的转化，选择培训方法以及评价培训项目。

（1）培训需求评估。就是通过收集组织、岗位任务、员工个人的相关信息并进行分析以确认现有状况和理想状况的差距，并对差距产生的原因进行判断，以确认是否需要培训，需要培训哪些人，应该培训哪些内容。培训需求评估分为三个层次，即组织分析、任务分析和人员分析。

（2）大数据分析。E-learning及移动学习在规模效应上取得了一定成果，但对学习者个体支持还严重不足。以大数据为代表的新型技术为个性化学习提供了新的可能。企业利用在线培训平台和大数据技术可以有效建立起与受训者的沟通平台，分析受训者数据的相关性，而发现受训者的真实需求。

首先，通过E-learning在线学习平台及移动学习收集受训者、培训过程、培训内容和培训结果特征。E-learning及移动学习的基本要素包括受训者、培训讲师、学习资源、交互工具、评价工具等，主要行为则有浏览资源、师生交互、练习考试等，在完成这些行为的过程中将产生受训者的学习记录和培训讲师的教学记录。通过这些基本要素和行为可进行受训者特征识别、受训者在线学习行为分析、师生交互分析等。

其次，培训需求的出现不只是与员工个人有关，与组织战略变化、岗位任务的变化也有关，可能都需要进行培训。因此，仅仅只是分析在线学习平台上的数据是不够的，还应导入财务系统、销售系统和人力资源系统的数据进行综合分析。

最后，搭建一个培训体系，使培训不再孤立而是体系化。这个体系可以是基于不同岗位的职业生涯规划而设计的，通过大数据分析在不同职业生涯阶段向员工推荐不同的培训。这就让企业的人才培养有了一个可遵循的地图，而员工也可以清晰地知道自己为什么要接受培训。

将大数据分析在个性化需求分析方面运用得淋漓尽致的莫过于电商了，淘宝用大数据锁定用户喜好，京东用大数据拓展“大数据+商品+服务”的O2O模式。另外，也有福特用大数据技术进行产品设计研发。现如今在E-learning及移动学习发展如此迅速的背景下，采用大数据分析使企业培训更加精准有效势在必行。

（1）培训成果转化。其是指受训者将在培训中学到的知识、技能和行为等应用到实际的工作之中。也就是说，培训成果要转化为与组织经营战略有关的绩效，企业的投入要有相应的收入。培训成果的转化需要有转化的氛围。培训成果转化氛围是指受训者把培训获得的技能运用于实际工作中的环境特征。其特征包括：上级和同事的支持，运用所学知识的机会，以及运用这些知识所产生的后果等。

（2）虚拟学习社区。学习社区是E-learning及移动学习合作学习环境的一个重要组成部分，也是虚拟学习社区技术在E-learning中的重要应用。虚拟学习社区是以建构主义学习理论为理论基础的，基于计算机信息处理技术、计算机网络资源共享技术和多媒体信息展示技术的新型远程教育网络教学支撑平台。企业建立起自己的虚拟学习社区为学习者享有他们所需的知识提供一个开放的学习平台，并能够对这些知识获取、分类、存储、共享。

虚拟学习社区弥补了E-learning及移动学习主要专注于正式学习的缺憾，主要致力于组织的非正式学习。从组织的内涵来分析，真正从课程中学到的只占三成以下，其余都是非正式学习。在虚拟学习社区里鼓励员工进行资源共享，为员工提供论坛、电子邮件、聊天室等交流工具，满足员工社交需求的同时还提供练习社区，供员工练习新学的技能。虚拟学习社区鼓励所有员工参与，强调分布式知识，强调实践社区和知识创新的重要性，强调非正式学习。Intel的Academic学习社区、腾讯的Q-learning系统、中建三局网络学院等都是企业将虚拟学习社区应用到E-learning及移动学习构建内部虚拟学习社区的典型例子。通过数据挖掘和Web挖掘技术可以将虚拟学习社区中员工的学习行为、学习内容等特征数据应用到其他几个步骤的分析当中去，更好地做到培训个性化。

（1）培训方法。培训方法多种多样，比较常见的有展示法和演练法。其中，展示法包括传统的课堂讲解法、远程学习法、视听讲授技术学习法以及移动技术培训法；演练法包括在职培训、自我指导学习、情景模拟、商业游戏和案例研究、行为塑造、交互式视频、网络培训以及混合学习方法等。企业在选择培训方法时，要根据特定的培训内容、培训目标和培训对象来选择最合适的培训方法，才能收到较好的培训效果。

（2）个性化培训方式。通过E-learning及移动学习和虚拟学习社区挖掘到的大数据分析，系统可以根据受训者的不同特征向学习者推荐不同的课程和培训方式。受训者可以根据自己的兴趣和需求在推送的培训方式和课程中自主选择。除此之外，可以采用最新的一些沉浸性强的培训方式，例如虚拟化身游戏、虚拟现实等，让受训者完全沉浸在培训中，在实践中学习，会让受训者印象更深刻。

（3）虚拟现实。虚拟现实（Virtual Reality，VR）是一种能够为受训者提供三维空间学习体验的计算机技术。E-learning及移动学习的培训方式主要为在线学习，这就会使受训者在培训中缺乏一种真实感和沉浸感，简单的交互方式也会让培训效果大打折扣。虚拟现实技术与E-learning及移动学习的结合可以为受训者提供一种完全沉浸式的交互界面，把网络空间转化为社会空间，通过虚拟社会把受训者与培训讲师以及受训者与受训者联系起来，提高受训者的可感知性和交互性，使其获得更真实的身临其境的体验。虚拟现实可以通过特定的设备让受训者在虚拟世界里获得跟现实世界一样的感官体验。这种新兴的培训方式利用逼真的体验刺激受训者的各个感官，让受训者身临其境，彻底打破时间、空间上的限制。虚拟现实有利于做到因材施教，提高受训者学习的自主性，培养其思维能力和探索能力。同时，对于一些危险性较高的职业培训，可以通过虚拟现实弥补培训条件的不足，避免危险而达到同样的培训效果。早在1994年，摩托罗拉公司就将虚拟现实技术应用到了公司的一门高级制造培训课程，专门用来培训员工操纵寻呼机自动生产线设施。

培训的有效性评估是指评估被培训者从培训中所获得的收益。对组织而言，收益意味着组织利润的增加、成本的下降、市场占有率的扩大；对个人而言，收益指的是政治素质的提升、知识的增长和技能的提高。培训评估是一个完整的培训流程的最后环节，既是对整个培训活动实施成效的评价与总结，同时评估结果又为以后培训活动的培训需求提供了重要信息。培训项目评估有多种模型，目前企业中运用最广泛的是柯克帕特里克的四层次模型，如表1所示。

柯克帕特里克只是在培训结束后的一次性评估，并没给出具体的评估方法。在实际应用中大部分企业的培训评估仍停留在反应层面和学习层面，对于行为层面和结果层面的评估较少；定性分析较多，定量分析不够。由表1可知，要对培训成果进行定量评估需要搜集大量的数据，繁琐且复杂、费时费力。在大数据技术下，数据的搜集就变得简单便捷了。E-learning使得受训者的所有学习行为都变得可观测，基于云平台的统一数据存储中心为受训者大规模数据存储提供了可能性。大数据使得对员工的培训结果评估不再只是停留在反应和学习层面。利用计算机技术对挖掘到的受训者学习模式特征、学习内容特征及其个人绩效与企业绩效的相关性分析，对培训前后的事故率、产品合格率、客户满意度、产量、销量等进行对比分析，以评估培训的效果，做到定量分析与定性分析的结合。