站在数字化学习的实践前沿，尤其是在疫情助推下，大部分培训迁移到了线上。在这场数字化学习事件中，诺华制药培训总监王星恒认为，数字化学习存在两大误区，分别是“手段和目的混淆”以及“费用节省与效能衰减”，误区背后的根本问题是学习到绩效转化的不确定性，而数字化学习使学习到绩效转化的确定性成为可能。
分 享 | 王星恒 诺华制药培训总监
整 理 | 李 鸣
CBR精华抢先看：
1. 学习的内容一定要能够促使员工的行为转变，达到组织行为学的要求，同时能够推动绩效的产生。
2.我们发明了“三点式”教学法，把10、20、70（从内容学习、从同侪学习、从经验学习），全部放在线上，这样能把所有的行为学习、行为练习、行为改变的所有数据点全部留存，为未来的分析带来了可能。
3.同样都是线上学习，学习之后，一组进行老师一对一的课后辅导，另一组完成自我反思问题，效果竟然是自我反思组超过老师一对一辅导组。并且我们用教育学研究方法验证了这个结论，在统计检验上达到显著。
先分享我认为2020年最有趣的一个故事。爸爸和孩子在山间走路，爸爸指着远方的一棵树，跟小孩说，“我们各自走，但是我们要到达树那里”。爸爸和小孩两个人做了两个不同的行为，小孩看着自己的脚下，一步接一步地走。爸爸则盯着远方的那棵树走了过去，纵然山路有崎岖，有不同的环境。结果我们可以预料到，爸爸最终到达了那棵树，而一直看着自己脚下的小孩，虽然每一步走得很精准，但方向早已偏离。同理，数字化的方向或者数字化学习的方向究竟是在哪里？我将分享在诺华的实践中所收获的。诺华制药是一家跨国的制药企业，在全球一直位列第三或者第四名，一年大概500亿美金左右的销售额，在中国也是一个庞大的机构。疫情来临，线下的教育似乎如坐针毡、如履薄冰，线上教育似乎一飞升天，飞黄腾达，但真的是这样吗？看上去因为疫情，80%的线下教育转成了线上，但我们要思考，教育行业的上市公司并没有因为疫情带来巨大的流量而使得市值带来巨大的发展，为什么？类似的，淘宝购物节交易额每年都创新高，字节跳动的抖音也在不断发展，他们背后的驱动力是什么？我是医生出身，我的答案是，靠多巴胺。购物有欣喜继续购物，看到自己喜欢的新闻不断地看，刷抖音不停地刷，为什么？多巴胺在不停地刺激和释放。反观教育，有多巴胺吗？哪个小朋友说学完了数学以后有多巴胺的分泌，没有。这是一个问题，问题在哪里？我根本要讲的一个点叫数据，为什么我们在其他的行业不断地在产生多巴胺？是因为我看到的淘宝界面和你看到的淘宝界面是不一样的，甚至大家都说连价格都不一样。比如我女儿在线学英文，她选择一个level的难度之后，这个level所有小孩的课都是一样的，然后再测试，再到下一个level。这个过程不会让小孩产生多巴胺，反观我们教育行业，成人或在线教育，怎么能持续地产生多巴胺？线上和线下的目的到底是什么，一定程度上、从生理学上来说可能是多巴胺，而我们企业教育的目的是什么？很简单，学习的内容一定要能够促使员工的行为转变，达到组织行为学的要求，同时能够推动绩效的产生。我想问在企业里的HR或者HRD，我们的学习能推动绩效吗？如果你回答我说“不知道”，你的回答很正常。如果你的回答告诉我，“我觉得可以”，那么告诉我推动多少，0.5%还是0.05%？如果你告诉我，“我觉得可能还不能够”，那也是现实。我们做过研究，发现对于有些学习来说，学习之后的效果还不如不学。当大量的学习从线下转成线上的时候，效能高度衰减。线上直播的教学，有多少人实际上在听、听完效果如何，这个其实并不知道。如果我们真正想推动企业学习效能来改变员工的行为、推动绩效，我们就要认认真真去研究这当中相关度是多少。我们现在面临的根本问题不是线上和线下的问题，而是学习绩效转化不确定性的问题。当我们把愿景、组织目标落到最后能够使战略战术得到执行，能力是当中非常重要的一环，但是又是不确定的一环。虽然我们也做学习过程评估，但那个评估是在一个非常严酷的环境下做的测试，在泛行业，这个标准根本不实用。这个评估只能限定在一定人群范围内，做微小或者精准的项目。我们长期的研究认为，数字化的学习能让绩效转化的确定性成为可能，但还并没有成为现实。线上学习有两个要素，第一是场景，第二是数据。所有行业都一样，阿里巴巴也说自己是场景和数据，得到也讲的是场景和数据，字节跳动讲的还是场景和数据，看来有通识性，场景实现了什么？数据实现了什么？第一，场景穷尽化。线上学习让我们穷尽场景成为可能。老师上课讲完原理之后举例子，让大家练习，最后会总结说练习是局限的，回去以后要灵活应用。真正做到灵活应用其实非常难。组织行为学里有一致性理论，（编者注：所谓一致性，即如果其他人在相似的场合下都有相同的反应, 则说该行为具有一致性），我们希望把所有的场景穷尽，这样才能够真正做到类似场景下的一致性的能力迁移。诺华制药在实践中总结了大量的场景。
第二，反馈及时。要充分设计好反馈的时间节点。即便是线下培训，也需要点评，线上更是如此。
第三，数据绩效化。我们对数据的理解有偏差。比如时长这个数据，什么叫时长？你会觉得这个问题太简单，时长就是这个视频有多长。那么请问，回看怎么算？快进怎么算？如果你对时长的定义没有考虑这些学习行为，那就麻烦了，你拿到的数据是稀奇古怪的。所以，数据定义本身就有大量的需要研究的空间。
第四，有了数据之后，有可能采集到数据点跟绩效去对接吗？跟行为改变去对接吗？我问过大量的学习供应商这个问题，有多少个数据点可以提供给我，而且这些数据点被验证过跟行为改变相关。非常少的供应商能直接回答我。数据点没验证过，这就麻烦了。更多的供应商甚至根本没有埋过数据点。只有时长，没有埋过其他数据点，这样的证据材料就是废物，将来不可能去做数据化绩效考核分析。
基于以上种种条件的达成，我们才能谈到学习定制化，定制化才能产生多巴胺。
我把整个环节用下面这棵树来表示。树根是绩效模型，长出的树枝就是我们的行为，桃子是场景。我们有大量的老师去一线采集场景，把桃子采回来，再把桃子里面的知识点萃取出来，这是一个费时、费力、费技术的工作。人工智能的前期需要人工，之后才能智能，并且人工是巨大的。我们采集了大量的场景，然后把它根据不同的桃子组合形成课件，并且进行运营，运营过程中，要有行为改变去匹配。在这个过程当中会产生大量的数据，这些数据要能够连通形成闭环。现在都很流行讨论闭环，但问题是一个环到另外一个环之间真有数据证实吗？我们要对学与不学的区别、以及怎么学来进行严谨的研究，要看统计学的差异，这些都值得我们持续讨论。每一级的知识点搭建，是一个大工程。比如，与客户互动是我们最小的一个行为，会落到最小的点就是一个知识点。因为有场景，一个沟通行为就会有一个知识点，很细节，但确实是很庞大的工程，需要人来做。有知识点形成教材以后，我们发明了“三点式”教学法，把10、20、70，（从内容学习、从同侪学习、从经验学习）全部放在线上，这样能把行为学习、行为练习、行为改变的所有数据点全部留存，为未来的分析带来可能。另外，如果你发现我们的学习可能跟绩效或行为改变相关性差，你一定反思一下，你在整个“三点式”当中的某一点的有效性可能出了问题。激励部分不是我们擅长的，我们找了一家公司帮我们运营，减少运营的压力，可以保证100%让学员学完。具体的激励方法，有一系列除了钱以外的办法。
既往的行为改变，甚至做测评评估的时候，我认为叫自嗨。全部靠个人的判断，一个常见情境是，五个评委坐在下面评审一个人，评出来的差异会非常大。我们做过这样的研究，老师之间评分的离散度非常大，大到可以推倒这个研究。我们现在逐渐地走向了用人工智能去评估学习行为，目前跟供应商合作有一系列成功的产品，去评估人各种各样的学习行为。到目前为止，我们公司的企业学习平台上大概每天有20%左右的人会自发去学习，我们公司大概有5000人，每天他们学习的时长大约是半个小时，所以我每年可以累计下来30-50万小时的学习数据。我们把这些数据深入研究之后，有惊人发现。线上学习最后的行为改变竟然优于面对面学习，自我反思式学习超过老师一对一辅导学习效果。并且我们用教育学研究方法验证了这个结论，在统计检验上达到显著。培训老师们也很紧张未来自己的价值在哪里。未来一定是走向人工智能，但是前期需要人工，老师们需要思考人工智能结合下的转型。我们公司今年已经把80%的学习内容迁移到了线上，未来还会持续在数字化道路上继续前行，拥抱数字，发现数字的洞察，这是我们的必经之路，也是未来的方向。在数字化之路上，我们可以像最开头的故事里的爸爸一样，目标清晰地盯住那棵树，虽然历经曲折，但终究会走向目标，但最怕的是每个脚印都走得正确，但方向错了。数字化之路上，希望我们都能不忘最初的目标。我期待有更多的同道加入我们数字化学习探索的道路。（本文根据王星恒在《中欧商业评论》举办的“中国组织能力标杆企业20强”峰会上的分享整理而成。）