本期导读：
大数据，可以帮助企业用更低的成本实现更好的运作效果，提高工作效率。AR技术可以将培训场景与工作场景无限拉近直至重叠，实现工作辅助式的培训（学习），从而指数级提升学习效率、降低培训成本，达成真正意义上的个性化培训。
本文是2019年1月推送的第61篇干货，计2567字，阅读时间5分钟。
文 | 苏波 深圳增强现实技术有限公司0glass CEO
来源 | 《培训》杂志2019年1月刊
一家比萨店，外卖电话响了，店长拿起电话。
店长：×××比萨店。您好，请问有什么可以为您服务的？
顾客：你好，我想要一个海鲜至尊比萨。
店长：陈先生您好，海鲜比萨不太适合您，建议您另选一种。
顾客：为什么？你怎么知道我姓陈？
店长：因为我们联机的CRM（客户关系管理）系统对接了三大通信服务商，看到您的来电号码，我就知道您贵姓了。同时，根据您的医疗记录，您的血尿酸值偏高，有痛风的症状，建议您不要食用高嘌呤的食物。您可以试试我店最经典的田园蔬菜比萨，低脂、健康，比较符合您现阶段的饮食要求。
顾客：你怎么知道我会喜欢这种？
店长：您上周在一家网上书店购买了一本《低脂健康食谱》，其中就有这款比萨的菜谱。
顾客：好的，谢谢。
从这个故事可以看出，
大数据对企业运营和企业培训的重要性
。有了大数据，故事中的餐饮企业可以清楚分辨出，目标客户属于哪一人群，根据不同人群定制不同的方案并获得反馈。
大数据，可以帮助企业用更低的成本实现更好的运作效果，提高工作效率。
只有深刻理解行业、洞悉痛点，才能找到真正的解决之道。十三年前，我用flash＋培训，发现了企业培训运营的“橄榄模型”和知识沉淀的“四化理念”；
现在，我开始探索AR＋培训，是因为洞悉到目前实操培训所面临的困境——学习场景与工作场景严重分离。
培训效果
难以量化
众所周知，培训做得好不好，并非取决于培训本身做了多少工作，而是取决于员工工作绩效的提升。
目前，企业对于培训效果的评估，或是培训对员工绩效提升的影响，是模糊、难以量化的。
721模型反映出，传统培训对员工绩效提升的影响仅占10%，而20%是由员工自学完成，70%则是员工在工作中不知不觉获取的经验。
为什么培训对员工绩效的影响如此之低？就是因为企业的培训场景和工作场景的分离。
企业大学、培训中心、E-Leaning、M-Learning等平台所提供的学习，不论是课室培训还是网络学习，其底层课程体系的设计大多依据员工的岗位能力模型或胜任素质模型。
这些能力素质模型一旦设计完成，通常是以年为单位来做变化和调整，并不能实时反映出员工随时变化的、动态的工作绩效。
从这个角度来讲，培训数据仅仅只是员工的学习数据，难以与工作数据打通。也就不难理解，为什么培训对员工绩效的影响微乎其微。
现在的培训平台和课件，多数用SCROM、AICC、xAPI（见TIP）等标准来跟踪员工学习的情况，
如学员学了多少门课，学习时长是多少，甚至还能详细记录学员与课程的互动情况。
SCORM
（Shareable Content Object Reference Model），即共享内容对象参考模型或共享组件引用模式。“教材再用与共享”是SCORM的核心概念，教材可以透过统一的格式跨平台，真正达到可重复使用，追踪学习记录也可以有统一的标准，更符合学习者的需要。
AICC
（
The Aviation Industry CBT Committee），即航空工业CBT（Computer-based Training，计算机辅助培训）委员会，它是一个国际性的培训技术专业性组织。AICC标准由于需要跨过电子远程教育功能性的三个关键领域而显得尤为重要：内容编辑、内容管理及传输和电子远程教育的学员评估。
xAPI
（experience API）是一种用来储存和访问学习经历的技术规范。xAPI的核心在于活动流（Activity Stream），这意味着xAPI可以描述任何正在进行的学习活动。xAPI不仅能追踪学员在线、线下、个人及群组的学习活动，同时还可以和SCORM在内的多款在线学习课程形式兼容。
但事实上，这种数据对于培训的指导意义并不大，更不能直接指
向绩效。所以，
企业“以学习数据指导培训”的做法可以说是个方向性错误。
因此，
以“即需、即学、即用、自评”为核心的AR培训理论，或许可以促使学习（培训）和工作（实践）同步发生。
从教室培训1.0到E-Leaning、M-Learning培训2.0，其实本质意义并没有发生太大的变化。
M-Learning的核心理念是三个维度上的“碎片化”：学习时间的碎片化、学习内容的碎片化、学习形式的碎片化。
其中最核心的是时间的碎片化，它是后两个碎片化的基础。
M-Learning最“美好的设想”是实现员工随时随地的个性化学习
，比如等候时间、闲暇时间。但是有多少人会利用这个时间来进行学习？或许宁愿刷刷微博、发发微信、看看新闻，也不愿意点开企业培训APP来学习知识点。
AR 帮助采集前端“人”的数据
企业发展中，人才是核心，培训是人才发展最关键的手段。工业4.0时代已经到来，要利用信息化技术促进产业变革，就需紧抓产业一线工人的培养与发展。因为，他们是产业发展的主力军。
对于这一人群而言，他们几十年以来的工作模式几乎没有发生改变，他们并没有享受到互联网信息技术带来的便利。
前端没有好的信息化手段，即使后端运用再好的信息化管理手段，也无法相互对等。
这样也就导致培训师难以获取一线员工的工作细节，无法客观采集和输出关于“人”的这部分大数据。
从整个工业4.0的生态链来看，信息物理系统（CPS，Cyber-Physical Systems）是工业4.0的核心，信息物理系统的核心是大数据，大数据采集和输出的核心又是物联网。
而AR恰恰是最大化物联网附加价值的有利工具，其对物联网的意义在于：
第一，它是
实现物联网数据可视化
的关键介质；
第二，它是
走完物联网“最后一米”
最重要工具；
第三，AR可以
打通人和机器之间的物理隔离，是连接人与物，连接人和机器
最重要的平台；
第四，AR使得
“以物为中心”的工业大数据回归“以人为中心”的工业大数据
，这才是工业大数据的源头和本质。
所以，AR技术能够促使企业更方便地采集前端“人”的数据（见图表1）。用这些数据来指导企业培训，与培训场景相融合（见图表2），
在合适的领域加以应用，培训的目的性、针对性就会更强，并且能够指数级地提高工作效率
（见图表3），降低运营成本。
图表1 数据采集的进化之旅
图表2 AR适用的培训场景
图表3 AR成就高效培训
当AR遇见企业培训和工作大数据
个人认为，学习活动中产生的数据权重最多占20%，而80%的数据应该来源于员工工作活动。对工作活动数据进行分析，才能真正为员工提供个性化培训，提高其工作绩效，从而实现真正意义上的个性化培训。
有了工作大数据，培训管理者能清楚地知道员工
哪部分绩效低，进而就这部分内容设计有针对性的培训
，便可以指数级地提高培训效率，降低培训成本。
那么，怎样客观地采集员工工作活动中产生的大数据，解决记不住、管不了、学不好及难传承等培训痛点（见图表4）？或可利用
工作辅助与培训系统——PSS（Performance Support & TrainingSystem）
，通过实时指导、透明管理、个人教练、知识沉淀四个模块（见图表5），破解这些难题。如此，便可以打通培训场景和工作场景之间的物理隔离，将做（工作）、学（学习）、练（练习）、评（评价）、传（传承）融为一体。
图表4 产业工人培训的四大痛点
