在大数据的浪潮中，很多企业轰轰烈烈搭建却被束之高阁的素质模型，能否在信息的力量中不被遗忘，能否在“取之不尽用之不竭”的数据创新中重新焕发生机，能否在海量数据的取舍之中落地发芽，成为了每个企业大学关注的问题。近年来，国家电网公司高级培训中心（以下简称“国网高培中心”）借鉴大数据思维，对素质模型的整合、重塑、落地展开了积极探索。“大”模型重组：元分析法
区别于素质模型建立所常用的行为事件访谈（BEI）、专家经验法等常用工具，国网高培中心借助大数据的思维，在常用研究工具的基础上，还综合运用了元分析法（Meta-analysis），对以往研究建立的素质模型进行再次分析比对，归纳出不同岗位职责所需的素质特征，进一步完善原有素质模型。具体包括以下三大步骤。
回溯、区分并锁定研究报告
第一个步骤是对过往素质模型研究成果进行信息收集和分解，首先锁定与此次研究相关的课题成果，依据课题相关性、研究有效性以及时间接近性的原则，仔细筛选与甄别素质项目。
融合汇总分析对象
为了在大数据的帮助下，构建包含国家电网公司各层级经营管理人员的素质模型，国网高培中心将历年来只针对具体某几个层级经营或管理人员的素质模型成果进行了研究对象的深度整合，从核心班子、局级、处级、科级、班组长的五个层级，综合经营（即领导班子成员）和专项经营（即职能部门管理者）的两类岗位，以及新任、提升、突破的三层阶段梳理了国家电网公司经营管理人员类型。根据公司总部、分部、省公司、地市公司、县公司的电网主业和直属产业单位结构，形成了素质模型所覆盖的国家电网公司“五级两类三层”经营管理人才体系。
开展关键要素特色分析
国网高培中心根据重塑素质模型的“管理人员全覆盖、数据来源广渠道、分析方法集众长、应用方向可落地”思路，总结出七个方面的关键要素。通过对已有研究成果的关键要素进行分析，借鉴各项研究成果中素质模型搭建的突出亮点，将具有企业特色的要素保留，融入到整合后的素质模型中（见图表1）。举例来说，以前研究的模型对领导干部的编码分析采用了大样本的编码量，能够在一定程度上凸显领导素质的关注要点，因此可以在分析方法和成果方面直接借鉴编码分析的核心成果，纳入到新的素质模型体系中。
“大”样本补缺：广义对标
所谓广义对标（大样本对标），是指将素质模型初稿与大样本数据库（基于一些咨询公司过去几十年全球企业素质模型建构项目的全部成果）进行对比分析。具体包含三个重要的步骤。
第一步为扩容，将项目中收集到的各方信息统一整理到素质表格中，形成涉及范围最广最全面的素质清单。这些信息有些来自于访谈、问卷，有些来自于战略解码，有些包含了前人研究的各项成果。
第二步为匹配再合并，将收集到的最广泛的素质清单中每项素质拎出来，一一匹配每项素质背后所代表的内涵与素质行为描述，此阶段会有一部分素质的名称逐渐合并。
第三个步骤为聚焦，即将素质清单中的具体素质项导入大样本数据库，通过全球优秀人员素质常态模型计算出各素质项出现的比例，按照比例对素质清单进行素质项排序，根据每个职级的素质模型规格进行设定，并按照排序结果进行素质项消减。
国网高培中心经过广义对标，确保了被保留的素质项的高度重合性和绩效相关性（见图表2）。较低相关性的素质被列进待讨论清单，在下一步狭义对标中再进行使用。
“大”特色彰显：狭义对标
国网高培中心将广义对标以后的素质清单，再次通过狭义对标进行特色化素质项筛选，从而挖掘出企业的独有素质，对素质模型的企业特色进行放大。
所谓狭义对标（小样本对标），即根据预先选取的若干家具有行业和规模代表性的标杆公司（最少1家，最多通常不超过5家），将他们的能力素质项向所研究公司的能力素质清单进行投影后，得到三类能力：标杆公司和国家电网公司均需要的能力，即一类能力；标杆公司有而国家电网公司没有的能力，即二类能力；标杆公司无而国家电网公司有的能力，即三类能力。
随后，经过专家论证，针对狭义对标中的第二类能力，对照前期收集数据进行讨论，检查是否有本该列入清单但未列入的，基于专家的集中讨论和经验分析进行判断并最终确认。例如，由于国家电网公司和一个市场竞争化程度较高的标杆公司A的业态模式不一样，“创业精神”能力未被列入所研究公司的素质模型，经论证确实不需要该能力素质，确认舍弃。
接下来，将广义对标中的待讨论清单与狭义对标中的第三类能力合并起来，对照前期收集的数据进行讨论，确认需要保留的能力素质项，这部分能力会成为国家电网公司的特色能力素质。例如，国家电网公司安全生产要求较高，因此“驾驭安全”就属于所研究公司的特色素质，需要保留并充分体现出该公司素质模型的特色（见图表3）。
经过以上标杆研究，国网高培中心最终形成的能力素质既包括共性的、广泛被认可能够有效推动绩效的素质能力，也有反映国家电网公司行业特性和组织特点的能力，从而借助大数据的思维，得到了相对完整，同时具有较高信度和效度的国家电网公司经营人才“GRID”素质模型，确保了素质能力既能全面覆盖又能彰显个性（见图表4）。
靠“数据”说话 模型落地培训
素质模型只有在培训的各个环节中充分运用数据信息，结合培训项目体系，开发相关课程和师资，做到训后素质提升，才能真正落地生根。国网高培中心结合培训历史数据梳理、课程师资数据统计、培训前测后测数据比较，用海量数据为依托，在素质模型的落地进程中不断探索尝试。
依据模型研究对象，分析历史项目数据
根据国家电网公司经营管理人才“GRID”素质模型中的“五级两类三层”人才结构，国网高培中心梳理了近两年来举办过的培训项目，从核心班子参加的公司年度、季度工作会议，到局、处、科级以及班组长的培训班级，将共计630多个培训班会项目进行统计归类，得出“五大层级均存在两类岗位”和“三层发展阶段还未完全实现细分培训对象”的问题。为了解决这些问题，需要对综合经营和专项经营两类岗位的不同素质要求独立开展培训，并且根据各层级经营管理人员的新任、提升和突破期三个阶段的不同能力需求，独立创建培训项目。于是，国网高培中心搭建了22个系列培训项目（见图表5），并编制了培训项目手册。以培训项目的历史数据为依据，国网高培中心运用素质模型对未来培训项目体系的优化指明了方向。
围绕模型素质要项，梳理课程师资数据
根据GRID素质模型，国网高训中心对全年的面授类课程按照8类一级模块、20类二级模块、22类三级模块进行了分类研究，梳理了4600余门与师资对应的课程，发现了5项素质还没有相关培训课程，从而了解了课程体系建设的全局和短板，为下一步课程和师资体系完善提供依据。结合国网高培中心“金话筒”内训师建设和精品课程开发工作，在找准课程师资体系对应缺失的素质项目后，瞄准17门重点课程，形成三维分类体系，建立了短期、中期、长期三阶段的课程师资开发计划，为中心核心竞争力的打造和员工发展成才路径的规划开阔了思路。
在素质模型的建设过程中，对应的人才战略文件可以成为内部课程制作的依据，案例储备可以成为内部课程开发的素材，素质模型建设组织人员可以成为课程开发的项目经理，相关的专家领导可以成为授课的兼职讲师，参与模型构建的咨询团队可以成为课程开发的合作成员。素质模型建设的各方面信息资源，都可以借助大数据思维充分挖掘运用。
结合模型素质培训，比较前后能力提升
借助大数据的思维，按照统计抽样的原理和方法，根据素质模型的能力素质项，高培中心在2014全年，对国家电网公司各经营管理人员素质水平抽样开展了培训前的800余份培训需求问卷调研、120余位学员访谈、25次训前能力测试，并在培训后收集了5200余份效果评估问卷、85个电话跟踪回访，31次训后行为能力评估，全面了解了各项素质能力的提升改进效果，用数据证明了培训的成效，用对比分析了改进的空间。
整合所有的数据和资源，运用大数据的思维和方法，一切事物都可以在信息的碰撞中激发出新鲜灵感和奇思妙想，一方面推动了企业人才的培养加速，另一方面也促进了素质模型的落地生根、开花结果。
企业考察网文章，作者：标杆考察培训中心，如若转载，请注明出处：https://www.qykc.cn/1131.html