這是一個大數據時代，那麼我們又能不能借用大數據預測員工的心理狀態呢?“大數據”預測員工的心理狀態是小編爲大家帶來的，希望對大家有所幫助。
大數據”“神經元學習”“人工智能”，這些新潮的名詞在我們生活中出現的頻率越來越高，尤其是“阿法狗”和李世石的世紀大戰，更是把前沿科學結晶帶入我們的認知當中。也許有些人會提出質疑：這對我們的生活來說，意義何在?不久前，谷歌採用了新的神經網絡算法，來升級其核心產品——谷歌翻譯，從一定程度上回答了這個疑問。
在培訓和管理領域，相似的顛覆性局面是否也會發生?新的技術、交互與呈現形式，是否會改變未來的培訓過程，顛覆管理的方法?基於我們多年來的人工智能培訓研究和實驗型項目，這樣的改變已經在悄然發生。
數據建模
預測員工心理狀態趨勢
計算機自主學習的強大，在於無止盡地自我完善，具有無與倫比的適應性和自生長性。事實上，人工智能看似神祕，其實充斥着大量的數學計算的研究過程。在人才發展方面，人工智能可以幫助我們預測員工的心理狀態趨勢，從而激發員工的熱情。
我們曾啓動了管理環境對人類心理的影響研究，旨在尋找那些激發員工工作熱情的最佳管理環境方面的實踐。目前已積累了3414個管理環境樣本，並針對每個樣本持續採集了約5年的員工心理及行爲數據，調研不同企業所採取的管理戰略以及具體的執行方案。通過運用人工智能，我們進行了大量的建模和驗證工作，發現不同的管理方式下的員工心理狀態變化趨勢，尤其是工作動機，在一定程度上都是可預測的。
事實上，在分類或趨勢預測的背後，是龐大的數據演算，建模和預測的過程包含了繁複的統計過程，包括描述統計與推斷統計。
藉助“員工激勵與動機管理”沙盤可以預測並反饋員工的心理及行爲變化
與此同時，“預測”這一點對於人工智能應用而言很重要。因此，我們設計了沙盤工具“員工激勵與動機管理”——既然動機和行爲是可預測的，那麼就可以通過計算機模擬，用物理形式呈現在人們眼前。
通過人工智能將各種管理環境中發生的事件融入其中，沙盤能夠圍繞動機水平高低、績效程度好壞兩個維度，對虛擬的企業員工進行分類，並讓沙盤參與者針對各類管理事件作出虛擬的處理選擇。根據學員的選擇，計算機可以預測並反饋其心理及行爲的變化。這種運用了人工智能的沙盤工具，其預測準確性高達84%，置信水平0.95。這就意味着，如果一個參與者做了決策後，沙盤將能準確地預言各類員工的心理及行爲變化趨勢。
運用人工智能進行“無責任的”開放式推演，在培訓過程中能允許參與者不斷試錯。學員根據自身的管理環境，可以實驗出合適的管理方法，並對培訓中所獲得知識進行實時驗證。
技術迭代展開更高效的自主學習
隨着90後員工踏上工作舞臺，打破了傳統的人工智能數據建模思路和方法。之前的模型設計思路通常是建立一個個假設，比如，正向激勵與負向激勵的抵消性、個人得失與他人得失的對比性、個人得失與環境公平性關係等。在此基礎上，通過數據集的分類統計來驗證假設的科學性，同時，調整參數來觀察預測的可靠性。但是新的數據集所具備的'特點，極大地顛覆了先前的結果，尋找新的解決方案迫在眉睫。
此時，基於神經網絡的計算機自學習技術，即神經元自學習，是一個不錯的解決方案。相比以前的人工智能培訓工具，神經元自學習更爲繁雜。爲了讓計算機高效地自主學習、識別行爲模式，我們需要將調研結果解構成更基本的參數“告訴”計算機，從而得出對應的結果。
“員工激勵與動機管理”沙盤
虛擬人物的前後左右移動，代表他們動機或績效的趨勢性變化
展開神經元自學習具有一個明顯的優點，每當調研和統計結果有所更新，計算機就會自動對這些數據進行新的學習，對模型進行修正。這個過程是動態的，不需要人爲干預。而且，當計算機再次遇到一個新世代富有特色的信息集合，甚至可能自主地推翻之前的模型設計，重新構建新的統計描述方式。
神經元學習不僅節省了時間和精力，更能爲沙盤推演參與者提供更深入的信息——通過選擇處理事件，能夠歸納出參與者的管理風格傾向性。這是傳統培訓和沙盤工具做不到的。
超越培訓爲管理帶來新思路
作爲培訓產品來說，人工智能培訓工具已經足以彰顯其魅力，它允許學員在虛擬環境中試錯，讓工作效率得以改進。我們認爲，它更重要的意義在於，對現實世界的指導。
以我們的沙盤工具爲例，一個實際使用者能從這個工具中得到許多培訓之外的有價值的信息。他可以在遇到“員工要求加薪”“員工消極怠工”“員工集體離職”“員工尋求晉升”“辦公室政治”等各種管理事件時，讓系統給出各種模擬的結果，評估各種行爲的可行性，儘量做到趨利避害。這個工具超脫了培訓範疇的桎梏，真正在工作中產生價值。
我們一直在設想這樣一個場景：在不久的將來，通過調研以及人工智能自學習的方式，可以在更多領域給使用者提供全方位的建議，包括工作、家庭、子女教育、愛情、社交，以APP爲載體，成爲每個人的私人心理顧問、人際關係顧問，幫助人們觀察世界、預知周遭環境的變化。我們認爲，未來應用人工智能進行調研和實驗的方向之一，是在更大範圍內蒐集、整理數據和信息，比如對中國“高領導力人羣”的研究、關於職場人士的家庭及情感模式研究、關於人才選拔實踐研究等。
我們熱衷於這樣天馬行空的幻想，並一直在進行多樣性的人工智能嘗試。其探索過程本身，就着實令人着迷。我們堅持一個原則，始終不曾改變：創新，或淪爲看客。