时代已在召唤，那么企业大学究竟改该如何成功构建领导力发展体系呢？我们认为，企业大学构建领导力发展体系主要有三大关键成功要素：

一、战略牵引

企业战略走向牵动人才标准

想要发展和培育有效，就要非常清楚地对标。就人才发展的维度而言，所谓对标其实就是人才画像或干部画像。

干部画像从何而来？首先是企业的战略，为了配合和支持企业的战略，组织中的干部就有一些关键任务，关键任务决定了干部需要具备什么样的条件，包括知识、经验、能力和个性。在整个过程中，越能细致地拆解发展路径，就越能让成功「可复制」。

下图是一家集团为分子公司总经理所做的人才画像。他们的关键任务包括：加强国内外市场的开拓创新，提升运营效能以实现有质增长，打破边界以创造协作共赢的机会，以及关注人才培养和人才梯队的搭建。

这些看似很平常的高管任务，其实暗藏玄机。在访谈时，这些事业单位领导的关注点都在于如何提升效能。然而，集团的期待却并非如此，从集团战略出发，协作共赢显得更加关键。毕竟，作为在行业内拥有完整供应链的集团，在完成并购后，如果各个分支无法协力，整个产业链就无法链接，价值链也就无法产生效果。

二、标准驱动

以人才标准为始构建领导力学习体系

再如，一家集团的人才现状处于各层级基本都有断层且没有清晰体系的状态，企业大学也是刚刚建立。在此情况下，集团企业大学还希望能够在三年内实现全覆盖培养。此时，如何做才能达成目标呢？

此处有两种解法：第一，将整个体系搭建完成，再思考怎么去培养；第二，先找到关键点，找出关键岗位需要什么样的条件，并据此做出项目设计，将人才先赶快培养起来，同步再去做体系建设。

我们比较建议先抓住各个层级的关键岗位，根据管理职级以及所承担关键任务的不同，建立不同的素质模型，将其以项目的方式先落地，让整个组织中的人看到成效。即三步走战略——定模型、设计项目、练队伍。

在人才标准建立后，就可以根据建好的人才标准按部就班地配上相应的发展路径。课程必须与当初所定的模型密切关联，并且能力模型越清晰，往往就越能够找到相应匹配的课程。

与此同时，学习旅程中也应融合各种培训元素，进行以用为始的设计：从我告诉你（Tell You），我做给你看（Show You），我让你试试看（Let You Try），我给你反馈（Feedback），再到应用（Apply），最终促进行为落地。

三、以用为始

顺应数字化浪潮执行落地混合式学习项目设计

当下，线上和线下学习的结合疯狂涌现。线上学习和线下学习各有千秋，正如麦肯锡的研究洞察所说：「线上及线下的战争不会是谁输谁赢的结果。只有能最好地使用并结合两者，为用户创造最新、最有启发、最有意义的体验，才能赢得用户的心，最终获得胜利。」

有效的学习设计通常取决于三大关键元素：学习内容、学员体验、数据衡量。

主心骨依然是学习内容，其他两大元素是为了让学习效果更好或者可以得到反馈。那么，学习内容的关键是什么？

以用为始是王道。现在有许多线上课程对大众开放，但成效其实很差，因为没有清晰的目标，也没有目标受众，更遑论针对目标受众的业务挑战和所面对的变化等。学习是解决业务挑战的一种手段，学习内容应当是完全场景化的。学习内容把握好了，才有可能把整个学习源头放在对的地方。

再者是学习体验。世界上没有完全相同的两片叶子，身为培训的设计者，我们不能没有针对性地「一锅炒」。在原本的传统教学中，要做到有针对性地培养极具挑战性。但在线上学习中，因为具备很多不同的功能以及一些资料和数据的收集，非常有机会做到以人为本。整个学习活动，也会因为有一些线上环节加入，创造出更多的可能性。

那么，如何做到以人为本？众所周知，人都有忘性，当人的忘性如此之大时，我们到底该怎么办？数据告诉我们，高频的刺激更容易让人上瘾。与此同时，我们还要将对于人性的理解融入到学习中，在学习设计中尤其需要注意以下四个维度：

当然，任何学习项目最终都会回到一个至关重要的点——如何验证线上或线下的课程是有效的？

数据衡量是非常有力的武器。

以DDI英跃®这一领导力发展移动学习解决方案的个性化学习数据为例，从中可以看到每位学员的学习完成率、每日学习时长与时段分布、课后练习对错率、能力诊断等级、情境模拟关键行为平均星数，以及团队中的个人数据等。这些数据本身已经非常能够说明问题，但透过数据分析所得出的发现更加宝贵。

我们甚至可以将其视为现实版的评鉴中心。透过多维度的学习数据（即过程指标），结合学习项目的结果指标，综合意愿度和学习力，企业可以非常笃定地找到有潜力的人才。

当下，数字化转型速度越来越快，根据麦肯锡的最新统计数据：因疫情，原本五年才能完成的数字化进程，在八周内完成。企业大学的数字化转型也已刻不容缓。此时此刻，应该如何入手呢？

简而言之，玩转数据，形成闭环。

首先，从收集学习数据开始。整个课程的设计可以依据对学员的理解收集数据，没有数据其他免谈；第二，尝试分析总结发现，无论是交叉分析，还是相互比对，从这些数据中得到一些发现；再者，根据这些发现修订方案再度验证，优化接下来的学习举措。

这是企业大学在数字化选型中「弯道超车」的快速路径，无论过去是否曾经做过，现在的我们都必须加快速度。