怎样最好地利用数据实现多样性、公平性和包容性

大数据
众所周知,提高科技行业的多样性,公平性和包容性(DEI)的希望还未实现。为了充分利用多样性数据,各公司应牢记以下四个关键点。

[[357973]]

大数据文摘出品

来源:HBR

编译:熊猫

2014年,包括苹果,脸书,谷歌和微软在内的几家大型科技公司开始发布其员工组成的年度多样性报告。报告的数据并不是特别乐观:报告显示,女性约占这些公司总人数的30%,技术部门女性占比15%至20%。平均看来,黑人和西班牙裔低至个位数。

但是,此举被看作在数据透明性化上的胜利,也预兆着这个行业在员工多元化方面取得的更大进步。作为行为科学家,我们是同意这一预测的。有大量研究表明,对信用卡条款、饭店卫生等级和能源消耗等不同领域数据的披露可以成为改变行为的强大工具。在许多情况下,数据的披露甚至在信息影响接收者之前已经改变了信息产生者的行为。比如,相比于不透露食品中卡路里含量的餐厅,受卡路里标签要求的餐厅在菜单上的有更多的健康选项(尽管顾客选择的数据受影响因素较复杂)。

众所周知,提高科技行业的多样性,公平性和包容性(DEI)的希望还未实现。这个行业仍然以白人,亚洲人和男性为主。技术工作的方面更为明显:在计算机行业仅有4%的黑人和拉丁裔妇女。简而言之,在DEI方面,单纯的披露数据可能不足以激发意义深远的变化。我们由此提出了一个问题:多样性数据是否存在某些独特之处,所以关于员工多样性数据的披露不会像其他领域的数据那样驱动行为的改变?还是我们可以利用对行为科学的更多了解,来帮助这些公司使用多样性的数据来带动DEI方面的进展?

我们在最近发表的白皮书中探讨了这些问题。我们的发现和一些实际的例子表明,如果方法正确,对于多样性数据的收集,分析和披露确实有可能成为带来改变的有力杠杆。目前的新冠大流行和种族正义运动也促使了公司重新考虑如何推动社会公平的发展。

为了充分利用多样性数据,各公司应牢记以下四个关键点。

用简单、显着和可比的方式来表示多样性数据

并非所有数据都是一样的:对目标受众来说,传达出的信息需要清晰易读,来达到可实行并有可能影响行为的目的。在2011年,当美国农业部将食物金字塔改变为盘子模型来传达健康饮食准则时,他们就明白了这一点 —— 毕竟,我们不用金字塔吃饭,我们用盘子吃饭。

在我们的工作中,我们发现许多公司都可以轻松掌握所有正确的数据点,但对数据的含义却一无所知。被动地放在一个或多个HR数据库中的员工信息与可行的DEI见解相去甚远。而且,整个公司的指标对于试图决定聘用或晋升人员的个人经理可能毫无意义。

因此,我们有必要将多样性的数据用一个与其潜在用户相关的,易于理解的而且可以自定义的计分表或汇报表上展示出来。这种数据的汇报需要便于做出不同在计量单位之间和时间段的比较。这正是伦敦组织委员会(LOCOG)在2012年奥运会和残奥会时所采用的方法。这个委员会需要快速的招募200,000名员工。它将对多样性数据的收集和报告扩展到该组织本身,参与奥运会的承包商,顾问,借调人员和分包商。

所有员工都可以看到该组织在七个方面的多样性指标的每月总览——性别和性别认同,残疾,种族和社会经济地位,而高级领导则收到按部门细分的详细月度报告。多样性数据和该劳动力市场的招聘目标一起展示出来。每个部门都做了基准测试,而且每个职能部门在每个月根据招聘记录排名。更重要的是,使用这种方式,LOCOG团队能够及早发现招聘趋势,并在出现违规情况时迅速进行干预。

最终,组织者在奥运会工作人员中达到或超越了所有多样性目标,其中46%为女性,40%少数民族和9%残疾人。

利用多样性数据激励合适的人来行动

当英国广播公司(BBC)夜间新闻节目的主持人Ros Atkins计划增加节目中女性的人数时,他知道收集和监控数据的重要性。因此,他在设计数据收集方法时(让性别平等在传媒业成为现实的50:50”行动),做出了两个关键决定。首先,他决定在演出后的每晚汇报中收集,跟踪和审查有关其演出中性别代表的数据。其次,Atkins和他的团队决定,他们只会评估自己可以控制的范围,即当天的新闻的客人和内容贡献者。例如,当天新闻故事的主角(例如一个发表重要讲话的总裁或首席执行官)已不在他们的掌握范围之内,他们因此被排除在每日统计和50-50性别代表目标之外。

Atkins的方法与大多数组织形成了鲜明对比,在大多数组织中,多样性数据是由远离第一线的人力资源,D&I或People Analytics团队收集和跟踪的。这种做法不仅使普通员工难以访问数据,还会降低员工对数据的所有感。

为了将多样性数据用作DEI进展的驱动力,各公司需要向员工明确其日常决策与所产生的多样性结果之间的联系。由于影响组织劳动力组成的关键行动是外部招聘,内部(横向)招聘,晋升和离职/保留,因此,应按部门,级别,地理位置和个人经理对每个流程的多样性指标进行细分和跟踪。更好的是,像Atkins一样,各组织应该鼓励员工自己来跟踪和衡量组织的DEI指标。

设定多样性目标来建立责任感并增加后续行动

数据对于暴露问题和吸引注意力非常有用——毕竟,无法衡量的内容不能被计算。但是有时,仅靠数字并不能改变与DEI相关的行为。

目标是实现行为改变的更有效的机制。它们用于调动行为改变的意愿(动机)和方式(努力和策略)。而且,当将目标公开时,它们提供了一种问责机制。研究表明,这种机制使我们更有可能实现目标。

也许并非巧合,除了极少数公司,大型科技公司的多元化披露并不包括设立公共目标或指标。但是,即使在技术领域,也有成功实现目标驱动的DEI实例。美国开源软件公司加拿大分公司Red Hat Canada实现了公司的三年目标:将销售团队中女性的比例从2014年中期的5%提高到2017年中期的40%。

当时, Red Hat 在加拿大的country leader Luc Villeneuve认为,将性别多样性纳入公司的业务目标是实现变革的关键。作为招募更多女性的计划的一部分,Villeneuve亲力亲为的做到了审察他的领英社交圈(他的公司通过个人关系和推荐人来大量招聘员工)并设定了目标:将2014年领英上4%的女性联系人比例提高到2017年的20%。在短短几个月内,他花了将近一半的时间为公开的岗位寻找和面试女性候选人。整个公司的通过扩大与中学及其他机构之间的联系来扩大招聘渠道也支持了这样一个个人行为。

利用多样性数据来重塑关于DEI的社会规范

在科技行业中,缺乏多样性是一个普遍的,系统范围的问题,在组织层面上动员变革可能特别有挑战性。实际上,一些领导人已经表示担心,公开发布多样性数据可能会增强人们对科技行业不欢迎少数群体的看法(或社会规范)。

实际上,社会规范是行为的强大影响者,而且我们可以通过多样性数据有效地塑造它们。以英国为例,英国FSTSE 100公司董事会中的女性代表比例从2011年的9%增加到2020年的33%。除了遵循我们上面的其他建议以外:以简单,显着的方式呈现和跟踪董事会组成数据;利用这些数据激励董事会主席,公司领导和猎头公司任命更多女性;设定始终如一的可实现的具体目标。在过去的十年中,公司,激进主义者,英国政府,学术界和媒体界都利用了董事会成员多元化数据改变了社会规范。

他们最初没有关注董事会中缺少女性的情况,而是强调了绝大多数公司已经有至少一名女性在公司董事会。然后,随着女性人数开始进一步增加,他们开始强调成功案例,并对落后者点名批评,包括相互竞争的公司的董事会和向其提供董事候选人的猎头公司。因此,将董事会的性别多样性数据通过将性别多样性纳入董事会和公司的议程,并对不作为的公司做出批评,在塑造社会规范方面起到了促进作用。

这些是我们提出的科技公司可以采取的简单可行的建议:用管理其他业务的严格且以数据为依据的方式来管理DEI。实现DEI目标需要使用在制定销售,产品开发和预算目标时使用的相同的计划,反馈和责任流程。在这些领域,数据带动了有针对性的行动并建立了责任制度,数据在DEI的实现中也发挥着同样的作用。

相关报道:https://hbr.org/2020/12/how-to-best-use-data-to-meet-your-dei-goals

【本文是51CTO专栏机构大数据文摘的原创译文,微信公众号“大数据文摘( id: BigDataDigest)”】

戳这里,看该作者更多好文

 

责任编辑:赵宁宁 来源: 51CTO专栏
相关推荐

2022-09-16 09:05:42

多元化包容性业务

2021-03-23 14:32:24

数据分析人工智能AI

2009-12-22 09:56:36

2022-08-19 09:53:20

人工智能大数据风险

2020-08-11 23:19:08

人工智能生物多样性A

2020-07-07 09:38:03

包容性Clare Brown领导力

2022-07-05 11:10:15

Cisco LIVE网络安全

2012-07-19 14:19:59

UI设计包容性设计

2022-05-29 07:31:14

加密密码数据安全

2012-07-20 15:54:39

UI设计应用设计

2020-03-12 10:24:37

大数据技术人工智能

2022-02-15 15:00:12

数字货币现金数字欧元

2022-12-21 10:07:21

科技行业裁员

2021-05-27 10:28:37

CIOAI数据分析

2024-03-20 15:14:09

元宇宙

2021-06-11 18:48:23

人工智能AI

2023-09-05 10:40:20

Meta人工智能

2022-09-29 08:00:00

人工智能运输公平性

2013-08-22 13:44:30

Linux桌面GNOME桌面

2020-11-04 10:29:42

数据分析工作多样性大数据
点赞
收藏

51CTO技术栈公众号