人力資源分析平臺Visier公司首席執行官Ryan Wong日前對數據分析為什么可以幫助組織領導者實現工作的多樣性和包容性進行了分析和探討。

很多組織嘗試通過多種方法來解決工作場所中存在的員工不平等現象。例如，特定的業務團隊需要為員工提供實現共同目標而匯聚在一起的工作空間，以及參與可以展示組織提供支持的活動。

但是，要想取得任何實質性進展，人們面臨的最大問題之一就是如何更平等地支持和重視所有員工。當組織必須言行一致時，就會出現真正的挑戰。

Ryan Wong說，這里缺少的環節可能是硬數據。作為人員分析平臺Visier公司的首席執行官，他在商業智能和企業軟件方面擁有20多年的經驗，該公司致力于使用數字分析技術幫助組織領導者了解有關其業務的重要事實。

在多元化和包容性方面，組織領導者需要減少對表面指標的依賴。他解釋說，很多組織看到的是錯誤的多元化數字。但他補充道，收集和分析多樣性和包容性數據并不容易，尤其是在非法的情況下。例如，全球零售商H&M公司最近被處以3500萬歐元的罰款，原因是該公司非法收集了其員工的個人隱私信息。

他說：“除了在這一過程耗費的成本和時間之外，我發現，真正的麻煩在于組織如何面對多樣性和包容性數據中揭示的真相。很多組織無需深入研究數據或跟蹤更有意義的指標，就可以輕松地依靠表面指標進行了解。對于組織領導者來說，通常的做法是忽略潛在的問題，同時改進表面指標，如招聘、留用或各種員工群體的流失，或者發表聲明而不采取行動予以支持。數據可以在創造持久變革的道路上發揮重要作用，但其前提是組織的領導者必須根據數據揭示的信息采取行動。”

收集什么樣的數據？

人們應該收集什么樣的的數據？Wong指出，在理想的世界中，人們需要考慮多樣性和包容性的“包容性要素”。他說，“換句話說，就是多樣化員工的工作經驗。舉例來說，一個組織可能會表現出為改善招聘和招聘多樣性而做出的努力，但卻無法分析聘用的員工具有哪些經驗。他們被邀請參加過社交聚會嗎？會接受適當的指導嗎？觀察經常會出現哪些因素（例如歧視、微表情以及缺乏支持），這將揭示什么是改善多樣性努力的真正阻礙。如果沒有這些數據，組織基本上都是盲目的，不知道怎樣才能更好地發揮作用。”

隱私是一個顯而易見的問題。雇主可以而且應該收集員工的哪些信息？歐盟的GDPR法規指出，“平等數據是重新考慮的一個關鍵因素，也是支持反對歧視和排斥的有力工具”。

但是，組織必須謹慎收集敏感的個人數據。根據這項工作的性質，通常無法對數據進行匿名處理，這些數據不能不利于特定群體，必須按照法律框架進行收集和處理。例如，如果使用有關性別、種族、性取向或宗教信仰的數據，組織必須能夠證明它這樣做是為了評估其多樣性和包容性努力，例如機會均等和員工待遇。

歐盟表示，在這些情況下，多樣性監測可以幫助制定基于證據的政策，以防止員工受到歧視、不平等待遇或排斥。

正確的路線

當然分析數據至關重要。Wong解釋說，現在有很多可用的勞動力分析工具，這些工具有助于衡量不同群體的工作經歷。

他以隊列分析為例。這種方法幫助企業通過捕捉某位員工的詳細工作記錄，并將其與經歷相似員工的工作記錄進行比較，來發現出入口數據中的關鍵細微差別。

Wong說：“保留的數據只能顯示員工離職，但隊列分析可以揭示離職原因。隊列分析可以最終揭示種族和性別在離職中的作用，通過展示支持包容性和多樣性工作場所的互動，或者積極地與之抗衡。

組織不能依賴于他們的人力資源管理系統，因為這些系統從來不是為分析而設計的。為了利用員工數據獲取見解，組織領導者必須有一種快速、正確地從數據中提取見解的方法，以便做出更好的決策。而采用能夠對員工進行并行比較的分析平臺對于傳達多元化和包容性戰略尤為重要。”

數據分析只是“難題的一部分”

數據分析是工作場所未能實現真正的多樣性和包容性的解決方案嗎？Wong并不這么認為。他說，“數據是關鍵的部分，但只是難題中的一部分”。

他補充說：“在多樣性和包容性方面創造持久的變化不會一蹴而就。致力于提高多樣性和包容性的組織需要知道，他們在這一過程中可能會面臨失敗，但不能因此而阻止他們堅持走下去。”

在挖掘多樣性和包容性問題時，組織還應該意識到數據的局限性。《哈佛商業評論》指出，組織擁有一個群體的大量數據和另一個群體的少量數據，通常會導致不準確的分析，最終導致人們傾向于根據少量數據提出索賠的傾向。然而，這不應被用作拖延進展的借口。將數據分析納入組織更廣泛的工作中，而不是依賴于單一的策略，這可能是組織實現多元化的最佳機會。

Wong說：“收集有關多樣性和包容性的深入信息，對于了解組織為有效解決方案所面臨的獨特問題至關重要，但這并不是改善多樣性的捷徑。一旦領導人采取行動解決它揭示的難題，組織才能在多元化和包容性方面經歷真正的變革。”
責編AJX