我是黑人,有一次因为肤色被赶出了公寓。那是我通过中介在日内瓦湖畔找的公寓,签租约前没跟房主见过面。我们全家搬进去之后,房东看到我们的肤色,就让我们离开。她说,假如早知道是黑人,她绝不会租给我。
部社交工具在企业中的普及速度相当惊人,常见的有独立运行的Slack、Yammer、Chatter和嵌入式的Microsoft Teams、JIRA等。麦肯锡全球研究院对4200家公司进行调查,发现其中72%使用社交工具增强内部沟通。这个数字引起了我们的注意,促使我们对不同规模企业的领导者进行采访,希望了解他们引入社交工具和平台的原因。受访者的回答基本是“其他公司在做,所以我们应该跟进”,或“想吸引年轻人才就得这样”。这种从众心理虽不意外,但客观上,很少有企业能从业务上证明采用社交工具的合理性。而引入CRM软件、计算机模拟工具等技术时,领导者通常必须给出有说服力的理由。
虽然我当时感觉很糟糕,但她的直率帮了我,让我知道她突如其来的拒绝就是因为种族歧视,不必再胡乱揣测其他原因。
很多人因为种族原因在租房、贷款、求职和晋升等各方面受挫,但他们不会像我一样明确得知这个原因,职场上尤其如此。一方面,种族歧视违法;另一方面,管理者在招聘和提拔人才时虽然并未做到完全公正,但他们往往一厢情愿地认为自己做到了,并且迫切希望相信自己已经做到了(研究表明,自以为客观公正的人往往下意识地怀有严重的偏见)。美国西北大学凯洛格商学院教授劳伦·里维拉(Lauren Rivera)的研究显示,管理者通常不会说种族是影响决定的因素,甚至拒绝承认,但他们会运用模糊的评估标准,筛掉跟他们自己不同的人。与白人相比,少数族群的人注定更容易“不适合公司文化”或“没有准备好”承担高级职务,因为“沟通方式”不合标准而被淘汰。他们不会得知真正的原因,只能暗自怀疑是由于种族问题,假如决策者以善意的假象掩盖偏见,那就更是如此。
多样性正是我的工作领域。我是黑人,一生都不会改变。因此我知道,未被充分代表的群体在工作场所有两大需求:一是让别人了解,他们怀疑不公正待遇出于偏见,并不是信口胡言;二是需要制度上的支持。
满足第一个需求有明确的途径。遇到同事或朋友遭受不公正的对待、怀疑其原因是种族歧视,我们应该告诉他们,这种怀疑是正当的。做到这一点并不需要在主观上下定什么决心,许许多多的研究表明种族偏见依然普遍存在,这是客观事实。
可是第二个需求该如何应对?为了寻找可推广的有效方式扭转或抵消偏见的影响,推进多样性,组织求助于人事分析(people analytics)——这是公司运营和人才管理中一个相对较新的领域,以数据代替直觉帮助管理者做决定。人事分析希望能提供实证依据,在部分HR问题上也的确能发挥作用,比如确定评估一位求职人需要多少次面试、员工通勤时间如何影响工作满意度。统计数据的重大发现,令组织产生了一些大的改变。遗憾的是,公司尝试运用人事分析解决未被充分代表群体的难题,却发现相关数据集涵盖的人数太少,不足以得出可靠的结论,即样本数不足。意思是,“如果你这样的人再多一些,我们就能告诉你,为什么你这样的人这么少。”
不过,公司实际能够接触的数据比意识到的更多。要补充样本,公司可以向外探索,关注公司所处的大环境。但单凭数据量本身无法让领导者了解到需要提升自己组织的多样性。领导者还必须仔细观察自己员工里属于未被充分代表族群的人——那些人事分析容易遗漏的人。
补充样本
非营利研究组织正在研究偏见对各行各业招聘及升职的影响。例如,Ascend Foundation的一项研究显示,2013年5家硅谷大型公司里白人获得高管职位的比例比亚洲人高出154%。另外,种族和性别都是亚洲人在职场中遭遇玻璃天花板的影响因素,但种族的影响是性别的3.7倍。
Ascend又花了两年时间,利用美国平等就业机会委员会(EEOC)收集的湾区所有科技公司的数据,以及美国13家科技公司的报告进行研究和分析,样本达到数十亿员工,得出的结果显示,偏见对黑人和拉美人职业发展产生影响。研究又一次发现,在这些群体中,种族对专业人士晋升至管理职位的负面影响总体大于性别。湾区白人女性的待遇比男性差,但优于所有亚洲人、拉美人和黑人。少数族群女性进入管理层面临的障碍最大。黑人和拉美裔女性面临两个难题,一是具备专业技能的人数少,二是从专业人士晋升到管理层的机会少。亚洲女性从事专业技术类工作的人数多于其他少数族群,但晋升管理层的机会最少。一项对全国数据的分析得出的结论与此相似。
通过分析未被充分代表族群的行业数据,并关注招聘、升职及其他人才相关决定的规律,我们可以更好地把握自己所在组织的问题和风险。各个科技公司看了Ascend的报告,可能会想到:“竞争对手公司的人才情况怎么样,我们公司大概也有这种情况。”于是公司HR团队可能就会为有色人种女性员工增加职业发展渠道,或是开设管理多样性团队的培训项目。
还有一种方法是,从其他公司的分析中学习。例如夏洛特市的数字媒体公司Red Ventures,采取了许多促进多样性的措施,CEO中有一位是拉美人,约40%的员工是有色人种,但这并不意味着这家公司没有要解决的问题。公司高管告诉我,前不久,他们在公司开展绩效评估分析,发现内化的刻板印象对黑人和拉美裔员工的自我评测产生了负面影响。这两个群体成员给自己的评价,平均比管理者对他们的评价低30%,而白人男性员工给自己的评价比管理者评分高10%。研究还发现,种族隔离与负面自我感知有关,例如,从事工程的有色人种自我评价普遍低于从事销售者,而销售员中黑人和拉美人更多。从初级到高级员工,这些规律在各个级别普遍存在。
针对这些问题,Red Ventures的HR团队培训员工做自我测评,取得了一定成效:黑人和拉美裔员工在最近的测评中,自我评价比管理者对他们的评价低22%。公司人力资源副总裁哈利·科尼特(Hallie Cornetta)说,培训“关注全面的定性及定量自我评价的重要性,展示员工从5个关键维度对自己表现的看法,而不是他们假想的管理者或同事对自己表现的看法”。她还说:“我们拿出具体的例子,说明在各个维度中‘杰出’‘可靠’和‘需要改进’各自是什么状态,消除了一部分主观性,并帮助少数族群员工,乃至全体员工,更自信地做出方向更加明确的自我评价。”
关注个人
通过补充样本打开视野后,我们可以更进一步,关注个例。这一点很重要。数据和算法无法表达团队中只有自己一个人是黑人或拉美人的那种感受,也无法描述边缘化对员工个人和团队整体的影响。我们必须与员工个人一对一坦诚交流,了解他们经历过的偏见,并分享我们自己的经历以建立信赖,让对方能够放心讨论这个话题。从这样的交流中,我们发现,每一点细节都跟聚合数据表达出的信息同等重要。
在某科技公司主管多样性事务的一位同行对我说:“我们开展员工调查的时候,拉美人总是说对一切都很满意。可我自己就是拉美人,我知道,我们常常不愿意找麻烦。讲实话的风险太高了,所以,即使你为我们组织焦点小组会议,我们也只会说出你想听的话。我也知道,聚合数据样本中的拉美人数量足够多,却并不能反映出这个群体的不均一性。在拉丁美洲中产阶级家庭长大的、皮肤颜色比较浅的人,当然生活舒适,对一切都满意,而出生在美洲劳动阶级家庭的、皮肤颜色较深的人可能就没有那样的归属感。不管从数据上看起来拉美人有没有问题,我都要花一些时间和精力,尝试为我所知道的那些处于不利位置的人寻求解决方案。”
这是一个反复出现的问题。我与10位多样性及HR专业人士谈过,这些人所在的公司规模从60人到30万人不等,他们都在致力于为大数据未能充分代表的人群开展相关项目。他们探索边缘化造成的影响,在一定程度上依赖直觉。这似乎与人事分析的作用相悖,人事分析是要从人才等式中彻底去除个人观点和直觉的影响。但要发现偏见在组织中产生的影响,寻找团体内部复杂的影响因素(如拉美人和其他人之间的阶级和肤色歧视),我们也必须收集和分析定性资料。在这方面直觉可以帮助我们。负责多样性及HR事务的人,要调动“蜘蛛般的知觉”,发现“水面之下”的东西,即使人事分析并未得出相应的因果,也要将偏见作为一个可能的影响因素来考虑。他们与员工交流,在合适的时候开展焦点小组会议,验证自己的直觉,往往还要依靠自己有关偏见的经历。其中一个人说:“理想状态是定性和定量信息相结合,但数据告诉我们的信息,并不会比我们自己作为黑人知道的更多。我是非裔美国人,做了16年与改善多样性无关的工作,我知道那种感觉。这份工作既要用脑,也要用心。”
呼吁行动
人事分析背后的观点非常合理:想公正地招聘和管理员工,仅靠直觉做决定是不够的。不过,我们必须开创一种新的方法,帮助没有足够数据、未被充分代表的边缘人群。
以下是我的建议:
首先,分析者必须挑战传统的信赖数据样本的观念,看到有限的数据以外的东西。不必通过证明黑人和白人的业绩评分差异“在数据上很明显”,来帮助管理者理解偏见对业绩评估产生的影响。我们早已从大量关于偏见的社会科学研究中知道,偏见在职场中普遍存在,影响评价,我们可以将这些结论与自己实际听到、看到的现象联系起来,假设偏见就存在于自己所在的公司,这样采取行动。我们需要更加重视这种5到10名员工都有过的个人经历,或者更加谨慎地对待描述性质的数据(如未被充分代表群体的人数、不同种族和性别人群的平均工作满意度分数),从而更加细致地审视偏见造成的影响。
此外,分析者应当时常提供置信区间,即在数据样本太小、没有统计学意义的时候,指导管理者在何种程度上信赖数据。管理者获得这种信息,即使认为自己对待员工已经十分公平(多数人都这样想),也更有可能在招聘和管理中做出改变。举例来说,假如Red Ventures开始收集员工自我评估的数据,分析者认为“黑人和拉美人低估了自己”这一结论的可信度为75%,然后建议管理者去找自己直接下属的少数族群员工,审查相应时间段的工作成果,讨论自我评估能否切实反映其贡献。如果你确信员工中存在着隐性偏见或刻板印象,就可以用这种简单合作的方式来应对。
其次,公司定性分析也必须更加全面且一致。很多公司已经开展了访谈和焦点小组,了解未被充分代表群体的问题,甚至还有一些公司对书面业绩评估、离职面谈记录和招聘备注做文本分析,寻找表现出歧视和负面刻板印象的语言。但我们必须更进一步。员工和管理者都有内化的偏见,因此我们要设法开创更客观的业绩评估方式,并确切把握偏见对评价造成的影响。
第一步是要教育全体员工认识到偏见和负面刻板印象的实际影响。我们Facebook提供多种培训项目,注重辨别和抵制偏见,并且在培训后不断强化关键信息,因为我们知道,扭转人们的观念需要时间。我们在决策和行为的关键点提醒人们注意。举例来说,我们在业绩评价工具中设置提醒,让大家在写评价和自我测评的时候注意所选择的词语,比如“文化适应”这样的词容易带有偏见,以及形容女性应当避免“专横”之类的词——如果不会用这个词语形容举止相似的男性。这是一项新的举措,目前尚无数据可以说明此举对语言选择的影响,之后我们会总结规律。
也许最重要的是,HR和分析部门必须对定性和定量分析予以同等重视,尽量采用综合方法。我们在Facebook建立包含这两种专业人士的跨职能团队,因为单一研究方法无法全面描述每个人带到职场的多种复杂的偏见。我们认为,所有研究方法都在尝试从不同角度解决同一个问题。我们应对难题,有时先从量化角度着手,找到事件本身,再让定性研究专家探讨其原因和应对方式。比如说,如果数据显示某些团队流失或吸引少数族群员工的比例较高(事件),我们会开展访谈和焦点小组,或者分析调查问卷的文本,了解原因,然后在公司其他部门开展讨论和培训。有时候我们也会调整这些步骤的顺序。举例来说,如果我们反复听到某个社会群体的成员说,该群体获得认同的比例低于其他群体,我们可能会先调查数据是否真有这种趋势,或者进行数据分析,研究员工获得认同与否涉及哪种组织环境。
跨职能团队还帮助我们从认知多样性中获益。这样的合作让每个人都得到锻炼,挑战每个人的预设和偏见。从员工招聘、参与度到业绩表现,所有问题的原因和解决方案都很难达成一致。但我们相信,通过这种方法,我们能尽最大努力在公司各部门推进多样化。Facebook每年开展两次意向调查,对调查结果和员工绩效评估Performance Summary Cycle的内容进行分析,不断发现问题、解决问题。
歧视或不公正待遇的迹象,在职场中或许不那么明确,不是我被赶出公寓这样的事情。但我们可以进一步确定隐性歧视,而且必须这样做。我们公司的未被充分代表族群员工,受到歧视会理性对待,且能够获得制度支持。(蒋荟蓉 | 译 刘铮筝 | 校 钮键军 | 编辑)
已有0人发表了评论
哈佛网友评论