本文出自

家族企業永續的祕密

家族企業永續的祕密

2021年2月號

七大途徑推進數據公平

7 Ways HR Can Build a Fairer, Data-Informed Culture
希瑟.懷特曼 Heather Whiteman
瀏覽人數:1316
  • "七大途徑推進數據公平"

  • 字放大
  • 授課文章購買
    購買〈七大途徑推進數據公平〉文章
  • 個人收藏購買
    購買〈七大途徑推進數據公平〉PDF檔
    下載點數 10
Shutterstock
人類有近兩百種認知偏誤,這些偏誤會滲入數據的使用與收集。若人資部門使用有偏誤的數據,會對企業決策帶來影響。該如何調整,才能確保使用的,是不失公平性的數據資料?

員工數據和分析,對人力資源專業人員來說,是當前最熱門、最搶手的技能之一;對組織來說,是當今最重要的人力資本趨勢之一。企業正紛紛檢視數據,以提供決策依據,並回答這類問題:誰將離職,何時離職?相較於競爭對手,我們的能力如何?我們需要什麼技能和才幹?這類數據可提供深入見解,而回答這些問題和其他問題,可以幫助決策者。

但隨著數據使用激增,一些疑慮隨之而來:以數據為基礎的流程,可能會帶來許多認知偏誤,而且歷久不消,對職場的公平性,也會有廣泛的影響。

我們人類有將近兩百種會影響自身決策的認知偏誤。當我們注意到,有些人傾向只尋求確認他們已經相信事物的資訊時,我們看到確認偏誤(confirmation bias);或是在某事件發生後,聽到某人說他「早就知道會那樣」時,我們看到後見之明偏誤(hindsight bias)。

並非所有偏誤都是不好的。在工作截止期限很短、資訊太多的世界中,許多偏誤幫助我們更快做出決策,可節省時間與腦力。問題是,有時我們的數據會反映出有害的人類偏誤,而且,會把設計、收集和使用數據的人所具有的無意識錯誤,寫入電腦程式碼中。當有偏誤的數據影響到判斷,並把錯誤引入我們的人資數據、流程和技術之中,就會出現公平性的問題。

但情況並不是注定會失敗,前景黯淡;數據不必然會成為吸收人類偏誤的海綿。數據資料若能減少對人類決策的主觀詮釋(而且可能是帶有偏誤的詮釋),也可能幫助我們做出更公平的決策。以分析為基礎的技術,甚至可能找出並消除隱含的人類偏誤。數據和技術可以消除人類的偏誤嗎?不能,無法完全消除。但可以使用數據,把偏誤減到最少,並提高公平性。

領導人可以透過以下七種方式,幫助自家公司確保企業文化是依據數據,做出更公平的人資決策。

1. 制定全組織通用的公平定義

你可能永遠無法針對「公平性」(fairness),建立單一的衡量指標或通用定義,適用於各種情況。其實,Google開發者詞彙(Google Developers Glossary)中,對「fairness」列出超過45種定義。因此,首先要確定你的組織認為,公平性的哪些層面屬於最高優先。然後,根據適用於不同使用案例與環境的衡量指標和標準,建立一些可相容的定義。

舉例來說,如果「包容性」是最高優先,你可以先著手界定,在你們組織中包容性的含意與樣貌。然後界定衡量包容性(或缺乏包容性)的方法,以便追蹤並評估進展情形。這可能是很好的時機,可要求從事分析的同事協助你,提供衡量技術並解讀分析結果。

2. 以強大的商業理由提升公平性

請說明為什麼公平性對你們公司的獲利很重要。從業務的角度來說明你的想法,去爭取受到信任、以根據證據做商業決策而聞名的利害關係人支持你。例如,在公平性與多元性之間劃一條清楚的界線,然後說明,麥肯錫顧問公司(McKinsey)最近在15個國家、一千多家公司中進行的研究發現,在性別、族裔、文化多元性方面排名前四分之一的公司,績效比墊底的那些公司高了25%至36%。沒有什麼比強大的衡量指標,更能支持你提出的理由。

3. 擁抱技術時,也要接受局限

技術可做為強大的工具,找出並糾正人資流程裡的偏誤。但技術可能永遠無法確保,所有以數據為依據的決策都是公平的,也無法確保所有偏誤都會被解決,但不要因為不夠完美,就不善用技術。天天都有新技術出現,促成在依數據做出人資決策的過程中,建立公平性。因此,要與時俱進了解新產品的開發情況,並建立一套不斷演變發展的軟體、工具和程序的組合,聚焦於提高公平性。

4. 進行公平性稽查

公平性稽查是有系統的客觀方法,用於檢視組織的人員數據政策、實務和程序。稽查的目標各不相同:一個目標可能是找出使組織容易遭到法律訴訟的潛在問題;另一個目標可能是找出方法,來改善和公平性相關的實務。

企業可以利用軟體工具、外部專家的協助,或甚至是內部檢討,來進行公平性稽查。最重要的是,必須定期完成稽查工作,而稽查人員應該了解你們組織對公平性的定義,而且應該要妥善處理所有的問題或機會。

5.找出問題的根本原因

當你確實發現問題,就應確認必須更改哪些基本假設或流程。偏誤常常是無意識的,不公平性通常是不止一個決策造成的表面徵狀,這使得問題的根本原因難以查明。

可以考慮使用全世界幼兒都喜愛的一個方法:詢問「為什麼?」至少要問五次。這裡有個例子,顯示你可以如何善用這個技巧。問題:我們組織的多元程度是45%,但只有5%的高階主管符合我們對多元性的定義。為什麼?因為我們大多數的高階主管,都是從公司外部聘請來的。為什麼?因為我們的內部人才,不具備有關我們這個產業的足夠領導經驗。為什麼?因為他們一直缺乏足夠的、符合我們業務目標方向的培養領導力機會。為什麼?因為我們沒有資源可提供針對我們產業的培養領導力機會。為什麼?因為我們在設定目標和編列預算時,沒有優先重視多元性……喔,答案出現了!也許問題不是只有5%的高階主管是多元的,也許那只是一個表面徵狀而已。

通常背後隱含多種原因,而僅僅找出那些潛在原因,並不能解決問題,仍需要採取行動。但在你找出並處理隱含在背後的問題之前,不會出現任何改變。

6. 必須進行多元的跨組協作

多元的團體會更有能力,去找出並解決系統中的不公平偏誤。因此,在流程的每個階段,都要確保納入具多元思維和經驗的個人,以降低讓非故意產生的偏誤悄悄滲入的可能性。

匯集來自人資、數據資料、技術和法律等部門的專家,徵求整個組織的意見,來為新的或已改善的人事相關數據系統,找到並提升機會。和供應商或企業內部的數據專業人員協作,以開發並改善營運實務和道德標準,更公平地使用人事相關的數據系統。

7.將「人」留在「人資」中

許多情況下,在人資決策中,並沒有(也不該有)其他事物來取代人類的判斷。在招募、員工考核和其他人資決策中的公平性,必須有人類參與。

以面談流程為例:如今已完全有可能做到不靠人來面談應徵者,只靠視訊面談得到的資料來做決定。皮尤研究中心(Pew Research)的一項研究中,受訪者被問到這種做法時,有67%的受訪者表示這是無法接受的。他們的理由是什麼?這樣做出的決定會有缺陷或有偏誤,而且「應該由人來評價人」。可以接受這個做法的人,也認為這種做法會有缺陷、偏誤,也影響到公平性。他們也承認,視訊面談不該是招募流程中使用的唯一資料點。不該讓數據接管,而應探索人類和資料的最佳合作方式。一些前景看好的人資決策方法,把機器和人員結合在一起,以減少偏誤。這類技術包括「人類參與」(human-in-the-loop)的決策,其中數據是用來提供選項或建議,以供人們查對核實或從中做出選擇。這樣的技術有助於提醒我們,人資數據代表的,是有真實生命、活生生的人,而不僅僅是有待分析的數字,不必多加思考。

公平性逐漸成為企業成功的一個重要因素,而必須靠人們在真實世界裡做出正確的事,才能實現公平性。我們這個基於分析的新環境,提供一些機會可為組織定義公平性,提出公平性為何對企業很重要的理由,並和組織內外的團體合作,以創造和維護公平性。挑戰在於,要注意到機會,並在機會出現時及時抓住。

(侯秀琴譯自2020年11月11日HBR.org數位版文章)



希瑟.懷特曼 Heather Whiteman

人員分析專家,致力把科學和數據資料帶入了解職場人士的藝術中。她曾擔任奇異公司(GE)人力資源高階主管,目前在加州大學(University of California)教授分析和資料分析,並擔任探討未來職場的研究員。懷特曼對組織提供有關人才轉型的諮詢服務,並培訓人力資源組織,以充分發揮人員數據資料的力量,為未來作好準備。


本篇文章主題人力資源管理