چگونه می توان به بهترین وجه از داده ها برای دستیابی به اهداف DE&I خود استفاده کرد


در سال 2014 ، چندین شرکت بزرگ فناوری ، از جمله اپل ، فیس بوک ، گوگل و مایکروسافت ، شروع به انتشار گزارش های سالانه تنوع با جزئیات ترکیب نیروی کار خود کردند. این ارقام خود دلیلی برای برگزاری جشن نیست: گزارش ها نشان می دهد که زنان تقریباً 30٪ از کل نیروی کار و بین 15٪ تا 20٪ نیروی کار فنی این شرکت ها را تشکیل می دهند. سیاه پوستان و اسپانیایی ها به طور متوسط ​​با تک رقمی پایین نشان داده شدند.

با این حال ، این حرکت به عنوان یک پیروزی برای شفافیت و به عنوان منادی پیشرفت بیشتر در ایجاد تنوع در صنعت شناخته شد. و ما به عنوان دانشمندان علوم رفتاری با این پیش بینی موافق هستیم. تحقیقات زیادی وجود دارد که نشان می دهد افشای داده ها در دامنه های مختلف ، از جمله شرایط کارت اعتباری ، بهداشت رستوران و مصرف انرژی ، می تواند ابزاری قدرتمند برای تغییر رفتار باشد. در بسیاری از موارد ، افشای اطلاعات حتی پیش از دریافت کنندگان اطلاعات بر رفتار ارائه دهندگان اطلاعات تأثیر می گذارد. به عنوان مثال ، رستوران هایی که مشمول نیاز به برچسب کالری هستند معمولاً گزینه های سالم تری نسبت به رستوران هایی که محتوای کالری غذای آنها را فاش نمی کنند در منوی خود دارند – اگرچه شواهد انتخاب مشتری متفاوت است.

همانطور که قبلاً می دانیم ، امیدهای ما برای افزایش تنوع ، عدالت و شمول (DEI) در فناوری محقق نشده است. این صنعت بخصوص در مشاغل فنی به طور عمده سفیدپوست ، آسیایی و مردسالار باقی مانده است: به عنوان مثال ، سیاه پوستان و زنان آمریکای لاتین تنها 4٪ حرفه کامپیوتر را تشکیل می دهند. به بیان ساده ، در زمینه DEI ، افشای داده ها به تنهایی برای تحریک تغییرات قابل توجه کافی نیست. که این س theال را به وجود می آورد: آیا در مورد داده های تنوع چیزی منحصر به فرد وجود دارد تا افشای آنها منجر به رفتاری مانند داده ها در حوزه های دیگر نشود؟ یا شاید بتوانیم از بینش های بیشتری در زمینه علوم رفتاری برای کمک به سازمانها در استفاده از داده های تنوع به عنوان محرک پیشرفت DEI استفاده کنیم؟

ما در یک مقاله سفید اخیر به این موارد پرداختیم. یافته های ما و چند مثال در دنیای واقعی نشان می دهد که اگر درست انجام شود ، جمع آوری ، تجزیه و تحلیل و افشای داده های تنوع واقعاً نوید یک اهرم قدرتمند برای پیشرفت است. این امر به ویژه در حال حاضر بیشتر صدق می کند ، زیرا همه گیری Covid-19 و جنبش عدالت نژادی شرکت ها را بر آن داشته است تا در نحوه مدیریت سرمایه خود تجدید نظر کنند.

در اینجا چهار بینش اساسی آورده شده است که سازمان ها باید برای استفاده بهینه از داده های تنوع خود به خاطر بسپارند.

داده های تنوع را به روشی ساده ، صریح و قابل مقایسه ارائه دهید.

همه داده ها به یک شکل ایجاد نمی شوند: برای اینکه بتوانیم عمل کنیم و فرصتی برای تأثیرگذاری بر رفتار داشته باشیم ، اطلاعات باید برای مخاطبان مورد نظر خوانا باشد. وزارت کشاورزی ایالات متحده وقتی این موضوع را فهمید که در سال 2011 از هرم غذایی به مدل بشقاب تغییر وضعیت داده تا دستورالعمل های غذایی سالم را اعلام کند – به هر حال ما از اهرام نمی خوریم. ما از بشقاب غذا می خوریم

در کار ما ، دریافتیم که بسیاری از شرکت ها دارای تمام نقاط داده مناسب هستند ، اما در مورد داده ها وضوح کمی دارند. به معنای. اطلاعات کارمندانی که به طور انفعالی در یک یا چند پایگاه داده منابع انسانی قرار می گیرند ، از بینش های فعلی DEI دور است. و معیارهای اندازه گیری در کل شرکت ممکن است برای یک مدیر فردی که تصمیم می گیرد چه کسی را استخدام یا ارتقا دهد تصمیم گیری کند.

بنابراین ضروری است که داده های تنوع در یک کارت امتیازی قابل تنظیم یا داشبورد قابل درک و مناسب برای کاربران مورد نظر ارائه شود. ارائه داده ها باید به راحتی بین واحدها و بین دوره های زمانی مقایسه شود. این دقیقاً رویکردی بود که کمیته برگزاری لندن در بازیهای المپیک و پارالمپیک 2012 (LOCOG) ، برای راه اندازی یک کمپین سریع برای جذب 200000 نفر ، در پیش گرفت. این مجموعه جمع آوری و گزارش داده ها در مورد تنوع سازمان خود و همچنین مجریان ، مشاوران ، پیمانکاران اعزامی و پیمانکاران فرعی درگیر در بازی ها را گسترش داده است.

همه کارمندان به یک عکس فوری ماهانه از بالاترین معیارهای تنوع سازمان در هفت بعد ، از جمله جنسیت و جنسیت هویت ، معلولیت ، قومیت و وضعیت اقتصادی اجتماعی دسترسی داشتند ، در حالی که مدیران ارشد گزارش های ماهانه مفصلی را که به تفکیک بخش دریافت می شد دریافت می کردند. داده های تنوع همراه با اهداف استخدام بر اساس بازار کار مربوطه ارائه شد. هر بخش نسبتاً قابل مقایسه بود و هر منطقه عملکردی هر ماه در کارنامه استخدام خود رتبه بندی می کرد. نکته مهم ، این امر به تیم LOCOG این امکان را می دهد تا مدلها را زود تشخیص داده و در مقابل بی نظمیها سریع مداخله کند.

در پایان ، برگزارکنندگان با 46 درصد زنان ، 40 درصد اقلیت های قومی و 9 درصد افراد معلول در نیروی کار بازی ها ، به اهداف متنوع خود رسیده اند یا از آنها فراتر رفته اند.

از داده های تنوع برای فعال کردن افراد مناسب استفاده کنید.

هنگامی که راس اتکینز ، مجری اخبار شبانه بی بی سی ، قصد داشت نمایندگی زنان را در برنامه خود افزایش دهد ، می دانست که جمع آوری و نظارت بر داده ها ضروری است. او دو تصمیم اساسی در توسعه روش جمع آوری اطلاعات خود ایجاد کرد – که از آن زمان به یک پروژه جهانی 50:50 تبدیل شده است که هدف آن دستیابی به برابری جنسیتی در نمایندگی رسانه ها است. اول ، او تصمیم گرفت که اطلاعات نمایندگی جنسیت در نمایش خود را در طول داستان های شبانه پس از نمایش جمع آوری ، ردیابی و بازبینی کند. دوم ، اتکینز و تیمش تصمیم گرفتند فقط آنچه را که می توانند کنترل کنند اندازه گیری کنند ، یعنی. مهمانان و پرسنلی که برای اظهارنظر در مورد اخبار روز اقدام به رزرو کرده اند. به عنوان مثال ، بازیگران اصلی اخبار روزانه (مانند سخنرانی انتقادی رئیس جمهور یا مدیرعامل) از دست آنها خارج بود ، بنابراین آنها از محاسبات روزانه و هدف نمایندگی جنسیت 50-50 حذف شدند.

رویکرد اتکینز در تضاد با اکثر سازمان هاست ، جایی که داده های تنوع توسط تیم های HR ، D&I یا People Analytics دور از خط مقدم جمع آوری و ردیابی می شود. علاوه بر این که داده ها برای کارمندان عادی کمتر قابل دسترسی است ، همچنین می تواند حس مالکیت کارمندان نسبت به تعداد را کاهش دهد.

به منظور استفاده از داده های تنوع به عنوان محرک پیشرفت DEI ، سازمان ها باید رابطه بین تصمیمات روزمره و نتایج حاصل را برای کارمندان روشن کنند. از آنجا که اقدامات اصلی شکل گیری نیروی کار سازمان برون سپاری ، استخدام داخلی ، ارتقا و گردش مالی / حفظ است ، شاخص های تنوع در اطراف هر یک از این فرایندها باید شکسته و براساس واحد ، سطح ، جغرافیا و مدیر فردی – و با گذشت زمان. یا بهتر از این ، مانند اتکینز ، سازمان ها باید به کارمندان خود توانایی ردیابی و اندازه گیری معیارهای DEI سازمانی را بدهند.

اهداف تنوع را برای ایجاد پاسخگویی و افزایش پیگیری تعیین کنید.

داده ها برای افشای یک مشکل و جلب توجه مفید هستند – به هر حال ، آنچه اندازه گیری نشده است ، به حساب نمی آید. اما گاهی اوقات اعداد به تنهایی اراده تغییر رفتار مرتبط با DEI را جمع نمی کنند.

اهداف مکانیسم حتی قدرتمندتری برای دستیابی به تغییر رفتار هستند. آنها در خدمت بسیج هر دو هستند اراده (انگیزه) نیز هست مسیر (تلاش ها و استراتژی ها) تغییر رفتار. بعلاوه ، وقتی اهداف علنی می شوند ، آنها مکانیزم گزارش دهی را ارائه می دهند که طبق تحقیقات ، احتمال دستیابی به اهداف ما را بیشتر می کند.

شاید تصادفی نباشد که افشای تنوع شرکت های بزرگ فناوری ، شامل استثنائات یا اهداف عمومی نمی شود ، به استثنای موارد بسیار کمی. با این حال ، حتی در فناوری ، نمونه هایی از پیشرفت هدفمند موفق در DEI وجود دارد. Red Hat Canada ، شرکت تابعه کانادایی شرکت نرم افزار منبع باز مستقر در ایالات متحده ، با دستیابی به هدف سه ساله خود ، سهم زنان در فروش خود را از 5٪ در اواسط 2014 به 40٪ در اواسط 2017 افزایش داد.

به گفته لوک ویلنوو ، رهبر ایالت کانادایی Red Hat در آن زمان ، گنجاندن تنوع جنسیتی در اهداف تجاری این شرکت کلید دستیابی به تغییرات تحول آفرین بود. به عنوان بخشی از تلاش برای جذب زنان بیشتر ، الگوهای ویلنو با تغییر حسابرسی در شبکه LinkedIn – شرکتی که به واسطه ارتباطات شخصی و مراجعه به آنها استخدام شده است – و با هدف ایجاد 20٪ از ارتباطات LinkedIn خود در زنان ، تغییرات رفتاری را می خواستند. ، در حالی که این رقم در سال 2014 فقط 4٪ بود. در عرض چند ماه ، او تقریبا نیمی از وقت خود را صرف جستجو و مصاحبه با نامزدهای زن برای ایفای نقش کرد. این اقدامات فردی توسط ابتکارات گسترده شرکت برای تقویت خط لوله استخدام از طریق دسترسی به دبیرستان ها و سایر موارد پشتیبانی می شود.

از داده های تنوع برای جابجایی هنجارهای اجتماعی در اطراف DEI استفاده کنید.

در صنایعی مانند فناوری ، که کمبود تنوع یک مسئله بومی و کل سیستم است ، ایجاد تحول در سطح سازمانی به ویژه چالش برانگیز است. در حقیقت ، برخی از رهبران ابراز نگرانی کرده اند که افشای اطلاعات مختلف تنوع در مردم ممکن است به تقویت این درک (یا هنجار) کمک کند که فناوری برای گروه های کم بازده ، محیط مطبوعی نیست.

هنجارها در واقع تأثیرگذار قدرتمندی در رفتار هستند و می توانند به طور م byثر بر اساس داده های تنوع شکل بگیرند. به عنوان مثال ، انگلستان را درنظر بگیرید ، جایی که نمایندگی زنان در تابلوهای FTSE 100 از 9٪ در 2011 به 33٪ در سال 2020 افزایش یافته است. علاوه بر رعایت سایر نکات بالا ، ارائه و پیگیری داده های ترکیب در هواپیما به روشی ساده و قابل مشاهده استفاده از داده ها برای توانمند سازی صندلی های هیئت مدیره ، مدیران شرکت ها و شرکت ها برای یافتن مدیران عامل برای انتصاب زنان بیشتر ؛ و تعیین اهداف نمایندگی خاص که به طور مداوم در حال دستیابی است – شرکت ها ، فعالان ، دولت انگلستان ، دانشگاه و رسانه ها از داده های تنوع موجود برای تغییر هنجارهای اجتماعی در دهه گذشته استفاده کرده اند.

به جای تمرکز روی عدم در اصل برای زنان در هیئت مدیره ، آنها اکثریت قریب به اتفاق شرکت هایی را برجسته می کنند قبلا، پیش از این حداقل یک زن در آن بود. سپس ، با افزایش بیشتر تعداد زنان ، پیام ها متمرکز بر برجسته سازی داستان های موفقیت و نام بردن و رسوا کردن افراد عقب مانده بود ، و باعث ایجاد رقابت بین هیئت مدیره شرکت ها و شرکت های جستجوی اجرایی شد که کاندیداهای مدیریت را به آنها ارائه می دادند. . بدین ترتیب ، داده های برابری جنسیتی موجود در هواپیما با قرار دادن برابری جنسیتی در دستور کار هیئت مدیره ها و شرکت ها و ایجاد پیامدهای معتبر برای بی عملی ، نقشی کاتالیزوری در شکل دهی هنجارها داشته است.

همه اینها به نکات ساده و کاربردی زیر برای شرکت ها برمی گردد: مدیریت DEI را به همان روش دقیق و مبتنی بر داده که بقیه کار خود را مدیریت می کنید. دستیابی به اهداف DEI به چیزی کمتر از استفاده از همان برنامه های ریزی ، بازخورد و گزارشگری که برای دستیابی به اهداف در فروش ، توسعه محصول و بودجه بندی اعمال می شود ، نیاز دارد. داده ها اقدام هدفمند را تحریک می کنند و در این حوزه ها و همچنین DEI پاسخگویی ایجاد می کنند.


منبع: bighat-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>