數據驅動下的招募甄選:如何利用技術提升多元化與合規性
數據驅動的時代已經來臨
隨著生成式AI(artificial intelligence,人工智慧)等技術的快速進步,這些工具在各行各業中的應用已經變得不可或缺,人力資源的工作也不例外,這一切變革的基礎正是大數據的運用。
📊 「數據能夠帶來哪些改變?」
- 迪士尼公司開發的APP通過數據追蹤了解設施排隊時間、節目表與餐廳資訊等,透過數據的分析並根據遊客喜好推薦,提升了個性化體驗,同時提高了主題樂園的運作效率。
- 星巴克則利用人口統計、交通流量、訂單歷史紀錄、消費習慣與各地銷售資訊等數據的分析,找出最佳店址,並優化特定區域的暢銷產品,提高公司營業額。
這些例子說明了透過收集數據並加以分析提升決策,已成為不可或缺的重要因素:對於 HR(Human Resources,人力資源工作者)而言,透過數據分析評估能在支持決策規劃上,幫助提前掌握信息,在招募時可以知道各個職位廣告最適合投放的地點;在甄選面談環節可以提供給應徵者更加個性化的環節,迅速拉近彼此的距離。
因此,本文將討論數據驅動如何提升決策質量與效率,並深入探討如何利用這一技術來吸引多元化人才,最終探討這些技術的法律與道德考量。
數據驅動如何提升決策質量與效率
數據驅動決策通常包括5個步驟,如下:
1. 釐清企業目標
HR需要深入了解公司的願景與目標,這是最基本也是最重要的出發點,並將其與部門文化、職缺特性及重要性相結合,制定符合SMART目標的數據支持決策方案。
例如:Google的目標是僱用最「優秀」且最「符合」公司文化的員工,以支持公司的創新和增長,他們強調創新、合作和多元化,並且將這些價值觀融入招募甄選中。
2. 選定收集數據的工具
HR應選擇合適的數據收集工具,這些工具可能包括ERP(企業資源規劃)系統的數據分析報告、GA4(Google Analytics 4)的網站流量追蹤等,以確保全面掌握所需信息。
Google 在實施數據驅動的決策時,首先意識到傳統招募方法存在主觀偏見和效率低下的問題。為了解決這些問題,他們開發了多種數據分析工具,用於收集和分析從申請到錄用過程中的各種數據。
例如,他們引入了結構化面試和統一的評分標準,不僅幫助面試官在評估候選人時更加一致和公平,也提高了決策的準確性。《Work Rules! Insights from Inside Google That Will Transform How You Live and Lead》一書中提到,這些措施的實施讓招募的成功率提高了25%,顯示出數據分析在減少主觀偏見和提升招募效果方面的強大潛力。
3. 組織化數據
通過規範化管理數據及可視化工具,HR可以提高信息傳遞與理解的效率,從而更好地支持決策過程。
Google在數據組織化方面採用了非常嚴謹的流程,他們將所有面試結果、評估數據和過程中的反饋進行可視化,並與招募團隊和管理層進行分享。這樣可以確保每個人都能夠基於相同的數據做出決策,從而減少主觀偏見的影響。數據顯示,這種標準化的數據管理使得招募甄選決策的時間縮短了30%,並顯著提高了效率。
4. 執行數據分析
根據設定的目標,HR可以結合案例研究與調查,進行全面的數據分析,以識別最佳策略。
在Google,HR團隊會根據設立的目標,結合歷史數據和案例研究,來分析每一輪招募甄選的效果。他們會對每位候選人的數據進行深入分析,識別與高績效員工的匹配程度。根據分析結果,Google逐漸淘汰了傳統面試方式,轉而採用結構化面試,讓求職者成功通過面試並被錄用的比例增加了20%。
5. 整理出結論
在得出結論後,HR應進一步思考如何利用這些結論來優化目標,並確保與團隊保持溝通,以便有效推進計劃。
基於數據分析的結論,Google 決定將結構化面試作為標準流程,並強調數據在其中的核心作用。他們還進一步利用這些結論來優化招募甄選策略,並與團隊保持溝通,確保這些改進措施能夠順利實施。結果顯示,這些措施幫助Google在招募多元化人才方面取得了很大的進展,多元化員工的比例提升了15%。
🔍「數據驅動的決策並非依賴於主觀觀察,而是基於分析後的數據產生。」
這一個過程讓HR能夠發現關聯性和趨勢,從而選擇最佳方案並細膩地規劃策略。
數據驅動與多元化招募
🌍 現在許多企業都意識到多元化人才的重要性,麥肯錫報告指出,在勞動力多樣性方面排名前25%的公司,其財務表現比同行高出33%。多元化人才不僅有助於提升企業的創新能力和適應性,還直接與更好的財務表現密切相關。
為了吸引來自不同背景的人才,企業應首先從數據入手。例如,美國職業高爾夫協會(PGA)發現,許多求職者不選擇該公司的原因主要是因為對協會了解不夠(27%)以及缺乏行業內的人脈(26%)。然而,一旦求職者知道 PGA 積極招募來自不同背景的人才,他們申請的意願增加了18%。
擁有準確的數據是任何包容性和多樣性的基礎,基於這些數據,PGA(Professional Golfers' Association)制定了以下策略:
1.改善可觸及性
在社交媒體平台上提供企業獎學金資訊,並集中職缺信息到一個平台上,同時將資源集中在如LinkedIn等網絡上。
2.提高互動性
在社交媒體上分享多元化員工的故事,參加就業博覽會,親身向不同的受眾展示企業文化及未來發展方向等資訊,並確保高層領導者具有多元背景和直言不諱的文化。
3.建立責任機制
在招募甄選過程中,HR團隊需要清楚了解各個決策步驟中,誰負責哪些工作,以及這些決策會影響到哪些人。利用數據來獲得公司高層的支持,並設立一套系統,確保每個參與者都能有效地執行自己的任務,並且對結果負責。
這樣的機制能夠幫助推動應徵者順利完成申請,確保招募過程順利進行。
「這些數據驅動的策略雖然可能不會立即顯現效果,但長期來看,它們將打破潛在員工的進入壁壘,成功吸引多元化人才。」
AI與數據的法律與道德考量
數據和AI的進步使HR能夠更快速地篩選候選人,但這些技術的準確性及其帶來的法律與道德問題仍需仔細考量。
根據《性別工作平等法》第7條規定,求職人或受僱者享有平等的工作機會與薪資、配置、升遷、訓練機會等就業安全保障的平等待遇。非有正當合理之關聯性時,不應問應徵者的星座、血型、工會會員身份、婚姻家庭狀況及政治取向等等。
隨著新技術的出現,已經能夠在未經適當同意的情況下間接辨別出許多資訊;而且這些工具有些可能沒有得到科學的驗證,沒有控制潛在的歧視性不利影響。因此,企業在招募甄選過程中,需特別注意以下問題:
1.個人特質
在社交媒體上,求職者的個人訊息(像是性取向、種族等)可能會被無意中揭露,公司在招募甄選時如果基於這些特徵而對求職者有所歧視,給予不公平的對待,這樣的行為在法律上是不允許的。
2.隱私
在數字時代,隱私信息變得更易獲取。企業需要考量這些信息的道德與法律合規性。
3.身心障礙
AI系統可能會過濾掉某些具有身心障礙的應徵者,這樣的行為無疑加深了已有的偏見。因此,企業在使用AI時應平衡這些風險。
⚖️「雖然這些問題沒有簡單答案,但它們值得在公開場合進行深入討論,以確保技術應用的合法與合理。」
結論:數據驅動與未來招募趨勢
現今企業越來越依賴數據支持決策,招募甄選工作透過數據支持或許也能事半功倍,Netflix的數據處理三大原則(數據取得要容易、可視化解釋、及時獲取)為HR提供了有價值的借鑒。
數據驅動的決策模式在HR領域展現了極大的潛力,然而,筆者認為這些技術並不能取代人類的判斷和同理心。數據分析固然能夠提高效率和準確性,但人力資源工作最核心的部分仍然是對人的理解和關懷。在未來的發展中,我們應當尋求一個平衡點,讓技術和人性化的管理相互補充。只有這樣,我們才能在數據驅動的世界中不僅提高工作效率,還能真正促進組織的多元化和包容性。
🔍「在做數據驅動決策時,HR應掌握這些關鍵原則,並不斷更新數據,同時保持批判性思考。」
撰寫者:吳孟軒
參考文章
https://www.hububble.co/blog/data-driven
https://hbr.org/2019/12/why-isnt-your-organization-isnt-hiring-diverse-talent
https://hbr.org/2019/04/the-legal-and-ethical-implications-of-using-ai-in-hiring
https://books.google.com.tw/books?id=M6idBAAAQBAJ&lpg=PP1&hl=zh-TW&pg=PP1#v=onepage&q&f=false