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