很多组织尝试通过多种方法来解决工作场所中存在的员工不平等现象。例如，特定的业务团队需要为员工提供实现共同目标而汇聚在一起的工作空间，以及参与可以展示组织提供支持的活动。

但是，要想取得任何实质性进展，人们面临的大问题之一就是如何更平等地支持和重视所有员工。当组织必须言行一致时，就会出现真正的挑战。

Ryan Wong说，这里缺少的环节可能是硬数据。作为人员分析平台Visier公司的首席执行官，他在商业智能和企业软件方面拥有20多年的经验，该公司致力于使用数字分析技术帮助组织领导者了解有关其业务的重要事实。

在多元化和包容性方面，组织领导者需要减少对表面指标的依赖。他解释说，很多组织看到的是错误的多元化数字。但他补充道，收集和分析多样性和包容性数据并不容易，尤其是在非法的情况下。例如，全球零售商H&M公司最近被处以3500万欧元的罚款，原因是该公司非法收集了其员工的个人隐私信息。

他说：“除了在这一过程耗费的成本和时间之外，我发现，真正的麻烦在于组织如何面对多样性和包容性数据中揭示的真相。很多组织无需深入研究数据或跟踪更有意义的指标，就可以轻松地依靠表面指标进行了解。对于组织领导者来说，通常的做法是忽略潜在的问题，同时改进表面指标，如招聘、留用或各种员工群体的流失，或者发表声明而不采取行动予以支持。数据可以在创造持久变革的道路上发挥重要作用，但其前提是组织的领导者必须根据数据揭示的信息采取行动。”

收集什么样的数据?

人们应该收集什么样的的数据?Wong指出，在理想的世界中，人们需要考虑多样性和包容性的“包容性要素”。他说，“换句话说，就是多样化员工的工作经验。举例来说，一个组织可能会表现出为改善招聘和招聘多样性而做出的努力，但却无法分析聘用的员工具有哪些经验。他们被邀请参加过社交聚会吗?会接受适当的指导吗?观察经常会出现哪些因素(例如歧视、微表情以及缺乏支持)，这将揭示什么是改善多样性努力的真正阻碍。如果没有这些数据，组织基本上都是盲目的，不知道怎样才能更好地发挥作用。”

隐私是一个显而易见的问题。雇主可以而且应该收集员工的哪些信息?欧盟的GDPR法规指出，“平等数据是重新考虑的一个关键因素，也是支持反对歧视和排斥的有力工具”。

但是，组织必须谨慎收集敏感的个人数据。根据这项工作的性质，通常无法对数据进行匿名处理，这些数据不能不利于特定群体，必须按照法律框架进行收集和处理。例如，如果使用有关性别、种族、性取向或宗教信仰的数据，组织必须能够证明它这样做是为了评估其多样性和包容性努力，例如机会均等和员工待遇。

欧盟表示，在这些情况下，多样性监测可以帮助制定基于证据的政策，以防止员工受到歧视、不平等待遇或排斥。

正确的路线

当然分析数据至关重要。Wong解释说，现在有很多可用的劳动力分析工具，这些工具有助于衡量不同群体的工作经历。

他以队列分析为例。这种方法帮助企业通过捕捉某位员工的详细工作记录，并将其与经历相似员工的工作记录进行比较，来发现出入口数据中的关键细微差别。

Wong说：“保留的数据只能显示员工离职，但队列分析可以揭示离职原因。队列分析可以最终揭示种族和性别在离职中的作用，通过展示支持包容性和多样性工作场所的互动，或者积极地与之抗衡。

组织不能依赖于他们的人力资源管理系统，因为这些系统从来不是为分析而设计的。为了利用员工数据获取见解，组织领导者必须有一种快速、正确地从数据中提取见解的方法，以便做出更好的决策。而采用能够对员工进行并行比较的分析平台对于传达多元化和包容性战略尤为重要。”

数据分析只是“难题的一部分”

数据分析是工作场所未能实现真正的多样性和包容性的解决方案吗?Wong并不这么认为。他说，“数据是关键的部分，但只是难题中的一部分”。

他补充说：“在多样性和包容性方面创造持久的变化不会一蹴而就。致力于提高多样性和包容性的组织需要知道，他们在这一过程中可能会面临失败，但不能因此而阻止他们坚持走下去。”

在挖掘多样性和包容性问题时，组织还应该意识到数据的局限性。《哈佛商业评论》指出，组织拥有一个群体的大量数据和另一个群体的少量数据，通常会导致不准确的分析，最终导致人们倾向于根据少量数据提出索赔的倾向。然而，这不应被用作拖延进展的借口。将数据分析纳入组织更广泛的工作中，而不是依赖于单一的策略，这可能是组织实现多元化的最佳机会。

Wong说：“收集有关多样性和包容性的深入信息，对于了解组织为有效解决方案所面临的独特问题至关重要，但这并不是改善多样性的捷径。一旦领导人采取行动解决它揭示的难题，组织才能在多元化和包容性方面经历真正的变革。”