數據是評價表現的起點

我們時常透過資訊數據理解周遭世界，因此，資訊數據對於我們理解何為公平、何為不公平，可說至關重要。沒有資訊數據，就無法確實了解我們的行為，也無法確定自己是否朝着正確方向前進。

近期我們與一家美國中型專業服務公司的執行長通電話時，他充滿自信地表示：「本公司沒有薪酬差距的問題。」於是我們禮貌地詢問：「您怎麼知道呢？」他的回答是：「相信我，我在這家公司待了將近40年，我當然知道。」這聽起來或許有些極端，但你可能感到驚訝，我們經常聽到類似的言論，人們似乎可以在毫無任何證據的情況下「知道」某些事，這不禁讓我們提出一個常見的問題：「根據什麼數據？」

當你去看醫生，並述說你感到不適時，這只是看診的起點。任何一位稱職的醫生都會透過一連串具體的問題，搜集更多關於你的症狀、病史與基本的健康數據，以便找出症狀的根本原因。唯有經過如此全面的診斷，醫生才能開立適當的治療方案；而一位真正優秀的醫生還會安排後續追蹤，以搜集更多資訊，確認治療是否如預期般奏效。

因此，數據是診斷我們表現好壞並揭示問題痛點的基本起點。正如Uber的首席多元共融執行長烏娜・金（Oona King）所說的：「數據就像是X光片。你會因胸口疼痛而心生恐懼，但直到做了檢查後，你才有辦法知道真正的問題出在哪裏。」

運用數據推動職場公平

我們不希望你生活在恐懼之中，相反地，我們希望你能夠運用數據了解自己與組織在職場公平方面的基本狀況，繼而發掘改善的機會，並隨時了解自己的作為是否造成不平等。

正如約翰・杜爾（John Doerr）在其著作《OKR：做最重要的事》（Measure What Matters）中所做的精闢說明：「我們傾向於衡量重要的事物。」因此我們希望你採取一種嚴謹的、由數據驅動的方式，以推動職場公平，不僅是因為它甚具成效，更因為將公平與其他事務視為同等重要，是獲得實際成效的必要條件。

事實上，數據驅動的決策是一種有效的工具，可以提升組織績效。一項針對179家美國上市公司的研究發現，那些能取得數據並且實際將數據運用於商業決策的公司，其產出與生產力都明顯較高。Google是運用數據驅動決策的先驅之一，該公司將此理念付諸實踐，分析超過一萬份績效評估資料，並將結果與員工留任率比對。這項分析數據使Google能夠精確辨識有效的主管行為，進而針對這些特定技能對主管進行培訓。最終，主管正面評價的中位數因此有所提升。

在接下來的章節中，我們將回答幾個問題，例如應該搜集哪些數據？由誰、在什麼時候搜集？如何呈現與分析數據，以促進行為改變？我們建議以當前最可靠的證據為基礎，但無可避免地，你仍需要根據自身的法律環境加以調整。

世界各地有許多針對組織搜集並公開與公平性相關資訊的具體規範，你應該去了解適用於業務所在區域的相關規則。此外，在某些司法管轄區，搜集特定人口統計資訊是違法行為，我們當然不希望你因此觸犯法律。但基本上，只要法規允許，你都應該主動搜集與職場公平性相關的資訊，即使法規未強制要求，你也應該這麼做。因為若沒有基準數據資料，便無法衡量改善的成效。

節錄自《無偏見管理：遴選最優秀人才，減少職場糾紛，提高員工績效》序言，本社獲天下文化授權轉載。

新書簡介：

書名：《無偏見管理：遴選最優秀人才，減少職場糾紛，提高員工績效》 （Make Work Fair： Data-Driven Design for Real Results）
作者： 艾莉絲・波內特（Iris Bohnet）、希瑞・奇拉茲（Siri Chilazi）
譯者：李文怡
出版社：天下文化
出版日期：2025年12月23日

作者簡介：

艾莉絲・波內特（Iris Bohnet）

哈佛甘迺迪政府學院艾伯特・普拉特商業與政府講座教授（Albert Pratt Professor of Business and Government），並擔任「婦女暨公共政策計畫」（Women and Public Policy Program）共同主任。她是行為經濟學家，也是獲獎著作《有效對策》（What Works： Gender Equality by Design）的作者。

她為全球企業與政府提供性別平等相關諮詢。於2021年受任為G7性別平等諮詢委員會成員，並獲全球學習與網路平臺Apolitical評選為「政府界最具影響力學者」與「性別政策領域最具影響力人物」。

希瑞・奇拉茲（Siri Chilazi）

哈佛甘迺迪學院「婦女暨公共政策計畫」研究員，亦是推動女性賦權與性別平等的國際知名專家。身為學術研究人員，希瑞專注於發掘實務可行的方法，透過消除偏誤的制度、設計更公平的流程，以縮小職場中的性別差距。她亦擁有哈佛商學院企業管理碩士學位、哈佛甘迺迪政府學院公共政策碩士學位，以及哈佛大學化學與物理學士學位。