如果 OFCCP 提议的修订调度函在 2012 年任何时候获得批准，它将要求您提交 2011 年的 AAP 数据。如果您的 AAP 年度是日历年，那么这就是您现在正在审查的数据。

从您收到调度函起，您有 30 天的时间提交您的书面平权行动方案以及所附分项清单中指定的文件。OFCCP 建议对信件本身进行少量修改。最重要的修改是对逐项清单的修改。也许更重要的是，对这些数据的重视将改变案头审核本身。

职位组数据：OFCCP 现在做什么

根据目前的排期函，招聘数据是按职位类别和少数族裔/非少数族裔身份及性别提交的。在案头审计时，OFCCP 会将这些数据输入影响比率分析 (IRA) 电子表格，计算选拔率的差异。选拔率低于受青睐群体选拔率的 80%（称为违反 80%规则）和/或选拔率差异在 2 个或更多标准差（SD）水平上具有统计意义的选拔差异被视为潜在歧视的指标。

在大多数情况下，联邦公平竞争和消费者保护署以 2 个 SD 作为触发点，促使对遴选程序进行进一步审查。如果没有迹象表明在任何职位组中存在统计意义上的显著差异，该机构通常不会进一步完善数据，审查一般仅限于技术合规问题，而不是可能的歧视问题。

IRA 计算一次比较两个群体。例如，它可以将男性和女性或少数群体作为一个群体与非少数群体作为一个群体进行比较。由于目前的筛选计算是按性别和少数群体进行的，因此非常适合 IRA。

职位名称和种族/族裔数据：OFCCP 将做什么

建议修订的日程安排函要求提交职位名称和种族/族裔级别的数据。在过去，如果您的少数族裔/非少数族裔独立审查报告中没有职位组级别的指标，即使机构拥有种族/族裔和职称级别的数据，也可能不会对其进行审查。您可以期待这种情况的改变。具体来说，要求提供种族/族裔数据和职称数据至少会产生两种可预见的效果。它将为 OFCCP 提供更多的数据，以审查承包商以前可能没有提供此类数据的情况；它将给外地办事处带来更大的压力，使其在案头审计时审查所有承包商的此类数据，而不仅仅是那些通过少数族裔/非少数族裔计算在工作类别层面上产生指标的承包商。如果该机构不经常使用这些数据，就很难证明例行收集这些数据是合理的。

OFCCP 为何需要这些数据：职位名称数据

OFCCP 需要职称数据的一个原因是为了消除职位组数据可能出现的指标掩盖现象。例如，在下图中，没有劳工职位组一级的指标。根据目前的案头审计方法，图表中的数字不会被视为进一步审查选择程序的触发因素。影响比率（IR）没有违反 80%的规定，也没有统计上显著的标准偏差。在没有指标的情况下，不会追究不足之处。

根据建议的调度函，还将按职称级别提交工人职位组的招聘信息。假设同一个工人职位组由工人 1 和工人 2 组成。如下图所示，按职称检查时，一个指标出现在 1 号工人的职称中。

如果要求按职位名称提供数据，就可以消除这种遮蔽现象。

种族/族裔数据

种族/族裔数据还可以消除掩蔽。例如，在少数族裔/非少数族裔 IRA 中，承包商偏爱某一少数族裔群体而非另一少数族裔群体的事实就会被掩盖。让我们再来看看劳工 2 工种，在上文最后一个图表的非少数族裔/少数族裔分析中，该工种在工种级别上没有任何指标。

种族/族裔数据显示，在申请 2 号工人职位的 100 名少数族裔申请人中，50 人为西 班牙裔，50 人为亚裔。其中 45 名亚裔申请人被录用，而只有 10 名西班牙裔申请人被录用。如果没有职称一级的种族/族裔数据，您或 OFCCP 很可能不会发现或调查这个问题。有了这些数据，就会触发 OFCCP 指标。

从这些计算结果中可以明显看出，在职称层面进行种族/族裔和性别计算，可以使用于确定潜在歧视指标的等式数量成倍增加。

还可以运行种族/族裔/职称 IRA 来比较非少数族裔和亚裔在工人 2 职称中的选择率。该 IRA 将为您提供一个有利于亚裔而不利于非少数族裔的指标。

最后，如果您对非少数族裔和西班牙裔申请人进行 IRA，您将获得有利于非少数族裔的统计显著性。

案头审核中任何超过 2 个 SD 的指标都会引发 OFCCP 的深入调查。 请记住，这些指标是基于 IRA，而 IRA 有其局限性。要了解这些数字的真正含义，需要进行更多的分析。

这对您意味着什么

在审核数据时，了解 IRA 的局限性非常重要。如您所见，您可以为劳工 2 职称运行各种 IRA，但必须成对运行（亚裔/西班牙裔、非少数族裔/亚裔、非少数族裔/西班牙裔），但不能同时运行所有三个群体；为此，您需要另一个公式。在 OFCCP，使用 Chi-Square 公式来计算两个以上种族/族裔群体之间遴选率的公平性。

Chi-Square 可以将所有种族/族裔群体都纳入等式中。在我们的工人 2 职称示例中，您可以输入非少数民族、亚洲人和西班牙裔的申请人/受雇者数字。Chi-Square 将显示每个人的缺口以及等式是否具有统计意义。如果将上述 "2 级工人 "职称的招聘数字放入 Chi-Square 中，就会发现亚裔申请人比预期多 19 人，非少数民族比预期少 5 人，西班牙裔比预期少 15 人。

这与通过一系列 IRA 得出的结果截然不同。非少数族裔/西班牙裔内部差异分析表明，对西班牙裔申请人的歧视有利于非少数族裔申请人，而 Chi-Square 则表明，唯一雇用率高于预期水平的群体是亚裔申请人。OFCCP 合规官员和您的合规人员都必须谨慎行事，正确分析实际的招聘问题。虽然职称层面的种族/族裔数据确实可以消除一些掩盖问题，但由于方程式和解释的多样性，它也可能增加误报或误导计算的机会。

当一个遴选过程中有多个种族和民族群体时，可能有其他方法可以正确计算工作岗位的预期分配情况，这些方法同样有效，甚至更好。行不通的是简单地将一系列个人退休计划的缺口相加，或从单个个人退休计划中得出结论，而忽略了整个人才库的预期公平分配。

转向系统

职称信息也可能会泄露转向。如果您从同一个人才库中招聘劳动力，但直到招聘后才进行实际的职称分配，那么职位组级别的数据只能显示职位组级别的招聘是否达到了预期水平。职称信息可以显示，例如，女性是否因为被分配到某个特定的职称而被引导到不同的、较次要的工作岗位。如果您按照通用职位组进行招聘，并在招聘后分配具体职位，则需要检查 2011 年的数据，以确保这一过程不会使任何受保护群体在收入或晋升潜力或任何其他理想的工作特征方面处于不利地位。

种族/族裔数据挑战

同样重要的是，要知道如何处理被认定为一个以上种族/族裔群体的申请人。最初，OFCCP 会将那些被认定为两个或两个以上种族/族裔的人纳入非少数族裔/少数族裔 IRA 的少数族裔数字中。在按具体种族/族裔进行细化时，那些被认定为两个或两个以上种族，但没有具体说明是哪些种族/族裔的人将被放在一边，不包括在具体种族的计算中。我看到过在 Chi-Square 中将这部分人作为一个单独的类别处理。

既被认定为非少数群体又被认定为特定少数群体的个人通常被纳入特定少数群体。如果他们认定自己属于一个以上的少数群体，而这两个群体在招聘过程中都不受欢迎，他们可以被计入任一少数群体或两个少数群体，但只能得到一次补救。

如果没有某些申请人的种族/族裔数据，他们也可以不列入综合评估，或作为一个单独的组别列入 Chi-Square 中进行分析，但一般不用于责任或补救目的。如果存在大量身份不明的申请人，机构可以尝试使用邮政编码人口统计或其他替代方法来计算种族分布。事实证明，这些替代方法都不是特别令人满意的；但是，你应该知道，无法获得种族/人种数据并不一定意味着该机构不会试图获得这些数据或合理的替代方法。

简而言之

从好的方面看，拟议的新日程安排函要求提供职称级别的种族/族裔和性别数据，这有可能揭示出在现行案头审核程序下可能不会出现的歧视指标。具有挑战性的一面是，如果您尚未建立相关系统，您可能会发现从这一角度审查 2011 年的数据极其困难。您可能有成千上万的职位名称和非常多样化的求职者群体，如果您的招聘工作在这些群体中有所改善，那么您就有工作要做了。在此过程中，请确保您了解数据的真正含义，以及是否使用了正确的分析方法。我还建议你跟踪一下在这个层面上进行分析到底需要多长时间。这可能会比建议日程安排书中预测的负担时间更长。只有保留准确的数据，将指标的增加和可靠性与工作量和负担时间的增加进行比较，才能对这一方法进行有意义的成本效益分析。

编者按：本文最初发表于 Circaworks.com。2023 年 4 月，Mitratech 收购了包容性招聘和 OFCCP 合规软件的领先供应商 Circa。此后，我们对内容进行了更新，以反映我们扩大的产品范围、不断发展的人才招聘合规法规以及人力资源管理的最佳实践。