AAP预备：探索外部可用性数据

可用性分析是平权行动计划（AAP）的关键要素，因为其本质在于确定承包商将从中选拔人才以填补空缺职位的"合格劳动力池"。这些可用性结果直接影响承包商面向少数族裔和女性开展的招募工作力度，以及为此类工作投入所需的资源。 鉴于可用性分析的潜在影响，在确定用于AAP的外部可用性数据来源时，应尽职尽责地进行甄选。

本文将探讨可用性分析中的外部数据要素、各类数据来源可能存在的隐性偏见，以及采用单一标准化方法能否为承包商提供合理结果。

导言：AAP中的可用性分析旨在“建立基准，用于对比承包商现有员工队伍的人口结构，从而判断特定岗位类别中是否存在阻碍平等就业机会的障碍”（《联邦法规汇编》第41卷第60-2.14(a)条）。 通俗而言，可用性指承包商企业中各岗位类别中少数族裔和女性劳动力的"可用"比例。其中关键要素是外部可用性因素，该指标反映承包商通过外部招聘填补岗位的情况。

AAP从业者必须理解《联邦法规》第41编第60-2.14(d)条的要求：承包商"必须使用最新且可获得的离散统计数据来推导可用性指标"。2012年，美国人口普查局发布了2006-2010年美国社区调查平等就业机会统计表（即5年期ACS数据）。 该数据涵盖488个职业类别，是劳动力市场的最新统计资料，"作为主要外部基准，用于比较特定地域和职位类别内组织内部劳动力与对应外部劳动力市场的种族、族裔及性别构成"。 该调查数据覆盖广泛的地理区域（如美国全境、各州、县、核心统计区）。

ACS数据：使用ACS数据的主要优势在于，这是AAP从业者最常用的数据，并获得联邦合同合规计划办公室（OFCCP）的广泛认可。该数据支持按地理区域定制，并允许从业者选择与AAP中定义职位最相关的职业代码。 例如，若雇佣建筑经理、注册护士或软件开发人员，每类岗位均有对应的特定职业代码。此类定制化设置有助于承包商建立其合格外部劳动力池的合理精确模型。

然而，使用这些数据存在一些固有局限。例如，由于新的人口普查数据每十年才发布一次，这些数据随时间推移可能显得过时。美国社区调查数据原本计划每五年发布一次，但目前仍在使用的是2006-2010年的数据。

美国社区调查数据的另一潜在缺陷在于，许多人口普查职业分类仍过于宽泛，可能无意中扭曲了少数族裔和女性的就业目标。例如，0050类"营销与销售经理"职业涵盖了儿童服装销售经理和建筑设备销售经理。因此不得不质疑：对于服装零售店或拖拉机公司而言，这种普查数据是否会导致少数族裔或女性的就业目标设定过高（或过低）。

美国劳工统计局数据中一个同样重要却容易被忽视的问题是：数据本身是否可能存在"污染"。职业普查数据理应反映美国劳动力市场的真实构成。但若存在系统性或制度性障碍，阻碍特定群体进入或留在劳动力市场——或将其引导至特定类型的工作岗位——那么职业普查数据能否准确反映哪些人具备资格且能够胜任特定工作？

例如，如果历史上存在社会、文化或其他障碍，限制了女性从事科学、技术、工程和数学（STEM）领域的工作，那么2010年人口普查中数学家或工程师的职业数据，能否成为衡量当今女性数学家和工程师应有数量的有效指标？

因此，在处理这些数据污染问题时，审视历史性案例《黑泽尔伍德学区诉美国案》（美国最高法院1977年）至关重要。该案审查了密苏里州圣路易斯县郊区黑泽尔伍德学区对非裔美国教师的就业歧视问题。 判决的关键争议点在于：是否存在"合理比较（...）"——即哈泽尔伍德教职员工种族构成与当地合格公立学校教师群体种族构成之间的比较。 相关劳动力市场"（强调部分为原文所加）。

地区法院认定不存在系统性歧视行为时，其将1973年黑泽尔伍德学区1.8%的非裔教师比例与约2%的非裔学生比例进行比较的做法存在谬误。 上诉法院认定政府关于歧视的结论存在错误，因其选取圣路易斯县及圣路易斯市作为相关劳动力市场（1970年人口普查显示非裔教师占比15.4%），却忽略了其他可能相关的统计数据。

关键点在于，最高法院并未对相关劳动力市场应有的构成作出裁决，仅指出应综合考量所有可获取的统计数据。具体而言：非裔教师录用比例为3.7%；圣路易斯郡与圣路易斯市非裔教师占比达15.4%；而仅圣路易斯郡的非裔教师占比为5.7%。

黑泽尔伍德案并未因人口普查数据可能存在瑕疵或被误用的风险，就认定其使用不当。但该案确实提醒从业者：在进行可获得性分析时，须审慎考量所有可用且相关的数据，并根据需要选用最合适的数据来源——或综合多个来源。

除ACS数据外，还有其他外部来源，在适当情况下使用可能大有裨益：

劳动力调查（CLF）：该数据由美国劳工统计局（BLS）发布，涵盖所有16岁以上、非服役军人且未被收容的美国人中就业与失业人群。相较于美国社区调查（ACS）数据，其优势在于每月更新，远高于十年一次的人口普查数据频率。 此外，由于CLF涵盖所有"可就业"人群（即16岁以上、非机构收容的就业者与失业者），其数据更不易受社会经济等因素干扰。该数据覆盖面极广，因此可作为非技术性劳动岗位的合理可用性比较指标。

虽然劳动力流失调查（CLF）数据适用于非技术性职业，但对于拥有高技能员工的企业而言，使用该数据并不理想。毕竟，将包含16岁失业青年的数据用于要求硕士学位和五年工作经验的职位，其准确性可能存在缺陷。 CLF数据的另一潜在缺陷在于：由于美洲印第安人、阿拉斯加原住民、夏威夷原住民及其他太平洋岛民，以及双重或多重种族人群的样本量相对较小，可获取的相关数据十分有限。因此，任何需要获取特定少数族裔数据的替代性数据计划（AAPs），都可能排除使用CLF数据的可能性。

行业特定数据：ACS行业特定数据基于上述相同的EEO统计表，可按职业类别和地理区域进行收集。但该数据源的独特之处在于，职业普查数据可按行业类型（如制造业、零售业、批发业、行政管理等）进行分类，从而为可用性分析提供更精细的定制化支持。 例如，若汽车制造业与计算机/电子制造业对生产经理的岗位要求存在差异——且两者在人口结构上存在显著区别——此类数据源可合理解释这些差异。由于承包商的职业普查数据可排除非相关行业从业者，这些行业特定数据能提供更具关联性与准确性的可用性数据。

……某些职业、地域或行业可能无法提供可用于分析的有效数据，因为样本量过小。

同时需要注意的是，行业数据可能过于局限，无法适用于特定企业内的所有岗位。例如，软件公司招聘销售经理时，究竟只限于有其他软件公司工作经验者，还是接受任何行业管理经验者？若答案是后者，那么针对销售岗位使用行业特定数据可能无法反映实际情况。 由于行业数据存在显著局限性，某些职业、地域或行业可能因样本量过小而无法提供有效的分析数据。最后，由于该数据源与美国社区调查（ACS）数据性质相似，同样存在数据质量受污染的潜在风险。

教育程度数据：另一类广泛使用的数据是教育程度数据。此类数据最常用的来源或许是芝加哥大学的无党派客观研究中心（NORC）以及美国国家教育统计中心（NCES）。 第三类数据源是NCES开展的调查项目——综合高等教育数据系统（IPEDS）。这类数据常用于评估特定教育程度要求较高的职位空缺，例如高校教师岗位的招聘需求。

美国人口普查局（ACS）的"高等教育教师"职业数据涵盖了大学、专科院校、职业学校及其他教育机构的教授和讲师。因此，若以此数据代表四年制大学教授群体，范围可能过于宽泛，无法准确反映美国劳动力市场中所有教授的实际情况。 反之，采用NORC或NCES数据能更真实地反映教授群体特征。这些数据不仅可控制教育程度（如博士学位），还能细分学科领域（如人文、工程、生命科学等）。其额外优势在于更新频率远高于十年一次的人口普查数据。

然而，潜在数据失真的问题同样影响着此类数据。正如某些群体历史上在进入劳动力市场或特定职业领域时面临不利处境，教育领域也存在类似的障碍。 某些群体可能先天存在高等教育完成率较低的倾向，这使得基于此类数据计算"合格"劳动力池的可靠性值得商榷，因此使用时需格外谨慎。例如，严格采用NORC关于博士学位获得率的数据来评估教授职位可能合理，因该学位本就是常见的岗位要求。 但若将同源数据用于要求博士或同等学历的工程岗位，则可能存在争议——该数据未必能代表具备满足岗位要求工作经验的劳动力群体。

教育程度/行业特定：与NORC和NCES的教育相关数据类似，医学和牙科领域的数据可通过美国医学院协会（AAMC）和美国牙科教育协会（ADEA）获取。AAMC提供医学院入学人数、毕业生数据，以及按学位类型和院系划分的教职员工信息。 牙科院校的入学人数、毕业生数据，以及牙医和相关医疗人员的师资数据可通过ADEA获取。因此，这些数据源适用于涵盖医学院或牙科学院的师资岗位组，所反映的数据将基于美国医学院和牙科学院每年上报的实际师资构成情况。

与NORC或NCES数据类似，AAMC和ADEA数据也存在某些局限性。受污染数据的问题依然可能存在，尤其考虑到医学院或牙科学院的录取难度甚至超过本科教育，导致这类数据的获取机会更为有限。

建议

在选择使用哪些外部数据源时，需要权衡诸多因素。请考虑以下几点，以帮助您获得合理且具有说服力的可用性结果：

当然，如果您不确定哪些数据适合您的AAP，请联系顾问。若您没有顾问，欢迎随时联系Biddle，邮箱为[email protected]。

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。