所谓“未知问题”对任何分析申请者数据的人而言其实都再熟悉不过。因此它根本称不上“未知”。但这个问题的范围远比人们想象的更广，其影响会像涟漪般扩散到平权行动计划中的多项分析中。
 

申请人数据中未知种族和/或性别状态

我从未见过哪份申请者数据集没有几个字段留空或标记为"未知"——尤其是种族和/或性别字段。问题在于：这些数据究竟该如何纳入分析？或许排除所有种族与性别均未填写的申请者看似理所当然。但那些自报其中一项身份却未填写另一项的候选人又该如何处理？

若您错过了我上篇文章《首次就做对》，在此重申：当应聘者在录用时进行自我种族与性别标识时，务必确保将其信息更新至应聘者名录中。 多数联邦承包商都设有独立于人力资源信息系统（HRIS）的应聘者数据库。这意味着HRIS系统中已录入种族与性别信息的录用人员，在应聘者日志中可能显示为未知种族和/或性别。简言之，在启动选拔影响比率分析（IRA）前，必须修正此类数据异常。

现在假设我们有1000名职位候选人，其中900人提供了性别自我标识，但仅有500人同时提供了种族和性别信息。再假设在400名仅提供性别（未提供种族）的候选人中，有300人为男性。 在同时提供种族与性别自认信息的候选人中，女性250人，男性250人。若最终录用150人（其中男性100人，女性50人），则种族与性别差异率（IRA）为0.5，标准差为4.88。 若将已知性别但未知种族的申请者纳入统计，女性录取率为50/350，男性录取率为100/550。由此得出的IRA值为0.79，不具统计学意义。

众所周知，在"未知种族/已知性别"的申请者中，性别构成不同将产生不同的结果。关键在于理解：你如何处理未知变量将影响数据结果。此外，为确保数据完整性，必须始终如一地应用所选方法。
 

申请人数据中未知的残疾状况和/或退伍军人身份

既然我们在数据收集和分析中需要考虑残疾状况和退伍军人身份，是否应该排除那些未主动申报为残疾人或退伍军人的候选人？

为什么这很重要？假设某个职位有1000名候选人，其中600人自认符合所有条件，而300人是残疾人士（是的，我知道这种情况不太可能，但请继续听我说）。 若最终录用300人，其中100人为残障人士，则残障人士录用率为0.33，非残障人士录用率为0.67，独立比率(IRA)为0.5，标准差为8.16。这显然是个问题。

在去年的SWARM会议上，联邦合同合规计划办公室（OFCCP）区域主任梅丽莎·斯皮尔确认：当我们为设定使用率目标而分析劳动力构成时，将劳动力中的未知群体计入无残疾人员。我们同样应将此方法应用于求职者数据分析。

因此，若将400名候选人纳入分析作为无残疾人士，残疾人士的选拔率仍维持在0.33，但无残疾人士的选拔率则降至0.29，其选拔率差异（IRA）为1.17。此时我们已不存在对残疾人士的不利影响。

现行法规尚未要求对残疾问题进行不利影响分析，但若有相关数据，即可开展此项分析。这是您需要保持领先地位的领域。
 

员工数据库中未知种族和/或性别状态

联邦合同合规计划办公室（OFCCP）在其网站上发布了常见问题解答，内容如下：

• 承包商获取其雇员和应聘者种族信息的正确程序是什么？

  美国联邦合同合规计划办公室（OFCCP）的法规《联邦法规汇编》第41卷第60-1.12(c)条规定：承包商保存的任何人事或雇佣记录，必须能够识别每位雇员的性别、种族和族裔，并在可能的情况下，识别每位申请人的性别、种族和族裔。

  联邦合同合规计划办公室（OFCCP）并未强制规定收集信息的特定方法。自我申报是收集个人性别、种族和族裔信息最可靠且首选的方式。强烈建议承包商依靠员工自我申报获取此类信息。 视觉观察是识别人口统计数据的可接受方法，但并非在所有情况下都可靠。若自我申报不可行，可通过入职后档案或视觉观察获取相关信息。承包商不得对申请者或雇员的性别、种族或族裔进行猜测或推断。[强调部分]

尽管法规规定了零容忍政策，但联邦合同合规计划办公室（OFCCP）网站的指导意见指出，可能存在种族和/或性别信息不明确的员工。随着关于性别认同的新法规出台，该指导意见显得尤为重要。原因何在？因为对员工性别的猜测可能构成歧视依据，尤其当猜测有误时。因此，对未知信息应保持未知状态。

接下来，您需要确定如何分析劳动力中存在未知因素的数据。您的行动计划（AAP）软件可能不支持未知因素，但联邦合同合规计划办公室（OFCCP）要求在行动计划中统计所有员工——无论是否存在员工数据缺失的情况。为呈现最准确的劳动力状况，应尽可能在各类分析中纳入未知因素。 多数分析无需依赖数学计算，因此在劳动力分析、岗位组分析及交易摘要中纳入未知数据相对容易。而内部可用性、外部可用性、双因素分析、利用率分析及所有影响比率分析则可排除未知数据，因这些计算依赖于分析中所有员工的种族与性别数据点。
 

结论

在数据分析中，几乎不可能完全消除"未知因素"。即便我们竭尽全力收集信息，也很难实现种族、性别、残障状况及退伍军人身份等信息的100%自我申报。我们能做的就是适应这种现实，制定一套处理这些因素的统一可靠策略。当联邦合同合规计划办公室（OFCCP）来访时，务必做好为自身方法辩护的准备。

有关如何分析未知因素数据的更多信息，请联系玛丽琳·舒勒，邮箱：[email protected]。

请注意：本文内容均不构成法律建议，亦不能替代针对贵组织具体情况的专业建议。所有原创材料版权归Schuyler平权行动实践所有。

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。