随着联邦承包商开始使用2010年平等就业机会普查文件生成可用性数据，这为提醒计划制定者审视其可用性人才库的计算方式提供了良机。承包商在定义平权行动计划结构时，必须避免机械照搬旧有模式。形势已发生变化，承包商需要清晰预见这些变化对其目标及后续外联工作的影响。 计划制定者应至少每年定期开展工作，确保其分析结果准确、有意义且具有可辩护性。当前OFCCP审计中，实现安置目标的善意努力正受到高度关注，此时此举尤为重要。
如今，大多数平权行动从业者都清楚，自现任政府上台以来，联邦合同合规计划办公室（OFCCP）的审计已（看似）演变为全面的平等就业机会（EEO）调查。虽然并非每次审计都如此——据我所知许多审计都未引发任何问题便结束——但总体而言，新的《主动案件执法指令》已将承包商的选拔流程置于所有调查的核心位置。这种加强审查的态势，进一步暴露了本就脆弱的选拔流程问题，而招聘环节则成为关注焦点。
由于生成可用性数据是制定安置目标的核心驱动力，直接推动外联工作并扩大记录保存要求，因此值得投入额外精力确保数据真实准确。
让我们来看看生成可用性的关键要素，并权衡各种决策的利弊。
- 将职位分配至职业普查代码——此步骤常被认为相当简单，却往往未受足够重视。首先，每个职位名称都应对应唯一的职业代码。尽管有人选择为单一职位分配多个代码，但问题在于对职位与代码关联性的重视程度不足。 人口普查局提供实用支持材料，协助承包商将岗位与详细职业代码匹配，包括从2000年平等就业机会（EEO）文件转换至2010年文件的映射工具。建议建立岗位主列表，包含对应的普查代码、EEO类别、岗位组别及地点。这将帮助承包商定期审查数据，在新增岗位或范围变更时及时增减岗位。 此外，岗位描述及部门经理的意见在此过程中亦可发挥重要作用。
- 创建职位组——由于人们急于将职位归类以生成所需报告，创建有缺陷的职位组竟出人意料地容易。在当今合规环境下，确保职位组组织完善具有重要意义：不仅安置目标基于这些组别，不利影响分析和薪酬分析也使用相同的分类体系。 在计划中使用职位组后，若待审计时出现问题才试图重新定义，既不愉快也不明智。承包商通常以平等就业机会（EEO）类别为基础建立职位组，再根据招聘实践、薪酬结构及岗位流动进一步细分。例如，专业人员类别可拆分为专业人员A（工程师）和专业人员B（其他所有人员），并为每个类别关联不同岗位。 技术上讲，若计划涉及员工少于150人，承包商可沿用EEO类别作为岗位组别。但无论企业规模大小，都应关注自身具体环境，而非简单套用预设的通用岗位分类。 创建岗位组时还需注意：尽可能避免单一组别出现过多员工。若某岗位本身就有数百人，则无可奈何；但若某个岗位组包含多个岗位，其中单个岗位员工数量严重失衡，则可能淹没其他岗位数据，导致可用人才池出现偏差。 反之，若设置过多仅含少量岗位的组别，将削弱承包商制定有效目标的能力，更可能被视作通过"分而隐"手法掩盖问题。核心要义在于：岗位组需经合理性审查以确保其有效性。
- 创建外部可用性——构建可用性人才库的另一难点在于识别外部可用性人才库。尽管法规要求承包商使用最新且最相关的数据，但这为承包商在积极平权行动规划中运用策略留下了很大空间。关键在于承包商需稍加努力，将外部数据（通常是平等就业机会普查数据）与职位组别进行匹配，而非简单地将所有职位组别默认归入同一劳动力区域。 某些岗位/岗位组侧重本地招聘，另一些则明确面向更广阔区域（如全州或全国范围），更不用说那些从特定院校或协会招募的人才群体。将多个外部数据类别加权合并为单一外部人才库的做法也完全合理。 若存在针对性本地招聘计划，同时开展覆盖全州、区域或全国的专项招聘行动，则采用结构化数学公式进行量化评估具有实际价值。
- 创建内部可用性——选择内部可用性池通常很简单，只需查看AAP中符合晋升资格的职位组，将其作为对照组即可。但也可考虑其他方法，例如：分配使员工获得晋升资格的培训计划、关联机构内的个体职位，或利用公司其他机构的职位及职位组。 需注意：将其他机构的职位组进行关联的做法，可能被视为外部招聘行为。
承包商需注意，确定可用性池的方法多种多样且合理，但其中也存在若干陷阱。我们将在下一节探讨其中部分问题。
- 两个因素的权重分配——在最终确定可用人选时，承包商必须将外部因素与内部因素合并，并根据预期招聘模式进行权重分配。此举旨在建立一个能反映可供聘用的候选人情况的招聘数据池。需注意的是，相关法规在此提供了较大的操作空间，联邦合同合规计划办公室（OFCCP）、顾问、律师及众多联邦承包商对如何建立此类数据池均有各自独特的见解。 确定因素并进行权重分配以制定目标的方法有多种，每种方法各有优劣。
利用历史交易数据驱动权重分配——我认为在平权行动规划中，采用近期招聘和晋升数据来确定权重系数是行业惯例，这有何不可？历史数据既能展现实际选拔模式，又能反映现实情况，不是吗？ 自动化系统能在几秒内处理数据并输出结果，"省时省力"，这点无可厚非。不仅如此，我见过联邦合同合规计划办公室（OFCCP）在审计中对此提出要求，而审计时谁都想讨好OFCCP，对吧？不过，这种做法也可能引发反弹。
- 招聘历史仅能反映近期发生的情况，但这并不意味着公司记录与之完全同步。数据的完整性和准确性如何？承包商往往难以追踪细节，而任何疏漏都可能对分析产生重大影响。
- 近期历史数据是否与当前流程一致？企业常会发生合并、岗位调整或其他不可预测的变动，例如招聘人数的大幅增减。我曾目睹招聘与晋升情况逐年剧烈波动，这可能导致承包商在历史数据中发现异常值，从而扭曲分析结果。甚至出现降职被标记为晋升的情况，进一步加剧了可用人才池的复杂性。
- 需警惕内外选拔权重之间的波动。若历史数据显示某年选拔主要来自外部，次年则多为内部选拔且活动"轻量化"，则目标可能出现剧烈波动，这未必能真实反映实际可供选拔的人选情况。
- 样本量至关重要——当选拔规模庞大时，推测结果趋于平衡是合理的，但反向情境呢？若先经历大规模外部招聘，随后进入招聘放缓期导致人数锐减，分析结果便可能出现偏差。尽管人们可能认为多年数据会相互抵消，但核心问题依然存在："你确定吗？"
另一种权衡可用性因素的方法可能是利用通常所说的SME（领域专家）人才库。 若承包商拥有招聘专员和招聘经理等经验丰富的员工，则有理由相信这些人员能够审视各类岗位群体，识别出人才储备池及其为选拔流程输送人才的频率。与使用历史数据类似，该方案具有合理性，常被优先采用或替代自动化数据功能。但同样需要承认其存在若干不足之处。
- 经验需求——公司是否拥有经验丰富的团队来识别选拔模式？若缺乏经验丰富的团队成员，将难以开展人工审核。
- “猜测性估算”可能很危险——依赖主观判断时，你是在押注准确的认知，而这种认知未必像硬数据那样具有确定性。不过，这种做法值得探讨，因为人工审核可能比现有数据更可靠，尤其当数据表缺乏深度时。
The method I would prefer to use is probably obvious by now, and that is to employ both automated and manual if possible. If a plan developer has the ability to manipulate historical data (using multiple time periods for a larger sample is recommended) to drive some initial results and then the SME’s can take time to review the information and remove any anomalies, then it would appear that the result would more likely survive scrutiny and provide meaningful and defense-able results.
结论——本项工作的目的在于帮助一线人员认清每种可用性计算方法的优劣，持续优化计算结果，使其转化为符合公司实际需求的招聘方案，而非偏离正轨导致更大缺口，最终在审计中暴露问题。
祝你好运。
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。
