与刚开始的时候相比，Yelp的技术部门在多元化招聘方面已经取得了很大进展。虽然我们的工作方法在不断发展，但我们在提高组织的多样性方面取得了重大进展，其中包括减少面试过程中的性别和种族偏见。我们在这里分享一些我们所学到的，以帮助他人的努力。

如果你正在寻找效仿我们成功的秘诀，不幸的是，我帮不了你。任何提供其他条件的人都可能是在卖东西给你。当然，你还需要在旅途中买一些东西。但是，如果最新版本的偏差爆破9000听起来太好了，那是因为它是真的。这里没有简单的解决办法。

我在Yelp工作的9年里，我们在招聘流程和策略上取得了几项重大进步，才有了今天的成就。我在这篇博客中所涵盖的内容可以说是我们所做的最关键的改变:尽可能跟踪每一点数据，并定期进行分析，以更好地诊断我们工程面试中的偏见。

面向数据的方法

如今，我们正在监控每位候选人面试过程的每个阶段，以及关于候选人本身的几个数据点。我们会跟踪有多少候选人是主动申请的，有多少是主动申请的，以及每个小组在第一轮面试中的表现。我们通过性别认同以及每个群体如何转化为接受出价来监控出价率。在我们的面试过程中，我们能够确定所有被面试的人是否以相同的比例通过了每个问题。

为了了解这些事情，我们开始谨慎地跟踪数据并进行分析。我们自动发布每日更新到监控管道健康状况的仪表板上。我们每周都会报告招聘渠道的状况，以便在需要时做出调整。我们不会在事先知道可以衡量效果的情况下改变面试流程。有了这些程序，我们就真正能够系统地识别和解决问题。

我们已经从起点走了很长一段路。事后看来，这听起来有些荒谬，但在我任职Yelp的早期，我们甚至不知道我们需要雇佣多少人。我们只知道我们需要更多的工程师，上个月我们就需要了。我们监测了每个月招聘的人数，以及我们的报价到接受的转化率。排序的。只要我们记得追踪他们，但如果我们忘记了也没有什么大不了的。还有很多改进的空间。

一个重新开始的机会

就在疫情爆发之前，我们的招聘团队迎来了一个新的机会，Yelp Engineering决定将业务范围扩大到多伦多。随着疫情的蔓延，我们的计划从专注于多伦多转向在加拿大各地进行远程招聘。这是我们第一次有机会利用过去几年积累的知识进入一个新的人才市场。

这似乎正在起作用:在2021年第一季度，我们在加拿大招聘的工程师中有19%被确定为黑人或拉丁裔(加在一起，代表不足的少数民族或URM)，我们在领导职位上也看到了更令人印象深刻的增长。

一些建议

现在就开始

我经常后悔我们因为缺乏数据而不能更快地做出决定。建立一个足够大的数据集来理解您的流程并检测其中的偏差需要时间。以Yelp为例，根据当前的招聘速度，我们通常能够在收集一两个月的数据后，了解具有统计意义的事务状态。当然有一些变量会影响这一点。例如，漏斗阶段的顶部，如第一轮面试，产生更多的数据。

九年前，我们要花更长的时间才能得到有用的数据。在招聘的后期阶段尤其如此，这时候选人的数量会减少，对于科技行业通常代表性不足的人口统计数据来说更是如此，因为在招聘过程中没有足够多的人来得出统计上有意义的结论。如果你刚刚开始，你越早跟踪招聘数据，就能越早对你的流程做出有意义的改变。

基本数据点

如果我们今天重新开始，有三个数据点我想确保我们立即开始收集。

1. 在面试过程的每个阶段都进行/不进行-这一点可能是不言而喻的，但它是所有其他事情的基础。从接触点开始，一直到接受。在每个面试阶段，如果不了解成功/失败的比率，其他一切都是无用的。
2. 候选人来源-了解你的候选人来自哪里会产生许多见解。来自招聘会或求职网站的求职者会得到更多的offer吗?大多数人都想找到最成功的消息来源，但了解最不成功的消息来源也同样有价值。来自某些来源的候选人以不成比例的比例从你的管道中掉出来，这很能说明问题。我们已经看到，非传统的计算机科学教育，如训练营，被拒绝的比例不成比例。这表明，我们需要在面试的评估标准中更明确地表明，我们不关心申请人的教育背景，而改变这些标准在确保具有广泛教育背景的候选人平等地通过面试方面非常有效。
3. 候选人人口-能够通过候选人的人口统计数据分析你的渠道是非常有用的。例如，众所周知，科技领域存在性别差异。将性别或种族与前两个数据点联系起来，可以让我们深入了解哪些面试阶段存在问题。举个例子，我们能够在早期的数据中发现，女性比男性更不可能尝试代码测试，这是我们面试过程的第一步。在这里，一个令人惊讶的有效干预措施是让所有候选人第二次参与，这是一个很好的提醒，你并不总是需要重新发明轮子来做出改变。

第3点包含两点非常重要的警告。

1. 根据您所在地区的不同，收集这些数据需要遵守不同的法律要求。行动前请咨询法律专家。
2. 任何负责做出招聘决定的人都不能访问这些数据。保存这些数据的跟踪器由我们的运营人员管理，只有跟踪数据的来源和招聘人员才能访问。

评估你的系统

在跟踪数据时，不要让完美成为良好的敌人。团队可能会被跟踪什么以及如何进行的可能性所淹没。了解现有系统可以提供什么是一个很好的开始。您可能有某种申请人跟踪系统(ATS)，可以提供某些类型的管道指标。了解您的系统可以为您做什么，以及它是如何做的。

很可能您必须用定制的解决方案来补充您的ATS，因为您的ATS将无法提供数据。不要太擅长电子表格。我知道，我知道，一定有更好的办法。总有更好的办法。获得数据比你如何获得数据更重要。如果电子表格允许你在找到更永久的现成解决方案时跟踪数据，或者你的工程团队为你构建了一些东西，那么就去做吧。我们已经依赖电子表格很多年了。尽管我们已经整合了Tableau等工具，但电子表格仍然是我们系统的重要组成部分。

Proceduralize

良好、可靠的数据依赖于保持一致的数据收集实践。根据您的系统，其中一些将是自动的。在Yelp，我们手动跟踪大量数据，并使用我们的ATS来准确、自动地跟踪所有数据。对于其他所有事情，我们依靠招聘人员和信息源在电子表格中手动跟踪数据。

每个招聘人员和招聘人员都有一个集中管理的跟踪器，他们用来从头到尾跟踪他们的候选人。关于收集什么数据以及如何收集数据，没有解释的余地。每个跟踪器都是完全相同的，每个团队成员都跟踪相同的数据。

维护和分析你的数据也应该是你团队中的某个人的明确职责。对我们来说，当我们在招聘组织中创建了一个全职运营角色时，事情才真正开始发展起来。认真对待这项工作需要持续的维护，这是“业余”时间无法完成的。

陷阱

这种方法并非万无一失。难免会犯错误，我们也犯了不少错误。其中最主要的是从统计上不显著的数据中得出结论。我们经常处理相当小的数据集，根据感知的模式进行更改是非常诱人的。在这种情况下，耐心是关键。

如果有些东西看起来不对劲，一定要注意，但尽量不要妄下结论。更改会让你感到痛苦，还会弄乱苦心收集的数据。从长远来看，基于还没有达到重要意义的数据做出改变，最终会造成更大的损害。

结构化面试

这篇文章的第二部分将详细介绍我们如何建立一个结构化的面试过程，并根据我们收集的数据采取行动。在我们的数据收集和分析实践的基础上分层结构化的面试，使我们能够对面试过程进行细粒度的调整，这在其他情况下是不可能的。我们的见解使我们在结构化面试的最新迭代中采用了基于分数的系统，这将进一步实现我们更公平地为面试表现打分的目标。

最后，如果你觉得这些帖子很有趣，而且Yelp听起来像是你想成为其中一员的那种公司文化……我们招聘!

回到博客