在我们社会一直提倡男女平等的时候,行业内是不是这样的呢?软件计算机行业数据显示,女性一直很难占到合理的比例。是女性不适合行业的要求还是我们的选拔机制以及高校的教育机制的问题?行业对女性的招聘是否标准呢?相信我们看一下下面的数据分析,会了解到不少问题的根源。

作者 | Aline Lerner
译者 | 弯月,责编 | 毛中政
出品 | CSDN(ID:CSDNnews)
以下为译文:
在面对“为什么我们未能在软件工程领域实现男女均等方面取得重大进步”这个问题时,如果你将原因归结为“人才育成的问题”,那么你可能会死的很难看(而且也招不到人)。关于人才育成问题的争议在于:“称职的女性太少,不雇佣她们又不是我们的错。”
许多人不喜欢这种以偏概全的说法,因为越来越多的研究机构指出少数群体之所以不愿选择技术领域是因为环境不够友好:在早期的教育中,STEM(Science、Technology、Engineering and Mathematics,即科学、技术、工程和数学)对于出身少数群体的孩子很不友好,缺乏公平的环境,而且获得优质STEM教育的机会也不均等(例如,有研究表明加利福尼亚州提供计算机科学先修课程的学校很少),在男性主导的计算机科学中大学文化充满了敌意,招聘中也充满了偏颇,最终非包容性的工作环境导致女性和有色人种离开科技行业的比例非常高。
然而,由于系统性的问题很难解决,往往需要花费数年时间,且需要许多大型组织的共同努力,甚至是巨大的社会经济变化。因此,有关人才育成的问题可以归纳为:“不,我们有候选人。我们只需要纠正这个过程中的偏见。”
这种简单的归纳也不是很理想。多年来,各个公司在无意识的歧视训练(事实证明这行不通)、匿名履历表以及各种其他举措上投入了大量金钱和资源,但情况并未有所改善。也难怪科技界最终因种种尝试改变却看不到结果的情况下,不得已向“多元化疲劳”屈服。
我们对这些数字进行了分析,发现招聘过程中确实存在人才育成的问题:确实没有足够的女性来满足需求……如果我们继续按照自己的招聘方式进行招聘的话。
也就是说,如果我们继续从顶级院校选拔计算机科学人才的话,即便我们消除招聘过程中无意识的偏见,也无法实现男女均等。而且有一种方法即使不依赖大学等机构也可以找到强力的候选人。我们将这个方法留到后面讨论。
我们的发现并不会减少导致少数群体在工程领域不受欢迎的系统性问题,也不会削弱我们作为一个行业共同努力实现变革的能力,例如制定公立大学计算机科学招生的政策变革。
我们的发现旨在帮助那些付出了艰辛努力的人变得更强大,他们为了找到更好的工作坚持不懈地的努力,最终却心灰意冷,因为无论怎么努力也无法改变不平等的局面。我们想对这些人说,请不要忽视系统性的问题,但是从短期来看,我们确实可以做出一些有结果的努力。
我们希望,随着时间的流逝,最终能够解决系统性的人才育成问题和偏见,我们希望在各个工程领域看到女性群体,反过来,这些女性将成为榜样,由她们来推动公司内部的文化改变,从而改变人才育成的问题。
最后,在深入讨论之前需要先声明重要的一点。本文将重点讨论性别差异(而不是种族)。
我们做出这个决定主要是因为计算机科学专业/培训班/大型开放式网络课程中缺少有关种族和交叉性的公开数据。
尽管我们的分析不涉及种族和交叉性,但是我们需要意识到:1)并非所有女性都在工程领域有着相同的经历;2)工程领域缺乏有色人种的问题与技术领域的性别差异同等重要。我们将在以后的文章中重新讨论这些主题。


女性工程师的比例很低,情况比报告的还要差


如果我们找不到标准来衡量统计数据,那么就很难公开讨论多元化的问题。由于本文专门针对工程领域,因此我们需要找到一种方法来了解市场上究竟有多少女性工程师,并解决FAAMNG(Facebook、亚马逊、苹果、微软、谷歌和Netflix)报告的多元化数字中的两大局限性。
第一个局限性,FAAMNG的数字是全球性的。为什么这很重要?事实证明,有些国家,特别是那些大公司拥有海外外包开发团队的国家,他们报告的女性开发的比例往往偏高。
例如,在印度大约35%的开发都是女性;而在美国则只有16%。为什么他们要报告全球范围的数字?虽然有点愤世嫉俗,但我还是要说那是因为美国国内的数字非常惨淡,而这些公司也知道这一点。
为了解决这一局限性,并获得美国国内的数字,我们做了大致的估算,姑且保守地将每家公司中的女性人数减少20%。
第二个局限性,报告的数字基于“技术岗位”,Facecbook对此有一个广泛的定义:“一个需要专业和知识,才能完成数学、工程或科学相关职责的岗位。”我觉得其他科技巨头也有相似的定义。
这个非常广泛的定义意味着什么?也就是说产品管理和用户体验设计也属于技术岗位,所以我们再次做了大致的估算,去掉20%的产品管理和设计师的岗位。
我们将这些局限性考虑在内,并做了一张图来比较美国人口的构成、FAAMNG公司以及专门从事工程技术领域的女性比例。
1.jpg
如果我们想在工程领域实现男女均等,特别是提高美国的女性比例,那么我们还有很长的路要走。


这是一个人才育成的问题吗?


这个问题是人才库中没有足够的合格女性造成的吗?事实证明,实际上,我们招聘的女性比例与大学四年获得计算机科学学位的女性比例几乎相同,2017年获得计算机科学学位的71,420名学生中,有13,654名是女性,约占20%。如此说来,我们需要更多获得计算机科学学位的女性?
高科技公司及非营利组织一直在支持多元化和包容性的教育计划,我们希望这将有助于招聘中的性别多元化。最早的多元化计划真正始于2014年,4年来计算机科学专业的入学人数增长了约60%。但距离男女均等还差得很远。
而且即使我们有效地增加计算机科学专业招生中的女性人数,从历史上看,顶级公司也更青睐精英大学的毕业生(根据LinkedIn上猎头的搜索结果,FAAMNG的软件工程师中有60%来自最顶尖的20个名校)。
你可以看看下图中三大顶尖名校计算机科学专业中的女性入学率。请注意,尽管大多数数字都呈线性增长趋势,但增长速度并不快。
2.jpg
如果我们消除无意识的偏见,但仍然主要从顶尖学校招聘,是否有可能可以达成男女均等?为了搞清楚这个问题,让我们来建立一个模型。为了建模方便,让我们将重点仅放在新岗位上——如果各大公司希望实现多元化的目标,则最起码需要在创造新岗位上实现男女均等。
根据美国劳工统计局的预测,到2028年软件工程岗位的数量预计将增加20%(每年约1.8%)。美国劳工统计局估计现如今大约有400多万个与计算机相关的工作。预计今年将创造约70,000个新岗位,到2028年将增加到85,000个新岗位。
如果想实现男女劳动力的均等,那么我们的目标应该是这些新岗位中有50%应该由女性来担任。
为了看看是否有这种可能,让我们预测一下在同一时间段内,进入人才库的人数增长情况。
根据美国国家教育统计中心于2017年的调查,在当前这个十年内计算机科学专业的毕业生每年的增长率为7%-11%。让我们乐观地假设这个年增长率保持在10%。让我们再假设女性毕业生的比例延续过去15年的比例,即仍然保持在20%。那么,问题就来了。
首先,我们无法保证为女性专门预留的位置真的会由女性来担任,特别是在世界范围内男性计算机科学的毕业生将继续以4:1的比例领先女性。
其次,并非所有的工作都是入门级的岗位,因此一部分工作将从女性非常有限的高级候选人中拉拔。最后,我们无法保证传统的四年制大学能够支持这个计算机科学候选人的计划,尤其是各大公司通常都比较喜欢的一流大学。
在下图中,我们描绘了如果女性担任一半的软件工程工作,那么需要多少新增岗位数(蓝线),以及如果我们的招聘工作将精力主要放在教育体系中,那么实际上可以招聘到多少女性(红线)。如你所见,我们根本无法实现这个目标,无论我们是否在招聘过程中对女性有偏见。
3.jpg


如果人才育成需要负起部分责任,那么我们应该做些什么?


如上所示,计算机科学本科专业的招生人数中,女性的比例呈线性增长。学费不断上涨,而四年制的大学又无法满足计算机科学教育的需求,因此越来越多的人都放弃了学习编程。
下图根据2015年-2019年Stack Overflow开发人员调查,描绘了拥有计算机科学学士学位的开发人员与部分自学的开发人员的比例。可以看出2015年的时候,这两个数字非常接近,后来随着大型开放式网络课程的出现,两者突然拉开了距离,而且越来越大。
4.jpg
2015、2016、2018和2019年Stack Overflow开发人员调查
这种替代传统教育,且经济实惠的教育快速超过了大学入学率。与传统四年制学校的入学率不同,大型开放式网络课程和培训班的入学率呈指数增长。
仅在2015年,就有3500万人注册了至少一门大型开放式网络课程,而在2018年大型开放式网络课程总共拥有超过1亿学生。
当然,许多人将大型开放式网络课程视为对现有教育或职业的补充,你不能完全依靠大型开放式网络课程来学习编程。我们的模型需要考虑这个因素。
尽管培训班的价格昂贵(费用大约在1-2万美金),但与顶级大学的价格相比,仍然是一个合理的选择。自2013年以来,培训班的招生人数增长了9倍,2018年共有20,316名毕业生。
尽管这些数字代表了男女的合计人数,而且目前毕业生的数量远落后于计算机科学专业,但你仍然可以看到从培训班毕业的女性比例也在增加,而且在线课程毕业生的男女比例实际上已经相等(相比之下,传统的计算机科学专业中女性只占20%)。
5.jpg
6.jpg
当然,我们有权质疑这些形式的教育课程培育出来的毕业生质量。在构建下面的模型时,我们考虑了培训班的就业率。
除了这些形式的教育计划之外,我们还需要增加合格的女性工程师的数量,而最应该做的事情就是拓宽人才选拔范围,让那些并非来自顶尖学校或顶尖公司的优秀工程师入围。
我们曾在以前的文章中研究了面试中的表现与传统证书之间的关系,而且我们发现大型开放式网络课程对面试表现的影响几乎是曾在顶尖公司工作的两倍。
顶尖学校对面试造成的影响最低,有时甚至根本没有。我的一些早期研究表明,简历中的错别字和语法错误数量才是影响最大的因素(越多越糟),而非顶尖学校或顶尖公司。
在这项特殊的研究中,顶尖公司的经验并没有那么重要,而顶尖学校的学位则一点也不重要。
但是,即使是二线学校和其他形式的教育课程培育出了人才,我们怎样才能找出最合格的候选人呢?毕竟,从历史来看,雇主都偏向于拥有顶尖学校学位的人才,因为他们都是潜力股。那么,我们还有更好的办法吗?


挑选非传统院校培育的人才很难……


在这个勇敢的新世界里,我们可以通过远程技术共同编写代码,我们也可以通过远程技术收集数据并据此进行推理,因此技术也可以让我们摆脱对猎头的依赖,我们可以根据一些特定的绩效数据点评判每个人。
我们将每位面试者看作一个集合了很多数据点的故事,我们没有寻找猎头,我们的面试官也不会大致浏览信息少之又少的文档,然后就做出非常武断的决定。
当今世界证书带来的鸿沟越来越大,我们无法仅凭证书就将平庸的候选人与优秀的候选人区分开。
我们需要根据能力而非出身背景来招聘雇用工程师。我们向工程师提供免费的模拟面试,并使用这些面试中的数据来确定表现最佳的人。
坦白说,想想你可能需要付出部分时间和金钱来竞争一小部分合格的候选人,但你可以雇佣到被忽视的优秀人才。
你的财务经理会很高兴,工程师也很高兴。你可以借助技术解决方案重新定义工程中的证书,例如使用CodeSignal或HackerRank之类的异步编程测试,在将候选人发送给你之前进行初步审查的解决方案(例如Triplebyte),以及帮助你审核候选人才库的解决方案Karat等。
这些新工具不仅可以让你摆脱多元化与包容性的折磨,还可以为你提供全世界的人才,并在不影响质量的情况下选拔出优秀人才,帮助你加快招聘迅速,并让整个招聘过程更加公平。没错,这些科技手段可以帮助你实现多元化的目标。


改变招聘方式对人才培育的影响?


在上图中,你看到了女性工程师供求关系的现状——按照如今的做法可以招聘到多少工程师,以及需要多少男女工程师才能实现男女均等。现在让我们来看一看包含没有传统背景出身的候选人(黄线)在内的情况。
7.jpg
如你所见,拓宽人才库并不是异想天开,而且只要软件工程师的需求持续增长,尽管我们的社会进行了系统变革,但这仍然非常困难。但是,如果我们做出这些改变,整个技术产业将加速实现男女均等,并有可能在十年内实现这一目标。


通过交互式可视化来洞悉某家公司的招聘情况


到目前为止,我们已经讨论了整个行业的趋势。但是,这些见解对每个雇主有何影响呢?下面是一个交互式模型,你可以从中看到Google、Facebook或你的公司如何利用当前的招聘实践(而不是我们在本文中主张的更具包容性的实践)实现他们的招聘目标。
与整个行业不同,这种可视化嵌入了候选人覆盖率和雇用率的概念——一家公司无法找到和雇用所有女性(只能尽可能地多雇用女性)。当然,你的品牌越强,回应率就越高。
我们对Google和Facebook在挖掘人才方面的回应率做出了一些假设。具体来说,我们根据这些品牌的实力及其挖掘人才的力量(如果这些公司向你抛出橄榄枝,你就有可能做出回应),假设这些巨头的回应率为60%-70%。我们还对他们的雇用率做出了一些假设(占面试人数的5-10%)。
你可以在下图中看到两组假设。你可以看到,即使我们提出了所有建议,在我们的模型中,Google和Facebook仍将无法实现男女均等!
我们还提供了一个名为“Your company”的标签,你可以试试看你的公司需要多长时间才能达到男女均等,或是否有望实现男女均等。在这个标签中,我们对响应率做出了更为保守的假设!
8.jpg
如你所见,对于科技巨头来说,即使扩大招聘渠道,将非传统型人才统统考虑在内,那么实现男女均等也是也是一项艰巨的任务。尽管对于小型公司来说,无需为了更方便实现这个目标而进行大刀阔斧的改革,但是小规模才是更公平地雇佣人才的正确时机。以后再转变航向的困难就大多了。


总结


不论你是大公司还是小公司,如果招聘工作局限于顶尖学校的背景,那么就无法改变效率低下的现状,也没有任何希望实现唯才适用或男女均等。实现员工多元化没有简单的解决方法或捷径可走。
我们的数据表明,与其煞费苦心寻找女性工程师,或努力招聘顶尖院校毕业的所有女性,还不如将目光放在顶尖院校之外,并根据能力来雇用最优秀的人才。
在最近的一次会议上,有人问我们公司的使命是什么,我说为了提高招聘效率。会议室里的投资者对此感到有些惊讶,他们问我既然我那么在乎招聘的公平性,那么为什么招聘的公平性不是我们的使命。
首先,“公平”很难定义,而且每个人都有自己的看法,而在高效的招聘市场中,从定义上讲合格的候选人意味着以最小的代价和失误来找到工作。
换句话说,唯才适用和效率是因果的逻辑关系。其次,甚至更重要的是,虽然我坚信大多数公司的人都想做“正确的事”,但是在大型组织中以低廉的价格、更快、更优秀地完成工作比做“正确的事”容易得多。
总的来说,世上本无捷径,最高尚且最可行的前进道路是为每个人提供更好的招聘服务,并在这个工程中实现多元化目标,或朝着这个方向努力。
软件工程应该是美国梦的缩影:每个人都可以从事这项工作,学习编程,然后提升自己,不是吗?直到我们对背景出身产生了有意识的偏见,并改变了我们的聘用方式,于是,这个梦想变成了空洞。
原文:http://blog.interviewing.io/we-ran-the-numbers-and-there-really-is-a-pipeline-problem-in-eng-hiring/
(本文转载自 CSDN )