Для многих людей это станет неожиданностью, но в некоторых случаях возможно определить сдвиг (пристрастность) в процессе выбора, ничего не зная о пуле кандидатов. И это замечательно, ведь кроме всего прочего это означает, что третья сторона может использовать данную технику для определения сдвига без согласования этого с теми, кто делает отбор.
Вы можете использовать эту технику, если (а) у вас есть хотя бы случайная выборка претендентов, которые были отобраны, (б) их эффективность была поддана оценке, (в) сравниваемые вами группы кандидатов имеют примерно одинаковое распределение возможностей.
Как это работает?
Подумайте о том, что значит быть пристрастным. Что может означать пристрастность по отношению к кандидатам типа x во время отборочного процесса, которая создает им сложности. [1] Это способствует тому, что кандидаты типа X, которым удалось пройти отборочный процесс, окажутся лучше остальных, успешно прошедших его кандидатов. И если результаты работы всех этих успешных кандидатов поддать аналитике, то мы узнаем, кто лучший.
Конечно же тест, который вы для этого используете, должен быть обоснованным. И, в частности, он не должен быть сведен на «нет» той предвзятостью, которую вы и пытаетесь измерять. В тех областях, в которых эффективность может быть измерена, довольно просто определить предвзятость. Хотите проверить, имело ли место подобное явление по отношению к определенному типу кандидатов? Тогда проверьте, не уступают ли другие кандидаты им в эффективности. Это не просто основанный на предположениях метод для определения предвзятости. Это и есть то, что значит предвзятость.
Например, многие полагают, что фирмы венчурного капитала относятся с предубеждением против женщин-учредителей. Это можно легко обнаружить: показывают ли стартапы с женщинами-основателями лучшие результаты среди их портфельных компаний? Пару месяцев назад, одна из VC-фирм (наверняка непреднамеренно) опубликовала результаты исследований, которые доказывают предвзятое отношение к этому типу кандидатов. В первом раунде финансирования было установлено, что среди портфеля компаний фирмы стартапы с женщинами во главе превзошли остальные на 63%. [2]
Я начал свой рассказ с предположения, что эта техника станет неожиданностью для многих людей, по той причине, что мы редко видим исследования данного типа. Я уверен, что в First Round будут удивлены тем фактом, что отбор кандидатов осуществляется предвзято. Я серьезно сомневаюсь в их понимании того, что они публикуют данные не трендов в развитии стартапов, а результаты их собственной предвзятости при отборе компаний. Если бы они отдавали себе отчет в том, что на самом деле значат все эти цифры, то представили бы их иначе.
Я уверен, что данная техника будет все чаще использоваться в будущем. Необходимая для произведения таких исследований информация становится все более доступной. Раньше нелегко было получить данные о том, кого именно выбирают организации для тех или иных задач — эта информация охранялась ими ревностно охранялась. Теперь же подобные данные нередко становятся достоянием общественности, и их легко могут раздобыть те, кто в этом заинтересован.
Примечания
[1] Эта техника не подходит, если в процесс выбора от различных типов претендентов требовались разные вещи: например, если работодатель нанял мужчин, исходя из их способностей, а женщин — из их внешности.
[2] Пол Бачхейт отметил, что First Round исключил из исследования Uber, который стал самым успешным капиталовложением фонда. И в то время как действительно имеет смысл исключать из некоторых типов исследований определенные выпадающие показатели, исследования прибыли инвестирования стартапов не входят в их число.
Хотелось бы выразить благодарность Сэму Олтмену (Sam Altman), Джессике Ливингстон (Jessica Livingston) и Джеффу Ральстону (Geoff Ralston) за прочтение черновика статьи.
Автор: frekenbok
