Reduzieren Mitarbeiter-Empfehlungen die Diversity?

Herunterladen Article

Dieses Video ansehen

Füllen Sie das Formular unten mit Ihren Kontaktdaten aus, um darauf zugreifen zu können

Bitte lesen Sie unsere Datenschutzrichtlinie für Details darüber, wie wir Ihre Daten verwalten können.

Gespeichert unter:
March 24, 2025
Placeholder text for "read time" DO NOT REMOVE

Viele Unternehmen investieren in sowohl die Einstellung der talentiertesten Mitarbeiter*innen als auch die Entwicklung eines vielfältigen Arbeitsplatzes. Eine häufige Frage dabei lautet: „Reduzieren Empfehlungsprogramme für Mitarbeiter*innen die Diversity?“ Die Bedenken liegen daran, dass Mitarbeiter*innen Bewerber*innen empfehlen könnten, die „wie sie sind“, wodurch ein homogener Bewerber*innen-Pool entsteht und dadurch die Diversity gefährdet wird.

Die meisten Unternehmen schätzen ihre Empfehlungsprogramme sehr. Dem Talent Acquisition Report der Aberdeen Group zufolge bezeichnen Unternehmen Empfehlungsprogramme als „effektivste Einstellungsquelle“. Viele Studien stimmen darin überein, dass Empfehlungen von Mitarbeiter*innen bei verschiedenen Personalbeschaffungs-Kennzahlen wie Einstellungskosten, Zeit bis zur Einstellung und Bindung bessere Ergebnisse erzielen als andere Bewerber*innen-Quellen. Während sich Unternehmen ihrer Diversity-Herausforderungen bewusster werden, hoffen sie, dass beides möglich ist: ein effektives Empfehlungsprogramm und eine vielfältige Arbeitsumgebung.

Da Simppler, eine Empfehlungsplattform für Mitarbeiter*innen, Unternehmen dabei hilft, die talentiertesten Personen in den Netzwerken seiner Mitarbeiter*innen zu finden und einzustellen, beschäftigen wir uns sehr mit den Auswirkungen von Empfehlungen auf die Diversity. Deshalb haben wir uns entschieden, tiefergehend zu forschen und unsere Erkenntnisse zu teilen.

Externe Forschung

Wir untersuchten die von der Equal Employment Opportunity Commission (EEOC) in den USA verfolgten Fälle, um zu sehen, ob Empfehlungen von Mitarbeiter*innen dabei besonders hervorstechen. Das Ergebnis: Von mehr als 550.000 von der EEOC beurteilten Fällen waren weniger als 0,17 % mit Empfehlungen verbunden. Während die geringe Rate von Fällen bedeuten könnte, dass kein Problem vorliegt, könnten diese Daten auch dadurch zu erklären sein, dass die EEOC Schwierigkeiten hat, die Daten zu erfassen, um erfolgreich einen Fall vorzubringen.

Bei einer Untersuchung der akademischen Forschung in diesem Bereich stellten wir fest, dass es nicht viele Studien speziell zu Empfehlungen und Diversity gibt. Wir hoffen aber, dass in Zukunft mehr Studien zu diesem Thema veröffentlicht werden. Wir fanden aber einige breiter angelegte Studien, die auf eine Korrelation von Merkmalen in den Beziehungen zwischen empfehlender und empfohlener Person hindeuten. Eine Studie der Federal Reserve Bank of New York kam zu dem Schluss: „Die meisten Empfehlungen finden zwischen Anbieter*in und Empfänger*in mit ähnlichen Eigenschaften hinsichtlich Alter, Geschlecht, Ethnie, Bildung und Personalebene statt.“

Was verraten unsere Daten über Diversity und Empfehlungen?

Durch die Arbeit von Simppler mit Unternehmen und ihren Empfehlungsprogrammen haben wir einen reichen Schatz an Daten zu den über unsere Plattform erfolgten Empfehlungen. Theoretisch sollte eine algorithmisch gesteuerte Empfehlungsmaschine wie die von Simppler Mitarbeiter*innen dabei helfen, über die besten 2–3 Bewerber*innen, die ihnen spontan einfallen, hinauszudenken, wenn sie Empfehlungen aussprechen, und dadurch unbewusste Vorurteile zu reduzieren.

Wir wollen die Daten zu einem heiß diskutierten Aspekt der Diversity genauer betrachten – dem Geschlecht –, um zu sehen, ob dies der Fall ist. Wir haben diesen Aspekt der Diversity gewählt, weil wir auf diese Daten derzeit den besten Zugriff haben, obwohl wir natürlich auch bestätigen, dass es viele andere Aspekte der Diversity zu berücksichtigen gibt.

Zunächst lässt sich sagen, dass die Geschlechterverteilung bei den über die Simppler-Plattform erteilten Empfehlungen insgesamt recht gleichmäßig ist:

Simppler Total Referrals chart

Wir haben die Daten auch basierend auf dem Geschlecht der empfehlenden Mitarbeiter*innen weiter segmentiert, um zu ermittel, ob es dabei Vorurteile gab. Wie Sie in den Daten unten sehen können, sind die Aufteilungen ebenfalls fast gleich.

Simppler Referred by Men chart

Simppler Referred by Women chart

Schließlich untersuchten wir die Verteilung nach dem Geschlecht bei Empfehlungen nach Abteilung, um festzustellen, ob wir dabei Vorurteile aufdecken könnten. Auch hier sind die Geschlechterverteilungen insgesamt wieder sehr ausgeglichen:

Simppler Referred by engineers chart

Simppler Referred by sales chart

Bei einer genaueren Untersuchung der Aufteilungen innerhalb eines Teilsatzes von Engineering-Stellen konnten wir aber feststellen, dass Frauen nur 30 % der Data-Engineering-Empfehlungen von der Simppler-Plattform ausmachten.

Simppler Referred by data engineers chart

Dies mag auf die Zusammensetzung des Bewerber*innen-Pools insgesamt zurückzuführen sein (und ein Grund, warum wir Fans von Programmen wie Girls Who Code und Hackbright Academy sind), zeigt aber, dass Unternehmen wie unseres Diversity in Empfehlungen zwar unterstützen, dies aber kein Allheilmittel für vielfältige Empfehlungen darstellt.

Abschließende Überlegungen

Während wir auf den aktuellen Stand der Diversity bei über Simppler ausgesprochenen Empfehlungen stolz sind, erkennen wir doch an, dass es sich um kontinuierliche Bemühungen handelt, die der Aufmerksamkeit und bewusster Maßnahmen bedürfen. Wir müssen bei der Implementierung von Empfehlungsprogrammen weiterhin auf die Diversity achten.

Hier finden Sie vier Vorschläge, die Ihnen dabei helfen, bei der Implementierung von Empfehlungsprogrammen ebenfalls die Diversity zu berücksichtigen:

  • Gehen Sie in die Breite: Unternehmen haben über die eigenen Mitarbeiter*innen hinaus viele Menschen in ihren Netzwerken, die sie respektieren. Ziehen Sie Investor*innen, Freunde, ehemalige Mitarbeiter*innen und Vordenker*innen im jeweiligen Bereich in Erwägung, um ein breiteres Spektrum von Empfehlungen zu erhalten.

  • Andere Abteilungen: Personalvermittler*innen wenden sich bezüglich Empfehlungen oft an Mitarbeiter*innen in einer ähnlichen Funktion. Während Unternehmen aber flachere Hierarchien nutzen und funktionsübergreifender werden, wissen Mitarbeiter*innen oft um talentierte Leute in verschiedenen Bereichen. Dadurch wird auch ein heterogeneres Bewerber*innen-Feld gefördert.

  • Blindsuche: Viele Unternehmen reduzieren unbewusste Vorurteile in ihrem Personalbeschaffungs-Prozess, indem sie Bilder und Namen beim Screening von Bewerber*innen entfernen. Überlegen Sie, wie Sie diese Praxis bei der Überprüfung von Bewerber*innen ausweiten können.

  • Nutzen Sie Technologie: Viele Personalbeschaffungs-Tools wie z. B. Simppler berücksichtigen, wie Teams die Diversity verbessern können. Technologieprodukte und -funktionen, die unbewusste Vorurteile verhindern, indem sie Bewerber*innen datenwissenschaftlich beurteilen (und nicht durch menschliche Wahrnehmung) oder die Kenntnisse von Bewerber*innen blind testen, werden immer häufiger.

Insgesamt steht fest, dass die meisten Unternehmen sowohl aus Diversity als auch Empfehlungsprogrammen einen Nutzen ziehen möchten. Da Empfehlungen oft als qualitativ hochwertigste Quelle von Einstellungen bezeichnet werden, ist es wichtig, das Empfehlungsprogramm Ihres Unternehmens kritisch zu betrachten und auf potenzielle Vorurteile zu untersuchen, um sicherzustellen, dass vielfältige Bewerber*innen in Betracht gezogen werden.

Filed under:
October 25, 2016

Download this article

Click download to access this content.
Download
Gespeichert unter:
March 24, 2025
Greenhouse