我最近与一家大型跨国公司进行了一项研究，旨在了解如何提高员工的敬业度。数据收集完毕之后，我进行了数据分析，一些有趣的结果跃然出现，为此我非常兴奋，并迫不及待的与该公司分享。但也有一项让人感到头疼的分析结果呈现：这家公司对女性有着强烈的性别歧视，尤其是那些雄心勃勃、充满激情、才华横溢的女性。虽然该结果是基于初始数据，而且也不是特别严谨，但我相信，该公司的经理们一定会希望了解到这种情况，以便于避免其再次发生。
然而，我真是大错特错了。汇报结果的会议上，人力资源主管和他的几个团队成员共同参加，我首先介绍了有关员工敬业度的调查结果。在最后几张幻灯片中，我向他们展示了有关性别歧视的研究结果。那一刻，我期待能有一场生动的对话，或者仅仅有人提出一些有关为什么会发生歧视，该如何纠正的内部问题也好。
然而，人力资源主管的反应却是非常气愤的。他指责我歪曲事实，并引用他已掌握的数据，证明他们公司的晋升是男女平等的。此外，他表示从未听说过公司内任何人认为性别歧视是个问题。他坚信他的团队所倡导的多样性是行业领先的，而这足以避免性别歧视。很明显，这个话题对他来说很重要，而我的发现正好触动了他的某根神经。
在他的愤怒（和我的震惊）结束后，我提醒他，这些只是初步的试验数据，我们应该如实根据数据进行分析。如果做一个更彻底的评估，也许我们会发现最初的数据是不准确的。此外，我建议后续的调研侧重于性别歧视，以此来证明他的多样性策略运行良好，而且他可以根据此次调研结果进行完善。经过讨论，我们达成协议：我需要再设计执行一项有关性别歧视的调研，调查其与员工晋升及员工流动之间是否存在因果关系。
几个月后，数据出来了。数据分析显示，我最初的发现是正确的：这家公司确实存在性别歧视现象。但是，人力资源主管的申辩也没错：男员工和女员工似乎都得到了公平的提升。
通过改进版数据，我们能够观察到这两种现象是如何同时存在的。现在我们可以清楚的看到，哪些员工被提升了，而更重要的是，哪些员工没能被提升。尽管雄心勃勃、充满热情、且才华横溢的男员工晋升了，而与他们不相上下的女性员工却一次又一次的与晋升失之交臂，久而久之，这些女员工就会被组织淘汰。就这样，被提升的是最好的男员工，而不是最好的女员工。而那些得到晋升的女员工只是象征性的：她们能力有限，表现不是特别突出，而且通常很快就到了事业的瓶颈期。
我们还收集了关于男女员工所得到的特别成长机会的数据，如学习新技能、建立新的社交网、以及增加自己在组织内部的知名度方面。与男性竞争对手相比，充满激情的女员工得到这些成长机会的可能性要小一些。
这些新数据准备就绪后，人力资源主管再次邀请我将其展现给他。想起上次会面，我觉得这次他会更生气。但是，此次对话非常与众不同。非但没有紧张的气氛，我这次展示出来的数据还得到了充分的关注。我可以通过完整且缜密的数据，详尽的向他阐述该公司的男女员工是如何被同等晋升的。针对这一问题，我们进行了热烈的讨论。更重要的是，我们发现，这些可以证明性别歧视存在的数据并不能说明性别歧视是否应该被称之为问题。
此后，他组建了一个专职小组来直接处理性别歧视问题，如果没有这次数据调研，他可能不会想到要做这件事。这就是在公司内部全面收集数据的用处：与假设事情是否发生相反，一个用心设计的数据收集实践能够让你得到准确的数据，并作出正确的决定。
这里需要说明的是，不能只依赖于现有数据。回想起《福尔摩斯》中狗狗不咬人的经典故事，现有数据让我们迷惑，此时将注意力转移是非常重要的。更重要的是，没有任何理由不去收集更准确的数据。此案例中的人力资源主管，他的问题就在于，没听员工说过公司内部存在性别歧视问题，他就以为不存在对女性的性别歧视。认真思考哪方面数据被忽略了，可能有助于现有数据更准确的说明问题。
下次如果有人强烈质疑你的数据，你可以按照以下步骤走：
第一步，试着站在他们的角度想问题：去了解你的对手为何有如此强烈的反应。很多情况下，只能说明一点，那就是他们特别在意这项结果。你们的目标甚至可能是一直的，以你的数据来达成他们的目标，可以帮助你平息他们的愤怒。
第二步，收集更充足的数据，尤其是有关他们关注的核心问题的数据。任何评论都是有价值的。恰似一位小说作者不能因为读者无法理解他的用意而感到生气一样，研究人员必须懂得如何让他们的研究成果被接纳。你的调研分析中，哪些问题引起了强烈质疑，哪些数据能够帮助你解除他们的质疑？
第三步，也是最后一步，把质疑你数据的人视为盟友，而不是对手。想方设法寻求合作，因为一旦合作，他们就会投入到联合调研中。结果，他们会更愿意把你当成团队成员看待。然后，你就可以调动多方力量，将他们的强烈质疑转变为接纳与赞同。
编译来自：yeeyan
更多阅读：
