在美国通往经济流动性的道路上，不公平的教育、医疗和就业体系旨在使少数人受益，却让许多有色人种的儿童和家庭落在了后面，陷入了种族、财富和邮政编码的深刻困境。为了真正产生影响，我们必须透过表面去了解造成不平等的因素。数据使我们能够找到根源，并向上游努力，为那些受到结构性种族主义阻碍的人创造公平的途径。

为社区配备工具，以识别、收集和报告在教育和就业结果中延续种族差异的“系统数据”，有助于改变这种情况。社区可以利用数据吸引受系统性不平等影响最大的人群——包括黑人、土著、拉丁裔和亚洲青年和家庭，以及贫困人口——然后破坏这些系统。定量和定性数据为战略提供信息，指导社区识别、测试和改进战略，以解决不平等的根本原因。数据推动了以公平为中心的协作改进方法，以获得更好的结果。通过努力实现政策、实践、资源和权力结构的根本性和制度性转变，我们可以消除结构性种族主义，促进公平结果。

严格使用定性和定量数据指导了我所领导的非营利组织的发展。StrivePartnership是俄亥俄州辛辛那提市和肯塔基州北部的一项集体影响倡议，自成立之初，我们就知道，我们可以通过使用数据来解决限制机会的系统性障碍，从而产生积极的影响。早期的成功导致了一场全国性的运动，即横跨30个州和近70个社区的“职业摇篮网络”。我们现在被称为“共同奋斗”，在加强数据使用以实现人口层面成果的同时，我们不断向社区学习。数据帮助网络成员挖掘教育、卫生、食品、住房、交通、金融、法律和其他影响青年和家庭福祉的系统中结构性不平等的根本原因。数据还指导社区测试和改进战略，以取得持久成果。制度转型的最终目标是为经济流动创造公平的途径。网络成员使用数据强调在每个学生的资助、交通和社区支持服务方面的不平等，以促使系统对改善年轻人的结果负责。

阅读全文打破系统性不平等通过詹妮弗Blatz斯坦福社会创新评论。