技法篇【薪酬】(一):薪酬调查技术的探索与调研结果应用 一、薪酬调查技术 1.1 薪酬调查的本质目的:为薪酬设计提供决策依据和参考 在薪酬(动态)管理过程中,要完成的基本目的可以大体体现在三个方面:效率、公平、合法。在公平性上,又分为:分配公平、内部公平、外部公平。薪酬调查在薪酬管理中的主要作用就是完成外部公平策略的第一步,也是关键的一步。通过薪酬调查,我们可以了解对应领域工资的动态与发展变化趋势,企业薪酬在对应区域的水平情况等。 1.2 薪酬调查对象群体的划分 在薪酬调查市场丰富的资源和无数的机构中,对薪酬调查对象群体的划分是说法不一的。有按照行业划分的,有按照区域划分的,有按照岗位划分的,也有按照学历、年龄、性别等等。不同的划分方式具备不同的特长属性,我们不好说孰优孰劣。但换一个场景,便可能看的更加清晰了。 上节我们说了薪酬调查的本质目的,但每个企业对薪酬调查是否把握了本质目的呢?是不是每个企业做薪酬调查都是要设计薪酬系统?企业有没有能力设计科学的薪酬系统? 若是以上答案不能确定,那我们不妨来看看以下几种现实中常见的需求背景描述: 我想知道公司的薪酬在某区域行业内的水平如何?(目的:了解了解而已) 我想知道公司的某某岗位(如销售)在行业内的水平如何?(目的:招聘) 我想知道公司的整体薪酬在行业内的水平如何?(目的:薪酬预算、成本核算) 我想知道公司的各个岗位薪酬在行业内的水平如何?(目的:薪酬调整) 诸如此类。 目的不同,对薪酬调查的实操和对象群体的划分会有很大影响吗? 我们举个例子:如果以招聘为目的,就算知道了某某岗位(如销售)在行业内的水平如何,就可以解决招聘问题了吗?当然不能。一来,某某岗位(如销售)的招聘是否对行业性要求很高?经验如何?工作模式如何?这些岗位的要求与特征才是对象群体划分的主要确定条件,而不是惯例。二来,就算按照岗位的要求与特征做到了详尽的薪酬调查,又是否能解决招聘问题呢?也不能。真正解决招聘问题的是薪酬系统的支持,而不是根据薪酬调查调一调某一薪酬构成要素就可以实现的。 因此,我们才要强调薪酬调查的目的是否正确,这关系到薪酬调查结果的应用效能。 分享个经验,在咨询案中,我们在做薪酬调查时,一般是以岗位为主要划分维度的,且划分比较粗放:劳动力型岗位(操作工)、通用型岗位(总监级别以下管理、职能、销售类)、技术型岗位、高级岗位(总监以上级别)。 劳动力型岗位(操作工):一般不需要进行调查; 通用型岗位(总监级别以下管理、职能、销售类):是薪酬调查的重点对象; 技术型岗位:是薪酬调查的对象之一,其行业性很强。 高级岗位(总监以上级别):一般不做薪酬调查,或建议专业机构调查。(个人觉得这部分做薪酬调查的意义真的不大,“选用育留”在薪酬上依赖的是薪酬管理系统,常规的薪酬调查项目维度是很难反映系统数据的,效度不高) 1.3 薪酬调查的技术核心要点(案例版,主要针对薪酬总额调查) 1.3.1 原理与数学模型 薪酬(总额)调查利用的是数理统计中的正态分布规律。(依据与数学原理:薪酬的变化与增长规律符合正态分布规律) 1.3.2 薪酬调查数据模型(分位数据模型)的建立 基本原理与定义: 十分位模型:分位间=间隔【数据值数量-1】/10;第N个十分位值=第(1+分位间*N)个数的数字; 四分位模型:分位间=间隔【数据值数量-1】/4;第N个四分位值=第(1+分位间*N)个数的数字; 例如【十分位模型】: 第一个十分位值(即10分位值)=第(1+0.9*1)个数的数字,即第1个数字和第2个数字之间的0.9位置处,即:1+(2-1)*0.9=1.9。 第九个十分位值(即90分位值)=第(1+0.9*9)个数的数字,即第9个数字和第10个数字之间的0.1位置处,即:9+(10-1)*0.9=9.1。 下面我们尝试去建立一套数据模型: (1)、数学模型(数据统计量符合正态分布规律) 选取一组有规律的数据进行模拟: (2)、做出两种分位的效果对吧:(后期会选取数据库做支持,所以选择十分位;数据库可以选择智联、前程、猎聘等数据源丰富的渠道) (3)、建立回归模型,验证数据算法的真值性:(智联、前程等简历库检索薪酬的条件特征为:区间类,如:2000元-4000元,因此采用中值法) (4)、对实际场景进行数据模拟 (5)、对主维进行合并,检验真值性。(检验对数据处理方式的影响) (6)、实践操作演示与应用 渠道选取:智联; 简历库检索条件为:数据量【现薪酬】:活跃日期: 最近一年 × 期望工作地区: 天津 现从事职业: 人力资源专员 × 学历: 大专~及以上 × 年龄: 22~26 × 工作年限: 无经验~4年 × 现居住地: 天津 × 共 1183 简历符合筛选条件 案例操作时间:2020年01月份制作 至此,我们便完成了一个岗位的薪酬调研。 在实际操作中,是非常简便的,模型建立好之后,只需要适当的选取好检索条件,代入数据后,模型公式即可自动算出分位值数据。 该类方法对数据库的样本量要求较高,但也正因为如此,调研数据的信度和效度也非常高。对于通用型岗位(总监级别以下管理、职能、销售类)最为适合,对大部分技术型岗位也可以采用。 经验:在一些相对普调的高级岗位(薪酬构成特征:以传统物质激励为主)调研时,也会有效。但薪酬结构较为复杂的岗位则会对结果的影响较大。 该模型的设计方法并不复杂,大家可以尝试去做一个,多实践几次就熟悉了,相信对薪酬调查工作会有帮助。 二、薪酬调查结果应用和价值 上一节我们说过,薪酬调查的本质目的:为薪酬设计提供决策依据和参考。那薪酬调查为“薪酬设计”提供了哪些具体方面的应用和支持呢?我们这次抛开组织传统应用的场景和“案例版”(主要针对薪酬总额调查)的条件限制,展开探索看看。 1、增加对行业薪酬结构设计的总体水平与特征的了解。 2、增加对固定工资部分(物质生活水平保障)和浮动工资部分(激励属性)的了解。 3、增加对薪酬结构设计的思维和发展方向的了解。 4、增加隐性薪酬对员工稳定性影响力的了解。 以上维度,便是我们对薪酬设计基础领域的应用和价值。其实除此以外,还有许多关于薪酬管理维度的应用价值,我们也可以尝试再去探索。 (本集完)
46
21
评论
分享
每月经综合计算排名可上榜
上榜用户将获得200~800不等的茅豆奖励