logo
登录 登录 注册
让知识转化为能力

如果你感觉薪酬“被平均”了,那一定是打开方式不对

薪酬  549 次阅读  发布时间:2020-03-14 20:26:54

近日,某招聘网站发布《2016年冬季平均薪酬》在网上热传。北京以9835排名全国第一,上海9720排名第二,深圳8640排名第三。令我惊讶的是,贵阳也6874排名12位。网友们纷纷表示拖了城市的后腿。哭晕在厕所。

这个数据到底准不准?今天要告诉你,这数字仅供参考,薪酬学堂今天就来和大家探讨一下,薪酬统计和分析的方法。希望看完之后对各种薪酬数字有一个更深入更客观的认识。

样本都来自于哪儿很关键

对于统计数据而言,样本来源很重要。该数据的样本来源于该招聘网站收集到的数据,数据怎么收集呢,基本就是来源于招聘网站用户填写的目前薪酬水平,或者网站发起的针对个体用户的薪酬调查。这就意味着这个数据更多的来源于个体提供的信息。这里就有一个问题,个体在对外披露自己现有薪酬状况的时候往往有夸大的成分。我们上招聘网站的目的是什么?为了获得一份比现在更好的工作,更好的工作对于大多数人来说,意味着希望拥有更高的薪酬,因此为了获得更高薪酬的工作,求职者可能在填写自己目前薪酬的时候一定程度的上浮。因此会导致样本数据值偏高,那么最终的这个平均薪酬自然就会偏高。

另一方面,从报告中可以看出并没有细分行业或职位,而一个城市主体下,不同行业,不同职位之间差异是巨大的,这里我们先不考虑样本数据来源于怎样规模的公司,不管是大型企业、还是中小企业,都有行业差异的影响。不同职位之间的薪酬差异就更容易理解了,不属于同类的、没有可比性的样本放在一起“被平均”,这本身就是对数据真面目的扭曲。

平均数的特点

平均数大家都知道,平均数是反应数据整体水平的一个最简单直接的指标,在日常生活的很多地方都是很有用处的指标。但是对于数据范围过于宽广,数据类型过于多元化、数据值过于分散的情况,平均数对整体数据水平的反应就会失真。这点尤其是在数据源中有个别极端高或极端低的数据出现时,就非常明显。

“被平均”就是指这种由于个别极端高将整体薪酬水平往上拉伸很大的情况。比如,某银行高管,薪酬为年薪400万,而一个保安的年薪为6万,那么银行高管的薪酬是保安的50倍,如果我们采用平均数的算法,那么两人的平均年薪为203万……

这样数据就严重失真了。所以回过头来看报告中的平均薪酬仅仅采用平均数的统计方法,以城市为单位。而一个城市包含了各行各业的、差异很大的人员的薪酬数据,符合刚才我们说的平均值会失真的情况。所以数据的失真性不言而喻。

百分位数

小伙伴们会问了,那么对于海量的薪酬数据而言,怎样的统计指标能比较客观真实的反映薪酬的水平呢。我们可以采用百分位数,百分位数就可以很好的弥补平均数的误差。

Px为x分位值,表示整个数群中有x%的样本小于它,剩下的样本一定都大于它,如50分位,即在整个样本数据中有50%的样本值小于它。50分位数又叫中位值,中位值更好的反应数群的一般水平。中位值和平均数最大的区别,就在于它是真正的中间水平,而平均值则容易被过大或过小的数据稀释而错误的反映整体情况。

x的大小反应市场的不同水平,通常使用P10、P25、P50、P75、P90来表示市场的不同水平。

10分位值(P10)-样本由低到高排列时,大于样本中10%的数据的数据点。

25分位值(P25)-样本由低到高排列时,大于样本中25%的数据的数据点,也成为第一分位值。

50分位值(P50)-样本由低到高排列时,大于样本中50%的数据的数据点。也成为中位值。

75分位值(P75)-样本由低到高排列时,大于样本中75%的数据的数据点。也成为第三分位值。

90分位值(P90)-样本由低到高排列时,大于样本中50%的数据的数据点。

从几个百分位数统计结果,可以看出这组数据分布很分散,因为各关键分位数的数值差异很大,但我们可以看到中间水平在26748,和我们观察这组数据的感受接近。而从平均数看,高达245840,比中位值高出将近10倍,从原始数据来看,主要是最大的一个数据过高,造成平均值被严重拉高。

可见,相比较而言,百分位数是更好反映薪酬水平的指标,目前,在各种专业的薪酬调研公司的调研分析中,它也是主流的统计分析工具。

了解薪酬状况的正确打开方式

怎样的方式来了解薪酬的市场行情呢。

样本源:样本该从哪儿来才是最靠谱的,当然是公司的工资表中,没有比这里更准确的数据来源了。但是一个人或一个公司是不可能轻易获取到同行企业的工资表的,因此为了获得这样更客观和准确的数据,上世纪从欧美开始,企业主们彼此达成一致,可有条件的交换数据,但为了保证薪酬保密,由第三方薪酬调研公司完成所有数据的整合,输出不同行业不同岗位的薪酬百分位数情况而不需透露具体某一家公司的数据。所以比较靠谱的薪酬行情数据来源于专业的薪酬调研公司。如果企业参与了这样的薪酬调研,获取同行业薪酬数据,对于定位本公司薪酬策略和搭建薪酬体系才会有意义,否则宁愿拍脑袋,也不要轻易参考不严谨的数据。

考虑行业的维度,不同行业应该分开进行比较。前面已经提到过不同行业的薪酬差异性,这些差异性是由于行业本身的特点、盈利模式、内外部环境等因素决定。即使是一个可以在不同行业都有的岗位,也会因所在行业不同而薪酬差异较大。比如,会计,假设能力水平一致的情况下,在金融行业的薪酬通常会比制造业的高,这就是受所处行业背景的影响。

考虑岗位和职级因素进行对标,应该尽量同类型岗位进行比较,也应该考虑职级的差异,即同行业同一类岗位同一职级进行比较才更有意义和价值。在人才竞争激励的今天,更精准的了解特定岗位的薪酬情况,对吸引和保留人才有重要意义。

统计口径的区分,这一点也很关键,一般以年薪为单位进行统计更全面准确。通常的统计口径包括:固定薪酬、现金薪酬(固定薪酬+浮动薪酬)、整体薪酬(现金薪酬+长期激励收益)。如果统计口径不一致,就会得到错误的结论。

所以,数据是会说话的,但有时候他们也会说谎,适当的统计方法和分析维度,对获得更全面准确的信息至关重要,尤其在薪酬管理领域,由于刚性特点,不能任性的朝令夕改。关于更多薪酬分析的方法可参阅《互联网企业薪酬体系》一书中的介绍。

欢迎关注我们的公众号,及时获取更多信息

发表感想

相关文章