今天有同学来咨询,现在地产行业的各个职级的各个分位值的市场数据是什么样的,行业前几名的地产公司的薪酬结构又是什么样的,刚好去年在做薪酬数据分析课程的时候,在网上搜集了几家地产公司的薪酬职级数据,今天就来解读下地产行业的薪酬数据。
首先我们来看第一家,地产行业的行业头部企业 - 某科房产
万科的薪酬总共分成了7个层级,每个层级又分成了4个档位,不过上面的这个薪酬数据应该是万科一个序列的数据,在这个薪酬体系里,每个层级每个档位又有上线和下限的数据,但是在这里没有体现出中位值的数据,我们可以根据这些数据画出各个层级的薪酬宽带曲线图。
根据各个层级的上限和下限我们画出了层级的的薪酬带宽曲线,并且计算了每个层级的薪酬重叠度和薪酬变动比。
根据两个关键指标的数据,我们发现在第一个层级的重叠度是负数,说明第一层级和第二层级没有薪酬的重叠,需要调整第一层级的上限数据。
在薪酬的变动比数据上,按照原则层级越高变动比的数据越大,因为变动比是决定薪酬带宽的一个数据指标,但是在以上数据中,我们发现在V5层,变动比的数据和V1是一样的,所以需要增大V5的上限,或者降低V5的下限,b带宽度大于1.3 ,这样才是一个合理的薪酬数据结构。
因为网上没有提供各个层级的中位值的数据,所以我们不能计算中位值的极差,也不能绘制薪酬中位值的曲线。
在各个层级的薪酬档位上,基本用了等差的方式来划分各个层级的档位数据,我们以前也聊过,在划分档位的时候到底用等比还是用等差的问题,等比是比较有竞争力的一个设计,但是有点复杂。等下是设计简单,计算也简单,所有可以根据自己公司的需求来进行设计。
我们在来看看另外个公司,某梁房地产,这家企业的整个职级体系完全的符合现在互联网公司在用的宽带薪酬的职级和薪酬的体系。M和P 序列之间横向打通,不过在层级的档位上只有2个档位,这个感觉有点少,一般企业3-5个档位的划分,我们来看看他们中位值的曲线。
这是某梁集团的薪酬曲线图,在高层的薪酬带宽和中位值数据上薪酬结构不合理,我们需要调整高层层级的变动比数据和中位值极差。
所以我们在进行薪酬的数据分析时,首先需要对数据进行清洗,变成我们可以分析的标准数据,然后再对薪酬数据进行建模分析,从模型中分析出薪酬结构的合理性,在进行薪酬的调整。