手机那角落网

谷歌是如何做年度调薪和薪酬分析的?

2019-03-15 那角落 >>HRoot

文章来源 | 行走的帆(ID:sailing-fan)


3月4日,谷歌在公司内部博客上(www.blog.google)发布了一个消息,后来迅速被美国的各大财经媒体转载。消息中披露了谷歌在内部薪酬数据分析中发现:在软件工程师这个职位序列上,公司存在给女员工支付的薪水高于男员工的现象。


很多公司都存在薪酬的性别差异现象,严重的甚至被称作“性别歧视”,一般都表现在给男员工的薪水高于给女员工,比如曾经在BBC广播公司发生的薪酬歧视(BBC中国区最好的女编辑因为这个辞职了),而这次谷歌的情况正好是倒过来了,女员工薪水高于男员工。


不过,谷歌的做法倒也坦荡,不但把这个分析结果公布出来,而且还迅速采取了补救措施:公司一共为10677名薪酬被低估的员工额外支付了970万美元作为补救。公告中并没有披露这部分收到补偿金的员工男女比例是多少。


让我比较感兴趣的是,谷歌在博客上公布的一份文件,其中解释了公司的年度调薪流程以及薪酬分析方法。通过阅读这份文件,我们大致可以了解像谷歌这样的领先公司是如何来做常规薪酬管理的。


01. 年度调薪


和大部分跨国公司类似,谷歌的调薪流程分为以下几步:


第一步,薪酬建议


首先,薪酬团队用算法建立一个模型,把员工的个人绩效、办公地点和职位等因素都考虑进来,以此来计算员工的具体调薪额。用“算法”一词更高大上,实际上大多数公司采用的就是一个调薪矩阵,横轴和纵轴分别是员工的绩效和现有薪酬比率,然后在矩阵中列出具体的调薪数字。


这个矩阵是如何生成的,我之前的一篇公众号文章中有详细介绍,具体请见:如何快速简单地设计调薪矩阵?


第二步,经理建议


经理们会拿到一笔额外的可支配预算,可在前述建议调薪比例的基础上给员工做再次调整。如果经理们的调整导致员工的最后调薪比例与公司建议比例不同,他们必须提供详细说明。


这里会有一些公司的做法稍有不同:谷歌并没有介绍这笔额外预算是整个调薪流程以外的预算,还是只是在调薪预算中单独拨离出来的。在现实操作中,大部分公司采取的是后一种做法。


第三步,上一级经理审核


任何一级经理在调整完下一级员工薪资之后,薪酬数据都会上升到下一级经理再审核,直至公司CEO。这样做的主要目标是确保调薪的合理、公平、公正。


第四步,HR和薪酬团队审核


业务经理们的调薪工作完成后,HR和薪酬团队会汇总全部数据,在全公司范围内,对经理们做的调薪建议再做一轮审核。


第五步,薪酬分析


在调薪正式生效前,谷歌还有一步,就是做薪酬分析:确保所有做同样岗位、拥有同样绩效的人之间的薪酬水平是公平且具有可比性的。


这一步正是很多公司缺乏的。大多数公司并没有像谷歌的人力资源部门一样,拥有一支强大的分析团队。这个部门的成员除了HR背景之外,大都还有数据分析或统计学背景。他们的工作意义在于可以帮助公司基于数据决策,文章前面提到的疑似“薪酬性别歧视”,也是在这一步被发现出来的。


谷歌的数据分析部门的工作套路,可以参考我之前的一篇文章:谷歌是如何应用数据分析来驱动人力决策的?


02. 薪酬分析


那么,谷歌在分析中到底是用了什么方法来发现男女软件工程师之间存在的薪酬差异呢?文件中提到,使用的是OLS回归法,但是文中并没有具体介绍是如何做回归分析的。


OLS是英文Ordinary Least Squares的缩写,翻译过来就是最小二乘法,是回归分析的一个基本原则。这个词听上去有点晦涩,因为它是统计分析中的一个术语。听不懂也没关系,我用普通人听得懂的语言,用一个最简单的例子来解释一下。


首先,什么是回归分析(Regression)?简单说就是为一组数据找到一个方程式,在因变量(y)和自变量(x)之间建立关系。


首先我们来看一组简单的薪酬数据



假设这里所有员工职位等级都相同。从数据上一眼看过去,很容易得出女员工薪酬高于男员工的结论。但是,现在你并不能过早就得出此结论。


为什么呢?因为薪酬背后还有其他的决定因素,比如一个人的工作年限、入职年限、绩效等等,只有把这些因素综合到一起综合考虑时,这些数字之间的比较才有意义。回归分析的意义就在于在这些因素之间建立关系。


现在假设我们给薪酬(y)添加两个因素,分别为“性别”(x1)和“司龄”(x2),数据就成了这个样子:


(注:在“性别”一列,男女分别取值1和0,目的是为了更好地做量化分析)


基于此,我们就可以简单地做一个谷歌所说的OLS回归分析,用初中数学的话来说,我们可以根据建立一个方程式,找出x和y之间的关系。


这个方程式应该长得像这样:


薪酬(y)= 系数1 + x1(司龄)* 系数2 + x2(性别)* 系数3


输入全部数据,用Excel可以导出回归公式:


薪酬 = 22500 + 司龄 * 10000 + 性别 * (-1.86E-13)


分别将每个员工的司龄和性别(1或0)取值代入上面公式就可以得出他们的薪酬水平。(-1.86E-13)在Excel中是按科学计数法显示出来的,是一个无限趋近于0的数字,几乎可以忽略不计。


换句话说,上面这个公式中,性别取值多少对薪酬几乎没有任何影响,也即说:在这组数据中并不存在性别歧视的问题。


当然,在谷歌的实际案例中,数据量更大(上万名员工),实际用到的变量也更多更复杂,不光包括性别和司龄,还会考虑进来更多的因素,比如员工地址、部门、绩效,等等。不管怎样,分析的方法和原则都是和本文中的这个简单案例是一致的。


正是因为有了以上分析,谷歌就做到了用数据说话,判断其付薪是否存在性别差异。

(本文完)


作者简介:行走的帆,前外资公司亚太区人力资源总监,著有《世界500强人力资源总监管理手记》,译有《奈飞文化手册》等。现为人力资源独立顾问和讲师。公众号:行走的帆,ID:sailing-fan.



看世界名企如何招揽人才!

海尔集团、陶氏化学、拜耳等招聘策略大揭秘!

千余名HR火热报名中↓↓



公众号又又又改版了,为了不错过推送消息,建议你按照图片的提示,将【HRoot设为星标(安卓用户设为“置顶”)


“2019HRoot 招聘与选才论坛”正在火热报名中

点击“阅读原文”免费报名!

点好看做个爱分享的人

微信扫一扫
分享到朋友圈