Job Matching Methodik
Globale Anbieter von Gehaltsvergleichen verwenden oft die gleiche Job-Matching-Methodik und denselben
Datenerhebungsprozess, was ihre Umfragen zu einer attraktiven Wahl für weltweit tätige Unternehmen macht. Lokale
Anbieter hingegen können auf nationale oder regionale Bedürfnisse zugeschnittene Benchmarking-Ansätze anwenden und in
der Regel mehr inländische Teilnehmer gewinnen.
Es ist daher sinnvoll, die Größe der jeweiligen Datenbank, ihre Teilnehmer und die Verfügbarkeit von
arbeitsplatzspezifischen Benchmark-Daten für jedes Land, das einen interessiert, zu bewerten. Es gibt nicht den einen,
überall verfügbaren und günstigen Anbieter mit allumfassenden Marktdaten.
Tarifverträge können eine alternative Quelle für Gehaltsdaten sein, da die Bezahlung in einigen Märkten - insbesondere
in Europa - häufig durch Tarifverträge, die eine große Mitarbeiterzahl abdecken, geregelt ist.
In einem Markt wie Deutschland enthalten die stärksten Gehaltsdatenbanken rund 500.000 einzelne Datenpunkte, während
allein die Tarifverträge für die Metall- und Elektroindustrie für mehr als 3.500.000 Mitarbeiter gelten. In einigen
Fällen können diese Daten, zumindest für nicht tarifgebundene Unternehmen oder tarifnahe Stellen, besser geeignet sein
und sind oft kostenlos zugänglich.
gradar ist mit vielen Tarifverträgen kompatibel und wir haben bereits einige Korrelationen in unserer eigenen
Übersetzungstabelle rosetta stone erfasst.
Die Zuverlässigkeit des Job-Matching-Prozesses
Beim Job-Matching geht es darum, Benchmark-Stellen aus Vergütungsumfragen zu identifizieren, um den Marktpreis einer
Stelle zu ermitteln. Die Validität und Zuverlässigkeit eines Markt-Benchmarks hängen von der Qualität des Abgleichs
zwischen internen und externen Benchmark-Stellen ab.
Es gibt vier gängige Arten von Job-Matching-Methoden, die heute verwendet werden, wobei einige Elemente zu einem
einheitlichen Ansatz kombiniert werden können:
- Matching nach Stellentitel: Dieser Ansatz ist am häufigsten bei jenen Anbietern zu finden, die Daten direkt von Einzelpersonen und nicht von
Personalern und Vergütungsexperten erheben. Daher ist es der unzuverlässigste Ansatz und nur mit einem Minimum an
Genauigkeit für sehr allgemeine Tätigkeiten oder Berufe wie Klempner oder Buchhalter möglich. Einige Anbieter fügen der
Analyse auch noch persönliche Merkmale wie Tätigkeitsjahre oder Alter hinzu.
- Matching auf Benchmark-Funktionen:Anbieter nutzen diesen Ansatz, indem sie die Kernaufgaben und Verantwortlichkeiten zu einem Benchmark-Jobprofil
hinzufügen. Dieser Ansatz ist nur noch selten zu finden. Verschiedene Stufen benötigen dabei getrennte Beschreibungen,
was dies zu einem ziemlich genauen Ansatz macht. Es ist jedoch schwierig, eine passende Zuordnung auszuwählen, wenn
keine höhere oder niedrigere Stellenbeschreibung vorhanden ist.
- Dedizierte Stellenbeschreibungen:Das ist die verbesserte Version des Matching nach Benchmark-Funktionen, da der ein Anbieter die
Hauptverantwortlichkeiten und Kernaufgaben viel detaillierter beschreiben und Modifikatoren für geringere oder höhere
Anforderungen skizzierst. Dieser Ansatz ist bei Club-Surveys am weitesten verbreitet.
- Zuordnung über Jobfamilien, verbunden mit einer (summarischen) Stellenbewertung:Die meisten Anbieter nutzen heute diesen Ansatz, denn die Qualität der generischen Beschreibungen der Job-Familien ist
in den meisten Umfragen gut. Je mehr Unterfamilien verfügbar sind, desto verstreuter ist jedoch das Job-Matching und
desto weniger präzise sind die Ergebnisse. Die Qualität der allgemeinen Stellenbeschreibungen variiert stark zwischen
und auch innerhalb einer Studie. Der nicht-analytische / summarische Ansatz zur Stellenbewertung ist zudem nicht so
genau wie die Ergebnisse einer analytischen Stellenbewertung und sollten nicht als Grundlage für eine interne
Grade-Struktur oder als Grundlage für die Vergütungsstrukturierung verwendet werden.
Culpepper, unser strategischer Partner, verwendet eine Kombination aus Stellenebenen (Executive, Management,
Professional Individual Contributors und Support Individual Contributors) mit umfassenden Beschreibungen der
Job-Familien für Executives, Engineering, Health Care, Life Sciences, Operations, Sales und Technology Jobs.
Ein genaues Job-Matching ist die Grundlage für Gehaltsbenchmarks und Marktvergleiche. Und die Abstimmung zwischen einem
internen Job und einem externen Benchmark-Job mit ähnlichem Inhalt ist der Schlüssel zum Zugriff auf Benchmark-Daten aus
Vergütungsvergleichen. Die Benchmarkdaten können für den Vergleich der Gehälter der Mitarbeiter mit den Marktpreisen
verwendet werden und in die Modellierung von Gehaltsbändern einfließen, so wie in die Bestimmung eines
wettbewerbsfähigen Verhältnisses von Grundgehalt und variabler Vergütung einbezogen werden.
- gradar schlägt automatisch Benchmark-Stellen vor, die gut zu der bewerteten Stelle passen.
- gradar ist kompatibel mit Benchmark-Jobs einer Reihe von renommierten lokalen und internationalen Anbietern, deren
Gehaltsvergleiche viele relevante Branchen, Stellen und Märkte abdecken.
- gradar ermöglicht es, die Stellenbewertung und die Entscheidung für das Job-Matching online zu speichern und direkt auf
hochgeladene Marktdaten zuzugreifen.
Daten in Gehaltsvergleichen
Die Marktdaten eines Gehaltsvergleichs sind keine repräsentative Informationsquelle. Es kann nicht garantiert werden,
dass die Schlussfolgerungen aus einer bestimmten Stichprobe für die gesamte Population gelten. Ergebnisberichte sollten
daher immer mit Vorsicht verwendet werden!
Die Population einer Gehaltsstudie, d.h. die teilnehmenden Unternehmen und Mitarbeiterdatensätze, ändert sich mit jeder
Auflage. Daher stehen die Anbieter vor der Herausforderung über die Jahre eine gewisse Konsistenz der Daten zu erhalten.
Hierzu verwenden die Anbieter unterschiedliche Ansätze, die Daten und Ergebnisberichte aufzuarbeiten.
Marktwerte aus der deskriptiven Statistik
Dieser Ansatz stellt Gehaltsinformationen über Perzentile dar:
- Basierend auf Rohdaten
Die Daten werden erhoben und so analysiert, wie sie sind. Es gibt keine Bearbeitung der Population oder Entfernung von
Datenpunkten. Anbieter, die diesem Ansatz folgen, sehen sich im Jahresvergleich mit volatilen Ergebnissen konfrontiert,
da die Population selten stabil bleibt. Dies wird mit abnehmender Dichte der Grundgesamtheit immer schwieriger.
- Basierend auf bearbeiteten Dateneingaben
Automatisierte Computerprogramme - oder menschliche Analysten - bearbeiten die Daten, indem sie "Ausreißer" entfernen,
um die Medianwerte relativ stabil zu halten. Eine Abweichung der Medianwerte um +/- 5% kann über einen bestimmten
Zeitraum dargestellt werden.
Der letztgenannte Ansatz wird wahrscheinlich gut mit Datenmeldungen von Personalern oder Vergütungsexperten
funktionieren, da der Analyst des Anbieters jemanden hat, mit dem er die Daten diskutieren kann. Jene Anbieter, die
direkte Eingaben von Mitarbeitern nutzen, werden im Dunkeln tappen und sich möglicherweise nur auf die statistische
Analyse verlassen müssen, ohne die Dateneingabe mit jemanden validieren zu können.
gradar und Culpepper sammeln Vergütungsdaten direkt von HR-Profis in den teilnehmenden Unternehmen. Wir kombinieren die
Leistungsfähigkeit der Datenanalyse mit der Erfahrung ihrer Vergütungsspezialisten, um sicherzustellen, dass die Daten
sowohl korrekt als auch zuverlässig sind.
Marktwerte aus statistischen Modellen abgeleitet
Statistische Daten werden durch Regressionsanalyse und Signifikanzprüfung berechnet, um ein mögliches Marktgehalt zu
ermitteln. Dieser Ansatz wird nur in wenigen Studien verwendet.
Marktwerte aus Erfahrungswerten abgeleitet
Daten und Erfahrungen aus Bewerbergesprächen werden kombiniert, um Marktgehaltsspannen aufzuzeigen. Dieser Ansatz wird
häufig von lokalen und globalen Personalvermittlungen genutzt.
