Что такое перцентиль в зарплатах

Опубликовано: 17.09.2024

Вознаграждение – это один из наиболее комплексных компонентов, составляющих набор компенсаций каждого сотрудника, поэтому компании стараются скрупулёзно анализировать материальное вознаграждение и искать баланс между требованиями рынка и объемом фонда оплаты труда. Даже HR с опытом и хорошим знанием рынка затрудняются сформировать политику вознаграждения в компании, и не всегда уверены, на какие показатели или компании ориентироваться. Для количественного описания положения компаний на рынке принято использовать методы и термины, заимствованные из статистики: уровни рынка или перцентили.

Распределение вознаграждения по рынку можно представить в виде числовой прямой, где в порядке возрастания располагаются значения для каждого компенсационного элемента (твердый оклад, совокупный доход и т.д.), а затем данные делятся на части - перцентили. В этом случае оценку положения вашей компании удобно производить относительно устоявшихся уровней (10, 25, 50, 75, 90), которые показывают какой процент компаний платит ниже определённого уровня. Например, 10й перцентиль сигнализирует о том, что 90 процентов компаний оплачивают своих сотрудников выше, нежели чем оставшиеся 10. Перцентили активно применяются при сравнении успеваемости студентов. То есть, если студент сдал тест на 68 баллов и находится в 75 перцентиле, то мы понимаем, что у 75% студентов баллы ниже или равны 68 баллам. Данные результаты позволяют нам оценить то, как распределены студенты по своей успеваемости.

В HR перцентили позволяют сопоставить вознаграждение компании с данными рынка, что необходимо по ряду причин:

Выявление своего уровня оплаты относительно рынка. Анализ подобных данных и понимание того, как компания представлена на рынке, позволяет нам выявить уровень вознаграждения и подкорректировать его таким образом, чтобы минимизировать отток сотрудников к конкурентам.
Соблюдение конкурентной оплаты внутри и вне организации (внутренняя и внешняя справедливость). В век цифровых технологий прозрачность вознаграждения достигла небывалого уровня, и если сотрудник оплачивается ниже рынка, а еще и знает об этом, то вовлеченность такого работника может сильно упасть. Такой сотрудник словно бомба замедленного действия, готовая взорваться и задеть всех, кто находится рядом.
Избежание переплат или недоплат сотрудников. Например, руководителю департамента ИТ требуется новый сотрудник в отдел, и он утверждает, что эта должность на рынке оплачивается следующим образом: 7X рублей в год. Вы, как грамотный HR, желаете сверить цифры с рынком и обнаруживаете, что руководитель добавил лишний X к вознаграждению. Однозначно, данная ситуация более серьезно резонирует на более высоких уровнях (на более высоких позициях), и выражается этот резонанс в достаточно весомом денежном эквиваленте. Зачем платить на X больше, когда рынок диктует иные условия?
Создание определенного бренда компании. Устанавливая уровень оплаты вознаграждения, мы решаем, в какую группу оплаты будет входить вознаграждение сотрудников. Можно условно охарактеризовать компании образом:

10 перцентиль свойственен тем компаниям, которые не готовы переплачивать за экспертные навыки своих сотрудников, процессы в таких компаниях выстроены достаточно простым образом и подразумевают обучение сотрудников на рабочем месте. Также в таких компаниях зачастую наблюдается высокая текучесть персонала, которая принимается как данное, что может являться приемлемым, но зачастую недостаточно глубоко проанализированным блоком в управлении персоналом.
25 перцентиль – это уровень стабильных игроков рынка, которые готовы обучать новичков и к которым стремятся толпы кандидатов ради штампа в трудовой книжке. У данных компаний достаточно специфические внутренние процессы, которым необходимо обучаться вне зависимости от опыта работы, довольно строго разделенная ответственность и четко распределённые обязанности. Именно поэтому компании этой группы не стремятся выплачивать высокое вознаграждение. В таких компаниях также наблюдается высокая текучесть персонала, которая принимается как данное, что может являться приемлемым, но зачастую недостаточно глубоко проанализированным блоком в управлении персоналом.
50 перцентиль - основная масса компаний ориентируется на 50 или медиану. Данная стратегия позволяет держаться на уровне рынка и избежать недоплат и переплат. Однако же следует помнить о том, что быть в данной категории означает находиться в условном среднем, а высококвалифицированные специалисты стремятся не к среднему, а к лучшему.
На 75 перцентиль ориентируются те компании, которые ценят экспертизу и обширный опыт кандидатов. Такие работодатели готовы переплачивать, будучи уверенными, что вероятность ошибки их кадрами минимальна. Это своего рода сигнал рынку – мы готовы платить больше, потому что хотим привлекать хорошие кадры.
По 90 перцентилю платят те компании, которые довольно популярны на рынке труда вне зависимости от времени. ИТ корпорации, нефтяные гиганты и компании, добывающие сырье - не скупятся на вознаграждение. Также на этом уровне находятся те организации, которые смело могут заявить рынку, что наш доход высок, но мы готовы им делиться. Процесс отбора в такие компании также как правило довольно серьёзный.
В некоторых исследованиях встречается оценка по среднему, однако этот подход зачастую ошибочный. Данный показатель не учитывает экстремумы числовой прямой. То есть, если у нас есть должности, которые оплачены гораздо ниже или выше рынка, то эти значения будут учитываться при подсчете среднего, что может сильно исказить данные. В компаниях достаточно часто встречаются такие позиции, которые оплачивают не по общепринятым уровням рынка, а по устоявшимся договоренностям из-за того, что:
сотрудник работает на должности достаточно долго, а заработная плата индексируется каждый год;
олжности являются уникальными;
должности являются ключевыми для бизнеса.

Проиллюстрировать опасность такого подхода можно следующим примером. У нас есть 3 сотрудника на идентичной должности с зарплатами 50,000.00, 50,000.00 и 80,000.00 в месяц. Наше среднее равно 60,000.00. То есть на 10,000.00 в месяц больше медианы. Теперь умножаем 10,000.00 на 12 месяцев, и переплата составляет 120,000.00 рублей. Вам может показаться, что в масштабах крупной компании это мелочь, но если мы применим наши расчеты к более высоким зарплатам, и возьмем среднее от 500,000.00, 500,000.00 и 600,000.00, то переплата составит 1,200,000.00, и это только для одной группы должностей. Данная сумма уже более весома. Всем нам хороша известна крылатая фраза «средняя температура по больнице», которая достаточно ярко раскрывает коварность среднего.

Высокоэффективные и опытные сотрудники чаще всего знают себе цену и выберут того работодателя, который готов справедливо вознаграждать работника за его вклад в результаты компании, поэтому они стремятся к тем работодателям, которые платят выше медианы.

И все равно остается открытым вопрос, как же правильно установить сотрудникам уровень оплаты. Стоит ли в попытках заполучить в свою компанию лучшие кадры ориентироваться на 90 перцентиль? Конечно, все не так просто. Для того чтобы оставаться на оптимальном уровне оплаты для вашей компании, необходимо проводить аудит вознаграждения в разбивках по категориям сотрудников, по департаментам и периодически сравнивать данные вашей компании с рынком. Чтобы понять, необходимо ли вам проводить аудит вознаграждения, можно воспользоваться небольшим планом:

Первоначально необходимо заглянуть в стратегию организации по вознаграждению персонала. Чаще всего высшее руководство прописывает в подобном документе то, на какой уровень вознаграждения ориентироваться. Затем сравнить данные с рынком. Если данные гораздо выше или ниже целевого уровня рынка, то в такой ситуации мы понимаем, что нам необходимо проводить глубинный анализ вознаграждения самостоятельно, либо с помощью консультантов.
Если же данная информация отсутствует или устарела, то необходимо сравнить данные с рынком и посмотреть, к какому перцентилю ближе вознаграждение вашей компании, а затем ответить на ряд вопросов:

Является ли вознаграждение причиной текучести персонала?
Возникают ли у вас сложности при анализе вознаграждения из-за того, что вознаграждение неоднородно?
Легко ли вам определить, какую зарплату вы готовы одобрить при найме новых сотрудников? Или в том случае, если сотрудник (или его руководитель) требует повышения оклада?
Часто ли сотрудники жалуются на то, что оплата в других компаниях выше? Так ли это на самом деле? Как обстоят дела с пакетом льгот в других компаниях?
Что именно вы желаете получить от сотрудников: высокую вовлеченность и готовность сделать больше, потому что компания справедливо вознаградит за это, или сотрудников, которые будут находиться во фрустрации из-за того, что их вознаграждение отстает от рынка? Здесь также хочется отметить, что высокое вознаграждение не всегда ведет к высокой вовлеченности, но обратить внимание на данный аспект не будет лишним.

Если вы являетесь опытным HR и уже проводили аудит вознаграждения, то смело приступайте к данному проекту. Если же у вас не было подобного опыта, то лучше обратиться к специалистам. Помните о том, что аудит вознаграждения – это не только анализ рынка, но и глубокая экспертиза касательно того, как «дышит» индустрия, каждый департамент в ней, каждая категория сотрудников. Ошибка может привести к большим потерям временных и денежных ресурсов – и это в лучшем случае.

Сегодня поделюсь переводом интересной статьи от лондонского аналога нашего qRUG, QlikDevGroup.

Введение

Из этой статьи вы узнаете, как создать выражения для расчета распределения по перцентилям по вашему набору данных. Т.е., если сказать проще, такой график:

Вы сможете превратить в нечто подобное:

Перцентиль – это способ посмотреть на ваши данные в отношении ко всем другим значениям набора данных. Например, если вы хотите определить 10% самых активных покупателей за прошлый месяц, по сути, вы хотите увидеть всех покупателей выше границы в 90%.

Основная причина использования распределения по перцентилям – слишком плотное распределение данных. Например, на графике выше вы видите, как большинство точек в пузырьковой диаграмме сосредоточено внизу.

Таким образом, для того, чтобы понять распределение данных нам нужно увеличить график, при этом мы потерям полную картину данных и связей между ними. По этой причине предлагаю воспользоваться альтернативным способом представления данных – по перцентилю.

Проблемы при работе по средним:

Средние скрывают выбросы и вы их не видите.
Выбросы смещают средние значения, так что в системе, в которой существуют выбросы, средние значения уже не отражают нормальное состояние системы.

Выход из этой ситуации – перцентили.

НА ЗАМЕТКУ! Перцентили (квантили — в более широком представлении) часто превозносятся как средство преодоления фундаментального недостатка средних значений. Однако не стоит забывать, что перцентиль — это всего лишь число, так же как и среднее. Среднее отображает центр масс выборки, а перцентиль же показывает отметку верхнего уровня указанной доли выборки.

Фрактальный подход

В QlikView и QlikSense достаточно просто рассчитываются перцентили. Функция FRACTILE() будет показывать соответствующее значение перцентиля.

Так, для того чтобы найти ТОП 10% ваших клиентов (то есть тех, которые выше границы 90%), вам нужно использовать следующее выражение:

Такая формула отлично срабатывает для любой готовой меры <Measure>, которая у нас есть. Но, как правило, требуется задать перцентиль для конкретного измерения, и в этом случае нужно использовать функцию FRACTILE вместе с функцией AGGR.

Например, если вы хотите показать перцентиль 90% по продажам ваших продуктов, то вам нужно использовать следующее выражение:

Подход ранжирования

Фрактальный подход отлично подходит для отображения значений перцентиля. Но для того, чтобы показать значения нескольких процентилей в одно и то же время, нужно использовать функцию RANK(), которая будет распределять данные по группам с одинаковыми значениями.

Например, если у нас есть следующий набор данных:

Применив RANK (), получим ранжирование в виде:

где группа 1-5 – отранжированные ТОП-5 значений.

Второй режим функции ранжирования возвращает значение DUAL.

В примере выше Qlik хранит группу 1-5 как двоичное значение (‘1-5’,1.5)

Так, если мы продолжим пример с продажами, выражение примет вид:

Эта функция – рабочая, но с некоторыми ограничениями:

Функция хорошо работает по всему набору данных, только если не используются фильтры данных. Чтобы убрать это ограничение, нужно использовать Set Analysis.
Выражение расценивает NULL продажи как правомерные значения данных, тем самым искажая результаты. Чтобы избавиться от этой проблемы, делаем проверку на NULL и заменяем их нулями.

В итоге получаем улучшенную формулу:

Практический пример:

Далее рассмотрим пример создания диаграммы с процентилями для QlikSense 2.0.7

Диаграмма представляет продажу по каждому продукту в сравнении с процентильным ранжированием в 2007 и 2008 годах, а также объемом продаж в 2008. Также на графике выделены продукты, которые выросли и упали в перцентилях.

В жизни все не так просто, поэтому добавим немного сложностей и в тестовый пример J Некоторые продукты в 2008 не продавались, поэтому нам придется добавить дополнительную проверку на NULL значения продаж в случае применения фильтров.

Выражение для перцентиля 2007 года получается таким:

А для 2008 – таким:

Выражение для вычисления размера пузырьков:

И в завершении выражение для цветов диаграммы:

И в заключение я добавил дополнительные линии от 50% на обоих осях:

Заключение

Распределение по перцентилю помогает выявить паттерны между данными, которые могут быть скрыты при нормальном распределении. Рекомендую использовать анализ по перцентилям совместно с реальными объемами, чтобы посмотреть на данные с разных точек зрения.

Часто клиенты спрашивают нас о p99-метрике (99-й перцентиль).

Это определенно разумная просьба и мы планируем добавить подобную функциональность в VividCortex (об этом расскажу позже). Но в то же время, когда клиенты спрашивают об этом, они подразумевают нечто совершенно определенное — нечто, что может быть проблемой. Они просят не 99-й перцентиль по какой-то метрике, они просят метрику по 99-му перцентилю. Это обычное дело для таких систем как Graphite, но все это дает не тот результат, который от таких систем ожидается. Это пост расскажет вам о том, что, возможно, у вас неверные представления про перцентили, о точной степени ваших заблуждений и о том, что вы все таки можете сделать правильно в этом случае.

В последние несколько лет сразу множество людей заговорило о том, что существует ряд проблем в мониторинге по средним значениям. Хорошо что эта тема стала сейчас активно обсуждаться, поскольку в течение долгого времени средние значения параметров в мониторинге генерировались и принимались без всякого пристального анализа.

Средние значения являются проблемой и практически не помогают когда речь идет о мониторинге. Если вы просто наблюдаете за средними, вы скорее всего пропустите те данные, которые производят наибольшее влияние на вашу систему: при поиске каких-либо проблем, особенно важные для вас события по определению будут являться выбросами. Есть две проблемы со средними значениями в случае наличия выбросов:

Средние скрывают выбросы и вы их не видите.
Выбросы смещают средние значения, так что в системе в которой существуют выбросы, средние значения уже не отражают нормальное состояние системы.

Так что когда вы усредняете какую-либо метрику в системе с ошибками, вы объединяете все худшее: вы наблюдаете уже не совсем обычное состояние системы, но в то же время не видите ничего необычного.

Кстати работа большинства программных систем просто кишит экстремальными выбросами.

Просмотр выбросов находящихся в длинном хвосте по частоте появления очень важен потому что показывает вам как именно плохо вы обратываете запросы в некоторых редких случаях. Вы не увидите этого, если будете работать только со средними.

Как сказал Werner Vogels из Amazon на открытии re:Invent: единственное, о чем вам могут сказать средние значения — это то что половину ваших клиентов вы обслуживаете еще хуже. (Хотя это заявление абсолютно корректно по духу, оно не совсем отражает действительность: тут более правильно было бы сказать о медиане (она же 50-й перцентиль) — именно эта метрика обеспечивает указанное свойство)

Компания Optimizely опубликовала запись в этом посте пару лет назад. Она отлично поясняет почему средние могут приводить к неожиданным последствиям:

Brendan Gregg также хорошо объяснил это:

Перцентили (квантили — в более широком представлении) часто превозносятся как средство для преодоления этого фундаментального недостатка средних значений. Смысл 99-го перцентиля в том чтобы собрать всю совокупность данных (другими словами всю коллекцию измерений системы) и отсортировать их, затем откинуть 1% наибольших и взять наибольшее значение из оставшихся. Полученное значение обладает двумя важными свойствами:

Это наибольшее значение из значений, которые получаются в 99% случаев. Если это значение, например, является измерением времени загрузки веб-страницы, то оно отражает самый худший случай обслуживания, которое получается как минимум при 99% посещений вашего сервиса.
Это значение устойчиво к действительно сильным выбросам, которые происходят по множеству причин, включая ошибки измерения.

Само собой, вы не обязаны выбирать именно 99%. Широко распространенными вариантами являются 90-й, 95-й и 99.9-й (или даже еще больше девяток) перцентили.

И теперь вы предположите: средние это плохо, а перцентили это отлично — давайте вычислим перцентили по метрикам и сохраним их в наше хранилище для хранения временных рядов (TSDB)? Но все не так просто.

Существует большая проблема с перцентилями во временных рядах данных. Проблема заключается в том, что большинство TSDB почти всегда хранят аггрегированные метрики на временных промежутках, а не всю выборку измеренных событий. Впоследствии TSDB усредняют эти метрики по времени в целом ряде случаев. Наиболее важные:

Они усредняют метрики в том случае, если дискретность времени в вашем запросе отличается от дискретности времени которое было использовано при аггрегирование данных при сохранении. Если вы хотите вывести график метрики за день, например, шириной 600px, то каждый пиксел будет отражать 144 секунд данных. Это усреднение неявно и пользователи о нем никак не подозревают. А на самом деле эти сервисы должны бы были вывести предупреждение!
TSDB усредняют данные в случае когда сохраняют их для долговременного хранения в более низком разрешении, что и происходит в большинстве TSDB на самом деле.

И вот тут появляется проблема. Вы снова имеете дело с усреднением в какой-то форме. Усреднение перцентилей не работает, поскольку для вычисляения перцентиля в новом масштабе вы должны иметь полную выборку событий. Все вычисления на самом деле некорректны. Усреднение перцентилей не имеет никакого смысла. (Последствия этого могут быть произвольными. Я вернусь к этому позже.)

К сожалению, некоторые распространенные open-source продукты для мониторинга подстрекают к использованию перцентильных метрик, которые на самом деле будут затем передискретизированы при сохранении. Например StatsD, позволяет рассчитывать желаемый перцентиль после чего генерирует метрику с именем вроде foo.upper_99 и периодически скидывает их для сохранения в Graphite. Все отлично, если дискретность времени при просмотре не меняется, но мы знаем что это все равно происходит.

Непонимание того, как все эти вычисления происходят, крайне распространено. Чтение ветки комментариев к вот этому StatsD GitHub тикету отлично это иллюстрирует. Некоторые товарищи там говорят про вещи, которые не имеют ничего общего с реальностью.

Возможно самым кратким способом обозначить проблему будет сказать так: Перцентили вычисляются из коллекции измерений и должны пересчитываться полностью каждый раз когда эта коллекция меняется. TSDB периодически усредняют данные по различным промежуткам времени, но в то же время не хранят исходную выборку измерений.

Но, если расчет перцентилей действительно требует полной выборки оригинальных событий (например каждой время каждой загрузки веб-страницы), то в таком случае у нас появляется большая проблема. Проблема «Больших Данных» — будет точнее сказать так. Именно поэтому правдивый расчет перцентилей чрезвычайно затратен.

Суть большинства из этих решений заключается в приближении распределения коллекции тем или иным способом. Из информации о распределении вы сможете рассчитать приблизительные перцентили, а также некоторые другие интересные метрики. Опять же из блога компании Optimizely, можно привести интересный пример распределения времен отклика, а также среднего и 99-го перцентиля:

Есть множество способов рассчета и хранения приблизительных распределений, однако гистограммы особенно популярны из-за их относительной простоты. Некоторые решения по мониторингу поддерживают гистограммы. Circonus например, один из таких. Theo Schlossnagle, CEO компании Circonus, часто пишет о преимуществах гистограмм.

В конечном счете, располагать распределением исходной коллекции событий полезно не только для расчета перцентилей, но также позволяет выявить некоторые вещи о которых перцентили сказать не могут. В конце концов, перцентиль — это всего лишь число, которое всего лишь пытается отразить большое количество информации о данных. Я не буду заходить так далеко, как это сделал Theo когда он твитнул о том, что “99-й ничуть не лучше среднего”, потому как тут я согласен с фанатами перцентилей в том, что перцентили гораздо более информативнее, чем средние значения в представлении некоторых важных характеристик исходной выборки. Но тем не менее, перцентили не так хорошо расскажут вам про данные, как более детальные гистограммы. Иллюстрация от компании Optimizely выше по тексту содержит на порядок больше информациии, чем это может сделать любое одиночное число.

Лучшим способом вычисления перцентилей в TSDB будет сбор метрик по диапазонам. Я высказал подобное предположение, поскольку множество TSDB на деле являются всего лишь упорядоченными по временным меткам коллекциями «ключ-значение» без возможности хранения гистограмм.

Диапазонные метрики обеспечивают те же самые возможности, что и последовательность гистограмм во времени. Все что вам нужно сделать — это выбрать лимиты, которые будут разделять значения по диапазонам, а затем рассчитать все метрики отдельно по каждому из диапазонов. Метрика будет такой же как и для гистограммы: а именно число событий значения которых попали в этот диапазон.

Но в общем, выбор диапазонов для разделения является непростой задачей. Обычно хорошим выбором будут являться диапазоны с логарифмически прогрессирующими размерами или диапазоны которые обеспечивают хранение огрубленных значений для ускорения расчетов (ценой отказа от плавного роста счетчиков). Но диапазоны с одинаковыми размерами вряд ли будут хорошим выбором. Больше информации по этой теме есть в заметке от Brendan Gregg.

Есть фундаментальное противоречие между количеством сохраняемых данных и их степенью их точности. Однако даже грубое распреределение диапазонов обеспечивает лучшее представление данных чем среднее. Например, Phusion Passenger Union Station показывает диапазонные метрики времени ожидания по 11-ти диапазонам. (Мне вовсе не кажется, что приведенная иллюстрация наглядна; значение по оси y несколько смущает, на самом деле это 3D график, спроецированный в 2D нелинейным способом. Нем не менее он все равно дает больше информации чем это могло бы дать среднее значение.)

Как это можно реализовать при помощи популярных open-source продуктов? Вы должны определить диапазоны и создать столбики в виде штабелей как на рисунке выше.

Но рассчитать перцентиль по этим данным теперь будет гораздо труднее. Вы будете должны пройтись по всем диапазонам в обратном порядке, от больших к меньшим, суммируя счетчики количества событий по пути. Как только вы получите сумму числа событий большую чем 1% от общего количества, то именно этот диапазон будет хранить значение 99% перцентиля. Тут есть много нюансов — нестрогие равенства; как именно обрабатывать пограничные случаи, какое значение выбрать для перцентиля (диапазона сверху или снизу? а может посередине? или может взвешенное от всех?).

И вообще подобные вычисления могут сильно запутывать. Например, вы можете предположить что вам нужно 100 диапазонов для вычисления 99-го перцентиля, но на самом деле все может быть иначе. Если у вас всего два диапазона и в верхний попадает 1% от всех значений, то вы сможете получить 99% перцентиль и так. (Если для вас это кажется странным, то поразмышляйте о квантилях вообще; я считаю, что понимание сути квантилей очень ценно.)

Так что тут не все просто. Это возможно в теории, но на практике сильно зависит от того поддерживает ли хранилище нужные типы запросов для получения приблизительных значений перцентилей по диапазонным метрикам. Если вы знаете хранилища в которых это возможно — напишите в комментариях (на сайте автора — прим. пер.)

Хорошо то, что в системах подобных Graphite (то есть в тех, которые рассчитывают на то, что все метрики можно свободно усреднять и передискретизировать) все диапазонные метрики абсолютно устойчивы к этим типам преобразований. Вы получите корректные значения потому как все вычисления коммутативны по отношению к времени.

Перцентиль — это всего лишь число, так же как и среднее. Среднее отображает центр масс выборки, перцентиль показывает отметку верхнего уровня указанной доли выборки. Подумайте о перцентилях как о следах волн на пляже. Но, хотя перцентиль отображает верхние уровни, а не только центральный тренд как среднее, он все равно не так информативен и подробен по сравнению с распределением, которое в свою очередь описывает все выборку целиком.

Знакомьтесь, существуют тепловые карты — которые на самом деле являются 3D графиками в которых гистограммы повернуты и совмещены вместе по течению времени, а значения отображаются цветом. И снова, компания Circonus предоставляет отличный пример визуализации тепловых карт.

С другой стороны, как мне известно, Graphite пока не обеспечивает возможность создавать тепловые карты по диапазонным метрикам. Если я не прав и это можно сделать с помощью какого-то трюка — дайте мне знать (автору статьи — прим.пер.).

Тепловые карты также отлично подходят для отображения формы и плотности задержек в частности. Другой пример тепловой карты по задержкам — это сводка по потоковой доставке от компании Fastly.

Даже некоторые древние инструменты которые вам уже кажутся примитивными могут создавать тепловые карты. Например Smokeping, использует затемнение для отображения диапазонов значений. Ярко-зеленый обозначает среднее:

Хорошо, после всех упомянутых сложностей и нюансов которые нужно бы учесть, возможно старая добрая StatsD-метрика upper_99 для показа перцентилей не кажется вам такой плохой. В конце концов, это очень просто, удобно и уже готово к использованию. Действительно ли эта метрика так плоха?

Все зависит от обстоятельств. Для множества сценариев использования они отлично подходят. Я имею в виду, что в любом случае вы все равно ограничиваете себя тем, что перцентили не всегда хорошо описывают данные. Но если вам и это не важно, тогда наибольшая проблема для вас это передискретизация этих метрик, что будет означать что вы будете затем наблюдать за неверными данными.

Но измерения вообще неверная штука — в любом случае, и кроме того, множество неправильных по сути вещей тем не менее все равно как-то полезны. Например, я мог бы рассказать, что добрая половина метрик, на которые смотрят люди, на самом деле уже сознательно искажена. Наприме показателен load average для систем. Этот параметр бесспорно полезен, но как только вы узнаете как именно делается эта «колбаса», вы возможно поначалу испытаете шок. (На хабре есть отличная статья про вычисление LA — прим.пер.) Подобным же образом множество систем подобным же образом сжато отображают различные метрики своей производительности. Множество метрик из Cassandra являются результатом работы библиотеки Metrics library (Coda Hale) и на самом деле являются плавающим усреднением (экспоненциально взвешенное плавающее среднее), к которому у множества людей есть стойкое отвращение.

Но вернемся к метрикам по перцентилям. Если вы сохраните метрику p99, а затем уменьшите и просмотрите усредненную версию за большой промежуток времени — хотя может это и не будет “правильно” и даже может быть что график будет весьма отличным от реального значения 99-го перцентиля, но то, что это будет неправильно, необязательно означает то, что этот график нельзя использовать в желаемых целях, а именно для понимания худших случаев во взамодействии пользователей с вашим приложением.

Так что все зависит от случая к случаю. Если вы понимаете то, как перценили работают и то, что проводить усреднение перцентилей неправильно, и вас это устраивает, то хранение перцентилей может оказаться допустимым и даже полезным. Но тут вы вносите моральную дилемму: с таким подходом вы можете сильно смутить ничего не подозревающих людей (возможно даже ваших коллег). Посмотрите на комментарии к тикету на StatsD еще раз: непонимание сути процесса прямо ощущается.

Позвольте мне провести не самую лучшую аналогию: я иногда употребляю из моего холодильника такие явства, которые никогда бы не предложил другим. Просто спросите мою жену об этом. (Жену автора — прим.пер.). Если вы дадите людям бутылку с надписью “алкоголь”, а в ней будет содержаться метанол, то эти люди ослепнут. Но некоторые спросят: «а какой именно алкоголь содержится в этой бутылке?» Вам лучше придерживаться такой же меры ответственности по отношению к подобным вопросам.

На текущий момент наша TSDB не поддерживает гистограммы и мы не поддерживаем расчет и сохранение перцентилей (хотя вы можете просто присылать нам любые свои метрики, если это необходимо).

На будущее мы планируем поддержку хранения диапазонных метрик высокого разрешения, то есть метрик с большим количеством диапазонов. Мы сможем реализовать нечто подобное, поскольку большинство диапазонов по всей видимости будут пустыми и наша TSDB сможет эффективно обрабатывать разреженные данные (также вероятно, что после усреднения по времени они уже не будут столько разреженными — прим.пер.). Это даст нам возможность выдавать гистограммы раз в секунду (все наши данные хранятся с разрешением в 1 секунду). Диапазонные метрики будут передескритизированы в 1-минутное разрешение после заданного в настройках периода, который установлен по умолчанию в 3 дня. При этом диапазонные метрики будут передискретизированы в 1-минутное разрешение без всяких математических проблем.

И в итоге, из этих диапазонных метрик мы получим позможность получить любой желаемый перцентиль, показать оценку ошибки, показать тепловую карту и показать кривую распределения.

Это будет не быстрым в реализации и потребует больших усилий от инженеров, но работа начата и система уже разработана с учетом всего этого. Не могу обещать когда именно это будет реализовано, но считаю нужным рассказать о наших долгосрочных планах.

Пост получился несколько длиннее, чем я задумывал сначала, но я затронул много тем.

Заработная плата – основной источник доходов людей в России (63% в 2020 году). В официальной российской статистике традиционно используется показатель средней зарплаты, но насколько она отражает реальный уровень компенсации труда сотрудников и как соотносится с самой распространенной и срединной (медианной) зарплатами?

Для корректной оценки уровня заработной платы необходимо понять, что означает средняя зарплата и почему общество не всегда ей доверяет.

Наиболее используемым показателем в России, как среди официальных лиц, там и среди ученых, является средняя заработная плата. Она представляет собой все начисленные работникам деньги (фонд оплаты труда с учетом подоходного налога), деленные на численность работников в месяц. В 2019 году (апрель 2019 г.) средняя заработная плата в России составляла 47,6 тыс. рублей в месяц до вычета подоходного налога или 41,5 тыс. руб в месяц после уплаты налога.

Показатель средней зарплаты часто критикуется, поскольку из-за большого расслоения по доходам населения, не отражает средний уровень компенсации труда.

Медианная заработная плата – срединная зарплата, при которой половина (50%) работников получает меньше этого уровня, а половина – больше. В 2019 году (апрель 2019 г.) медианная заработная плата в России – 34 тыс. рублей (29,9 тыс. руб после уплаты налога) или 72% от уровня средней зарплаты. Из этого следует, что половина работающего населения в России зарабатывает (после вычета налога) меньше 30 тыс. рублей или 2,6 прожиточного минимума трудоспособного гражданина.

Медианная заработная плата редко используется в России, а ее публикации носят выборочных характер. В США медианная оплата труда анализируется наравне со средней для более релевантной оценки благосостояния населения, хотя отношение медианной зарплаты к средней близко к российскому уровню (74%).

Модальная заработная плата – самая часто встречающаяся зарплата, то есть это наиболее распространенная среди населения России. В 2019 года (апрель 2019 г.) модальная зарплата в России составила 23,5 тыс. рублей (20,5 тыс. рублей после вычета налога)или менее 50% показателя средней зарплаты.

Уровень модальной заработной платы равен 2 прожиточным минимумам. Это свидетельствует о том, что значительная часть работающего населения живет в бедности, вынуждена экономить на базовых потребительских товарах и не имеет возможности накапливать деньги.

Около 20% работающих россиян в 2019 году имели заработную плату менее 20 тыс рублей (17,4 тыс. после вычета налога), а средний уровень заработной платы (47,7 тыс. руб) недостижим для 70% работников. Более 100 тыс. рублей в месяц зарабатывают только 7% населения России, которых можно отнести к среднему классу и выше (исключительно по финансовому критерию, не беря во внимание прочие факторы).

Даже незначительная доля высокооплачиваемых работников на фоне низких зарплат у большой части населения способны приводить к таким статистическим перекосам. Рассмотрим пример, который наглядно иллюстрирует эту статистическую особенность. В компании трудится 10 работников — 5 человек имеют зарплату 20 тыс. рублей, 4 человека — 30 тыс. рублей и 1 человек — 200 тыс. рублей. Средняя зарплата у сотрудников компании составит 42 тыс. рублей, медианный уровень — 25 тыс. рублей, а модальный (самый распространённый) — 20 тыс. рублей.

На основе данных по распределению заработных плат в России и приведённого примера видно, что медианный или модальный показатели зарплат точнее характеризуют реальный уровень благосостояния населения, нежели средняя заработная плата.

Детализация по средней, медианной и модальной зарплатам приводится для крупных и средних предприятий (для отработавших полный апрель 2019 года сотрудников) без учета малых компаний и индивидуальных предпринимателей. Но средняя зарплата по указанной выборке близка к обобщенному показателя по всем организациям в России — 47,5 тыс руб в месяц (против 47,7 тыс руб в месяц по крупным и средним компаниям), что позволяет применять значения медианной и модальной зарплат на всех занятых в России.

Другие статьи по экономике можно почитать на сайте

Дед сказал, что 17к - это средний класс.

Он с будущего эту цифру взял, которое усиленно приближает всей мощью гос. машины.

Комментарий удален по просьбе пользователя

Сложно спорить с этими данными, они же официальные)

Официальная 20, по факту 50, у нас весь город в таких зп.

Все эти чудо подсчеты ниачем, когда полстраны получают зп в конвертах.

Вопрос к автору. Как Вы прокомментируете такое расхождение Ваших данных с данными ВТБ.

А Вы оцениваете, что их 7,14%.

исходные данные на которые он поленился привести ссылку - https://gks.ru/compendium/document/13268

в первой же табличке из архива приводится общая численность работников - 27 миллионов. вот 7% от них и есть 1% от населения россии

Уровень выводов божественен.

Рассмотрим пример, который наглядно иллюстрирует эту статистическую особенность. В компании трудится 10 работников — 5 человек имеют зарплату 20 тыс. рублей, 4 человека — 30 тыс. рублей и 1 человек — 200 тыс. рублей. Средняя зарплата у сотрудников компании составит 42 тыс. рублей, медианный уровень — 25 тыс. рублей, а модальный (самый распространённый) — 20 тыс. рублей.

Особенно смешно описание автора сайта, на который ссылается автор поста)
Автор – исследователь, ученый и кандидат экономических наук. Ни фамилии, ни имени.

Рассмотрим пример, который наглядно иллюстрирует то, что человек был на Марсе! Вывод? Вот же фотофакт! Смешное "расследование". Даже предполагаю у кого учился))

Вы цитируете не выводы, а пояснения что такое средняя, медиана и мода. Не все это знают, а разбор на примере упрощает понимание.

Как влияет наличие имя и фамилии на качество материала, но если хотите, то автор — я, Соловьев Михаил, живу в Москве. Так лучше?

Вы прекрасно понимаете, что это чистой воды популизм и манипуляция.

Рассмотрим пример, который наглядно иллюстрирует ваш популизм.

В компании трудится 10 работников — 5 человек имеют зарплату 60 тыс. рублей, 4 человека — 80 тыс. рублей и 1 человек — 200 тыс. рублей. Средняя зарплата у сотрудников компании составит 82 тыс. рублей, медианный уровень — 70 тыс. рублей, а модальный (самый распространённый) — 60 тыс. рублей.

Понимаете где и как вы манипулируете?)

Нет, не понимаю)
Так данные считают во всем мире, в том числе Росстат в России.

А в цифрах. Вы пишете про 20к зп в примере. А почему не пишете про 50к? Потому что надо пример подогнать под ваши фантазии, ну чтобы адепты лучше запомнили. Покажите мне хоть один расчетный лист с зп в 20к, кроме прям вообще младшего персонала.

Можно перевести пример на данные из росстата. В пункте "Распределение работников по заработной плате" видно, что 10-20% с высокой з/п дают очень сильную разницу между средней и модальной з/п. А именно, 47.5к средняя и 23.5к модальная. Соотношение примерно такое же как в примере (42к средняя, 20к модальная). Так что пример вполне себе правдоподобен.

Путин говорит что зп в 17к это средний класс. Вы понимаете на кого он работает?

Если человеку интересно, то я готов все прокомментировать, не вижу проблем

Всегда поражался быдлу за такое: ему под нос подсовывают фотографии как его жену трахают, а он «Особенно смешно описание автора сайта, на который ссылается фотограф)»

А боты это как? Все те, кто хотят фактов - боты? Мальчик, я тут уже 4 года. В отличие от твоей реги с февраля

все кто не согласен - боты, это ж просто

ну, медианный лучше всего отразил ситуацию в компании - вашем примере. Что вам не нравится?)

Так кто против того, чтобы в компании 60к была медиана? Никто. Не нужно тут про 30 врать

эм, что? В вашем примере вы сами посчитали, медианная - 25 тысяч. Откуда вы взяли 60 и 30?
В статье указаны данные по всей России, и медианная получилась около 34 тысяч. Это отражает картину лучше, чем показатель средней зп.

Если вам интересна эта тема, есть еще много разных методов вычислений, например, мы в универе на регионоведении учились высчитывать зарплаты за вычетом региональных центров. Во многих странах оптимальнее всего считать доходы населения за вычетом самого экономически развитого города-агломерации.

Если вы посмотрите картину за вычетом Москвы, то увидите, что и средняя зарплата - около 35 тысяч рублей. В этой статье 35 тысяч медианная, потому что зарплаты москвичей включены в вычисления.

В компании трудится 10 работников — 5 человек имеют зарплату 20 тыс. рублей, 4 человека — 30 тыс. рублей и 1 человек — 200 тыс. рублей.

В том что это случай и приведенные зарплаты вполне себе имеют место быть И ЭТО ПРОБЛЕМА.

У нас врачам тоже рисуют 15к оклада в ваших любимых оппозиционных СМИ. По факту они на руки получают не менее 50к. Хотя оклад реально 15к.

Причём тут СМИ? Есть официальные данные Росстата. Вот что включено в заработную плату:

В заработную плату работников, отработавших на полной ставке (должностном окладе) все рабочие дни октября включались суммы, начисленные работникам за октябрь в соответствии с платежными документами,
по которым с работниками производились расчеты по заработной плате, премиям и т.п. за отработанное время, компенсационные выплаты, связанные с условиями труда и режимом работы, доплаты и надбавки и т.п.

Со статистикой на сайте Росстата можно ознакомиться по ссылке.

Верить или нет статистике — Ваше дело, но других данных нет)

Ещё раз. Вы хоть раз справку 2-НДФЛ у врача видели?

Все данные по зарплатам поступают в ФНС, все что указано в 2-НДФЛ у любого сотрудника с белой зарплатой попадает в базу Росстата и ФНС. Все надбавки и т.п.

Так сколько у врачей по данным росстата зп? Киньте ссылку, если не трудно

Тут можно посмотреть по медперсоналу

Так, и что там у младшего персонала? Или вы тоже скажете, там разброс от 20 до 200 ?:) Цифру жду

Возьму свою самарскую область.
Первый столбик это средняЯ (ЯКОБЫ)
2,3,4 столбик это средние зарплаты врачей в заисимости от формы собственности медучреждения.
Да 64 и 60 тысяч рублей это хорошая зарплата для области, только их получают только в медучреждениях федерального и областного подчинения.
А вот тот самый 4 столбик это муниципальыне медучреждения коих подавляющее большинство.
И вот 65тр плавно превращается в 35,5 минус НДФЛ равно 30 913 рублей.
Плюс тут статистика по начисленным зарплатам. Неизвестно еще за сколько ставок люди эту ЗП зарабатывают.

Что-то не сходится в их всепропащем взгляде)

Ну собсно про это и речь в статье, насколько я понял. 70% людей получают меньше указанной средней зарплаты. То есть 70% врачей получают меньше

55к.
Из примера выше "В компании трудится 10 работников — 5 человек имеют зарплату 20 тыс. рублей, 4 человека — 30 тыс. рублей и 1 человек — 200 тыс. рублей. Средняя зарплата у сотрудников компании составит 42 тыс. рублей, медианный уровень — 25 тыс. рублей, а модальный (самый распространённый) — 20 тыс. рублей."
Отсюда и получается, что при средней з/п в 42к подавляющее большинство людей получает 20-30к. Отсюда и крики.

Может я где-то ошибся. Поправь, если что.

У меня два вопроса. 54 это меньше 55? 20 это меньше 55?:)

Понимаете ли, цифры в примере взяты из бурной фантазии тс. Из воздуха

20к имеет ровно столько же права на жизнь, сколько и 54к. Разные цифры з/п в разных пропорциях могут давать одно среднее значение. Так что тут надо копать данные. Судя по вопросам вы, как и я данные также не копали. То есть самая распространенная з/п, исходя из наших с вами знаний может быть как 20к, так и 54к.

Зачем мне копать данные, если у меня тётя врач и я знаю сколько она зарабатывает, живя в провинции?

Одна тётя - это не репрезентативная выборка. По одной вашей тёте нельзя судить о всей стране.

Так её коллеги примерно столько же зарабатывают +-. Всё зависит от стажа

Все равно это данные одной больницы/поликлиники. Это также нерепрезентативно. Эти данные можно экстраполировать максимум на один регион. Да и то это возможно будет очень грубая оценка. Не уверен, но допускаю, что уровень заработка врачей (не оклада, а именно общего месячного заработка со всем премиями и прочими неадбавками) в двух больницах одного региона может отличаться.

Отличается. Причем в разы. Более того, знакомый врач анестезиолог-реаниматолог ходит в больницу, не бухает, работает как полагается, без фанатизма. У него зп в районе 100к гросс. Его знакомый работает в этом же городе, но в другой больнице, бухает, неделями на работе не появляется. Получает 15к. Потом ноет какой плохой Путин. Город в районе 90к населения, Поволжье

Всё по классике.

врач анестезиолог-реаниматолог

У него зп в районе 100к гросс

Вроде может показаться, но вот же, вот же зарабатывают люди!
До тех пор, пока ты не начинаешь разбираться.
Такой специалист - это буквально штучный экземпляр. В США человек с такой профессией получает разве что меньше пластического хирурга, который работает с знаминитостями. Т.е. если врач будет получать 200К в год, то анестезиолог-реаниматолог будет получать пол миллиона долларов в год.
В СПБ в средней по стоимости частной клинике - зарплаты таких специалистов от 300К до 500К в легкую.
Следовательно, если такой специалист получает 100К - обычный врач хорошо, если на 50-60 может рассчитывать. С переработками.

Что такое 50-60к? Да да же 100? Ну для основной массы населения это вроде как даже очень хорошая зарплата. Но по Европейским нормам - это или нищета или бедность.
Хороший врач анестезиолог-реаниматолог может позволить ездить себе на порше (в США или Германии), а не на шкоде актавии в максималочке.

Подождите, правильно ли я понимаю, что врач в России может зарабатывать 500к в месяц?

В частной клинике - да. Может даже в какой-нибудь государственно образцовой. Но сколько таких клиник на всю Россию?
Но это никак не противоречит нищенским зарплатам в сфере медицины. Вы сами говорите про 50К. И вы прекрасно знаете, что это зарплаты с большими, а иногда и дикими переработками.

БЕЗ ОПЫТА! Вы понимаете, что 50000 это фактически интерну?

А вы понимаете, что это зарплата элитного специалиста, хоть и интерна? Зарплаты обычных врачей делите на 1,5-2.
Менеджеры в СПБ больше получают.

Да что вы мне рассказываете)) Я прекрасно знаю сколько получают врачи. И это не 20000 рублей, как вам рассказывают наши светлоликие и рукопожатные

Ну и чтобы меня не обвиняли в предвзятости.

И это не 20000 рублей,

А целых 50к?
Ну если вы так прекрасно знаете, то напишите сколько стоит их час работы.

Не более 39 часов в неделю. Делите

Может. Медицина же не только государственная.

В России нет таких зарплат ни у кого, кроме Сечина и Миллера! Да вы кремлебот! :))

Нужно понимать, кто был первый - зарплата в 15 к или бухло?

Ага, ага я сын врачам реаниматолога, не все так однозначно.

Да ты то понятно. Тебе хоть платят за хейт России или так, вера?

Видеть проблемы в стране и хотеть чтобы они решались значит ненавидеть страну да?

Видеть проблемы в стране и предлагать решения = любить свою страну. А видеть проблемы в стране и ныть = любить только себя.

что ж ты ноешь тогда? пиши что весь vc любит страну во все дыры LOL

"Всё по классике." - И на просторах vc нашелся своей хеббельс.

Вот видишь. Значит и ситуация с модальной зарплатой 20к вполне реальна. Раз даже среди твоих знакомых такой большой разброс по уровню достатка. Но в любом случае, нужно смотреть подробную статистику с большим количеством данных.

Т.е. вы увидели в моем комменте не то, что люди, которые работают, то получают нормально, а то, что у нас вся страна бухает? Ну как говорится кто как пчелы, а кто как мухи ) Каждый своё видит

Нет, я увидел, что даже по примеру ваших знакомых нельзя делать однозначных выводов ни в ту, ни в другую сторону. Есть как люди с высокой з/п, так и с низкой. И оба варианта в приниципе равновероятны. НО.
Я мало путешествую по регионам России, но иногда заглядываю на streetview или панорамы яндекса. Из того, какие пейзажи я вижу в городах, деревнях и сёлах я всё же склонен верить в модальные 20к.
Но повторюсь, что и вам и мне для утверждения той или иной позиции нужно оперировать статистическими данными. Поэтому, если вас так интересует спор с теми, кто утверждает, что з/п врачей составляет чаще всего 15к, предлагаю вам обратиться к статистике и изучить её. Чтобы ваши утверждения соответствовали реальности и могли использовать в споре как весомый аргумент.

Да мужик живёт в мире розовых пони. Редко можно увидеть настолько оторванного от реальности человека.

"Без фанатизма" 100к, не в Москве это чудо. 45 - 50 т.р. при работе на много ставок, т.е. с фактически с нарушениями трудового кодекса, это запросто. Много ставок - это, например, там где должен быть заведущий + 2-3 врача. А работает один заведующий и он же все эти врачи + дежурств на пол.ставки+(минимум). Такая нагрузка это норма в регионах. И она не может быть другой, т.к. даже при "оптимизации ставок" ( их сокращении) укомплектованность кадрами повсеместно менее 50%. Т.е. уже из этой цифры складывается, что в среднем врачи работают не менее 2 ставки. Реально из-за того что кто-то все же работает на 1 ставку не дежурит + кто-то в отпуске, кто-то в декрете оставшимся трудягам достаются 3+ ставок. Вот для этих трудяг зарплата может дотянуть "до майских указов", но не всегда. Это конечно не исключает, того что какой-то реаниматолог может получать и 100т.р., т.к. когда патовая ситуация для мед.учреждения, без какого-то специалиста просто нельзя, а никто в принципе не идет туда работать, то оставшемуся ( пришедшему) начисляют стимулирующих. Иначе всё, можно закрывать контору.

Еще тетя есть, терапевт, хз сколько ставок, на руки 60 получает, еще сестра в реанимации, говорит что до 70 выходит.

Ну кому ж верить-то если не гксычу?

По факту они на руки получают не менее 50к

Ага, за два три ставки и работу по 12 часов?

Не рушь картину мира просвященным!

Вы реально не догоняете , что зарплата в данных росстата это все начисления, а оклад это лишь составная часть?

Почитайте методологию, в зарплату включены почти все выплаты.

В заработную плату работников, отработавших на полной ставке (должностном окладе) все рабочие дни включались суммы, начисленные работникам в соответствии с платежными документами, по которым с работниками производились расчеты по заработной плате, премиям и т.п. за отработанное время, компенсационные выплаты, связанные с условиями труда и режимом работы, доплаты и надбавки и т.п.

Ну так, а я что и пишу.

ЗП врача или младшего медперсонала привязаны к ставке. Росстат так же публикует средние зп по отдельным отраслям и на его сайте можно найти данные по ЗП отдельных категорий бюджетников (с разбивкой по регионам)

Учителя тоже 50к получают? Профессора вузов? Вы не понимаете где вы жанглируете?
Если 10 работяг один человек из начальства то какая будет медиана и средняя зарплата?
Вы эксперт из какой отрасли?

Учителя тоже 50к получают?

Профессора - не знаю, а доцент на целой ставке где-то так и получает. Другой, конечно, вопрос, что целой ставки у него может и не быть, и что в зарплате многое зависит от публикаций и грантов.

HR-у нужно учесть множество факторов и потребностей:

Остановлюсь подробнее на дифференцированном пересмотре. Это современная технологичная практика, которая все больше распространяется на российском рынке.

В лучшем своем виде она позволяет добиться того, чтобы:

Достигнуть оптимального соотношения зарплат к рынку и справедливого распределения сотрудников в диапазонах оплаты по грейдам или относительно медианы или иного целевого значения, где лучшие сотрудники будут оплачиваться ближе к верхней границе диапазона, хорошие — в середине, а не соответствующие ожиданиям — в нижней части. После внедрения грейдинга и диапазонов зарплат по грейдам, в течение 2-3 лет всех ввести в разработанные зарплатные вилки.

Это мой любимый подход. Я внедряла его в нескольких крупных иностранных и российских компаниях, где было возможно с точки зрения законодательства. И каждый раз был очень хороший отклик и результат. Даже когда были серьезные опасения, что менеджмент не готов к подобным переменам.

Нам нужно сформировать правила пересмотра и подготовить всю необходимую информацию.

1. Определить бюджет на пересмотр зарплат — процент пересмотра и стоимость на текущий и целый год.

2. Сделать полный список сотрудников, кто попадает в периметр пересмотра. С полной информацией о подразделениях, должностях, зарплатах, оценках эффективности, вилках зарплат, рыночных данных , отношении текущих зарплат к рынку.
Удобнее всего это делать в Excel. Не важно, сколько это сотрудников. От нескольких десятков, до нескольких десятков тысяч человек.

3. Дальше нужно ответить на несколько вопросов и сформулировать правила.

А. Какой процент на пересмотр мы хотим дать каждому подразделению?

Логично дать больше денег туда, где зарплаты ниже рынка, туда, где у руководителя должно быть больше денег для поощрения через пересмотр зарплат высокоэффективных сотрудников.

Б. Как сильно руководители могут отклоняться от правил?

Нам нужно обеспечить внутреннюю справедливость, единую практику применения принципов вознаграждения. По факту могут быть редкие исключения, сравнение с рынком может иметь погрешности. Поэтому логично давать руководителям возможность некоторого отступления от правил, задав диапазоны для принятия решений.

В. Какие дополнительные правила нужны?

— Пересмотр не раньше, чем через Х месяцев после прихода на работу или после предыдущего повышения.
— Не повышать оклад тем, кто сильно переплачен. Можно заменить пересмотр единовременным бонусом.
— Устанавливать максимальный и минимальный процент пересмотра.

4. Моделируем матрицу пересмотра зарплат.

У нас уже есть полный Excel-файл по сотрудникам со всеми необходимыми данными.

А. Делаем там калькулятор бюджета в 3 разрезах

По забюджетированному проценту пересмотра, по методике по матрице и по предложению руководителя.

Б. Формируем матрицу пересмотра зарплат.

Это таблица, где указано, какой процент пересмотра зарплаты рекомендуется сделать в зависимости от двух факторов:
— отношения текущей зарплаты сотрудника к целевому уровню рынка;
— оценка эффективности сотрудника.

По горизонтали будут стоять интервалы индивидуальных оценок эффективности. Например, А,В,С, D, E или <50%, 50-79%, 80-100%, <100%, по вертикали — интервалы отношения к рынку. Например: <80%, 80-90%, 90-100%, 101-110%, 110-120%, >120%.

Интервалы подбираются, исходя особенностей и политик вашей компании. На пересечениях интервалов в матрице у вас будет стоять рекомендованный для сотрудников для этой группы процент пересмотра. Рекомендуемые проценты должны быть логичными и обоснованными.
Универсальной матрицы быть не может. Так как во всех компаниях свой бюджет, свое отношение к рынку по разным должностям, своя система оценки эффективности.

И даже в одной компании одну и одну матрицу скорее всего не получится применять 2 года подряд.

В. Тестируем матрицу.

Подтягиваем рекомендации из матрицы к сотрудникам и смотрим, что получается. Нужно, чтобы на выполнение всех рекомендаций по матрице хватило бюджета. И чтобы остался небольшой резерв на непредвиденные случаи. Корректируем матрицу при необходимости.

С этим подходом в каждом подразделении бюджет на пересмотр зарплат будет свой, он будет учитывать отношение к рынку сотрудников именно этого подразделения и их индивидуальные результаты. И этого бюджета хватит руководителю на то, чтобы сделать пересмотр зарплат по разработанной методологии/матрице.

Читайте также:


Облагаются ли сверхурочные ндфл

В чем заключается работа программиста

Может ли работодатель перевести работника на другую точку без его согласия

Зарплата замдиректора по финансам вопросам будет рассматриваться как

Если инвалид работает и получает пенсию