薪酬诊断模型

《薪酬诊断模型》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、论薪酬的多维分析模型　中国建筑材料科学研究总院人力资源部  余清泉（本文获中国建材研究总院青年科技管理论文大赛管理类一等奖）【内容提要】文章以中国建筑材料科学研究院薪酬分析实例为基础，提出薪酬分析的指导原则、分析方法和薪酬多维分析模型。该模型分为趋势分析模型、薪酬分布曲线模型、薪酬内部系统分析模型、薪酬外部比对模型、人工成本分析模型、薪酬满意度模型、双因子相关分析模型等7个子模型，综合运用统计学方法、系统论方法、会计学方法和心理学方法进行薪酬分析，从而反映薪酬现状，诊断薪酬缺陷，推进人力资源变革，提出管理优化建议。该模型为薪酬分析构建了具有实操性的分

2、析工具，具有较强的现实指导意义。【关键词】薪酬管理薪酬分析【正文】薪酬管理是人力资源管理的重要环节，有关研究汗牛充栋。已发表的有关文献研究主要集中在薪酬制度设计、薪酬调查方案设计，以及薪酬福利的激励效果上，对激励因素、薪酬方案设计的研究相当深入。但是对薪酬诊断分析关注较少，尤其缺乏具体可行的方法模型以及分析工具。本文以中国建筑材料科学研究院薪酬分析实例为基础，提出薪酬分析的指导原则、分析方法和薪酬多维分析模型。一、      薪酬分析的重要性薪酬分析是运用多种分析手段，对一定时期内企业的薪酬数据进行综合分析，从而反映薪酬现状，诊断薪酬缺陷，推进人力资

3、源变革，提出优化建议的过程。薪酬分析的重要性体现在如下四个方面：（一）描述薪酬状况，反映人力资源现状。描述反映功能是薪酬分析的首要功能，通过薪酬分析，我们可以宏观地系统地了解企业薪酬水平与薪酬分布现状，准确把握企业外部竞争力和内部公平性。                                      （二）评估薪酬方案，考量人力资源决策。一个薪酬方案设计实施后，具体效果需要由薪酬分析来反馈评估。通过各种指标和分析技术，来客观评估考量某一阶段人力资源决策的正确性与有效性。（三）诊断薪酬制度缺陷，推进人力资源变革。不存在尽善尽美的薪酬制度，也

4、不存在一成不变的薪酬制度，在薪酬分析中诊断发现制度缺陷，并提出建议，在新一轮的人力资源变革中加以克服或者弥补，实现薪酬的内部公平目标和外部竞争性目标，实现有效激励。（四）综合推进管理优化，达致人力资源战略目标。薪酬分析不是孤立的，通过与岗位分析、人才结构分析等人力资源模块的相关分析，可以更加全面更加深刻地理解当前的人力资源战略，综合推进管理优化，达致人力资源战略目标。二、      薪酬分析的原则薪酬分析遵循如下原则：（一）真实性薪酬分析以真实数据为基础。真实性具体反映在三个方面：第一，在薪酬数据的原始收集处理阶段，必须力求准确真实，不遗漏不虚报。第

5、二，薪酬分析数据不拘泥于实际数据，薪酬数据收集后的第二阶段是排异化处理，为便于历史对比分析，须排除部分足以影响分析结论的特殊异常数据；同时在分析报告中加以注释说明，保证真实反映客观情况。第三，谨慎使用外部薪酬调查数据。因为由于薪酬数据的保密性，外部获取数据往往存在主观或客观的误差，在参考外部薪酬数据时必须保持谨慎和有选择有分析地使用。（二）长期性薪酬分析的时间跨度一般在一年期以上。而且，薪酬分析还注重纵向历史分析，数据对比有可能涉及近几年数据。薪酬分析的长期性主要基于以下三个原因：第一，薪酬数据分析工作量大，短期分析过于频繁，不利于简化工作量。第二，

6、一年期以上的薪酬数据在统计学意义上能通过规模化的数据来减少由于个别月份特殊波动带来的误差。第三，年度分析符合会计结算、年终总结等工作习惯，且由于与同期其他报表生成时间一致，有利于薪酬的扩展分析。（三）系统性系统性具体反映在三个方面：第一，薪酬分析必须放在企业的整个薪酬体系里来看才有意义，应坚持宏观全面分析。第二，除了薪酬数量分析，薪酬体系结构分析也是薪酬分析的一个重要方面，一个良序合理的系统，必须有着合理优化的结构。第三，薪酬分析改进建议应更加着眼于结构优化，薪酬改进绝不仅是绝对数量上的增减变化，更应该着手结构优化，构建合理的激励体系。（四）比对性比

7、对性具体反映在三个方面：第一，薪酬数据须具有可比性，保证数据具有可比性的方法是同期数据收集和排异化处理。第二，薪酬数据比对是薪酬分析的重要方法，内部比对反映内部结构和内部公平性，外部比对反映外部竞争力。第三，薪酬分析结论须具有可比性，通过一些客观指标的横向比对，得出薪酬分析可比性结论，便于以后的薪酬历史分析和改进。三、      薪酬的多维分析方法（一）统计学方法：通常我们要分析的薪酬数据有三类：第一类是工资数据，这是最核心最基本最常用的数据，基本都属于定距变量；第二类是岗位、职级、年龄等用于区分人员类别的标识，可以是定类、定序或定距变量；第三类是薪

8、酬调查结果数据，如薪酬满意度等，属于定序变量。正是因为这些数据的统计学特征，我们可以用数理统计的方法来加工处