叶小东
DOI:10.19392/j.cnki.16717341.201720171
摘要:年薪制是企业成长阶段管理人员形成专业化的必经之路,即为进行有效决策,保障企业中高层不受企业第三利益方影响,不与企业工作人员抢占利益。本文基于某中型企业的连续两年中高层薪酬数据,对该企业的数据进行有效、有目标地进行数据清洗梳理,利用SPSS聚类,回归分析,Excel的Power view进行呈现,最终为企业以数据方式凸显薪酬结构中存在问题,为年薪制改革提供数据支持和分析依据。
关键词:年薪制;數据清洗;聚类分析;回归分析
随着企业规模的不断扩大,所有权与控制权逐渐分离,为把企业目标与中高层的利益达成一致,并对中高层进行有效地激励与约束,产生年薪制势在必行。本文研究分析划分依据主要参考企业内部的分配制度。数据来源于企业103位中高层人员基本工资,绩效以及其他奖励的2015年,2016年两年数据(均为税前收入),最后还有人员的基础信息数据;中间个别职称与职务的变化,将在后续数据清理中加以备注,以便减小变量因素。通过最后描述企业显现问题,即为“数据查看,数据清洗,数据分析”,对应的数据分析就是数据查询、管理分析和主题分析。
一、研究设计
(一)数据准备和采集
研究以该企业财务的工资数据,人力资源系统的绩效和其他奖励为数据源,以“中高层人名”或者“高级职称”为主题词进行检索,收集时间为“2015年1月1日至2016年12月30日,收集类型为所有薪酬的明细,共检索到数据12360条基本工资,22248条绩效以及10918条其他项目奖励数据;以及人员的基础数据412条(包括部门,年龄,ID,层次)。
由于这些数据静静地躺在各个行政部门的手中,只能从最基本的数据采集开始数据准备,再进行数据清理,剔除脏数据和与本文不想关数据,最后进行专项分析。
(二)研究思路与方法
本文综合运用计量数据法和图谱方法,对采集到的数据进行不同层次不同项目地分析和可视化研究[1]。首先,对企业在岛数据中利用数据的“汇总统计”功能从基本工资、绩效、其他奖励等层面进行分析;其次运用“产生数据量”分析和“产生时间”分析功能,结合可视化分析软件对收入广度进行分析;其中利用可视化分析软件EXCEL2016Powerview对人员收入进行数据观察。通过简单的数据观察发现企业中人员收入的增长点(即拉开收入差距点)在于其他单独奖励项目中,所以根据企业的特点进行相应的关联分析,并对这些项目进行回归分析。
(三)研究工具
本研究使用的研究工具有可视化分析软件EXCEL2016Powerview、统计软件Excel2016以及IBM的SPSS分析软件。
二、企业内部数据应用现状与数据清洗
企业在发展运营过程中,由传统的手工、纸质档案慢慢地向信息化发展,同时各个部门都以自身价值导向为中心,产生主观性、利己性、专业性强的数据,难以融入其他部门的数据,且其他部门可利用性不高。
(一)数据质量现状
对于数据各自为政,皆由各部门人工录入,没有明确定义和格式的数据,造成了对数据录入理解偏差或者不规范(存在NA无数据)。企业数据指标不完善,面对数据需求分析时,只能通过简单人为进行主观描述性陈述。
(二)数据清洗过程
通常来说数据清洗会占据数据分析项目80%时间;这个项目其数据清洗对于处在数据孤岛且数据应用较弱的企业则显得尤为重要而且必不可少,当然工作量也非比寻常;主要表现为数据分散而难以整合:工资数据分为5个子项目,绩效数据分为9个子项目,根据企业自然属性将分析人群大致划分成3个类别:1,2,3。另需数据合计工作,这一步可以通过企业自主开发的业务系统初步提取和分类项目。
由于企业各业务系统建设之初,仅考虑到自身需求,经费以及所合作第三方技术积累有限,平台设计的未来拓展接口未考虑,导致在使用时需要整理好相关的数据格式才能上传,功能简单单一。
本文对数据进行了三大项十一个子项目的清洗,因本次任务明确,数据统一口径非常明确;对于不需要的和数据损坏的字段,将进行删减和填充(填充数值为0);同时默认数据完整的情况下,保持字段名和结构前后一致。仅仅“其他奖励”一项剔除数据达5523条,分析相关的数据5395条。在统计“其他奖励”如K,Z项目数据时,需要在统计数据时根据总计,小计前后对比相互校验,以防数据失真;同时项目中的重复数据默认为非重复项纳入计算。最后一步则是验证清洗后的数据是否可以与之前源数据合并。
数据梳理的工作过程中留存一份工作log和数据源(以excel表格保存),把源数据标记好各自的来源,单独保存在一个文件夹里。以便发现最终数据有误时,可能通过变量名或标识符找到错误的源头。
三、企业收入数据分析
年薪制的提法是通过博弈而实现的动态均衡,体现企业中高层的企业运营能力;本文通过对职务职称,部门,层次,年龄,以往薪酬进行横向纵向交叉对比,发现企业运营中的存在的不合理之处,利用SPSS软件对清洗后的数据进行描述。
(一)职务职称与薪酬数据相关分析
将原始数据进行编码,将所有人员的年龄数据与两年的薪酬平均avg导入,利用SPSS软件的“分析”功能的相关性描述,描述与结果如下:
图1说明企业管理决策者年龄结构相差大,中间力量薄弱,收入差距也较大。
通过上述图2可以看出“相关性”中的样本数为103;Pearson相关系数为.340**,右上角标识“**”,显著性(双侧)p值小于0.01,表示在0.01的显著性水平上极其显著,说明AGE和avg呈正相关显著,即在这三类人群中年龄越高,收入随之增高。
(二)薪酬数据描述统计
将2015,2016年总体薪酬以及单列出Z,K,Pp,Else,Achievement项目的数据导入,并在SPSS选项中勾选平均值、标准方差、最小值和最大值,结果如下:
在查看器中可以得出2015年收入平均值为153941.33,标准偏差为45348.240;2016年收入平均值为155735.24,标准偏差为38073.042,说明数值间差异大、离散度大,即薪酬收入差距较大。中间有1人数据失真,产生极小值为0,不影响整体结果。2016年收入与2015年收入各项对比整体差距不大。
另,2015Z和2016Z平均数分别是3912.18和8131.76,说明103人中从Z项目中获取的收入极具上涨,参与度上升;2014K和2015K平均数分别是6062.64和3707.90,参与K项目的热度极具降低。
另,从Pp项目中标准差为20675.435和Achievement项目中标准差为8327.089可以获悉收入差距大,大部分人员无此两项收入。其中通过Power view描述可视化图进行数据察看Achievement仅有14人有此项收入。
最后从Data数据量的描述统计量来看,Data数值越高,Else项目作为一个烩类数值越高。
(三)聚类分析
根据企业特点将Department分别赋值11、22;将Position分别赋值为3、2、1;利用K平均值聚类,聚类数选择3,方法选择迭代与分类。结果如下:
图4 部门所属与2015,2016年薪酬聚类分析图
通过迭代之后的最终丛集中心表显示聚类结果可以看到根据系统分析,将其分成三类:第1类为高层高收入8人,薪酬平均值为241884;第2类为中层中等收入57人,薪酬平均值为123345;第3类为中层高职称38人,薪酬平均值为181321。说明当前中层大多数属于中等收入系列,即职称不高职务中等。
(四)回归分析与建模
将2015A与2016A以及20152016Else放入SPSS的回归分析中,结果如下:
图5 其他项目合计收入与2015,2016年薪酬聚类分析图
在“系数a”表格中,2015A和2016A的显著性为0.000,均小于0.05,通过显著性检验。此外,可以看到常数为105167200,2015A的系数为0.361,2016A的系数为0.714。因此,得到线性回归方程为:
20152016Else =0.361*2015A +0 .714*2016A 105167.200
通过自变量2015A和2016A预测20152016Else。其中,2016A的预测能力较强(其预测系数大于2015A的预测系数)。
四、总结与展望
通过此次数据的分析和数据的可视化,我们可以看出该企业存在以下问题:人员队伍结构不太合理,出现断层现象。企业中存在以资历论而不以能力论的现象,该企业收入结构亟待调整,收入分配制度不合理。从图6的Data与Else折線图来看,收入数据量大小表明收入来源渠道宽泛,与收入多少在103位数据区间中趋势成正比。最后在聚类分析数据中显示中层但职称高薪酬也相应增加,侧面说明该企业的分配制度存在以职称论的现象。
图6 Data与Else折线图
通过对企业年薪制的初探,发现企业在推进管理创新,管理高效的同时,必须意识到现在已经离不开信息化手段的协助,对于在岛数据必须要统一治理,提供“人工渠”或者“人工运河”促使孤岛连接成“数据湖泊”,为企业的数据分析打造良好地基础。数据的治理、整合以及报表体系能力上急需加强;应建立数据归口管理机制和数据管理平台,统一数据规范、以及指标数据口径,从上传到输入,格式,字段,从源头把控数据质量。
同时企业面临存在的问题,应当更多地思考顶层设计即建立健全与年薪制相配套的绩效管理体系,建立和健全与年薪制相匹配的绩效管理体系也是对企业管理者实行年薪制的科学依据[2],同时需要梳理其他单独项目奖励,堵住薪酬制度中存在的漏洞;年薪制并不是简单地底薪加提成,合理调整结构,与绩效考核结果挂钩,这样既体现兼顾过程,兼顾公平,能力,也是提高管理水平和人员薪酬,同时也是注重长期发展的必然选择。
参考文献:
[1]段春雨,蔡建东.国际泛在学习领域知识图谱研究[J].现代远程教育研究,2016(1):86.
[2]刘敏,王菲.基于年薪制的国有企业高管绩效考核研究[J].生产力研究,2012(10):202.