Analityka wynagrodzeń. Wywiad z Konradem Kulikowskim

Jaka jest różnica między raportowaniem danych, a ich analityką?
Raportowanie danych to prezentowanie danych na różne sposoby, a analizowanie danych to poszukiwanie w danych nowych przydatnych informacji. Czasem ulegamy iluzji, że samo raportowanie to już analityka, a tak nie jest. Wyliczanie i prezentowanie wskaźników to jeszcze nie analityka, analityką nie jest również samo tworzenie nawet najbardziej atrakcyjnych graficznie dashboardów i raportów. Analityka zaczyna się wtedy, gdy z danych, które mamy i raportujemy jesteśmy w stanie wyciągać przydatne w praktyce wnioski.

Jakich umiejętności potrzeba, aby dobrze wykorzystywać miary statystyczne i przeprowadzać wartościowe analizy?
Problem polega tu na tym, że innych umiejętności potrzeba, by właściwie korzystać ze statystyki, a innych, by przeprowadzać wartościowe analizy i to jest największe wyzwanie analityki w HR. Sama znajomość narzędzia, jakim jest statystka, nie pozwala jeszcze na prowadzenie użytecznych analiz.

Jak pokazują moje badania nad kompetencjami analitycznymi, by korzystać z analityki nie unikniemy dobrej znajomości matematyki, nie da się tego niczym zastąpić. Powoduje to pewien problem, ponieważ jak się wydaje osoby, które wybierają karierę w obszarze HR, w większości nie robią tego z miłości do liczb. Jednak, trzeba podkreślić, że aby prowadzić analizy, które są wartościowe, znajomość matematyki nie wystarczy, potrzebna jest znajomość biznesu i zasad zarządzania ludźmi, tak, by wiedzieć co analizować i gdzie szukać odpowiedzi na trapiące nas pytania. Dlatego w analizie danych z obszaru wynagrodzeń i HR bardzo ważna jest współpraca pomiędzy osobami zorientowanymi analitycznie, a tymi zorientowanymi biznesowo.

Czy liczenie średniej wynagrodzeń ma jakąkolwiek wartość, czy zawsze to mediana będzie lepsza?
Moim zdaniem na średnią i medianę musimy patrzeć jak na narzędzia, które stosujemy w określonym celu. W tym kontekście pytanie, czy lepsza jest średnia czy też zawsze powinniśmy używać mediany, przypomina trochę pytanie o to, czy podczas remontu korzystanie z młotka ma sens, czy też zawsze powinniśmy używać tylko śrubokręta. W różnych sytuacjach potrzebujemy różnych narzędzi. W przypadku mediany i średniej podstawową kwestią jest rozkład analizowanej przez nas zmiennej, np. wynagrodzenia. Jeśli rozkład ten jest zbliżony do rozkładu normalnego, czyli większość osób otrzymuje podobne wynagrodzenie, a przypadki odstające w miarę równomiernie odchylają nie na plus i minus od typowych, wówczas średnia wyznacza punkt centralny i jest bardzo dobrym, intuicyjnie zrozumiałym wskaźnikiem. Z kolei, jeśli w naszych danych mamy dużo przypadków skrajnych, lepsza może okazać się mediana, która jest bardziej odporna na wpływ przypadków odstających.

Przykładowo, jeśli rozkład wynagrodzeń jest zbliżony do normalnego, co może mieć miejsce na poziomie jednego stanowiska, wówczas średnia i mediana nie będą się znacznie różnić. Na średnią silnie wpływają obserwacje odstające, więc kilka skrajnych przypadków może ją znacząco zmienić. Czasem może być to wada, a czasem zaleta, wszystko zależy od sytuacji i celu analiz. Weźmy chociażby przykład zasiłku chorobowego, tutaj licznie średniej jako podstawy zasiłku może być korzystniejsze dla pracownika niż podawanie mediany, gdy odstające wynagrodzenia ciągną średnią w górę. Przykładowo, gdyby w pierwszych siedmiu miesiącach roku handlowiec zarobił 5000 PLN, a w pozostałych pięciu 10 000 PLN, to jego średnie wynagrodzenie wyniesie ok. 7000 PLN, a mediana wynagrodzeń wyniosłaby 5000 PLN. Średnia będzie tu korzystniejszą dla niego podstawą do wyliczania zasiłku chorobowego.

Kiedy najlepiej stosować miary tendencji centralnej, a kiedy miary rozproszenia analizując wynagrodzenia?
Najlepiej obie miary stosować łącznie, uzupełniając miary tendencji centralnej miarami rozproszenia. Są to narzędzia z dwóch różnych poziomów i razem pozwalają na lepszy wgląd w dane. Zresztą w profesjonalnych analizach zwykle podaje się średnią wraz z odchyleniem standardowym czy medianę z informacją o kwartylach. Jeszcze lepiej uzupełnić te informacje wizualizacją, wykresem np. histogramem. Jednak, jak wspominałem w moim wystąpieniu na KFW, nie ma czegoś takiego jak ścisłe algorytmy statystyczne mówiące co jest lepsze, a co gorsze lub z czego korzystać, a z czego nie. Wszystko zależy od celu analizy i naszego zrozumienia narzędzia. Zamiast szukać schematów, kiedy używać jakiej miary, lepiej próbować je zrozumieć i samemu zastanowić się, co będzie dla nas użyteczne. Jest takie powiedzenie, że jeśli w naszej skrzynce narzędziowej mamy tylko młotek, to wszystko dookoła wygląda nam na gwoździe, myślę, że podobnie jest z analizą danych.

Czy można analizować wynagrodzenia pod kątem różnych miar statystycznych jednocześnie? I jak takie analizy finalnie interpretować?
Czy można jednocześnie używać młotka i śrubokręta? Można, jeśli się wie po co. Narzędzia statystyczne to narzędzia i to od nas i naszej wiedzy zależy, jak je wykorzystamy. Tak jak wspominałem podczas wystąpienia, warto stosować miary z trzech poziomów jednocześnie, miary tendencji centralnej, miary rozproszenia oraz wizualizacje danych. Analiza danych to nie książka kucharska, nie ma przepisu na analizę i interpretację danych, interpretacja zależy od naszej wiedzy i kontekstu analiz, tego, czego chcieliśmy się dowiedzieć. Analiz nie robimy dla samych analiz, nie wyczytamy z nich w magiczny sposób jakiejś tajemnej wiedzy. Mam wrażenie, że chcielibyśmy, aby analityka dała nam automatyczne narzędzia, które zwolnią nas z myślenia i pokażą nam, jak osiągać nasze cele, moim zdaniem nic takiego się nie stanie. Wiedza nie pochodzi z analizy danych tylko z myślenia.

Jak bardzo wynagrodzenia mogą być rozproszone na tym samym poziomie stanowiska?
Zakres rozproszenia wynagrodzeń na stanowiskach to, moim zdaniem, wynik w głównej mierze decyzji politycznych, a nie analitycznych, czyli tego, jaki rodzaj polityki wynagradzania prowadzi firma.

Z punktu widzenia analityki wynagrodzeń, rozproszenie wynagrodzeń zależeć może od rodzaju wykonywanej pracy, o czym pisałem w książce Zarzadzanie efektywnością wynagrodzeń. Przede wszystkim zróżnicowanie wynagrodzeń musi być uzasadnione wartością wykonywanej pracy, jeśli na jednym stanowisku jest możliwe duże zróżnicowanie jakości pracy (np. handlowiec), to i wynagrodzenia powinny to odzwierciedlać, jeśli jednak praca ma taki charakter, że większość osób pracuje na podobnym, zbliżonym poziomie (np. lekarz stażysta), to i wynagrodzenia powinny być podobne.

Kluczowe jest tu to, nie ot jak duże jest rozproszenie wynagrodzeń, ale czy rozproszenie ma uzasadnienie, czy pracownicy rozumieją, dlaczego inni zarabiają więcej niż oni i czy wiedzą, co zrobić, by też mogli więcej zarabiać. Jeśli pracownik widzi, że praca w firmie jest oceniana sprawiedliwie, ma jasny regulamin wynagradzania, to nawet skrajnie wysokie wynagrodzenia kolegów może odbierać jako motywującą informację, że jeśli on się postara, to też tyle zarobi. Z kolei, jeśli rozproszenie wynika z niezrozumiałych lub nieakceptowalnych powodów, kumoterstwa, przypadku, niedbalstwa, to wówczas różnice w wynagrodzeniu mogą sygnalizować brak szacunku dla pracowników, a przez to frustrować i budzić złość załogi. Tego niestety nie załatwimy miarami statystycznymi, one mogą nam pokazać przyczyny niskiego poziomu poczucia sprawiedliwości wynagrodzenia, ale to my musimy te przyczyny usunąć. W analityce wynagrodzeń ważna jest nie tylko statystyka, ale też komunikacja z pracownikiem. Jest o temat rzeka, a nie mam czasu by go dogłębne dyskutować, zainteresowanych rolą komunikacja w wynagradzaniu zachęcam do lektury mojego tekstu: Jak osłabić negatywny wpływ cięć wynagrodzenia na morale pracowników?

W jaki sposób podejść do wynagrodzeń LTI? Jakie narzędzia zastosować? Na co zwrócić uwagę?
Niestety, moim zdaniem analityka, bo o niej tu rozmawiamy, nie odpowie nam na pytanie, jakie narzędzia stosować i na co zwrócić uwagę, może ewentualnie pomóc nam ocenić, czy wybrane narzędzia są skuteczne, czyli czy zwracamy uwagę na to, co trzeba. Wynagradzanie LTI, czyli, jeśli dobrze rozumiem, nagrody długoterminowe, to kwestia polityki firmy. Nie każda firma musi je stosować, a te, które je stosują, mogą mieć w tym różne cele, począwszy od naśladowania innych, nadążania za aktualnymi modami, po realną chęć zatrzymania najlepszych pracowników. Analizowanie danych można tu wykorzystać do sprawdzenia, czy nasze strategie wynagradzania długoterminowego są skuteczne i czy rzeczywiście zatrzymują tych pracowników, na których najbardziej nam zależy.

Czy i jak analityka wynagrodzeń pomaga ocenić skuteczność systemu wynagradzania?
Analityka może pomóc ocenić skuteczność, gdyż daje do tego różnorodne narzędzia, jak np.: porównywanie średnich wartości interesujących nas wskaźników czy tworzenie równań regresji, w których możemy sprawdzać, czy prowadzone działania, np. premie, mają związek z efektami pracy. Więcej o tym piszę w książce Analityka w wynagradzaniu. Jednak to, jakie analizy prowadzić, zależy od tego, co chcemy poprzez wynagradzanie osiągnąć. Sama definicja skuteczności mówi o tym, że skuteczność to osiąganie celów, dlatego to, jak będziemy mierzyć skuteczność, zależy od tego, co jest celem naszych działań. Już najbardziej podstawowe podejście do wynagradzania mówi o tym, że wynagradzanie ma trzy główne cele: motywowanie pracowników, przyciąganie odpowiednich kandydatów i utrzymanie najlepszych w firmie. Inaczej podejdziemy do pomiaru skuteczności premii w motywowaniu handlowców, a inaczej będziemy analizować to, czy wynagrodzenie przyciąga z rynku najlepszych kandydatów do firmy produkcyjnej. Moim zdaniem nie istnieje coś takiego jak uniwersalna skuteczność wynagrodzenia w oderwaniu od jego celów. Pierwszym krokiem analizy skuteczności wynagradzania powinno być ustalenie, co jest celem wynagradzania, dopiero potem możemy zastanowić się, jak te cele mierzyć i jak oceniać, czy je osiągamy. Analityka z pewnością dostarcza nam narzędzi do oceny skuteczności, ale nie ma tu gotowych schematów i do każdego przypadku musimy podejść indywidualnie.

Dziękuję za rozmowę!