HR咨询服务商在薪酬体系设计时如何进行市场数据调研？

做薪酬咨询这行久了，经常有客户问我们：“你们的薪酬数据到底从哪儿来的？为什么你们给的建议，和我们自己在招聘网站上看的薪资范围，有时候感觉不太一样？”

这问题问得特别好，也特别实在。说白了，薪酬设计这事儿，一半是科学，一半是艺术。科学的部分，就是得靠数据说话，得摸清市场行情。艺术的部分，则是怎么把这些冷冰冰的数据，变成一套适合自己公司、能激励员工的活的体系。

今天，我就以一个“老咨询顾问”的身份，不掉书袋，不讲那些虚头巴脑的理论，就跟你聊聊我们平时到底是怎么“搞”市场数据的。这过程，可比想象中复杂和琐碎多了。

第一步：别急着找数据，先搞清楚“为谁”找

很多公司自己做薪酬调研，最大的问题就是“抄作业”。看隔壁老王公司给程序员开2万，他也想开2万。但问题是，你们公司跟老王公司一样吗？他家是搞人工智能的，你家是做传统电商的；他家刚拿了C轮融资，你家已经稳定盈利了；他家在北京CBD，你家在三线城市。这能一样吗？

所以，我们接到项目的第一件事，不是打开电脑找数据，而是拉着客户的人力资源总监、业务负责人，甚至老板，开一个“对齐会”。我们要搞清楚几件事：

• 我们到底在跟谁抢人？ 这是最核心的问题。比如，一家做工业自动化设备的公司，它可能觉得自己的竞争对手是西门子、ABB。但仔细一分析，它真正的人才竞争者，可能还有那些做智能家居、做物联网平台的科技公司。因为都需要类似的软件工程师和算法专家。搞错了竞争对手，薪酬数据就全错了。
• 我们要找的人，市场长啥样？ 比如，我们要设计一个“高级项目经理”的薪酬。那这个岗位在市场上的通用画像是什么？需要几年经验？管多少人？懂什么技术？这些定义必须清晰，否则你拿回来的数据就是一锅大杂烩。A公司的“高级项目经理”可能相当于B公司的“项目总监”了。
• 公司的薪酬哲学是啥？ 是想做市场的跟随者（比市场平均水平略高一点就行），还是领导者（要用高薪吸引顶尖人才）？或者是成本控制者（比市场低，但用其他福利弥补）？这个策略不明确，数据再好也没用。

这个过程，就像医生看病，得先问诊，了解病人的体质、生活习惯，才能开方子。直接上来就开药，那是庸医。

第二步：数据的来源，五花八门但各有用处

搞清楚需求后，就进入找数据的阶段了。我们手里的数据源，通常不是单一的，而是“组合拳”。主要有这么几类：

1. 购买专业的薪酬报告（这是“主菜”）

市面上有很多专门做薪酬调研的公司，比如美世（Mercer）、韦莱韬悦（WTW）、怡安（Aon）这些国际大牌，还有一些本土做得不错的机构。我们每年都会花钱买他们的报告。

这些报告是怎么来的？ 它们不是凭空编的。这些调研公司会发起一个“薪酬调研”项目，邀请各行各业的公司（也就是他们的客户）参与。参与的公司需要按照一套严格的标准，提交自己公司里各个职位的薪酬数据，包括基本工资、奖金、津贴、福利等。作为回报，参与的公司可以拿到一份汇总后的、匿名的市场报告。

这类报告的优点是：

• 标准化： 职位匹配有统一的“语言”，数据处理方法科学。
• 数据量大： 汇集了成百上千家公司的数据，有代表性。
• 维度多： 可以按行业、城市、公司规模、公司性质（外企/民企/国企）等多个维度切片看数据。

但缺点也很明显：

• 贵： 一份报告动辄几万甚至十几万，对小公司来说是笔不小的开销。
• 滞后性： 数据通常是上一年度的，反映的是“历史”情况，对瞬息万变的市场来说，可能不够“新鲜”。
• 不够“定制化”： 如果你的公司非常独特，或者你的人才在市场上很稀缺，报告里可能根本找不到完全匹配的职位。

所以，我们把这类报告当作“基准线”，一个宏观的参考。

2. 招聘网站和平台数据（这是“晴雨表”）

智联招聘、前程无忧、猎聘、脉脉，甚至BOSS直聘，都是我们重要的数据来源。但怎么用好它们，是个技术活。

我们不会直接看这些网站上显示的“薪资范围”，那个水分太大，很多是为了吸引眼球。我们做的是“爬虫”或者用一些工具，去抓取特定城市、特定行业、特定职位的大量招聘信息，然后进行清洗和分析。

比如，我们想看“Python后端开发”在北京的薪资，我们会抓取几千条相关职位描述，然后分析：

• 这些职位提到的薪资，中位数是多少？
• 不同经验年限（1-3年，3-5年，5年以上）的薪资分布是怎样的？
• 哪些公司给的薪资最高？是互联网大厂还是新锐创业公司？

通过这种方式，我们能得到一个非常“热乎”的市场感觉。这能很好地弥补专业薪酬报告的滞后性。特别是对于那些新兴的、报告里还没来得及覆盖的岗位，招聘网站的数据几乎是唯一的参考。

当然，它的缺点是数据噪音大，需要很强的分析能力去伪存真。

3. 猎头渠道（这是“情报站”）

我们和很多猎头公司保持着良好的关系。为什么？因为他们掌握着最真实、最鲜活的“一手情报”。

当一个猎头在帮一个公司找一个“芯片验证工程师”时，他能非常清楚地知道：

• 这个职位的市场底薪是多少？
• 候选人手里有几个Offer？每个Offer的package是多少？
• 为了吸引候选人，客户公司需要在薪资上做出多大让步？

这些信息，是任何报告和招聘网站都无法提供的。有时候，一个关键岗位的薪酬信息，就是从一次和猎头的咖啡聊天中获得的。当然，猎头的信息也有局限性，他们接触的通常是高端或稀缺人才，不一定能代表整体市场。

4. 公开信息和同行交流（这是“小道消息”）

这包括上市公司的年报（会披露高管薪酬）、一些行业论坛的讨论、脉脉上的匿名爆料等等。这些信息真假难辨，需要交叉验证，但可以作为重要的补充和线索。

比如，脉脉上有人说某家公司某个部门年终奖发了6个月工资，我们不会马上采信，但会把它作为一个“信号”，然后通过其他渠道（比如问跳槽过去的员工）去侧面印证。

第三步：数据清洗与整合，把“生米”煮成“熟饭”

好了，现在我们手里有各种来源的“原材料”了：专业报告、招聘网站数据、猎头情报……这些数据就像一堆刚从菜市场买回来的菜，乱七八糟的，得洗、得切、得搭配，才能做成一道菜。

这个过程，是咨询公司专业能力的核心体现。

1. 职位匹配（Job Matching）

这是最头疼的一步。不同公司的职位名称千奇百怪。比如“软件工程师”，有的公司叫“开发工程师”，有的叫“研发工程师”，还有的叫“程序员”。职责描述也五花八门。

我们需要做的是“对齐颗粒度”。我们会建立一个自己的“职位库”，基于国际标准（比如Mercer的IPE系统）和我们多年的积累，对每个职位的关键职责、汇报关系、所需技能、影响范围等进行定义。然后，把客户公司的职位，以及我们收集到的市场数据里的职位，都一一“翻译”和“匹配”到这个标准职位库上。

举个例子，客户有个职位叫“高级Java开发专家”，我们得判断它在市场标准里，是对应“Senior Software Engineer”还是“Principal Software Engineer”。这决定了我们拿哪个级别的市场数据来对标。这一步要是做错了，后面所有分析都是白搭。

2. 数据清洗

市场数据里有很多“脏数据”。比如：

• 异常值： 有个数据点显示一个文员的年薪是50万，这显然是填错了，或者是个特例（比如老板的亲戚），必须剔除。
• 定义不一致： A公司的总现金收入包含了补充公积金，B公司没包含。我们需要把它们统一口径，要么都拆解成“基本工资+奖金”，要么都算成“总现金收入”。
• 数据陈旧： 有些数据是两年前的，需要根据市场涨幅进行折算，让它能反映当前的价值。

这个过程就像淘金，得把沙子都筛掉，留下真金。

3. 数据分析与呈现

清洗干净的数据，我们通常会用几个关键统计指标来呈现：

• 平均值（Mean）： 最容易算，但容易被极端值拉高或拉低。
• 中位值（Median）： 我们最常用的指标。它代表了市场的“中间水平”，不受个别极高或极低薪资的影响，更能反映市场普遍情况。比如，一个市场薪资的中位值是20k，意味着有一半的人高于这个数，一半的人低于这个数。
• 分位值（Percentile）： 这是薪酬设计的精髓。我们常说的P50、P75、P90，就是这个意思。

为了让你更明白，我用一个表格来展示。假设我们分析了100家同行业公司“5年经验的Java工程师”的月薪数据（单位：元）：

分位值	含义	市场薪资水平	解读
P25 (25分位)	市场低位	15,000	25%的公司给这个岗位的薪资低于1.5万。通常是初创公司、或对人才要求不高的公司。
P50 (50分位)	市场中位	22,000	市场主流水平。如果你想吸引市场中等偏上的人才，至少要达到这个水平。
P75 (75分位)	市场高位	30,000	75%的公司给不到这个数。通常是行业头部企业、或对人才有特殊要求的公司。
P90 (90分位)	市场卓越	40,000	只有10%的顶尖公司能给到这个水平。用于吸引和保留最核心、最稀缺的人才。

你看，通过分位值，我们就能清晰地告诉客户：你想在市场上处于什么位置，就应该对标哪个分位值的数据。你想做跟随者，看P50就行；你想抢顶尖人才，就得盯着P75甚至P90。

第四步：数据应用，把数字变成策略

数据调研的最终目的，不是为了得到一堆数字，而是为了指导实践。拿到市场数据后，我们会帮客户做几件重要的事：

1. 设计薪酬结构（Pay Structure）

市场数据是连续的，但公司内部的薪酬等级必须是阶梯式的。我们需要把市场数据“固化”成公司的薪酬级别。

比如，市场P50是22k，P75是30k。我们不会给员工发22k或30k这么零散的数字。我们会设计一个薪酬带宽（Salary Range），比如：

• Level 3 (中级工程师): 18k - 25k
• Level 4 (高级工程师): 24k - 35k

这样，每个级别的薪酬都有一个上限和下限，员工可以在里面晋升和调薪。这个带宽的上下限，就是根据市场分位值和公司的薪酬策略来定的。

2. 进行薪酬对标（Salary Benchmarking）

把公司里现有的员工薪酬，和我们设计的薪酬结构、以及市场数据进行对比。我们会画出一张“薪酬匹敌度分析图”。

这张图能一目了然地看出：

• 哪些人薪酬低于市场水平（Red Circle，红圈），这些人有离职风险，需要尽快调整。
• 哪些人薪酬远高于市场水平（Green Circle，绿圈），可能是绩效特别突出，也可能是薪酬结构不合理。
• 大部分人的薪酬是否落在我们设定的合理区间内。

3. 制定调薪和奖金策略

市场数据告诉我们，今年整体市场的薪酬涨幅大概是多少（比如5%-8%）。这为我们制定年度调薪预算提供了依据。同时，数据也能帮助我们设计更有效的奖金方案，确保总现金收入（Total Cash Income）在市场上有竞争力。

写在最后的一些心里话

聊了这么多，你会发现，薪酬数据调研这件事，远不是“上网搜一下”那么简单。它是一个系统工程，需要严谨的方法论、丰富的行业经验，以及对人性的深刻洞察。

我们做咨询的，其实就像一个“翻译官”和“参谋”。我们把市场上那些杂乱无章的信息，翻译成客户能听懂的语言；我们结合客户的实际情况，提供有数据支撑的决策建议。

最终，薪酬设计的目标，是让钱花在刀刃上，既能吸引和留住关键人才，又能激励员工创造更大的价值，同时还得控制在公司能承受的成本范围内。这确实是个技术活，但只要掌握了科学的方法，一步步来，就一定能找到那个最适合自己的平衡点。

希望今天的分享，能让你对薪酬调研这件事，有一个更真实、更深入的了解。

企业招聘外包