🚩 Как спрогнозировать зарплату с помощью данных (и без черной магии)!

Тысячи лет люди пытались научиться предсказывать будущее, для того чтобы решить, как поступать в той или иной ситуации. В древности жрецы наблюдали за звёздами и погодой, в Средневековье — гадали по расположению планет и толкованию снов. А сегодня вместо мистики мы используем математику и данные, чтобы принимать более обоснованные решения.

Зачастую мы сталкиваемся с необходимостью понять: почему зарплата у разных сотрудников отличается и какие факторы реально влияют на уровень вознаграждения? Хорошо спроектированная СОТ упрощает объяснение различий в вознаграждении между сотрудниками.

⚡️Прозрачная система начислений помогает снизить издержки: для специалистов C&B — сократить объем ручной аналитики и споров с руководителями, а для сотрудников из других отделов — однозначно понимать структуру их дохода. Но что делать, если времени на создание или анализ СОТ нет, а даже частичного понимания факторов, влияющих на заработную плату или её компоненты, хочется уже сейчас? В таких случаях на помощь приходит регрессионный анализ.

🚩Что такое регрессия простыми словами?
Регрессия — это метод из статистики, который при помощи математического аппарата показывает, как одна переменная зависит от другой.

Линейная регрессия отвечает на вопрос: как изменение переменной X связано с изменением результата Y?
Например: «Если стаж сотрудника увеличивается* на год, то на сколько в среднем вырастет его зарплата?»
* — при неизменности значений других переменных регрессии.

❤️Графически линейную регрессию можно представить как линию, проведённую через облако точек: она показывает общую тенденцию, сглаживая шум данных. Функция, определяющая эту линию, представляет собой уравнение регрессии, складывающиеся из:

📍 «Базового» значения. Эта величина всего одна, и она не зависит от значения включенных в уравнение переменных. Фактически, её значение показывает сумму средств, которую получает человек, обладающий нулевыми значениями всех переменных из уравнения.
📍Выбранных переменных. Их может быть несколько. Это характеристики, которые мы считаем влияющими на результат, например, возраст или стаж. Каждая из них вносит свой вклад: модель подбирает коэффициенты, которые показывают, насколько сильно и в какую сторону эта характеристика влияет на искомое значение.

Модель линейной регрессии имеет множество применений:

1️⃣Проверка справедливости. Мы можем посмотреть, насколько образование, опыт или грейд влияют на оплату труда или уточнить наличие различий в уровне вознаграждения между мужчинами и женщинами, что поможет выявить элемент гендерного неравенства в компании.

2️⃣Выявление скрытых характеристик. Регрессия позволяет установить скрытые факторы, которые напрямую не измеряются, но влияют на уровень дохода. Например, влияние качества работы или лидерского потенциала даже при отсутствии измерения этих характеристик. Это даёт возможность использовать модель для прогнозирования тех характеристик сотрудников, которые сложно оценить напрямую.

3️⃣ Прогнозирование ФОТ. Обладая данными о размере зарплатного фонда в прошлом, уровнем инфляции и некоторыми другими переменными, возможно разработать сценарии развития событий и вычислить средние значения ФОТ в будущем.

Однако не стоит забывать, что этот метод обладает своими ограничениями:
⚫Для регрессии важно, какие данные вы используете: их точность напрямую связана с точностью прогноза.
⚫Нужно проверять качество построенной модели (R², значимость коэффициентов у переменных и др.), чтобы быть уверенными, что загруженных переменных достаточно и они оказывают статистически значимое влияние.

⚡️Регрессия — сильный инструмент для создания прогнозов. Но помните: с большой силой приходит большая ответственность.

Автор: Дмитрий Злобин, специалист практики "Вознаграждение и мотивация персонала"

🙂 Google 2.0: как эффективно искать информацию в 2025 году?

Совсем недавно, около трех лет назад, чтобы найти нужные данные или исследование, приходилось копаться в десятках вкладок, сортировать сомнительные источники и тратить часы своего времени на поиск информации. На текущий момент мир продолжает стремительное движение в поиске ответов на новые запросы: каждый день появляются новые сервисы и платформы, которые позволяют эффективно искать и обрабатывать информацию и различные виды данных.

⬛️Многие заметили: у ChatGPT и подобных чат-ботов есть слабое место — они могут «галлюцинировать», придумывая факты там, где их нет. Это критичный нюанс, который ухудшает как поиск общих данных, так и более важных деталей: например, выводов из научных статей, которые зачастую служат фундаментом для проекта или исследования.

🚩Но не все так плохо! Существуют специализированные нейросети для поиска информации, которые решают эту критичную проблему. Они помогают:
📍находить релевантные исследования;
📍объяснять сложные идеи простым языком и с использованием примеров;
📍собирать ответы из десятков настоящих (существующих) источников всего за несколько минут.

Сегодня мы подготовили подборку из трех инструментов, позволяющих упростить вашу жизнь в поиске любой информации.

1️⃣ Perplexity
Нейросеть, которую можно называть «Google с ИИ внутри». Вместо списка ссылок вы получаете краткий и структурированный ответ на заданный вопрос с указанием источников. Особенно удобен чтобы разобраться в новой теме, собрав максимум информации из открытых источников. Кроме того, сервис предоставляет возможность выполнять углубленный поиск, который помогает "смотреть в корень" вашего вопроса. Ссылка на нейросеть.

2️⃣ Elicit
ИИ-ассистент для поддержки исследования, помогающий извлекать гипотезы, методологии и ключевые результаты в запрашиваемой теме. Данный сервис заточен под поиск академических статей, связанные с конкретными ключевыми словами. Служит настоящим путеводителем в поиске доказательства для различных бизнес-кейсов. Ссылка на нейросеть.

3️⃣ Consensus
Нейросеть, которая совмещает поиск по академическим статьям вместе с классической генерацией текста. При этом в нём есть удобный функционал: вы можете написать гипотезу, а сервис найдет публикации и отобразит, сколько из них подтверждают, а сколько опровергают её. Удобен для быстрого «фактчека» предположений или идей. Ссылка не нейросеть.

Все три инструмента объединяет одно: они экономят время при поиске информации и снижают риск оказаться в ненастоящих, сгенерированных данных через возможность проверить каждый сформулированный тезис.

🚩Убедитесь в удобстве на практике: попробуйте задать вопрос "Снижает ли прозрачность зарплат уровень текучести сотрудников?" в каждую нейросеть — и сравните, как отличаются их ответы. Иногда один и тот же вопрос создает несколько разных инсайта, и именно в этом сила распределения инструментов.

Автор: Дмитрий Злобин, специалист практики "Вознаграждение и мотивация персонала"

🍂 Осенний пульс-опрос от Индекса Сварщика: сбор данных продлен до 10 октября!

Сегодня пульс-опросы стали «дежурным» инструментом всех провайдеров, и легко потеряться в их потоке. Но у нас — особый фокус: рабочие.

🔧 Вопросы про зарплаты — это база, но мы всегда добавляем «острый блок». Весной мы спрашивали, какие новые аудитории компании рассматривают для привлечения рабочих. Самый популярный ответ - учащиеся.

Этой осенью идём дальше: разбираемся, как компании реально работают с молодежью. Где ищут? Через какие каналы привлекают? Какие меры поддержки разрабатывают для молодых сотрудников?

❤️ Участие бесплатное
💻 Опрос займёт 15–20 минут (если цифры под рукой)
📚 Полный отчет получат только участники!

ПРИНЯТЬ УЧАСТИЕ В ОПРОСЕ

🚩10 октября завершается осенний пульс-опрос ЭКОПСИ: зарплаты рабочих и борьба за молодежь

Мы каждые полгода проводим пульс-опросы, чтобы понять, что компании делают и планируют делать в отношении вознаграждения рабочих. Регулярность опросов помогает фиксировать динамику, сравнивать ожидания и реальные шаги работодателей и вместе отслеживать, как меняется рынок в условиях турбулентности.

🙂Что мы увидели весной:
🔴 компании закладывали рост зарплат рабочих на уровне +11,4% (после +23% в 2024-м это выглядело скромно);
🔴 фактические выплаты в начале года снизились из-за высокой ключевой ставки, но к лету ситуация стабилизировалась (+4% к январю);
🔴 самой острой темой оказался поиск новых аудиторий: лидером стала категория “учащиеся”.

🙂 Этой осенью мы изучаем, как бизнес работает с молодежью на практике: где компании ищут молодых рабочих, через какие каналы их привлекают, как проходит адаптация и какие меры поддержки помогают удерживать.

Уже сейчас на основе первых данных опроса мы видим, какие инструменты дают максимальный эффект:

🔴Внедрение наставничества — когда опыт передается из рук в руки.
🔴 Организация стажировок — возможность «примерить» профессию на практике.
🔴Организация практики для студентов ССузов и Вузов — ранняя интеграция будущих специалистов в производственную среду.

🕒 Опрос займёт 15–20 минут (если у вас под рукой основные цифры)
💡 Участие бесплатное
📈 Полный отчет — только для участников
⏳ Приём ответов до 10 октября

Пройти опрос: https://linkis.pro/ecopsy_pulse

👥Почему стоит участвовать?
Это шанс увидеть не только рынок в целом, но и сравнить свои практики с коллегами. Тема молодежи и зарплат рабочих сегодня волнует всех — а значит, результаты будут по-настоящему полезными.

🚩🚩🚩Сегодня мы завершаем осенний-опрос: зарплаты рабочих и борьба за молодежь

Этой осенью мы изучаем не только фактичекие действия и планы компаний по изменению вознаграждения рабочих, но и то, как бизнес работает с молодежью: где компании ищут молодых рабочих, через какие каналы их привлекают, как проходит адаптация и какие меры поддержки помогают удерживать.

😀Полный отчет по исследованию получат только участники, поэтому успейте пройти опрос, чтобы получить возможность увидеть не только рынок в целом, но и сравнить свои практики с коллегами.

🕒 Опрос займёт 15–20 минут (если у вас под рукой основные цифры)
💡 Участие бесплатное
⏳ Приём ответов завершается сегодня - 10 октября

😗Пройти опрос: https://linkis.pro/ecopsy_pulse

Чтобы быстро пройти опрос, полезно заранее подготовить данные по ключевым блокам:
🔴Численность и структура персонала (всего сотрудников и рабочих, доля молодежи).
🔴Изменения зарплат в 2025 году (размер и форма индексаций, различия по профессиям/разрядам, факторы).
🔴Планы на 2026 год (ожидаемые индексации фиксированной и переменной частей, льготы и меры поддержки рабочих).
🔴Привлечение и удержание (самые проблемные профессии, текучесть, основные каналы найма, целевые группы кандидатов).
🔴Работа с молодежью (источники поиска, адаптация, программы наставничества и поддержки).