Recomendaciones salariales
Una recomendación salarial que ignora el género
Evenpay predice cuánto debería pagar un puesto a partir de factores objetivos y de tu propia política retributiva. El género queda fuera a propósito, y eso convierte la recomendación en una herramienta de equidad.
45 minutos. Vemos una recomendación construida con tus datos.
Cifras que sabes explicar
El modelo aprende de tus datos, no del género
Un modelo de regresión aprende de los datos y de los factores retributivos de tu organización para predecir cuánto debería pagar un puesto, con variables objetivas como experiencia, formación, nivel y certificaciones. El género se excluye del modelo a propósito.
- El género queda excluido del modelo
- Variables objetivas: experiencia, formación, nivel, certificaciones
- Entrenado con tus datos, no con una fórmula de mercado genérica
La recomendación sigue tu política retributiva
Los factores retributivos los defines tú, así que la recomendación refleja la política que has declarado y no la fórmula de otra persona. Si en tu organización las certificaciones pesan mucho, también pesan en el modelo.
- Defines tú los factores detrás de cada recomendación
- Los mismos factores que usa tu análisis de equidad
- Una recomendación que puedes defender en una conversación salarial
Trae datos de mercado de cualquier proveedor
Importas conjuntos de datos de mercado de cualquier proveedor, conectas tus niveles y puestos con los roles externos y comparas P25, P50 y P75 tanto en salario base como en retribución total. No dependes de una única encuesta salarial.
- Tus datos de mercado, del proveedor que quieras
- Niveles y puestos internos conectados con roles externos
- Comparación de P25, P50 y P75 en base y retribución total
Genera las bandas y mira dónde queda cada persona
Generas bandas salariales por puesto o por grado a partir de tus datos. Ajustas el margen, la progresión del punto medio, el solapamiento y el redondeo, y aplicas las bandas a varios grados de una sola vez. El compa ratio muestra dónde está cada persona respecto al punto medio de su banda.
- Bandas a partir de tus datos, con los parámetros bajo tu control
- Aplicación por lotes, no grado a grado
- Posicionamiento por compa ratio y propuestas de nivel
De dónde sale una recomendación
Y dónde aparece, que importa igual.
Defines los factores
Los ajustes de política retributiva establecen qué guía realmente el salario.
El modelo aprende de tus datos
Una regresión entrenada con tu organización, con el género excluido.
El mercado aporta contexto externo
Los conjuntos de datos que importas, conectados con tus niveles y puestos.
La recomendación llega junto a la decisión
En los ciclos salariales, en la ficha de cada persona y a través de Copilot.
Preguntas frecuentes sobre las recomendaciones salariales
La recomendación aparece donde decides
Revisiones y ciclos salariales
Las propuestas llegan a la hoja de trabajo del responsable durante un ciclo activo.
Inteligencia
El mismo motor estadístico, con sus supuestos a la vista.
Arquitectura de puestos
Grados y bandas frente a los que se posiciona la recomendación.
Gestión de competencias y desempeño
Capacidades y certificaciones que entran en la predicción como factores.
Mira una recomendación con tus datos
Una recomendación salarial construida con las cifras de tu organización.