mcpField
A
algo-hr-compensation

algo-hr-compensation

github.com/asgard-ai-platform数据与数据库24346 次安装21 周前更新
代码仓库

关于 algo-hr-compensation

用于薪酬基准分析的技能，帮助人力资源团队将内部薪酬与市场调查数据比较，评估薪酬区间和公平性。它要求按岗位内容、级别、行业、地区和公司规模匹配职位，而非只看职位名称。

主要功能

  1. 01按可比岗位匹配市场数据
  2. 02计算薪酬比率与市场分位
  3. 03按部门和群体分析差异
  4. 04标记薪酬区间异常
  5. 05评估人口统计薪酬公平性

适用场景

  1. 01检查现有薪酬的市场竞争力
  2. 02制定或更新薪酬区间
  3. 03识别不同群体的薪酬差距

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/asgard-ai-platform/skills --skill algo-hr-compensation

安装后在 Claude Code 中输入/algo-hr-compensation确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

examples/
sample_scenario.md
references/
band-design.md
pay-equity.md

详细介绍

薪酬基准分析

概述

薪酬基准分析会将内部薪酬水平与外部市场数据进行比较，以评估薪酬竞争力。使用薪酬比率（实际薪酬 / 市场中位数）和百分位定位。分析结果可用于制定薪资范围、调整薪酬和分析公平性。

适用场景

触发条件：

  • 评估当前薪资是否具有市场竞争力
  • 制定或更新薪资范围和薪酬结构
  • 识别不同人口群体或岗位之间的薪酬公平差距

不适用场景：

  • 用于个人绩效薪酬决策（请使用绩效管理）
  • 没有市场数据时（至少需要薪酬调查基准）

算法

IRON LAW: Benchmarking Is Only Valid With COMPARABLE Jobs
Matching by job TITLE alone is unreliable — "Senior Engineer" means
vastly different things at different companies. Match by: job content
(duties, scope), level (IC vs manager, experience band), industry,
geography, and company size. Poor job matching produces misleading
market rates.
阶段 1：输入验证

收集：内部薪酬数据（基本工资、奖金、股权）、市场调查数据（按岗位划分的 P25、P50、P75）、内部岗位与调查基准之间的岗位匹配关系。 **关卡：**岗位匹配准确，调查数据为最新数据（< 18 个月）。

阶段 2：核心算法
  1. 根据工作内容、级别和范围，将内部岗位与市场基准匹配
  2. 将调查数据更新至当前日期：应用预计的市场变动率
  3. 计算每位员工的薪酬比率：实际基本工资 / 市场 P50
  4. 计算百分位定位：实际薪酬在市场分布中的位置
  5. 按部门、级别、任职年限和人口群体分析薪酬公平差距
阶段 3：验证

检查：薪酬比率是否集中在 0.85-1.15（正常范围）。标记异常值（< 0.80 表示薪酬偏低，> 1.20 表示薪酬偏高）。检验人口群体间的薪酬公平性。 **关卡：**分布合理，已完成薪酬公平性分析。

阶段 4：输出

返回基准分析结果及薪资范围建议。

输出格式

{
  "summary": {"avg_compa_ratio": 0.97, "below_band_pct": 12, "above_band_pct": 8},
  "by_role": [{"role": "Software Engineer", "market_p50": 1800000, "avg_actual": 1750000, "compa_ratio": 0.97}],
  "equity_flags": [{"dimension": "gender", "gap_pct": 3.2, "statistically_significant": true}],
  "metadata": {"employees": 500, "survey_source": "Mercer", "survey_date": "2025-H2"}
}

示例

示例输入/输出

**输入：**50 名工程师，市场 P50=NT$1.8M，实际薪酬范围 NT$1.5M-2.1M **预期：**平均薪酬比率约为 0.97，标记部分薪资低于范围、需要调整的员工。

边界情况
输入预期结果原因
炙热的市场（科技热潮）市场数据迅速过时使用更高的更新系数
远程办公与现场办公混合需要按地点调整薪资范围SF 与 Taipei 的市场薪资差异为 2-3 倍
小型公司，没有匹配的调查数据使用范围更广的行业代理数据虽不完美，但胜过毫无依据

注意事项

  • 总薪酬：仅对基本工资进行基准分析会忽略股权、奖金和福利。应比较总薪酬，才能准确定位。
  • 调查数据滞后：已发布的调查反映的是 6-18 个月前收集的数据。在变化迅速的市场中，应将数据更新至当前时间。
  • 内部公平性与外部竞争力：与市场水平保持一致可能导致内部不公平（新员工薪酬高于资深员工）。两者需要兼顾。
  • 地域差异：远程办公使基于地点的薪酬变得复杂。应制定明确的政策：按总部所在地、员工所在地，或采用混合方式确定薪酬。
  • 薪酬公平性的法律风险：无法解释的人口群体薪酬差距会带来法律责任。应进行基于回归分析的薪酬公平性分析，并控制经验、绩效和级别等合理因素。

参考资料

  • 有关薪资范围设计方法，请参阅 references/band-design.md
  • 有关薪酬公平性回归分析，请参阅 references/pay-equity.md

评论

支持 Markdown