4 erreurs courantes commises par les startups lors de la définition de la rémunération des travailleurs hybrides – TechCrunch
Dirigeants et seniors partout, la direction se demande comment (ou non) ramener les employés au bureau. C’est une décision à enjeux élevés : Cinquante-huit pour cent des travailleurs ont déclaré qu’ils chercheraient un nouvel emploi s’ils ne pouvaient pas travailler à distance, selon un Sondage FlexEmplois.
Une pièce souvent négligée et/ou bricolée de ce puzzle est la compensation. Et à l’intérieur de la transition vers le travail hybride, la planification de la rémunération englobe une cacophonie de nuances pour les fondateurs, les leaders du personnel et les experts en rémunération.
Voici quelques nouvelles questions auxquelles ce groupe doit répondre :
- Ajustons-nous les salaires des personnes qui ont déménagé dans différentes régions?
- Modifions-nous la rémunération des employés exerçant le même rôle, avec le même titre, lorsque l’un est distant et l’autre en poste ?
- Comment pouvons-nous éduquer des régions géographiques qui ne connaissent pas aussi bien la valeur de l’équité que, disons, la Silicon Valley ?
Comme nous l’avons vu ces dernières semaines, les réponses à ces questions sont différentes pour nous tous. Employés de Google qui travaillent à domicile peut subir une baisse de salaire. Travailleurs Adobe peuvent choisir eux-mêmes les jours où ils travaillent à distance, jusqu’à 50 % du temps, sans impact sur le salaire. Pendant ce temps, LinkedIn vient d’assouplir sa politique, permettant aux employés de travailler à domicile en permanence.
La première étape de l’élaboration d’un plan de rémunération, quelle que soit la position de votre entreprise sur le travail distribué, consiste à déterminer comment le salaire de votre équipe se compare à celui du marché.
Quelle que soit la position de votre startup sur le sujet, avoir une philosophie de rémunération cohérente que vous appliquez à votre lieu de travail en évolution a une influence de la taille d’une licorne sur d’importants indicateurs de croissance : attirer et retenir les meilleurs talents, ainsi que créer une culture de confiance et de performance.
En tant que PDG d’une société de renseignement sur la rémunération, je vois quatre erreurs courantes que les startups commettent lors de la planification de la rémunération qui entravent le succès des effectifs distants ou hybrides. Voici les moyens de les contourner.
1. Utilisation de données inférieures à la moyenne pour l’analyse concurrentielle
La première étape de l’élaboration d’un plan de rémunération, quelle que soit la position de votre entreprise sur le travail distribué, consiste à déterminer comment le salaire de votre équipe se compare à celui du marché. Pour comprendre les taux du marché, vous avez besoin d’une chose : des données.
Si vous passez d’un environnement strictement bureautique à un modèle hybride, les données 2019 ne fonctionneront pas. Bien qu’il soit tentant de rechercher des données gratuites en ligne ou d’utiliser des données d’enquête que votre entreprise a achetées dans le passé, les deux approches comportent des risques. Les informations traditionnelles des enquêtes sur la rémunération sont périmées, limitées et souvent non vérifiées. Et les feuilles de calcul sont très sujettes aux erreurs et aux risques de sécurité, car elles impliquent un travail manuel et souvent très laborieux.
Dans un monde qui réagit toujours à une pandémie, seuls des repères et des échelles de rémunération récents, précis et en temps réel sont suffisants. Les deux doivent refléter des informations agrégées sur ce que les autres membres de votre segment rémunèrent les employés – par niveau d’expérience, rôle, service, géographie, secteur et taille de l’entreprise.
Par exemple, les startups technologiques ont besoin de sources de données différentes de celles des organisations mondiales de services financiers. Les deux ont besoin d’informations destinées à des entreprises de taille et de stade similaires. Les salaires des ingénieurs logiciels doivent refléter ceux de rôles similaires, avec des nuances pour ceux qui se spécialisent dans l’apprentissage automatique, la science des données, etc.
Vous seriez choqué de voir à quelle fréquence les données autodéclarées sur les sites Web gratuits sont inexactes et non vérifiées. Lorsque vous recherchez une source de renseignements crédible pour vos données de rémunération, une source de données doit :
