第一篇：太和顾问薪酬调研数据报告

太和顾问薪酬调研数据报告

一、数据类

数据类产品是基于太和顾问庞大数据库为客户提供全方位人力资源信息服务。可以根据企业的需求，通过对已有数据库中100余个行业，超过100个主要城市和地区，7,000家以上超过一百万条薪酬、绩效、组织实践、财务指标、政策信息等数据进行多维度组合和分析，得出包括工资、短期和长期激励计划、福利和特殊待遇等方面可靠的数据。强针对性和高质量的数据可帮助企业在人力资源各模块操作以及公司政策和方案方面作出更精准的决策。

行业分类

房地产 地产集团 商业地产 住宅地产 商业物业 物业管理 地产顾问 建筑设计 建筑材料 …… 金融 银行 证券 基金 保险 期货 ……地域分类

城市类别 区域划分 专属区域数据类产品 薪酬类 行业薪酬数据 城市薪酬数据

激励类

多地销售序列激励政策信息 研发人员激励政策信息

福利政策类 行业福利政策信息 区域福利政策信息

组织类

标准岗位信息 人力资源配置效率信息

企业发展类 人力资源环境评估 人力资源信息透视

一线城市、二线城市、沿海城市、西部城市…… 华北、东北、华东、华南、西南、西北、中部……

环渤海地区、长三角地区、珠三角地区、各地经济开发区……

高科技 品牌电脑 软件及系统集成 通讯产品 半导体 电信运营 互联网 网络游戏 软件外包 …… 医药 医药综合 医药研发 医药流通 医疗器械 医疗服务 ……

消费品 食品饮料 乳业 啤酒 日用化学品 家具 服装 家电 奢侈品 …… 能源化工 石油 电力 煤炭 新能源 精细化工 ……

制造 整车制造 汽车配件 摩托车制造 精密仪器 电线电缆 重型机械 机电设备 特种设备 …… 其他 传媒 物流 综合服务 教育 体育 ……

高管薪酬数据 职位簇薪酬数据 岗位薪酬数据 毕业生起薪

高管激励政策信息 绩效管理实践 年终奖实践 ……

异地派遣政策信息 城市薪酬差异 人力资源政策汇编

集团管控实践 组织设计实践 胜任力模型实践 …… …… ……

人员选聘实践 人力资源规划信息 …… …… …… ……

外籍员工薪酬及激励政策信息 普通工人薪酬福利及激励政策信息

二、工具类：

工具类产品是以太和顾问数据类产品为基础为企业提供的人力资源管理工具。工具类产品不仅能够提供给企业专业数据，辅助企业决策，还能够为企业的人力资源管理实践提供工具化支持。例如薪酬建议、绩效指标、职责描述、人力资源诊断工具等。简单易用的工具可以帮助企业在参考市场化数据的同时，更有效的结合人力资源管理的实际操作，为人力资源管理工作输出支持。

● 薪酬建议书● 绩效指标库● 职责描述汇编● 人力资源管理诊断工具● 行业人力资源深度报告● ……

三、服务类：

服务类产品是在太和顾问数据类、工具类产品的基础上，更进一步为企业提供的人力资源管理服务。服务类产品旨在为企业人力资源部提供权威、标准、规范化的工具以及外部市场实践，并以客观公正的第三方身份，通过专业的服务，协助企业完成外部市场实践与企业内部操作间的落地衔接，达到与外部环境顺利对标的目的。

● 薪酬审计服务● 职位价值评估服务● 员工敬业度调查服务● 职能审计服务● 数据信息高级应用培训● 高管汇报● 市场信息分享会● ……

四、自定义类：

自定义产品是利用太和顾问数据收集平台收集非库内信息，并进行定制化分析，的全新的人力资源管理定制化服务。面对瞬息万变的市场环境，HR从业者所面临的问题往往是全新的，而且也更加多元化。传统的力资源调研往往会遇到灵活性不够、时效性不强、调研范围局限等问题。针对这种情况太和顾问自202_年起推出了以“HR信息输送管道”为理念的时时热点调研很快为市场所接受。202_年，在前期调研数据和客户信息大量积累的基础上，太和顾问进一步发挥信息收集渠道广泛快捷、数据分析迅速的优势，推出了以This2.0和Smart Collection为基础的信息收集、分析平台。该平台能以更加灵活的方式为企业人力资源提供实用工具，能快速进行万余家企业的HR信息的收集、输送和更新，并且可以完成人力资本数据的持续分析，是对HR传统调研的最全面的补充，旨在即时解决人力资源管理中存在的实际问题。

第二篇：薪酬数据分析报告

终于把这报告写完了，搞了十多页，部分与大家分享，主要在于分享我写这个报告的思路和结构，涉及具体内容（具体数据等方面）恕暂不能提供，毕竟要尊重太和顾问的劳动成果，也是遵守与之签订的劳动合同。若有同仁有兴趣探讨，可私下联系沟通。

一、分析目的本报告主要是为了了解全国医药行业各类别岗位薪酬福利水平和薪酬结构，为完善公司薪酬福利体系提供参考性意见。

二、数据来源与分析内容

（一）数据来源

该分析报告数据主要来源202_太和顾问公司全国内资医药行业薪酬福利调研报告。他们主要与行业内具有代表性的目标公司进行接触（见附件1：参与调查公司目录），广泛收集各家公司上一（过去12个月）的薪酬数据形成报告主体数据，该数据群去除了明显的离群数据点，并使用专用的数据分析工具对样本进行分析，得出市场值，在反映市场薪酬福利信息时，在展现形式上使用了10%分位值、25%分位值、中位值、75%分位值、90%分位值和平均值六个参数，以适应公司根据自身情况有针对性的参考市场水平。

同时，太和顾问将各家公司所提供的岗位按照工作内容、所承担的职责以及对公司贡献度大小匹配到太和顾问标准岗位列表中，确保承担相同或相近工作职责的数据进行横向对比。本分析报告主要根据太和薪酬福利调研报告（以下简称为太和版报告）对各项数据进行分类统计分析，形成对太和版报告的解析，并就该报告反应出的现象提出参考意见。

（二）分析内容

本报告重点分析两个方面的内容，一是行业薪酬水平，二是薪酬结构比例关系。

三、本报告的分析思路

（一）首先将公司各业务单位主要岗位与太和顾问的薪酬数据报告基准岗位进行匹配，主要采取岗位职责和任职资格比对的方法评估，得出公司现有岗位的标准职位等级；

（二）分析太和顾问的薪酬数据报告中对应职位等级薪酬水平和薪酬结构，得出市场各业务单位岗位薪酬水平和结构的常态做法（统计一般规律或做法），比如说所在的分位、结构以及各部分的比例关系等；

（三）结合公司情况给出薪酬福利体系建设的参考性建议。

四、主要名词解释

（一）专业术语

1、薪酬地区系数：太和顾问公司根据全国各地区的经济发展水平、消费水平、市场工资水平等因素评价每个地区的薪酬系数，武汉地区薪酬系数为0.68，表示太和薪酬报告中各项数据乘以0.68后，即为武汉地区的大致市场薪酬水平。

2、薪酬分位：指对所调研的薪酬数据根据离散程度进行分类和定位，10%分位表示有10%的数据小于此数值，反映市场的低端水平；25%分位表示有25%的数据小于此数值，反映市场的较低端水平；中位数表示有50%的数据小于此数值，反映市场的中等水平；75%分位表示有75%的数据小于此数值，反映市场的较高端水平；90%分位表示有90%的数据小于此数值，反映市场的高端水平；平均值指所有调研数据的平均值，反映市场的平均水平。企业可根据自身情况（战略目标、经济实力等要素）选择合适市场薪酬分位作为内部薪酬水平的定位。

（二）薪酬构成项目定义

1、基本月薪收入：在岗者每月获得的税前基本工资（不包括各种补贴）；

2、月薪数量：在岗者每年实际获得基本月薪的月数（如13个月）；

3、补贴收入总额：在岗者每年获得的所有现金补贴总额；

4、浮动收入总额：每年公司向在岗者支付的销售提成和绩效奖金总额；

（三）薪酬统计项目口径

在太和顾问的薪酬数据报告中，主要通过四个薪酬口径对于市场的薪酬特点进行描述和分析，这四个薪酬口径分别是：基本现金收入总额、固定现金收入总额、现金收入总额和总薪酬。四项薪酬口径的计算关系如下所述：

基本现金收入总额＝岗位基本月薪×月薪数据；

固定现金收入总额＝基本现金收入总额＋补贴总额；

现金收入总额＝固定现金收入总额＋浮动收入总额；

总薪酬＝现金收入总额＋福利总额。

由于福利总额中包含了一些非现金性质的薪酬，且全国范围内对保险福利的界定标准存在较大差异，所以本报告中除特别注明外，所列各项数据均以现金收入总额作为薪酬政策参考的标准。四个薪酬部分的定义如下：

1、基本月薪：即岗位的基本工资，其中不包含任何形式的补贴、浮动收入、福利；

2、补贴：企业以现金形式发放给员工，带有非定向使用性的收入，补贴收入不与员工的业绩表现挂钩；

3、浮动收入：浮动收入是与员工绩效挂钩的收入，企业根据岗位员工的实际业绩表现在一个考核期末支付员工不等的绩效收入；

4、福利：福利的定义包括以下三部分：第一是法律上所规定的企业必须为员工缴纳的福利项目，如法定养老、法定医疗等；第二是企业以实报实销形式为员工提供的定向性薪酬；第三是企业为员工提供的其它实物（如班车、物资）或带有商业保险性质的福利项目。

五、主要分析内容及观点

本部分主要根据公司情况对各类别岗位薪酬水平和结构（主要体现为固定收入与浮动收入的比例）进行分析。在具体提取这些数据之前，我们先将公司各业务单位主要岗位与太和顾问的薪酬数据报告基准岗位进行匹配，主要采取岗位职责和任职资格比对的方法，得出公司现有岗位的标准职位等级（即岗位匹配与薪酬对比表，见附件2），本报告所有分析结论均以此岗位匹配结果为参照依据。

然后，根据岗位匹配表提取太和版报告对应岗位薪酬数据（现金收入），主要提取市场50%分位（中位）值和市场平均值，同时根据武汉地区薪酬系数转换为武汉地区中位值和平均值（见附件2：岗位匹配与薪酬对比表）。需要特别说明的是，分位值和平均值是根据所调研报告通过回归分析得出的，并不是意味着市场的绝对水平，且武汉地区系数也仅作为参照系数。

此外，因报告数据缺乏部分岗位数据，本报告中部分类别中个别岗位缺乏相应数据，如。。相关岗位等。

（一）销售类岗位薪酬分析

1、销售管理类主要岗位薪酬水平与结构比例

略去部分。。薪酬结构方面，销售管理类职位级别越高的岗位，其浮动收入占的比重越大，但差距相差不大，表明市场更愿意为销售一般管理岗位履行职责而付酬，而较注重为销售管理层的业绩兑现而付酬。

2、一线销售类主要岗位薪酬水平与结构比例

分析：销售类岗位中。。区域经理。武汉地区现金收入平均值范围为7万-8万，固

定收入与浮动收入比例为大致5.5：4.5；一般销售人员武汉地区现金收入平均值范围为4万-6万，固定收入与浮动收入比例为大致6：4。

。。而基层销售人员的浮动收入部分回调至40%，体现出市场倾向于激励一线销售人员的同时，注重对基层一线销售人员生活的基本保障。

（二）研发类岗位

。。市场比较注重研发团队稳定性，也期望通过高比例固定收入吸引研发人才。

（三）生产类岗位

。。

六、分析结论与建议

（一）结论

1、产研销三大业务单元中，市场薪酬水平体现出各业务单元负责人岗位价值从高到低分别是销售中心、研发中心、生产中心，体现了制药行业以销售为龙头的思想，并突出产品研发的重要地位。。；

2、销售管理类岗位中，职位级别越高的岗位，其浮动收入占的比重越大；市场更愿意渠道销售、市场策划、处方销售等管理岗位给付更高薪酬；薪酬结构方面，一线销售类岗位浮动收入所占比重在所有岗位类别中最大。。

3、从报告整体薪酬数据来看，本报告所选取的93个岗位中，有46个岗位现金收入均处在2-4万之间，反应了武汉地区薪酬收入水平普遍不高，部分岗位并没有从薪酬上体现其应有的价值。。；

4、薪酬结构方面，除了一线销售类各级岗位以及销售管理类中高阶岗位浮动收入比例较高外（浮动范围为26%-45%），其余各类别岗位浮动收入比例较低，表明市场上各样本企业较为注重销售和研发团队绩效的激励，以高浮动收入比例来刺激高业绩的取得，而对于其他职能管理类岗位，多采取高比例固定收入的方式来吸引和稳定员工队伍。。

。。

（二）建议

1、关于薪酬水平

根据公司战略发展规划和经营目标要求，对重点岗位如。。等，以及相对市场平均薪酬水平偏低的岗位如。。等，建议向市场75分位薪酬水平定位或靠近，以吸引和保留相应岗位人员。。

2、关于薪酬结构

固定收入在所有的薪酬给付部分中对于人才的吸引作用是最大的，较高的基本工资更有助于市场优秀人员的引进，并使员工有较强的安全感，更愿意长期为企业工作，因此建议对待关键职能管理人员可以加大岗位固定薪酬的投入，提高企业优秀人员引进机率。

浮动收入的激励作用在各薪酬项目中是最明显的，完善的激励政策可以最大限度的发挥员工的工作积极性。对于业绩导向型岗位如一线销售类岗位、产品研发类岗位以及一线生产类岗位，可以加大岗位浮动薪酬的比重，使员工给企业创造了业绩的同时，自己也得到更多的回报，以充分调动员工的工作激情和潜能。

。。

附件1：参与调查公司目录

附件2：岗位匹配与薪酬对比表

第三篇：薪酬调研报告

薪酬调研报告

一、调研的目的为了适应日益激烈的市场竞争环境，调整符合现代企业管理制度要求的薪酬体系，吸引更多优秀人家加盟，人力资源部自年月日着手展开薪酬调研工作，并于年月日全面完成薪酬调研任务。

二、调研对象

1、公司内部员工

2、同行业500强列表中前100家企业

3、同行业与本企业有竞争关系的10 家企业

三、调研方式、渠道

1、收集、查看政府部门发布的薪酬调查资料。

2、委托咨询公司调查。

3、对本公司流动人员进行调查了解

4、开展问卷调查

四、调研结果分析

1、整体情况分析

（1）本企业所属的行业总体薪酬水平较上一增长%，纵观最近几年的薪酬

调查结果，整体薪酬水平呈稳步增长趋势。

（2）本企业所属行业上一平均薪酬水平为元，本企业平均薪酬水平为元，高出市场的平均薪酬水平。

（3）本企业关键岗位或核心人才的薪酬管理上还存在不足之处，主要表现在薪酬结

构设计不太合理。

2、重点调查对象薪酬状况分析

根据薪酬调查统计分析的结果，将调查的同一类薪酬数据由高至低排列，再计算出数据排列中中间位置的数据，即25%点处（一家）、50%点处（六家）、90%（三家）点处。

五、下一阶段工作任务

通过以上薪酬调研与公司目前薪酬状况比较，本公司应从如下两方面进行薪酬薪酬管理工作的改进。

1、根据企业经营效益适时地调整本企业的整体薪酬水平。

2、结合外部薪酬水平状况及本企业实际情况，对关键或重要的岗位部门的薪酬水平与

结构进行重新设计。

第四篇：大数据调研报告

大数据技术市场调查报告：“BigData浪潮”迫使企业做出抉择

发表于202_-02-06 13:26| 2517次阅读| 来源CSDN| 0 条评论| 作者李智

数据中心浪潮数据挖掘数据分析大数据

摘要：大数据时代的数据格式特性 首先让我们先来了解一下大数据时代的数据格式特性。从IT角度来看，信息结构类型大致经历了三次浪潮。必须注意这一点，新的浪潮并没取代旧浪潮，它们仍在不断发展，三种数据结构类型一直存在，只是其中一种结构类型往往主导于其他结构： 结构化信息这种信息可以在关...根据IDC的调查报告预测到202_年全球电子设备存储的数据将暴增30倍，达到35ZB（相当于10亿块1TB的硬盘的容量）。大数据浪潮的到来也为企业带来了新一轮的挑战。对于有准备的企业来说这无疑是一座信息金矿，能够合理的将大数据转换为有价值信息成为未来企业的必备技能。恰逢此时，CSDN专门针对企业相关人员进行了大规模问卷调研，并在数千份的调查报告中总结出现今企业大数据业务的现状。在此我们也将调研结果展示与此以供大家参考。

大数据时代的数据格式特性 首先让我们先来了解一下大数据时代的数据格式特性。从IT角度来看，信息结构类型大致经历了三次浪潮。必须注意这一点，新的浪潮并没取代旧浪潮，它们仍在不断发展，三种数据结构类型一直存在，只是其中一种结构类型往往主导于其他结构：

结构化信息——这种信息可以在关系数据库中找到，多年来一直主导着IT应用。这是关键任务OLTP系统业务所依赖的信息，另外，还可对结构数据库信息进行排序和查询； 半结构化信息——这是IT的第二次浪潮，包括电子邮件，文字处理文件以及大量保存和发布在网络上的信息。半结构化信息是以内容为基础，可以用于搜索，这也是谷歌存在的理由； 非结构化信息——该信息在本质形式上可认为主要是位映射数据。数据必须处于一种可感知的形式中（诸如可在音频、视频和多媒体文件中被听或被看）。许多大数据都是非结构化的，其庞大规模和复杂性需要高级分析工具来创建或利用一种更易于人们感知和交互的结构。

企业内部大数据处理基础设施普遍落后

从调查结果可以看出，接近50%的企业服务器数量在100台以内，而拥有100至500台占据了22%的比例。500至202_台服务器则占据剩下28.4%的比例。可以看出面对大数据现今大部分企业还没有完善其硬件基础架构设施。以现阶段企业内大数据处理基础设施的情况来看50%的企业面临大数据处理的问题（中小企业在面对大数据的解决之道应遵循采集、导入/处理、查询、挖掘的流程）。

但这只是暂时状况，“廉价”服务器设施会随着企业业务的发展逐渐被淘汰出历史的舞台，在未来企业基础架构体系的硬件选用上，多核多路处理器以及SSD等设备会成为企业的首选。Facebook的Open Compute Project就在业界树立了榜样，Open Compute Project利用开源社区的理念改善服务器硬件以及机架的设计。其数据中心PUE值也是领先与业内的其他对手。

而在具有大数据处理需求的企业中52.2%的日数据生成量在100GB以下，日数据生成量100GB到50TB占据了43.5%，而令人惊讶的是，日数据生成量50TB以上也有4.4%的份额。数据量持续的增长，公司将被迫增加基础设施的部署。专利费用将一直增加，而开源技术，则省了这笔一直持续的专利费。对于急需改变自己传统IT架构的企业而言，传统的结构化数据与非结构化数据的融合，成了所有人关心的问题。

企业面对大数据处理的挑战与问题

现今大数据呈现出“4V + 1C”的特点。既Variety：一般包括结构化、半结构化和非结构化等多类数据，而且它们处理和分析方式有区别；Volume：通过各种设备产生了大量的数据，PB级别是常态；Velocity：要求快速处理，存在时效性；Vitality：分析和处理模型必须快速变化，因为需求在变；Complexity：处理和分析的难度非常大。

从图中我们可以看出资源利用率低、扩展性差以及应用部署过于复杂是现今企业数据系统架构面临的主要问题。其实大数据的基础架构首要需要考虑就是前瞻性，随着数据的不断增长，用户需要从硬体、软件层面思考需要怎样的架构去实现。而具备资源高利用率、高扩展性并对文件存储友好的文件系统必将是未来的发展趋势。

应用部署过于复杂也催生了大数据处理系统管理员这一新兴职业，其主要负责日常Hadoop集群正常运行。例如直接或间接的管理硬件，当需要添加硬件时需保证集群仍能够稳定运行。同时还要负责系统监控和配置，保证Hadoop与其他系统的有机结合。

而多格式数据、读写速度（读写速度是指数据从端点移动到处理器和存储的速度）以及海量数据是企业面临大数据处理急需解决的技术挑战。众所周知随着大容量数据（TB级、PB级甚至EB级）的出现，业务数据对IT系统带来了更大的挑战，数据的存储和安全以及在未来访问和使用这些数据已成为难点。同时大数据不只是关于数据量而已。大数据包括了越来越多不同格式的数据，这些不同格式的数据也需要不同的处理方法。充分利用有用的数据，废弃虚伪无用的数据，是数据挖掘技术的最重要的应用。

企业内部数据分析与挖掘工具应用现状

云时代企业数据挖掘面临如下三点挑战。挖掘效率：进入云计算时代后，BI的思路发生了转换。以前是基于封闭的企业数据进行挖掘，而面对引入互联网应用后海量的异构数据时，目前并行挖掘算法的效率很低；多源数据：引入云计算后，企业数据的位置有可能在提供公有云服务的平台上，也可能在企业自建的私有云上，如何面对不同的数据源进行挖掘也是一个挑战；异构数据：Web数据的最大特点就是半结构化，如文档、报表、网页、声音、图像、视频等，而云计算带来了大量的基于互联网模式提供的SaaS应用，如何梳理有效数据是一个挑战。抛去价格因素之外可以看出反应速度慢、操作不方便、数据不准确、分析不准确这四项是企业数据分析与数据挖掘面临的主要问题。商业化解决方案固然成熟，但成本也是显而易见的。而具备在开源平台之上处理分析大数据能力的数据科学家则成为另外的一种选择。数据科学家具备专业领域知识并具备研究利用相应算法分析对应问题的能力，可帮助创建推动业务发展的相应的大数据产品和大数据解决方案。

从调查结果中我们可以看出Hadoop占据了半壁江山，而同为开源的HBase也有将近四分之一的占有率。而商业化的数据分析与挖掘平台（如Teradata、Netezza、Greenplum等）总共只有13.9%的份额。短期来讲，开源分析将越来越广泛的使用，并且增长迅速。长期来看，混合技术的应用将在高度竞争的市场上出现，两者将同样有巨大的需求。可以预见的是，Hadoop作为企业级数据仓库体系结构核心技术，在未来的10年中它将会保持增长。随着云时代的到来，企业面临的应用方式更加多元化，通过云的手段提供海量数据挖掘的方法，提高了挖掘的效率，增加了挖掘的精度，更利于挖掘应用的推广以及专业的行业知识库的构建。同时收集、存储庞大的新型数据充满了挑战，然而分析这些数据的新方法才是帮助最成功企业甩开竞争对手的利器。

第五篇：薪酬调研报告

中铁建（北京）物业管理有限公司保定分公司

薪酬调研报告

为了解同行业企业的工资水平及薪酬现状，根据总部相关要求，对保定市秀兰物业、新一代物业、卓正物业、华中物业及宜家物业共五家同行业公司进行了薪酬调研工作，现对调研结果做出如下报告：

一、本次调研主要通过招聘网站和向朋友咨询渠道进行，因保定市大多数企业通过网络招聘时薪资待遇大都登记为面议，故本次调研信息并不全面；

二、薪资架构构成：基本工资+工龄工资+奖金+补助；

三、根据调查发现，保定物业公司组织结构、人员配置较简单，大多都无主管和经理级别，即助理直属项目经理管理，只是个别公司设立工程主管/经理、安保主管/经理，其他部门均直属项目经理管理，另外，大部分物业公司客服助理除负责来客接待、投诉、回访、报修等工作外，还担任收费员一职；或者出纳兼行政工作等情况。

四、经过调查，部门企业员工薪酬以每年每人200元的幅度增长，还有部分企业持零增长状态，只是最低工资低于保定市最低工资标准时方才增长。

五、经过调查，以上几家同行业物业公司目前并未实行绩效考核，人力资源管理模块尚未健全。

小结：

通过本次调查，发现同行业公司人力资源管理模块尚未建立健全，组织架构及人员配置层次不够分明，人员流动率较大，尤其是保安、保洁及工程维修人员，主要原因为工资待遇低，工作量大。