Examen de vos données
Ceci est un message de note/information.
Cet article suppose que vous avez téléchargé et configuré vos données dans PayAnalytics, comme décrit dans l'article Téléchargement de vos données.
Une fois vos données téléchargées et votre jeu de données correctement configuré, une page d'aperçu contenant des visualisations clés et des résumés statistiques de vos données est affichée. L'objectif de cet aperçu est double :
- Assurer la qualité de vos données avant d'exécuter toute analyse.
- Obtenir des premières informations à partir de vos données salariales, y compris votre écart de rémunération non ajusté.
Ceci est un message de conseil.C'est le bon moment pour effectuer la vérification finale de vos données et vous assurer qu'elles sont complètes et exactes.
Dans cet article, vous apprendrez à connaître trois composants principaux qui soutiennent la qualité des données et les insights.
Vous pouvez regarder la vidéo ci-dessous pour explorer les trois composants et comment ils peuvent vous aider, ou continuer la lecture.
Investigation des problèmes de qualité des données : graphique d'aperçu des employés
Le point de départ pour détecter les problèmes de données est le graphique Aperçu des employés. Disponible dans l'onglet Aperçu de la page de visualisation du jeu de données, ce composant vous permet d'examiner vos données d'employés sous différents angles. Pour le voir, sélectionnez les variables démographiques selon lesquelles vous souhaitez organiser les données ou modifiez les variables sur chaque axe, créant ainsi différents aperçus de vos données. Chaque point représente un employé, et la couleur du point correspond à la valeur démographique spécifique de cet employé.
Points initiaux à vérifier dans le graphique d'aperçu des employés :
- Y a-t-il des salaires en dessous du salaire minimum, ou à zéro ?
- Un employé est-il un outlier pointant beaucoup plus haut ou beaucoup plus bas que les autres ?
Points suivants à vérifier dans le graphique d'aperçu des employés :
- Changez les variables sur l'axe des x. Détectez-vous des anomalies selon différents regroupements ?
- Avez-vous le support de devise ? Voyez-vous des indications que les calculs sont erronés ?
Pour enquêter sur des anomalies :
- Survolez le(s) point(s) avec votre souris pour voir plus de détails ; ou
- Cliquez et épinglez les employés pour examen dans la liste des employés ci-dessous.
Ceci est un message de conseil.Par défaut, le graphique des employés ordonne les groupes en fonction de la compensation moyenne croissante (ou la variable de l'axe y), mais vous pouvez choisir de les trier par ordre alphabétique dans les paramètres du graphique. Vous pouvez également choisir différents types de graphiques qui résument la distribution de la compensation.
Investigation des problèmes de qualité des données : liste des employés
Pour mieux comprendre pourquoi un point représentant un employé est un outlier sur le graphique des employés, considérez les champs de données supplémentaires dans les colonnes. Vous pouvez cliquer sur les points dans le graphique des employés pour épingler les données de n'importe quel employé de votre choix en haut de la liste.
La liste des employés vous permet de filtrer et trier les données par catégories de données ou valeurs numériques du plus bas au plus élevé (ou inversement). Lorsqu'un filtre est appliqué à la liste des employés, il s'applique automatiquement au graphique d'aperçu des employés et aux statistiques résumées. Vous pouvez également masquer ou afficher autant de colonnes que vous souhaitez voir, depuis votre jeu de données.
Ceci est un message de conseil.Vous pouvez également laisser des commentaires dans la liste des employés. Cela peut être utile si vous avez découvert une explication pour laquelle la rémunération d'un employé spécifique est un outlier. Les commentaires seront visibles par vos coéquipiers et à travers les jeux de données, afin d'éviter de réinvestiguer plusieurs fois les mêmes problèmes.
Obtenir des premiers insights : résumé des données et statistiques résumées
Une fois que vous avez confirmé que la qualité de votre jeu de données est en bon ordre, explorez vos statistiques résumées. Ces statistiques sont entièrement basées sur votre jeu de données, même avant toute analyse d'équité salariale.
Dans le graphique de résumé des données et le tableau des statistiques résumées, vous trouverez :
- La distribution (percentiles et moyenne) de vos données d'employés
- La compensation selon votre variable sélectionnée (Note : l'axe Y dans le graphique d'aperçu des employés est maintenant l'axe X dans le graphique de résumé des données)
- Les groupes démographiques (axe Y), par exemple le genre, l'ethnie, ou une combinaison des deux
L'un des insights les plus importants à obtenir à partir des données est votre écart de rémunération non ajusté, que l'on trouve dans le tableau comme la différence en pourcentage d'un groupe démographique comparé à la valeur démographique de référence (qui serait automatiquement le groupe ayant la valeur la plus élevée).
Par exemple, si votre variable démographique est le genre, et que les employés masculins sont votre groupe de référence le mieux payé, la différence en pourcentage de la rémunération moyenne féminine comparée à la rémunération moyenne masculine est votre écart de rémunération non ajusté.
Bien que l'écart de rémunération non ajusté soit un point de départ intéressant pour explorer les différences salariales, il existe souvent des explications pour lesquelles un groupe démographique est payé plus que d'autres, qui ne sont pas directement liées à leur valeur démographique.