CubeServ Blog
Bleiben Sie auf dem neuesten Stand, rund um das Data Driven Business mit Tools für Analytics von SAP & Co. und verpassen Sie keine Neuigkeiten, Downloads & Veranstaltungen.

Gender-Pay-Gap mit HR Analytics begegnen

Einführung

Was ist der Gender-Pay-Gap überhaupt?

blank

Trotz jahrzehntelanger Fortschritte ist es nach wie vor so, dass Männer und Frauen für die gleiche Arbeit nicht das gleiche Entgelt erhalten. Das geschlechtsspezifische Lohngefälle in Deutschland beträgt derzeit unbereinigt 18 %, was bedeutet, dass weibliche Beschäftigte für vergleichbare Arbeit im Durchschnitt weniger verdienen als ihre männlichen Kollegen. Diese Statistik berücksichtigt jedoch keine zusätzlichen Faktoren wie Arbeitszeiten oder Bildungsniveau; werden diese Elemente berücksichtigt, spricht man von einem bereinigten geschlechtsspezifischen Lohngefälle – eine Kennzahl, mit der sich problematische Diskrepanzen zwischen den Geschlechtern ermitteln lassen.

In Deutschland beträgt das Lohngefälle zwischen Männern und Frauen immer noch beträchtliche 6 %, wenn alle Faktoren wie Ausbildung und Berufserfahrung bei beiden Geschlechtern gleichermaßen berücksichtigt werden. Das bedeutet, dass auch nach Berücksichtigung anderer Unterschiede eine ungerechtfertigte Ungleichheit bei der Entlohnung bestehen bleibt.

Obwohl sich das geschlechtsspezifische Lohngefälle seit 2006 verringert hat, hat es nicht ausgereicht, um die Ungleichheit zwischen dem Einkommen von Männern und Frauen deutlich zu verringern. Selbst bei einem Vergleich innerhalb Europas liegt Deutschland zusammen mit Österreich noch weit hinter anderen Ländern zurück. Dies gilt insbesondere für Ostdeutschland im Vergleich zu Westdeutschland, wo es zwar eine leichte Verbesserung, aber noch keine ernsthafte Veränderung gibt.

Die Gründe für den Gender-Pay-Gap sind vielschichtig:

Das geschlechtsspezifische Lohngefälle ist nicht allein auf Diskriminierung zurückzuführen; eine Reihe von Faktoren trägt zu dieser Ungleichheit bei. Frauen entscheiden sich häufig für sozialere Berufe und nehmen häufiger eine längere Auszeit von der Arbeit, um familiäre Verpflichtungen zu erfüllen. Diese Unterbrechungen können sich nachhaltig auf ihre Verdienstmöglichkeiten auswirken, wenn sie zurückkehren – in der Regel in einer Teilzeitbeschäftigung im Vergleich zu ihren männlichen Kollegen, die ohne Unterbrechung voll erwerbstätig bleiben können.

Methoden zur Ermittlung der Ursachen von Gehaltsunterschieden

Strukturanalysen

Strukturanalysen sind nützliche Instrumente zur Bewertung des relativen Werts verschiedener Berufe und Arbeitsplatzklassifizierungen. Durch die Untersuchung potenzieller organisatorischer Unterschiede lässt sich feststellen, wo Mitarbeiter je nach ihrer Position innerhalb eines Unternehmens höhere oder niedrigere Löhne erhalten – beispielsweise in der Zentrale oder im Außendienst. Dies kann dazu beitragen, bei der Festlegung von Gehaltsniveaus, die den Wert einer Person widerspiegeln, branchenübergreifend Fairness zu gewährleisten.
Ein HR-Analytics System von CubeServ ermöglicht Beziehungen zwischen Datensätzen wie Geschlecht, Betriebszugehörigkeit, Skill-Level und Betriebszugehörigkeit zu untersuchen. Die kombinierte Analyse dieser Merkmale ermöglicht Korrelation zu ermitteln und Auswirkungen auf das Salär zu interpretierten.

Statistische Analyse

Die statistische Analyse ermöglicht eine genauere und umfassendere Bewertung der Daten. Durch den Einsatz von Methoden wie Streudiagrammen ist es möglich, Trends in den Merkmalen der beobachteten Werte aufzudecken, die auf den ersten Blick vielleicht nicht erkennbar sind. Diese Ergebnisse können helfen zu verstehen, ob innerhalb bestimmter Eigenschaften Gleichförmigkeit oder Häufung besteht; ein Beispiel dafür ist, ob sich bei der Analyse der Einkommenshöhe zahlreiche Arbeitnehmer auf höhere Vergütungsgruppen konzentrieren. Diese statistischen Analysen ermöglichen es uns also, unschätzbare Einblicke in bestehende Muster in Datensätzen zu gewinnen, die eine bessere Entscheidungsfindung ermöglichen, die sich auf Beweise und nicht nur auf Annahmen stützt.
 

Auf die gleiche Weise kann eine Regressionsanalyse dabei helfen, herauszufinden, welche Elemente zu den gewünschten Inhalten führen. Die Hauptkoeffizienten bestimmen im Wesentlichen, welche Merkmale darauf hindeuten, dass eine beabsichtigte Menge erreicht wurde – indem wir diese Reichweitenfaktoren strukturell analysieren und beobachten, ob sie mit denen aus den Regressionsdaten übereinstimmen, können wir bessere Erkenntnisse darüber gewinnen, wie viel genug ist.

Ausreißer-Analyse

Die Ausreißeranalyse kann eine gute Möglichkeit sein, Diskrepanzen aufzuspüren und deren Ursache zu ermitteln. Wenn die Durchschnittswerte auf den ersten Blick normal aussehen, können bei näherer Betrachtung unerwartete Abweichungen zutage treten, die große Auswirkungen haben können – sei es eine falsch berechnete Zahl oder etwas in der Personalverwaltung, das erhebliche Abweichungen verursacht. Nur wer genau hinschaut, findet heraus, was wirklich los ist!

Clustering der Zahlungsströme

Eine weitere Analyse- Methode ist das Clustering der Zahlungsströme. Hier stellt sich die Frage, wie Gehaltsunterschiede zwischen Mitarbeiter*innen identifiziert werden können über das Grundentgelt hinaus, z.B. über wiederkehrende Einmalzahlungen.

Personaler*innen stellen sich hier die Frage: Was ist passiert? Warum gibt es diese Zulage? Warum ist die Verteilung der Einmalzahlungen möglicherweise zwischen den Geschlechtern ungleich verteilt? Diese Analysen sind ein wichtiger Schritt zur Analyse des Gender-Pay-Gap.

Best Practices

HR Analytics ist das ideale Instrument, um geschlechtsspezifische Lohnunterschiede aufzudecken und zu beseitigen. Es liefert nicht nur unzählige Kennzahlen, sondern ermöglicht durch seine umfangreiche Datensammlung auch die Berücksichtigung qualitativer Faktoren. Mit HR Analytics in Kombination mit einem SAP HCM- oder SuccessFactors-System stehen wichtige Daten zur Verfügung, um bestehende Unterschiede zwischen den Gehältern von Männern und Frauen zu analysieren. So erhalten die Gehaltsabrechnungsteams einen umfassenden Überblick über die aktuellen Unterschiede und haben alle notwendigen Informationen, um bestehende Unterschiede zu beseitigen!

Live-Demo

Sehen Sie sich jetzt unsere Live-Demo an:

Vereinbaren Sie jetzt Ihren Expert Call. Wir freuen uns über Ihre Nachricht.

Johannes Kumpf

HR Analytics Expert with a passion for people analytics & HR planning. Business Development & Sales HRM @ CubeServ Group
Newsletter abonnieren

Bleiben Sie auf dem neuesten Stand, rund um das Data Driven Business mit Tools für Analytics von SAP & Co. und verpassen Sie keine Neuigkeiten, Downloads & Veranstaltungen. 

Autor
Expert Team

Blog Artikel unserer Experten

Rapid changes in HR needed

COVID-19 is a typical Black Swan event. Nobody could foresee the global impact on our business and daily life. Rapid changes happened in HR but also other areas. We all struggle to get a clear picture about the future. Optimism helps and let us hope