Loontransparantie staat bovenaan de agenda van HR. De EU Pay Transparency Directive verplicht organisaties om hun loonbeleid datagedreven te onderbouwen, en daarmee is people analytics in één klap een kerncompetentie van moderne HR geworden. En net bij die data- en statistische geletterdheid wringt het.
Begrippen als de unadjusted en fully adjusted loonkloof, de p-waarde, effect sizes en de adjusted R² circuleren volop, maar worden vaak verkeerd geïnterpreteerd - met foute conclusies en beslissingen tot gevolg.
In deze inleiding zetten we de grote lijnen uiteen van hoe je aan een loonkloofanalyse begint. Wil je een goeie basis verwerven op het vlak van data- en statistische geletterdheid, in het bijzonder op het vlak van loonkloofanalyse, dan kan je er alles op nalezen in onze paper. De paper maakt jou niet tot statisticus, maar zal jou wel helpen om de cijfers beter te interpreteren en de juiste vragen te stellen.
Het webinar is beschikbaar on demand via Livestorm.
People analytics is het instrument waarmee je zichtbaar maakt of je loonbeleid in de praktijk doet wat het belooft. Het vertaalt een vage intentie ("wij betalen gelijk loon voor gelijk werk") naar een toetsbare uitspraak: do you practice what you preach? Goede bedoelingen of buikgevoel volstaan niet - je hebt cijfers nodig die dat onderbouwen.
Eén belangrijke kanttekening: deze aanpak werkt enkel bij voldoende grote organisaties. Een regressieanalyse heeft genoeg observaties nodig. Voor kmo's ligt de klemtoon op een kwalitatieve, transparante onderbouwing van het loonbeleid, niet op de data-analyse.
Elke analyse doorloopt vier chronologische stappen - vier "bedrijven", zoals in een toneelstuk:
Een loonkloofanalyse begint niet bij een Excel met loongegevens, maar bij de strategie. Welke competenties en eigenschappen waardeer je als organisatie écht, en zie je die terug in de lonen?
Een gender pay gap-analyse is in de kern een lakmoesproef: doen we wat we zeggen? Daaruit moet blijken dat gender geen relevante variabele is voor de hoogte van het loon.
Variabelen vallen uiteen in drie types:
Eén gouden regel: elke variabele die je als verklaring meeneemt, moet zelf genderneutraal zijn. Een ogenschijnlijk neutraal criterium dat systematisch één gender benadeelt, verschuift van een legitieme verklaring naar mogelijke indirecte discriminatie.
De richtlijn vraagt eerst en vooral de rapportering van de niet-gecorrigeerde loonkloof. Daarbij gooien we alle lonen op één hoop - kortom, we vergelijken appelen met… aubergines.
Het niet-gecorrigeerde loonkloofcijfer is daarmee geen nietszeggend cijfer. Het geeft eenvoudigweg andere, maar daarom niet minder waardevolle inzichten. Zo kan het niet-gecorrigeerde loonkloofcijfer iets zeggen over loopbaanongelijkheid - denk aan fenomenen zoals de glass ceiling, sticky floors en horizontale segregatie. Maar zoals elk cijfer moet je dit binnen de context plaatsen. Een laag niet-gecorrigeerd loonkloofcijfer is niet per definitie goed of slecht - de interpretatie hangt steeds af van de context van jouw organisatie.
In tweede instantie corrigeer je voor work of equal value (de werknemerscategorie). Dat kan op basis van naïeve gemiddelden per werknemerscategorie, uitgesplitst naar gender. In de praktijk worden bijkomende strategische variabelen in aanmerking genomen om de categorieën van work of equal value te bepalen. Dat doen we op basis van een OLS log-regressieanalyse. De uitkomst is de volledig gecorrigeerde loonkloof (fully adjusted gender pay gap). Die fully adjusted loonkloof beantwoordt de vraag: als alle variabelen gelijk zijn, wat zou iemands loon dan zijn?
Een statistische analyse geeft een antwoord op de vraag: is dit een echt patroon (lees: is er een systemische bias in het nadeel van een bepaald gender, doorgaans vrouwen?) of is dit te wijten aan toeval? Daarvoor doen we beroep op verschillende metrics en tests (denk aan de p-waarde (significantie), effectgrootte, adjusted R², modelcoëfficiënten, …).
Eén valkuil verdient bijzondere aandacht, zeker op het vlak van expectations management: een geruststellend totaalcijfer kan grote verschillen per categorie verbergen. Dat is de Simpson-paradox. Daarom is het de loonkloof per werknemerscategorie die er écht toe doet - en waaraan de richtlijn concrete gevolgen koppelt: bij een onverklaarde kloof van meer dan 5% volgt een joint pay assessment en mogelijk financiële remediëring. Bovendien kan het beeld op het individuele niveau ook nog eens wijzigen.
Kortom: juich niet te vroeg bij het zien van de resultaten, maar wacht alle cijfers af voor je er conclusies aan verbindt.
Stel dat je moet bijsturen, omdat bepaalde werknemerscategorieën een gap van 5% of meer laten zien in het nadeel van mannen resp. vrouwen. Dan doe je dat door het loon van individuele medewerkers bij te sturen.
De logische vervolgstap bestaat erin af te dalen naar de adjusted pay gap per individu, om te bepalen welke actie je concreet moet nemen. Op basis van het statistisch model wordt het verschil berekend tussen het werkelijke en het voorspelde loon.
Let wel - dat is een statistische voorspelling, geen waarheid. Elk geval vraagt nog altijd een kwalitatieve review en verklaring (bijvoorbeeld een demotie met loonbehoud of een recente promotie).
Een statistische analyse geeft je inzicht, maar vertelt jou niet wat je moet doen.
Wanneer je bijstuurt, zal je allicht prioriteiten moeten bepalen. Daar kunnen twee perspectieven helpen om de prioriteiten juist te zetten.
Eerst en vooral is het logisch om naar de grootste onderbetalingen te kijken. Het is wel belangrijk om los van gender te corrigeren: ook onderbetaalde mannen moeten een bijpassing krijgen. Het is per slot van rekening een oefening in rechtvaardigheid, niet in het opsmukken van cijfers.
Ten tweede is het aangewezen om inzicht te hebben in de (subjectieve) perceptie van rechtvaardigheid bij jouw medewerkers - dat inzicht verwerf je via een survey die naar de vier dimensies van rechtvaardigheid peilt. Als iedereen zich fair behandeld voelt (ongeacht of dat in de feiten ook zo is), dan is actie minder dringend. Als iedereen zich onfair behandeld voelt (ongeacht of dat in de feiten ook zo is), dan is actie wel dringend. Die actie kan erin bestaan om te informeren en/of te compenseren. Belangrijk: de perceptie is doorslaggevender dan de feiten.
Een belangrijke waarschuwing wanneer je overweegt actie te ondernemen: stuur nooit bij in de outcome alleen. De loonkloof is een symptoom, geen oorzaak. Wie enkel financieel remedieert zonder de onderliggende processen (aanwervingsbeleid, inschaling, promotie, uitzonderingsbeleid, …) aan te pakken, dweilt met de kraan open.
Uiteindelijk culmineert alles in het moment waarop je de boodschap naar je mensen brengt. Loontransparantie betekent individuele loontransparantie, en idealiter voert de directe leidinggevende dat loongesprek.
Wat je op organisatieniveau communiceert, moet sporen met wat een individuele medewerker te horen krijgt - anders ontstaat wantrouwen. Hoe je dat gesprek concreet voert, lees je in de paper Hoe voer je een loongesprek in tijden van loontransparantie. Of (her)bekijk ons webinar.
