Woher stammen die Gehaltsdaten?

Unsere Gehaltsangaben basieren auf einer der größten Gehaltsdatenbanken für die DACH-Region. Die Daten werden durch mehrere tausend Nutzerangaben pro Monat in unserem eigenen kostenlosen Gehaltscheck und durch unser Kooperationspartnernetzwerk (u.a. Hays, Perm4, Jobware, rexx systems) aktualisiert. Zur Definition zuverlässiger Gehaltsprognosen wird ein „Regression Ensemble Tree – Modell“ angewendet. Hierbei handelt es sich um ein statistisches Modell, das sich aus der Kombination verschiedener Regressionen und Indexwerte zusammensetzt. Darüber hinaus stellen wir über B2B-Kooperationen sicher, dass – gegenüber reinen Online-Gehaltsplattformen – alle Daten einer regelmäßigen Validierung in der Praxis unterworfen werden.

Alle Datensätze, die als Endverbraucher/Arbeitnehmer-Selbstauskünfte in unsere Datenbank gelangen, werden mit statistischen Plausibilitätschecks auf Validität geprüft. Da unser Gehaltsprognosemodell auf einem analytischen Stellenbewertungsverfahren und multiplen Regressionsanalysen beruht, können unrealistische Angaben schnell und zuverlässig identifiziert werden.

Was sind die wichtigsten Gehaltstreiber?

Um aussagefähige, seriöse Gehaltsprognosen erstellen zu können, muss eine Vielzahl von Faktoren und deren komplexes Zusammenspiel berücksichtigt werden. Die wichtigsten Faktoren sind:

• Wertigkeit der Stelle: Welche Qualifikation und welcher Problemlösungs-, Entscheidungs- und Verantwortungsrahmen liegt der Stelle zugrunde? Spezielle Expertenpositionen mit hohen Qualifikationsanforderungen können z.B. auch ohne Personalverantwortung zu sehr hohen Bewertungen und damit Gehältern führen.
• Branche: Diese hat z.B.  im Marketing&Vertrieb einen sehr hohen Einfluß auf das Gehalt, während sie für Bereiche wie HR, Finanzen oder IT weniger wichtig ist.
• Unternehmensgröße: Allgemein gilt: Je größer das Unternehmen, desto höher das Gehalt
• Region der Arbeitsstätte: Tendenziell wird in westdeutschen Großstädten z.B. deutlich mehr verdient als in ländlichen Regionen in Ostdeutschland. Neben den unterschiedlichen Lebenshaltungskosten spielt hierbei aber auch eine Rolle, dass Dax-Unternehmen und kapitalstarken Firmen überproportional häufig ihren Sitz in westdeutschen Metropolen haben, während Ostdeutschland von kleinen und mittelgroßen Betrieben geprägt ist.
• Tätigkeit: Im Kundenservice wird z.B. meist weniger bezahlt als für gleichwertige Sachbearbeiter-Funktionen im Marketing.
• Alter/Berufserfahrung: Bis zu einem Lebensalter von ca. 40 – 45 Jahren steigt das Gehalt kontinuierlich an, bei Führungskräfte auch darüber.
• Hierarchie: Stellen mit Personalverantwortung werden – trotz zunehmender Bedeutung von Spezialisten – immer noch deutlich besser bezahlt.  Gegenüber Stellen ohne Personalverantwortung sind rund 10%-20% drin. Auf der obersten Führungsebene kann ein Geschäftsführer im Schnitt mit rund 30% mehr Gehalt als andere Führungskräfte der 1. Ebene rechnen.
• Ausbildung: Auch wenn der Tätigkeitsbereich recht ähnlich ist, so werden Akademiker immer noch besser bezahlt als Mitarbeiter ohne ein (Hochschul-)Studium. Ebenfalls förderlich auf das Gehalt wirken sich Abschlüsse wie ein MBA-Abschluss einer renommierte Schule oder eine Promotion aus. Der Grenznutzen in Form von Gehalts-Aufschlägen nivelliert sich in diesem Zusammenhang jedoch mit zunehmender Berufserfahrung.

Welche (statistischen) Modelle liegen den Gehaltsangaben zugrunde?

Prinzipiell muss bei den Gehaltsangaben auf Gehaltsreporter.de zwischen folgenden Ansätzen unterschieden werden:

• Marktdaten aus Erfahrungswerten abgeleitet: Für einige Berufe, bei denen es nicht möglich oder sinnvoll ist, genügend valide Gehaltsdaten einzusammeln, zeigen wir marktübliche Richtwerte basierend auf unseren Recherchen und Experteninterviews auf
• Marktdaten auf Basis einer deskriptiven Statistik: Unsere Software und menschliche Analysen entfernen zunächst Außreißer (Über- oder Unterschreitungen) aus der Basis der eingesammelter Gehaltsdaten. Dann teilen wir die Gehälter für eine bestimmte Tätigkeit in Quartile auf. Quartile sind Werte, die eine Stichprobe von Daten in vier gleiche Teile spalten:
  • Q 1: 25 % der Daten sind kleiner oder gleich diesem Wert
  • Q2: Der Median. 50 % der Daten sind kleiner oder gleich diesem Wert
  • Q3: 75 % der Daten sind kleiner oder gleich diesem Wert
  • Durchschnitt: Summe der Datenwerte geteilt durch die Anzahl der Datensätze
• Marktdaten aus statistischer Modellierung abgeleitet: Diesen Ansatz verfolgen wir für unsere Gehaltsvergleiche (Gehaltsrechner). Wir haben hierzu einen Algorithmus entwickelt, mit dem die speziellen Herausforderungen von Gehältern abgebildet werden können. Zur Bestimmung verlässlicher Marktgehaltsprognosen wird von Gehaltsreporter ein „Regression Ensemble Tree Model“ verwendet. Hierbei handelt es sich um ein statistisches Modell aus einem Set an Regressionsanalysen, das sehr unterschiedliche Gehaltsgruppen (z.B. Ärzte, öffentl. Dienst, Sales, Consulting) als auch Nichtlinearitäten im Randbereich (z.B. 30% mehr Gehalt für Geschäftsführer vs. anderen Führungskräften der 1. Ebene) abbilden kann.