主要观点总结
文章主要介绍了两个数据模型：薪酬偏离度数据模型和岗位薪酬区间分布数据模型。第一个模型用于计算每个部门每个岗位的薪酬偏离度，通过与市场50分位值对比来评估偏离程度。第二个模型旨在获取各岗位的中位数据，并可视化展示其在市场10-90分位区间内的位置。此外，文章还提到了使用数据透视表和折线图来呈现数据，并强调了这两个数据模型在帮助人力资源部门进行岗位薪酬竞争和决策调整方面的作用。最后，文章提到了初级课程《人力资源数据分析师》的相关信息。
关键观点总结
关键观点1: 介绍薪酬偏离度数据模型
文章首先介绍了一个数据模型，该模型计算每个部门每个岗位的薪酬偏离度，通过与市场50分位值对比来评估偏离程度。
关键观点2: 岗位薪酬区间分布数据模型的介绍
除了薪酬偏离度数据模型外，文章还介绍了岗位薪酬区间分布数据模型。这个模型旨在获取各岗位的中位数据，并可视化展示其在市场10-90分位区间内的位置。
关键观点3: 数据呈现方式
文章提到了使用数据透视表和折线图来呈现数据，以便更清晰地展示各个分位值，并可通过切片器呈现每个部门、每个岗位的薪酬数据分布。
关键观点4: 数据模型的作用
这两个数据模型可以帮助人力资源部门更好地进行岗位薪酬竞争和决策调整，如调薪参考等。
关键观点5: 初级课程信息
文章最后提到了初级课程《人力资源数据分析师》的相关信息，包括课程内容和报名方式。
文章预览
上图这张表是我们在上一篇文章里面讲的上一个数据模型。我们做的是针对于每个部门下面每个岗位的薪酬偏离度。我们取了每个岗位的中位值，然后把中位值跟市场的50分位值做对标，然后算出偏离度，加上切片器，从而去筛选每个部门每个岗位跟市场的50分位，一个偏离数据。但是我们做的这个数据模型其实还不是一个完整的数据模型。 因为当我们的某一个岗位，它的偏离度属于正偏离的时候，比如说它的偏离度是40%，但是我们不知道它的这个中位值在市场的区间是在哪个区间，它到底是50到75还是75到90还是大于90呢？所以我们基于上面这个模型，我们还需要建另外一个模型，这个模型我们叫做岗位薪酬区间分布数据模型。 也就是说我们希望能够得到的是我的各个岗位的中位置数据，我能够清晰的能够表现出来，用可视化的数据图表现出来。市
………………………………
