Uppkomst och design:

Vi har länge varit med och hjälp våra användare med att genomföra analyser inom ramen för lika arbete. Vi har nu automatiserat processen och kan erbjuda förslag på medarbetare att analysera med ett knapptryck. Modellen som vi har skapat för att göra urvalet bygger på den erfarenhet en mänsklig analytiker skulle ha gjort, kombinerat med ett krav: Tillräckligt många medarbetare ska väljas ut för att hela löneskillnaden ska anses vara förklad.

Modellen bygger på antagandet att om vi hade en grupp med medarbetare, män och kvinnor, där alla medarbetare hade samma utbildning, erfarenhet, arbetsuppgifter och prestation skulle alla medarbetare i gruppen ha samma lön. Nu är fallet mycket sällan så. Vi har många grupper som har det specificerat i kollektivavtalet att lönen ska vara individuell satt och differentierad sett till gruppen. Medarbetare kommer alltså att ha olika löner, vilket kommer att skapa en löneskillnad i gruppen. Alla löneskillnader är inte dåliga, vi vill att högpresterande och kunniga medarbetare ska få en högre lön än sina kollegor. Målet med den modellen vi byggde var att identifiera oväntade lönelägen för att säkerställa att dessa inte beror på kön.

När modellen går igenom en grupp för att välja medarbetare kommer den att fokusera på att välja medarbetare som ligger i utkanterna av gruppen. Detta då den vill belysa oväntade lönesituationer. Modellen går igenom gruppen och granskar lönestrukturen efter ålder och anställningstid för att sedan se till den övergripande lönestrukturen och det rådande könslönegapet.

I Sverige har vi en uppdelad arbetsmarknad. Därför är det inte svårt att tänka sig situationer där vi har grupper som består av ett stort antal män eller kvinnor och ett litet antal medarbetare av det motsatta könet. I detta läge kommer modellen att försöka välja ut individer tills att hela löneskillnaden är förklarad, men om det skulle vara färre medarbetare att förklara så kommer modellen i stället att välja ut alla medarbetare inom minoritetskönet för analys.

Vad kan du som användare justera i modellen:

Modellen kommer att undersöka om det förekommer några outliers i gruppen sett till lön. Dessa medarbetare kommer att bi utvalda. I standardutförandet är outlier definierat som medelvärdet plus eller minus två standardavvikelser. Du som användare kan ändra detta i inställningarna till att i stället vara en procentsats.

Modellen kommer i sitt standardutförande att försöka att välja medarbetare tills att hela gruppen förklarats. Men i vissa organisationer vill man i stället

analysera upp till en specifik procentsats och vill därför inte att modellen ska gå hela vägen till att hela löneskillnaden är förklarad. Man kan då ställa in ett accepterat lönegap, som modellen då använder som riktvärde.

Hur ska jag tänka vid analysförfarandet:

Modellen finns som sagt till för att underlätta vid analysförfarandet. Den lyfter fram medarbetare för analys, men det är fortfarande du som användare som får förklara varför medarbetaren har den lön hen har. När modellen lyfter en medarbetare kommer detta oftast att vara en medarbetare som befinner sig i ytterkanten av lönespannet. Det är nu upp till dig som användare att sakligt förklara varför denna medarbetare lönemässigt ligger där hen ligger.

Du som användare kanske anser att modellen pekar ut medarbetare som ligger korrekt lönemässigt, men det är inte vad modellen vill belysa. Modellen visar inte nödvändigtvis medarbetare som ligger fel lönemässigt, den lyfter medarbetare som har en oväntad lön enligt modellen.

Om en medarbetare blivit utvald av modellen är det som sagt ditt jobb att förklara medarbetarens lön i förhållande till resterande gruppen. Till din hjälp har vi tagit fram ett antal taggar som kan användas för att motivera löneläget. Om en medarbetare som arbetat på bolaget under lång tid och har tillförskansat sig en betydande erfarenhet och har presterat utmärkt under en längre tid skulle ha taggats med kompetens och prestation.