Comp Analysis

关键变量

• 岗位：职能和专业方向
• 级别：个人贡献者层级、管理层级
• 地点：地区薪酬调整
• 公司阶段：初创期、成长期还是上市公司
• 行业：科技、金融、医疗等

数据来源

• 已连接 ~~compensation data：拉取经核实的市场数据
• 未连接：使用网络调研、公开薪酬数据和用户提供的背景信息
• 始终注明数据的时效性和来源局限性

输出

提供第25、50、75、90百分位的基本工资、股权和总薪酬数据，并包含地区调整和公司阶段背景。

## 薪酬分析：[岗位/分析范围]

### 市场基准
| 百分位 | 基本工资 | 股权 | 总薪酬 |
|-------|---------|------|-------|
| 第25百分位 | $[X] | $[X] | $[X] |
| 第50百分位 | $[X] | $[X] | $[X] |
| 第75百分位 | $[X] | $[X] | $[X] |
| 第90百分位 | $[X] | $[X] | $[X] |

**数据来源：** [网络调研、薪酬数据工具或用户提供数据]

### 薪资带分析（如已提供数据）
| 员工 | 当前基本工资 | 带最低值 | 带中位值 | 带最高值 | 定位 |
|-----|-----------|---------|---------|---------|------|
| [姓名] | $[X] | $[X] | $[X] | $[X] | [低于/处于/高于] |

### 建议
- [具体薪酬建议]
- [股权考量]
- [如适用，留才风险提示]

已连接的服务

若已连接 ~~compensation data：

• 按岗位、级别和地点拉取经核实的市场基准
• 将您的薪资带与实时市场数据进行对比

若已连接 ~~HRIS：

• 拉取当前员工薪酬数据进行薪资带分析
• 自动识别异常值和留才风险

使用建议

1. 地点很重要 ——对标时务必注明地点。旧金山、奥斯汀和伦敦的薪酬水平差异很大。
2. 关注总薪酬，而非仅基本工资 ——纳入股权、奖金和福利才能呈现完整图景。
3. 保护数据隐私 ——薪酬数据属于敏感信息，分析结果仅保留在您的对话中。