好看吧

手机浏览器扫描二维码访问

第十章 谷歌的薪酬分配原则（第5页）

且不论这位咨询师能否为雇主或客户创造100万美元的价值，她从自己创造的价值中获得的收益比例每年都在下降。

这是一个极端的例子，但是这种形态在大多数专业服务公司中都存在。

事实上，斯坦福大学的经济学家爱德华·拉齐尔曾称，员工在职业生涯初期的平均薪酬收入相比其贡献较低，在职业生涯后期则拿到太多。

内部薪酬体系没有做出足够迅速的调整，也没有足够的灵活性，为最优秀的员工安排与其价值相当的薪酬。

作为一名优秀的员工，理智的做法是辞职。

在一家《财富》100强的大型工业企业中，“首席”

层次的工作大约5~10年轮换一次。

如果你是一名非常优秀的三四十岁的员工，每隔10年左右你就有一次机会得到公司最顶层的几个工作岗位的机会。

与此同时，你的薪水也会与职位相匹配，最开始会得到几次大幅提升，之后又会囿于人力资源准则，在下一次升职之前再也得不到加薪。

对于那些快速学习成长和表现顶尖的人来说，确保薪水与所创造的价值相适应有一种方法，就是离开这种垄断的内部市场，进入自由市场，即寻找一份新工作，以自身的真正价值为基础，协商薪酬，然后离开现在的公司。

这也是你在人才市场上看到的真实情况。

为什么公司不设计一种体系，避免最优秀和潜力最大的员工辞职呢？因为他们对公平有一种错误认识，没有勇气坦诚面对自己的员工。

公平的薪酬并不是说所有在同级别岗位上的人都要拿同样的薪水或是上下差不到20%。

薪酬与贡献相匹配才能算得上公平。

因此，个人薪酬应该有巨大的差异。

还记得我们在第三章介绍过艾伦·尤斯塔斯所说的“拔尖工程师的价值相当于普通工程师的300倍”

吧。

比尔·盖茨的观点更加激进，据称他这样说过：“一名了不起的车工工资应该是普通车工的几倍，但是一位了不起的软件编码程序员的工资应该是普通程序员的1万倍。”

软件工程师所创造的价值范围或许比其他类型的工作要广，但是，虽然了不起的会计的价值或许不如普通会计的上百倍，但至少也能抵得上三四倍！

但是，请不要一字一句地全听我的话。

1979年，美国人事管理局的弗兰克·施密特发表了具有开创性的论文《有效的招聘选择流程对劳动生产力的影响》。

施密特与我在本书第三章和第四章所持的观点一致，他认为大多数招聘流程并不能选择出真正优秀的人才。

他推断，如果能够证明招聘更优秀的员工可以带来实际的财务回报，那么各家组织就会在改进招聘工作上投入更多精力。

施密特研究了为联邦政府工作的中等水平电脑程序员。

他询问了那些所谓的出众的程序员相比一般的程序员能够创造出多少额外的价值，出众和一般分别指优于85%的员工和优于50%的员工的程序员。

出众的程序员每年比普通程序员要多创造1.1万美元，这些美元可是1979年的美元。

然后他尝试预测了如果招聘时能更好地选到出众程序员将多创造多少价值。

他预测的中位数大约为每年300万美元。

如果全美范围内选择程序员的时候都能更好地筛选，那么预测创造价值提升的中位数为4700万美元。

他仅在一点上犯了错误：顶尖员工创造的价值远比他想象的要高。

艾伦·尤斯塔斯和比尔·盖茨比施密特更了解现实。

施密特假定员工绩效表现符合正态分布，但其实不然。

我们在第八章提到的欧内斯特·奥博伊尔教授和赫尔曼·阿吉斯教授在《人事心理学》——发表报告称，人员的绩效表现其实服从幂律分布——回看第八章头几页，温故知新。

正态分布与幂律分布最大的区别在于，某些现象中，正态分布严重低估了极端事件发生的概率。

比如，在2008年经济危机之前，银行所采用的金融模型大多数都认为股市收益符合正态分布。

欧内斯特·奥博伊尔和赫尔曼·阿吉斯解释称：“利用正态分布曲线预测股市表现，单日10%的金融市场跌幅应该500年一遇……但实际上，每5年就会发生一次。”

纳西姆·尼古拉斯·塔勒布在他的《黑天鹅》一书中也阐释了这一点，他解释称，极端事件发生的概率远高于大多数银行模型的假设。

因此，经济波动和衰退出现的频率远比正态分布预测的频率要高，但是与采用幂律分布或类似分布的预测频率相差不多。