Это старая версия документа!


Введение

Опрос проводился посредством анонимного заполнения анкеты в интернете с 01.08.2018 по 31.08.2018

Авторы не несут ответственности за любой прямой или косвенный ущерб, полученный в результате использования данных результатов. Вы используете результаты на свой страх и риск.

Хотим сказать спасибо

За репосты, которые позволили набрать больше ответов:

  1. Корпоративные собщества EPAM, DataArt, BIA-Teсhnologies, money.yandex.ru
  2. А так же участникам всех площадок нашего сообщества

За подготовку анкеты и обработку данных:

Благодарим всех принявших участие. Без вас ничего бы не получилось!

Подготовка данных

Как и в прошлый раз, для снижения риска нарушения NDA мы просили указать диапазон зарплаты вместо конкретной цифры. Для анализа в качестве значения зарплаты мы брали середину диапазона. Для первого и последнего интервала были установлены значения 25 и 205 соответственно.

Города были сгруппированы в кластеры таким образом, чтобы в них было достаточно записей для проведения анализа. Как и в прошлый раз, у нас получилось три кластера: Санкт-Петербург, Москва и Московская область, Регионы.

Предметные области, которые опрашиваемые указывали в свободной формулировке, были нами разбиты (экспертно) на несколько групп. Стоит отметить, что в этом году среди них явно выделились три новых: геймдев, ритейл и екоммерс. В прошлом году респондентов из этих областей было меньше и мы относили их просто в категорию «Прочее».

Пара замечаний о данных:

  1. Некоторые респонденты с двумя высшими не указали, что у них есть высшее, а отнесли эту ситуацию к пункту «другое» (мы узнали об этом из формы обратной связи).
  2. «Другой» иностранный язык - это в основном немецкий. Исключение одно - один респондент указал испанский, он был внесен в эту же группу;
  3. В этом году была изменена формулировка вопроса про зарплату: мы попросили указывать значение с учетом премии (в прошлом году этого уточнения не было), если ее выдают вне зависимости от результатов работы. Из-за этого сложно сказать был ли выявленный рост зарплат из-за изменения вопроса или из-за рынка. Для проверки тенденции ждем следующего года.

В опросе приняло участие 236 человек. Все денежные значения приведены в рублях, временные - в годах. Значения шкал по оси ординат, если не написано иного, - это уровень выраженности математического критерия обработки данных, с применением которого проводился анализ. Подробнее о том как читать «ящики с усами» можно почитать здесь, а про гистограммы тут.

Портрет среднего аналитика образца 2018 года.

Кластер Респ. %
Москва и область 55 23
Регионы 44 19
Санкт-Петербург 137 58

К регионам были отнесены следующие города:

  1. Новосибирск
  2. Екатеринбург
  3. Челябинск
  4. Самара
  5. Пермь
  6. Иркутск
  7. Казань
  8. Ярославль
  9. Томск
  10. Ростов-на-Дону
  11. Тверь
  12. Краснодар
  13. Киев

Мы знаем, что Киев является столицей другой страны, но у нас портрет аналитика, без географических ограничений. Поэтому ответы киевлян также отнесены в группу Регионы.

mean 30.63
std 6.62
min 20.00
25% 26.00
50% 30.00
75% 33.25
max 60.00
SE 0.43

mean 7.60
std 5.83
min 0.00
25% 3.00
50% 6.00
75% 10.00
max 32.00
SE 0.37

mean 4.63
std 3.83
min 0.00
25% 2.00
50% 3.00
75% 6.00
max 27.00
SE 0.25
Тип ОбразованияРесп. %
Среднее-специальное/профессиональное (техникум, училища и т.п.)31
Высшее20989
Ученая степень146
Другое (укажите)104
Численность сотрудников Респ. %
1-100 29 12
101-300 45 19
301-500 25 11
501-1000 34 14
1001-1500 12 5
1501+ 91 39

В этом вопросе можно было выбрать несколько пунктов, поэтому получилось 116%:

Тип компании Респ. %
Продуктовая 103 43
Аутсорсер 108 45
Системный интегратор 68 28
Рынок Респ. %
Иностранный рынок 44 18
Иностранный рынок (гос.структуры) 1 0.04
Российский рынок 138 58,96
Российский рынок (гос.структуры) 39 17
Сложно определить 14 6
Уровень Респ. %
Trainee 1 0.04
Junior 19 8
Middle 100 42
Senior 116 49.96

66 человек выполняют роль лидера в своих группах. Закономерно, что наибольшее число лидеров приходится на сеньорный уровень.

Уровень Число респондентов, указавших что выполняет лидерские обязанности % от общего числа респондентов этого уровня
Junior 2 10,5
Middle 3 3
Senior 61 52

mean 109915.25
std 47279.08
min 25000
25% 75000
50% 105000
75% 145000
max 205000
SE 3077.60

Как уже отмечалось, мы просили респондентов указать средний доход с учетом фиксированной, не зависящей от результатов работы, премии. В этом пункте анализируется именно он. При этом стоит отметить, что у 36% коллег есть переменная бонусная часть, которая напрямую зависит от результатов их работы.

Подавляющее большинство (96%) получает выплаты в рублях. Несколько человек в USD. Стоит отметить что в вопросе содержался недочет: у нас не было возможности указать EUR валюту или какую-либо другую.

Большинство (79%) респондентов для коммуникации по рабочим вопросам регулярно пользуются только одним языком и это русский (98%). 21% используют также и английский. Еще несколько коллег указали немецкий и испанский.

Сфера деятельности работодателя Респ. %
ГОС 7 3
Геймдев 5 2
Документооборот 13 6
Информационная безопасность 2 0.6
Логистика 29 12
Медицина 11 6
Нефтегаз 6 2.4
Прочее 70 29
Ритейл 4 2
Телеком 20 8
Финансы 62 26
Электронная коммерция 7 3

Сертификация не популярна: только 3% респондентов указали что у них есть профессиональные сертификаты.

Ниже только результаты за вычетом тех, кто указал что выполняет больше 4х видов (на каждый вид вопрос отводил 25% рабочего времени):

mean 2.65
std 1.04
min 0
25% 2
50% 3
75% 4
max 4

mean 2.35
std 1.3
min 1
25% 1
50% 2
75% 3
max 7

mean 3.97
std 1.69
min 0
25% 3
50% 4
75% 5
max 8

mean 1.88
std 1.03
min 0
25% 1
50% 2
75% 3
max 6

При этом, наибольшее количество коллег пришло на текущее место работы более двух лет назад.

Давность Респ. %
Менее месяца назад 7 3
1-6 месяцев назад 35 15
6-12 месяцев назад 43 18
1-2 года назад 61 25
Более двух лет назад 90 39

Зависимости зарплаты от различных факторов

Сравнение по качественным показателям проводилось посредством F-статистики. На графиках внизу пофакторно отображены доверительные интервалы и средние.

Сравнение по количественным показателям проводилось через тест Спирмана и построение графика регрессии.

Как и в предыдущем исследовании, все сравнения даны в разрезе городов при уровне значимости p-value = 0.05.

Ожидаемо, зависимость от города выражена ярко:

Распределения внутри городов:

Корреляция между факторами выражена: чем старше и опытнее человек, тем больше ему платят. При этом зависимость в Москве выражена не так сильно как в Питере и Регионах:

Несмотря на то что интервалы для ученой степени в Москве и высшее образование в регионах визуально отличаются, F-статистика не признала различия значимыми:

Для Питера выявлена значимая корреляция зарплаты с размером компании: чем крупнее, тем выше. Москва и Регионы такого результата не показывают:

Опять же, для Питера есть значимые различия, тогда как остальные кластеры расположений его не содержат:

В Питере и Регионах рынок, на котором работает компания, действительно значим, тогда как в Москве - нет:

В Москве и Питере значимость этого критерия выражена ярко. В регионах чуть поменьше, но это скорее проблемы выборки чем реального положения вещей:

В Питере самая сильная связь уровня дохода и лидерской позиции, а вот в Москве и Регионах она чуть слабее:

Все кластеры мест расположений офиса работодателя показали значимость, при этом в USD она выше:

Как ни парадоксально, но нет разницы между теми, у кого такая премия есть, и теми, у кого фиксированная зарплата:

Использование английского языка в качестве второго рабочего дает значимый прирост дохода в Питере и Регионах:

Примечание: на диаграммах ниже 1 - используется для регулярной рабочей коммуникации

В целом, следующие сферы деятельности работодателя дают прирост в зарплате:

  1. Финансы и Электронная коммерция (лидеры по з/п Питера);
  2. Логистика (лидер по з/п Москвы);
  3. ГОС (лидер по з/п Регионов, но при этом, сильно проигрывает в других двух регионах).

Если смотреть в целом по стране, то наиболее значимые разницы между ними в Питере. Общая картинка выглядит вот так:

Наличие сертификата для уровня дохода статистически не значимо, хотя по картинке очень хочется сказать обратное:

От самих видов анализа зависимостей нет, как и нет статистически значимой корреляции с их количеством. Но есть одна любопытная деталь: в Питере коэффициент оказался слабо отрицательным (специализация рулит?:):

В Питере и Москве этот фактор влияет на размер зарплаты, в - регионах нет. А вот сколько ролей на проекте человек совмещает, как это ни пародоксально, значимого влияния на уровень его дохода не оказывает:

От конкретного метода зависимости нет. Но в Питере есть статистически значимая (на границе) корреляция между числом методов и зарплатой:

Статистически значимых различий не выявлено:

Аналогично и для давности последней смены работы (хотя Питер очень близко подошел к границе значимости для коллег работающих более двух лет на одном месте):

Вместо заключения

Мы все еще продолжаем добывать информацию из имеющихся данных. Продолжение в следующих выпусках:)