教育培训薪酬对标方案
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-ux5e2k6b/mayihr-industry-plus-0583。
技能介绍
要解决的问题
教育/培训机构在薪酬设计时常遇到三类落地难点:
- 内部数据分散:固定工资、课时费、续费提成、股权激励等信息散落在不同表格,缺少统一口径,难快速核对规则。
- 外部对标缺失:市场分位值不透明,岗位边界模糊(如“主讲”“教研”“学管”),难以判断薪酬处于行业低位、中位还是高位。
- 合规与业务平衡:浮动薪酬占比过高易引发劳动争议,过低则影响招生与教师稳定性;同时需关注地区最低工资、社保公积金基数等政策约束。
技能如何工作
核心逻辑是“先确认事实,再输出可复核方案”,避免用模糊估算替代具体数据。
- 提取与补全信息:从用户自然语言或上传文件提取已确认的行业、地区、规模、岗位数据,仅追问完成任务所缺的最少必要项(如“企业类型是营利性还是非营利性”“是否涉及异地用工”)。无需填写内部JSON,不要求蚂蚁HR账号或员工编号。
- 结构化校验:检查字段完整性(如“固定/浮动比例”是否缺失)、口径一致性(如“月均收入”是否包含社保个人部分)、时间范围匹配(对标数据是否在12个月内),并排查重复值与异常值(如课时费远超市场80分位)。
- 生成可落地方案:将事实、参数、判断依据分开,输出含岗位薪酬结构(固定/浮动/长期激励)、市场分位值对标、调薪策略(幅度、节奏、触发条件)的专项方案;同步生成风险清单(如“试用期工资是否低于当地最低标准”)与整改措施。
- 确定性计算:需要精确测算时,将已确认信息写入内部临时JSON并运行
python scripts/run.py --input ... --output ...,结果包含明细表与结论,可直接用于内部评审。
适用边界与注意点
适合需要“教育/培训行业薪酬结构分析+市场对标”的场景,以下是关键注意点:
- 外部数据需标注来源、样本时间与适用范围,如“引用2023年长三角地区民办培训机构薪酬调研,样本量200家”。
- 输入不足时输出“待补充清单”,不用看似精确的数字替代未知事实(如“无法确定企业规模时,不假设‘中型机构’分位值”)。
- 不声称已完成申报、审批或系统写入,方案需经人工确认后落地执行。
使用场景
- 用户说:请做教育培训薪酬结构与市场对标。技能提取行业、地区、规模后生成方案。
- 上传岗位表和薪酬明细,需要核查字段口径、异常值和合规风险。
- 已有历史薪酬数据,需要按地区和岗位计算分位值并导出表格。
- 年度调薪时,需要输出调薪策略、风险清单和待确认行动项。
适合人员
- 教育培训行业HR,需要设计固定、浮动与股权薪酬结构并控制成本。
- 薪酬专员,需要核对市场分位值、调薪幅度与合规口径。
- 多校区运营负责人,需要制定跨地区讲师薪酬方案。
- 企业管理者,需要审核薪酬风险清单和待确认行动项。