"Ons bestuur had al enige tijd de wens om inzicht te krijgen in de vraag of wij als organisatie voldoen aan het principe van 鈥榚qual pay for equal work鈥.鈥 Aan het woord is Edwin Dortland, manager P&O bij woningcorporatie Woonstad Rotterdam. 鈥淲e hadden daar zelf al een aantal keer berekeningen op losgelaten vanuit de salarisadministratie, maar we zochten naar een transparante en beproefde methode. Die vonden we bij Erasmus Q-Intelligence. Zij hebben vorig jaar een loonkloofonderzoek bij ons uitgevoerd, waarna we hen meteen de opdracht hebben gegeven om ook verder te gaan met een deep dive-onderzoek.鈥
De ongecorrigeerde en gecorrigeerde loonkloof
鈥淒e loonkloof is het verschil in beloning tussen twee groepen mensen. Vaak gaat het om geslacht, maar het kan ook gaan over afkomst. Er bestaan twee soorten loonkloven鈥, vertelt Buis Boone, data scientist bij Erasmus Q-Intelligence en als onderzoeker betrokken bij het loonkloofonderzoek bij Woonstad Rotterdam. 鈥淒e ongecorrigeerde loonkloof vergelijkt de salarissen tussen mannen en vrouwen, ongeacht hun functie of hun positie. Je vergelijkt dan eigenlijk iemand van de administratie met de CEO. Deze kloof is groot, omdat er nou eenmaal meer mannen hogere functies bekleden dan vrouwen en in andere sectoren werkzaam zijn.鈥 Om echt een goed beeld te krijgen van het principe 鈥榚qual pay for equal work鈥, moet er ook een gecorrigeerde loonkloof bepaald worden. 鈥淚n dit onderzoek worden mensen met vergelijkbare eigenschappen met elkaar vergeleken. Denk daarbij aan functiezwaarte, opleiding, leeftijd en werkervaring. Dit zijn legitieme redenen voor een loonkloof, maar geslacht of afkomst zijn dat niet. Als je corrigeert voor die factoren, ontstaat er een zuiver beeld van in hoeverre werknemers gelijk beloond worden voor gelijk werk.鈥
Loonkloofonderzoek
Erasmus Q-Intelligence heeft samen met Erasmus School of Economics een integrale aanpak ontwikkeld voor loonkloofonderzoek. Het onderzoek bij Woonstad Rotterdam begon met het aanleveren van de data die nodig is om de statistische modellen te vullen die Erasmus Q-Intelligence gebruikt om de loonkloof op een transparante manier inzichtelijk te maken. 鈥淒at was alles dat wij hoefden te doen, naast uiteraard het geven van toelichting op onze organisatiecontext鈥, vervolgt Dortland. 鈥淗et grote werk ligt bij Erasmus Q-Intelligence. In een aantal sessies namen ze ons mee in het onderzoek en konden wij input leveren waar nodig. Wij ontvingen uiteindelijk een helder rapport, met daarin inzicht in de loonkloven, verdeeld over de verschillende categorie毛n.鈥 De P&O-manager heeft het contact met Erasmus Q-Intelligence als zeer prettig ervaren. 鈥淒e dienstverlening is heel persoonlijk. De lijnen zijn kort, er wordt snel gereageerd en er is veel bereidheid om nog dieper in te gaan op vragen of twijfels die er zijn.鈥 Bij Woonstad Rotterdam bleek er een ongecorrigeerde loonkloof van 8,1% te bestaan en een gecorrigeerde loonkloof van 1,6%. 鈥淥ndanks dat deze percentages te overzien zijn, betekent het wel dat er werk aan de winkel is鈥, aldus Dortland. 鈥淒aarom hebben we meteen een deep dive-onderzoek aangevraagd dat ons nog beter inzicht geeft in waar de loonkloof nu precies zit.鈥
Certificering
Op Europees niveau is om de beloningsongelijkheid tussen mannen en vrouwen te reduceren de Pay Transparency Directive opgesteld. Organisaties met meer dan 100 werknemers moeten vanaf 2027 rapporteren over de beloningsongelijkheid in hun organisatie. Hierbij gaat het vooral om het verschil in beloning tussen mannen en vrouwen voor vergelijkbaar werk. Erasmus Q-Intelligence biedt organisaties die zich inzetten voor gelijke beloning de 鈥楨qual Pay Employer-certificering. Met deze certificering voldoen oragnisaties aan de eisen voor de Pay Transparency Directive.
Erasmus Q-Intelligence zet zich in voor (onderzoek naar) gelijke beloning. Met onze Equal Pay benadering en 鈥Equal Pay Employer certificering鈥 kunnen organisaties voldoen aan de Pay Transparency Directive. Erasmus Q-Intelligence is verbonden aan het Econometrisch Instituut aan Erasmus Universiteit Rotterdam en helpt organisaties om positieve impact te maken met behulp van data-analyse en AI.