대부분의 구직자가 신뢰하는 급여 데이터는 잘못되었습니다. 대신 살펴볼 곳은 다음과 같습니다.

대부분의 온라인 급여 데이터가 생각보다 정확도가 떨어지는 이유는 무엇입니까?

대부분의 구직자는 다른 온라인 검색과 동일한 방식으로 급여 조사에 접근합니다. 그들은 나타나는 첫 번째 플랫폼에 직위와 위치를 입력하고 평균을 훑어본 다음 그 숫자를 사실로 취급합니다. 이 과정은 90초가 걸립니다. 각 급여가 다음 급여의 기준이 되고 첫 번째 협상에서 5%의 부족분은 일회성 손실이 아니기 때문에 잘못된 결과는 전체 경력에 걸쳐 복합적으로 발생합니다. 그것은 복합적인 것입니다.

온라인 급여 데이터의 구조적 문제는 의도적으로 오해를 불러일으키는 것이 아닙니다. 이를 수집하는 플랫폼의 인센티브가 이를 사용하는 사람들의 정확성 요구와 근본적으로 어긋난다는 것입니다. 자체 보고 급여 사이트는 사용자 제출에 따라 데이터베이스를 구축합니다. 제출하는 사용자는 인력의 무작위 표본이 아닙니다. 그들은 불균형적으로 평균 이상의 소득을 갖고 공유하고 싶어하는 사람들이거나, 평균 이하의 소득을 갖고 떠나기 전에 벤치마킹하고 싶은 사람들입니다. 두 그룹 모두 샘플링 편향을 도입하고 둘 다 총 수치를 실제 시장 중앙값에서 멀어지게 합니다. 자체 보고된 플랫폼을 검증된 고용주 데이터와 비교한 스탠포드 노동 경제학자의 연구에 따르면 Glassdoor 급여는 실제 시장 중앙값보다 5%~15% 더 높은 것으로 나타났습니다(Payscale, "보상 모범 사례 보고서", 2025). 오류의 방향은 일관됩니다. 역할에 따라 크기가 다릅니다. 모든 경우에 의미는 동일합니다. 귀하가 보고 있는 금액은 아마도 대부분의 고용주가 실제로 지불하는 금액보다 높을 것입니다.

샘플링 문제를 더욱 복잡하게 만드는 것은 부실 문제입니다. 무료 플랫폼의 급여 데이터는 수년 동안 업데이트되지 않은 상태로 유지될 수 있습니다. 2022년 소프트웨어 엔지니어 급여는 더 이상 존재하지 않는 채용 시장을 반영합니다. 2023년부터 시작되는 마케팅 관리자 급여는 기업이 해당 기술에 지불하는 금액을 변화시킨 AI 기반 구조 조정보다 먼저 적용됩니다. 지난 대선 이후 업데이트되지 않은 데이터에 의존하는 것은 연구가 아니다. 이는 귀하의 재무 궤도를 형성하는 숫자를 이용한 도박이며, 확률은 귀하에게 유리하지 않습니다.

급여 데이터 환경: 숫자의 실제 출처

올바른 데이터 소스를 선택하기 전에 각 소스에 실제로 어떤 종류의 데이터가 포함되어 있는지 이해해야 합니다. 급여 플랫폼이 모두 동일한 것을 측정하는 것은 아닙니다. 그들은 모두 같은 방식으로 데이터를 수집하지 않습니다. 그리고 그들은 협상에서 모두 같은 목적을 수행하지 않습니다. 브랜드 이름이 아닌 데이터 유형별로 그룹화하면 어떤 항목이 연구 스택에 속하는지 명확해집니다.

정부 데이터 세트는 신뢰성 계층의 최상위에 위치합니다. 노동 통계국 직업 고용 및 임금 통계 프로그램은 830개 직업에 걸쳐 약 110만 개 시설을 조사하고 지리적 분석과 함께 실제 고용주가 제출한 임금 데이터를 보고합니다. 이 데이터는 통계적으로 엄격하고 거의 모든 산업을 포괄하며 연방 의무 조사의 중요성을 담고 있습니다. 또한 이는 시장보다 12~18개월 뒤처지며 총 보상에 평균 29.5%를 추가하는 보너스, 자산 또는 혜택을 포함하지 않습니다. 정부 데이터는 당신에게 바닥을 제공합니다. 이는 상한선을 제공하지 않으며 오스틴의 기술 스타트업이 다음 주 수석 제품 관리자에게 제공할 구체적인 수치를 제공하지 않습니다(Salary.com).

Levels.fyi 및 Glassdoor와 같은 크라우드소싱 플랫폼은 정부 데이터가 메울 수 없는 적시성 격차를 메웁니다. 기술 보상에 대한 표준 참조가 된 Levels.fyi는 자체 보고서를 액면 그대로 받아들이는 대신 제안서 및 W-2 양식을 기준으로 제출물을 확인합니다. 총 보상은 기본급, 자기자본, 계약 보너스, 성과 보너스로 구분되는데, 이는 공공 기술 기업에서 자기자본이 총 보상의 40% 이상을 차지할 수 있기 때문에 중요합니다. 단점은 적용 범위입니다. Levels.fyi 제출의 70% 이상이 소프트웨어 엔지니어링 역할입니다. 이 플랫폼은 틈새 시장에서 예외적이며 외부의 모든 사람에게는 거의 쓸모가 없습니다.

채용 공고 수집기는 최신 카테고리를 나타내며 어떤 면에서는 구직자에게 가장 직접적으로 유용한 카테고리입니다. Comprehensive.io 및 HireJack과 같은 플랫폼은 직원 자체 보고에 의존하지 않고 고용주 채용 공고에서 직접 급여 범위를 추출합니다. 급여 투명성 법률은 현재 16개 주에 걸쳐 약 6천만 명의 미국 근로자에게 적용되므로 고용주가 공개한 급여 범위를 포함하는 게시물의 비율이 점점 늘어나고 있습니다. 데이터는 실시간 게시에서 비롯되므로 채용 시장 자체만큼 최신 상태입니다. 한계는 적용 범위입니다. 공개된 범위에서 적극적으로 채용되지 않는 역할은 데이터 세트에 표시되지 않습니다. 그러나 그것이 실제로 나타날 때 그 수치는 낯선 사람의 자기 보고가 아닌 고용주 자신의 예산에서 나온 것입니다.

차트의 숫자는 급여 조사가 잘못되었을 때 어떤 일이 발생하는지, 그리고 얼마나 자주 발생하는지를 나타냅니다. 절반 이상의 직원은 협상을 전혀 하지 않으며, 테이블 위에 있는 것은 무엇이든 그대로 둡니다. 고용주의 약 3분의 2가 지원자가 검증되지 않은 데이터를 가지고 도착했다고 보고합니다. 자체 보고된 급여 수치의 거의 절반이 15% 이상 감소했습니다. 그리고 실패한 협상의 거의 4분의 3은 취약한 후보가 아닌 취약한 데이터로 인해 발생합니다. 패턴이 은은하지 않아요. 협상에서 패한 사람들은 자격이 부족한 사람들이 아닙니다. 그들은 정보가 부족하고, 올바른 출처 대신 가장 쉬운 출처를 신뢰했기 때문에 정보도 부족합니다.

특정 상황에 대해 어떤 출처를 신뢰해야 합니까?

모든 역할, 산업 및 협상 상황에 적합한 단일 급여 플랫폼은 없습니다. 올바른 소스는 귀하가 연구하는 역할의 종류, 현재 채용 프로세스의 어느 단계에 있는지, 그리고 어떤 종류의 회사와 대화하고 있는지에 따라 다릅니다. 아래 매트릭스는 각 카테고리가 연구에서 그 자리를 차지하는 시나리오에 대해 주요 데이터 소스 카테고리를 매핑합니다.

표는 순위가 아닙니다. 의사결정 도구입니다. Series C 스타트업의 제안을 협상하는 소프트웨어 엔지니어는 지분 데이터를 위한 Levels.fyi와 경쟁업체가 광고하는 채용 공고 수집기가 필요합니다. 특정 병원 시스템에서 급여를 조사하는 간호사는 지역 기준선에 대한 BLS 데이터와 시설별 범위에 대한 Glassdoor가 필요합니다. 다른 역할, 다른 스택, 다른 숫자. 유일한 보편적인 규칙은 하나의 소스로는 결코 충분하지 않다는 것입니다.

삼각 측량 방법: 잘못된 데이터를 제거하는 3가지 소스 규칙

가장 신뢰할 수 있는 급여 조사 습관은 삼각측량입니다. 세 개의 독립적인 데이터 소스를 확인하고 합리적인 범위 내에 수렴되는 숫자만 신뢰하는 것입니다. BLS가 귀하의 도시에서 귀하의 역할에 대한 중간값이 $72,000라고 말하고 채용 공고 수집기가 $68,000에서 $82,000 범위의 현재 공고를 표시하고 Levels.fyi가 약 $75,000에 밀집된 검증된 제안을 표시한다면 귀하는 좁고 방어 가능한 범위를 가지고 있는 것입니다. Glassdoor에 $95,000가 표시되고 다른 모든 항목이 $72,000로 표시되면 협상 카드가 아니라 버려야 할 이상값이 있는 것입니다.

개수만큼 순서가 중요합니다. 기준선에 대한 정부 데이터로 시작하십시오. 이동 속도는 가장 느리지만 자체 보고된 데이터 세트와 일치할 수 없는 방식으로 통계적으로 대표성을 갖기 때문에 무시하기가 가장 어렵습니다. 그런 다음 역할별 소스를 확인하세요. 기술에 대한 Levels.fyi, 법률 또는 의학에 대한 전문 협회 설문 조사, 회계 또는 관리 역할에 대한 업계 급여 가이드. 채용 공고 수집기를 사용하거나 대상 지역의 실시간 공고를 검색하고 공개된 급여 범위를 포함하는 역할을 필터링하여 현재 시장 조사를 마무리하세요. 전체 과정은 20분 정도 걸립니다. 삼각측량 숫자와 단일 소스 추측의 차이는 힘을 가지고 협상하는 것과 대화를 끝내는 것을 요구하지 않기를 바라는 것의 차이입니다.

범위가 있으면 여기에 신뢰 수준을 추가하십시오. 정부 데이터, 검증된 플랫폼 제출, 현재 고용주가 게시한 범위를 통해 확인된 수치는 높은 신뢰도입니다. 변동이 크고 오래된 항목이 포함된 단일 자체 보고 플랫폼의 수치는 신뢰도가 낮습니다. 귀하의 신뢰도를 고용주와 공유할 필요는 없습니다. 요청을 신뢰도가 높은 데이터에 고정하고 신뢰도가 낮은 데이터는 고용주의 제안이 사전에 수집할 수 없는 정보를 공개할 때 조정할 수 있을 만큼 느슨하게 보관할 수 있도록 이를 직접 알아야 합니다.

연구에서 협상까지: 스프레드시트처럼 들리지 않고 데이터 사용

정확한 급여 데이터 수집이 전제 조건입니다. 로봇적이거나 적대적인 것처럼 들리지 않고 협상에서 이를 전달하는 것은 연구를 돈으로 전환하는 기술입니다. 대부분의 후보자는 두 가지 실수 중 하나를 범합니다. 그들은 법정에서 증거를 제시하는 것처럼 데이터를 인용하여 고용주를 방어적으로 만들거나, 데이터를 전혀 인용하지 않아 질문이 아무것도 없이 허공에 떠다니게 만듭니다. 중간 경로가 극단적인 경로보다 더 잘 작동합니다.

단일 숫자가 아닌 범위로 엽니다. 단일 숫자는 예 또는 아니요를 초대합니다. 범위는 대화를 엽니다. 효과적인 표현은 다음과 같습니다. "이 지역에서 이 역할에 대한 현재 시장 가격에 대한 조사를 바탕으로 X에서 Y 범위의 무언가를 기대하고 있었습니다. 예산을 책정한 것과 비교하면 어떻습니까?" 마지막 질문은 요구를 초대로 바꿔줍니다. 또한 고용주는 귀하의 범위가 예산 범위 내에서 약간 높지만 협상 가능하거나 훨씬 높으며, 이 경우 해당 역할을 수락하기 전에 해당 역할에 대해 귀중한 것을 배웠다고 말할 여지를 제공합니다.

출처를 자세히 언급하지 말고 지나가는 동안 참고하세요. 날씨에 관한 대화에서 출처를 인용할 필요가 없는 것처럼 협상에서 Levels.fyi 또는 BLS의 이름을 지정할 필요가 없습니다. 중요한 것은 추측하는 사람이 아니라 작업을 수행한 사람처럼 들리는 것입니다. "이 지역의 유사한 역할에 대한 시장 데이터"와 같은 문구는 증언을 읽는 것처럼 들리지 않으면서 연구 신뢰도를 전달합니다. 고용주가 귀하의 범위를 뒤로 밀면 그때가 바로 귀하가 구체적으로 설명하는 시점입니다. "비교 가능한 회사에서 이 수준에 대해 검증된 제안 데이터와 X와 Y 사이의 범위를 공개하는 현재 게시물을 보고 있습니다." 특이성은 백업입니다. 자신감이 당신의 시작입니다.

협상에서 승리하는 후보자는 가장 공격적인 요구를 하는 후보자가 아닙니다. 그들은 양측이 실제처럼 취급할 수 있는 숫자를 바탕으로 요청을 하는 사람들입니다. 고용주는 귀하의 선호 사항에 대해 논쟁을 벌일 수 있습니다. 양측이 '예'로 끝내고 싶어하는 대화의 공유 출발점으로 자존심 없이 차분하게 제시된 검증된 시장 데이터를 가지고 논쟁을 벌이는 것은 훨씬 더 어렵습니다. 연구는 당신을 대신해 논쟁을 벌입니다. 당신의 임무는 세상에서 가장 자연스러운 것처럼 전달하는 것입니다. 왜냐하면 20분간의 삼각 측량 후에는 자연스럽기 때문입니다.

정확한 급여 데이터가 더 높은 제안을 보장하지는 않습니다. 어떤 데이터도 고용주가 예산이 허용하는 것보다 더 많은 비용을 지불하도록 강요할 수 없으며, 그 어떤 출처도 그들이 그 역할을 얼마나 긴급하게 수행해야 하는지 예측할 수 없습니다. 정확한 데이터는 급여 협상에서 강제되지 않은 가장 큰 단일 오류를 제거하는 것입니다. 즉, 잘못된 출처를 신뢰했기 때문에 잘못된 번호를 묻는 것입니다. 해당 오류를 수정하는 데는 하나가 아닌 세 개의 소스를 확인하는 데 걸리는 20분 외에는 비용이 들지 않습니다. 경력 전반에 걸쳐 그 20분의 수익은 수십만 달러로 측정됩니다. 그 비율로는 투자가 많지 않습니다. 거의 아무도 만들지 않는 것이 훨씬 적습니다.