Der Studienablauf
im detail:

In einem mehrstufigen Prozess identifizieren wir das TOP 1 % der Arbeitgebenden
Die Entdeckung neuer Datenquellen ist ein kontinuierlicher Prozess.
Die Entdeckung neuer Datenquellen ist ein kontinuierlicher Prozess. Potenzielle Quellen werden durch Karriere-Websites vonUnternehmen, HR Blogeinträge, stichwortbasierte Google-Recherchen, Ländervergleiche und Anregungen aus der Öffentlichkeitoder von unserem Beirat ermittelt.

Um die Qualität zu erhalten, werden neue Quellen vierteljährlich geprüft. Der Auswertungsprozess berücksichtigt ihre Integritätund Qualität in mehreren Dimensionen, z. B. die Art der Quelle (Audits, Umfragen, Bewertungsportale), die Art der Organisation(gemeinnützig vs. gewinnorientiert) und die Forschungsmethodik (Selbsteinschreibung vs. unabhängige Studien). Weitere Aspektesind Validierungsprozeduren, Manipulationshürden, Beschwerdeoptionen und die Kontrolle der Quelle durch akademischeBegleitung oder staatliche Schirmherrschaft.
Die Quellen werden auf ihre Relevanz und Qualität klassifiziert, um die Konsistenz des gesamten Bewertungsprozesses zu sichern.Bei dieser Klassifizierung werden verschiedene Aspekte der Quellen untersucht:
  • Art der Quelle: Entweder durch eine strukturierte Prüfung, eine Umfrage oder ein öffentliches Bewertungsportal.
  • Art der Organisation: Unterscheidung zwischen gemeinnützigen und gewinnorientierten Organisationen, um mögliche Vorurteileauszuschließen.
  • Forschungsmethodik: Auswertung, ob die Daten aus unabhängiger Forschung oder aus Selbstauskünften stammen.
  • Validierung und Aufsicht: Sicherstellen, dass die Quelle über starke Validierungsprozesse, robuste Manipulationshürden,zugängliche Mechanismen zur Beschwerdeoptionen und, wenn möglich, über Akademische- oder Regierungsunterstützung verfügt.
Die Daten werden aus Quellen gesammelt, die sich in ihrer Aktualisierungshäufigkeit unterscheiden.
Häufig aktualisierte Quellenwie Mitarbeiterbewertungsportale und soziale Medien werden mit anwendungsspezifischen Scrapern verwaltet, die die Datenautomatisch und nach einem festen Zeitplan abrufen. Quellen, die seltener aktualisiert werden, wie z. B. jährliche Auszeichnungen,werden mit generischen Anwendungen aufgerufen, die das Scrapen durch Anpassung ermöglichen.Unser Ansatz garantiert, dass so viele Informationen wie möglich aus öffentlich zugänglichen Quellen, einschließlich historischerArchive, gesammelt werden.
Um Genauigkeit und Relevanz zu garantieren, werden die Daten einem sorgfältigen Bereinigungsprozess unterzogen.
ProprietäreAlgorithmen zur Verarbeitung natürlicher Sprache („Natural Language Processing“, NLP) vergleichen Unternehmensnamen mitbestehenden Einträgen in unserer Datenbank oder identifizieren neue Einträge. Dieser Prozess wird durch eine manuelleÜberprüfung ergänzt, um die Genauigkeit der wichtigsten Datenpunkte zu sichern.Zusätzliche Details, wie Firmenadressen, Branchen und Mitarbeiterzahlen, werden manuell erfasst. Nach der Konsolidierung werdenEin- und Ausschlusskriterien verwendet, um Unternehmen zu entfernen, die zu klein oder inaktiv sind oder erheblicheReputationsprobleme hatten.
Der Bewertungsprozess ist eine mehrstufige Auswertung, die Fairness und Genauigkeit garantieren soll.
Der Prozess beginnt mit der Bewertung der Relevanz von Datenpunkten für neun wichtige Leistungskategorien. Sobald die Datenorganisiert sind, wird ein Algorithmus zur Erkennung von Anomalien verwendet, um potenzielle Fehler oder Inkonsistenzen zu erkennen,z. B. Fehler bei der Datenerfassung oder Fälle, in denen die Mitarbeitendenbewertungen manipuliert worden zu sein scheinen.Die Ergebnisse der Mitarbeitendenbewertungen werden dann auf ihre Relevanz angepasst. Diese Daten werden in den endgültigenBericht integriert, aber ihr Gewicht ist proportional zu dem Prozentsatz der Mitarbeitenden, die an den Reviews teilgenommen haben.Dadurch wird sichergestellt, dass kleinere oder weniger repräsentative Datensätze die Ergebnisse nicht übermäßig beeinflussen.Anschließend werden die Gesamtpunktzahl und die kategoriespezifischen Punktzahlen berechnet. Diese Wertungen bilden die Basis fürdas Unternehmensranking. Das TOP 1% der Unternehmen in der Zielpopulation wird für ihre hervorragenden Leistungen ausgezeichnet.
Um die Genauigkeit zu garantieren, verwenden wir robuste Qualitätssicherungsmaßnahmen.
Unser Data-Science-Team wird voneinem Data Scientist geleitet, der einen Master-Abschluss in Höherer Mathematik hat und einen Doktortitel verfolgt, mitzusätzlichen kurzfristigen Abschlüssen von der Università degli Studi di Perugia, der Ecole Normale Superieur von Bukarest undForschungserfahrung an der Universität Cambridge. Unser Forschungsteam besteht aus Mitgliedern der American MathematicalSociety, der Royal Statistical Society und der International Society for Bayesian Analysis.
Für Kunden, die sich für detaillierte Berichte entscheiden, bieten wir alle drei Monate eine erweiterte Datenerfassung undaktualisierte Werte an.
Dadurch wird sichergestellt, dass Sie Zugang zu den aktuellsten und umfassendsten Erkenntnissen haben.Mit dieser strikten und strukturierten Methodik liefern wir transparente, datengestützte Auswertungen der Unternehmensleistungund kombinieren fortschrittliche Technologien mit sorgfältiger menschlicher Kontrolle, um Qualität und Zuverlässigkeit in jederPhase zu garantieren.

Die Metaanalyse LEADING EMPLOYERS berücksichtigt u.a. eine Vielfalt an…

QUELLEN

wissenschaftliche Studien
Mitgliedschaften
Auditierungen
Befragungen
Bewertungsportale
Wettbewerbe
BENCHMARKS
Abstimmungen

THEMEN

Prosperität
HR-EXPERTISE
Gesundheit
CSR & VALUES
Zufriedenheit
BENEFITS
Talentkommunikation
image

FEEDBACKS

Statistiker
Alumni
die Öffentlichkeit
Auditoren
Mitarbeitende
Bewerbende
Fachexperten
Journalisten