.svg)
Het geheel is meer dan de som der delen: In de vorm van een metastudie analyseert LEADING EMPLOYERS een uitgebreid aantal bronnen, feedback en onderwerpen. Door alle gegevens te combineren, kan een significant hogere validiteit worden bereikt dan in een op zichzelf staand onderzoek.
De studie is
verwerken in detail:
In een proces dat uit meerdere fasen bestaat, wordt de TOP 1% van alle werkgevers geïdentificeerd.
01. Discovering and evaluating sources02. Classifying and standardising sources03. Data gathering04. Data cleaning and enrichment05. Scoring and ranking06. Quality assurance07. Enhanced reporting and updates
De ontdekking van nieuwe gegevensbronnen is een continu proces.
Potentiële bronnen worden geïdentificeerd aan de hand van carrièrewebsites van bedrijven, HR-blogberichten, Google-onderzoek op basis van trefwoorden, vergelijkingen tussen landen en suggesties van het publiek of onze adviesraad.
Om de kwaliteit te behouden, worden nieuwe bronnen elk kwartaal beoordeeld. In het evaluatieproces wordt gekeken naar hun integriteit en kwaliteit in meerdere dimensies, zoals het type bron (auditrapporten, opiniepeilingen, beoordelingsportalen), de aard van de organisatie (zonder winstoogmerk versus winstoogmerk) en de onderzoeksmethodologie (zelfinschrijving versus onafhankelijke studies). Bijkomende overwegingen zijn onder meer validatiemechanismen, manipulatiebarrières, klachteninstrumenten en of de bron onder toezicht staat van academische instellingen of overheidsinstanties.
Om de kwaliteit te behouden, worden nieuwe bronnen elk kwartaal beoordeeld. In het evaluatieproces wordt gekeken naar hun integriteit en kwaliteit in meerdere dimensies, zoals het type bron (auditrapporten, opiniepeilingen, beoordelingsportalen), de aard van de organisatie (zonder winstoogmerk versus winstoogmerk) en de onderzoeksmethodologie (zelfinschrijving versus onafhankelijke studies). Bijkomende overwegingen zijn onder meer validatiemechanismen, manipulatiebarrières, klachteninstrumenten en of de bron onder toezicht staat van academische instellingen of overheidsinstanties.
Bronnen worden geclassificeerd op basis van hun relevantie en kwaliteit om te zorgen voor consistentie gedurende het hele beoordelingsproces. In deze classificatie worden verschillende aspecten van de bronnen onderzocht:
- Soort bron: Of het nu gaat om een gestructureerde audit, een peiling of een openbaar beoordelingsportaal.
- Soort organisatie: Onderscheid maken tussen entiteiten zonder winstoogmerk en entiteiten met winstoogmerk om rekening te houden met mogelijke vooroordelen.
- Onderzoeksaanpak: Evalueren of de gegevens afkomstig zijn van onafhankelijk onderzoek of zelfinschrijvingsmechanismen.
- Validatie en toezicht: Ervoor zorgen dat de bron beschikt over sterke validatieprocessen, robuuste barrières voor manipulatie, toegankelijke mechanismen voor klachtenoplossing en, waar mogelijk, academische of overheidsgoedkeuring.
Gegevens worden verzameld uit bronnen die verschillen in hun updatefrequentie
Regelmatig bijgewerkte bronnen, zoals beoordelingsportalen voor werknemers en sociale media, worden beheerd met speciaal ontworpen schrapers die automatisch gegevens ophalen op een geplande basis. Bronnen die minder vaak worden bijgewerkt, zoals jaarlijkse prijzen, zijn toegankelijk met behulp van generieke hulpmiddelen waarmee u kunt marginaal vooruitgang boeken op het gebied van maatwerk.
Onze aanpak zorgt ervoor dat maximale informatie wordt verzameld uit openbaar toegankelijke bronnen, waaronder historische archieven.
Onze aanpak zorgt ervoor dat maximale informatie wordt verzameld uit openbaar toegankelijke bronnen, waaronder historische archieven.
Om de nauwkeurigheid en relevantie te garanderen, ondergaan de gegevens een nauwgezet reinigingsproces.
Gepatenteerde algoritmen voor natuurlijke taalverwerking (NLP) koppelen bedrijfsnamen aan bestaande records in onze database of identificeren nieuwe gegevens. Handmatige verificatie vormt een aanvulling op dit proces om de nauwkeurigheid van belangrijke gegevenspunten te garanderen.
Aanvullende gegevens, zoals bedrijfsadressen, bedrijfstakken en personeelsaantallen, worden handmatig verzameld. Na de consolidatie worden inclusie- en uitsluitingscriteria toegepast om bedrijven te verwijderen die te klein of inactief zijn of te maken hebben gehad met aanzienlijke reputatieproblemen.
Aanvullende gegevens, zoals bedrijfsadressen, bedrijfstakken en personeelsaantallen, worden handmatig verzameld. Na de consolidatie worden inclusie- en uitsluitingscriteria toegepast om bedrijven te verwijderen die te klein of inactief zijn of te maken hebben gehad met aanzienlijke reputatieproblemen.
Het scoreproces is een evaluatie in meerdere stappen die is ontworpen om eerlijkheid en nauwkeurigheid te garanderen.
Het proces begint met het beoordelen van de relevantie van datapunten voor negen belangrijke prestatiecategorieën. Zodra de gegevens zijn georganiseerd, wordt een algoritme voor het detecteren van afwijkingen toegepast om mogelijke fouten of inconsistenties te identificeren, zoals fouten tijdens het verzamelen van gegevens of gevallen waarin de beoordelingsscores van werknemers lijken te zijn gemanipuleerd.
De beoordelingsscores van werknemers worden vervolgens aangepast voor relevantie. Deze scores zijn opgenomen in het eindrapport, maar hun gewicht is evenredig met het percentage werknemers dat heeft deelgenomen aan de beoordelingen. Dit zorgt ervoor dat kleinere of minder representatieve datasets de resultaten niet onnodig beïnvloeden.
Vervolgens worden algemene scores en categoriespecifieke scores berekend. Deze scores vormen de basis van de bedrijfsranglijsten. De TOP 1% van de bedrijven in de doelgroep wordt erkend voor hun uitstekende prestaties.
De beoordelingsscores van werknemers worden vervolgens aangepast voor relevantie. Deze scores zijn opgenomen in het eindrapport, maar hun gewicht is evenredig met het percentage werknemers dat heeft deelgenomen aan de beoordelingen. Dit zorgt ervoor dat kleinere of minder representatieve datasets de resultaten niet onnodig beïnvloeden.
Vervolgens worden algemene scores en categoriespecifieke scores berekend. Deze scores vormen de basis van de bedrijfsranglijsten. De TOP 1% van de bedrijven in de doelgroep wordt erkend voor hun uitstekende prestaties.
Om de nauwkeurigheid te garanderen, maken we gebruik van robuuste kwaliteitsborgingsmaatregelen.
Ons data science-team wordt geleid door een datawetenschapper met een masterdiploma in geavanceerde wiskunde en die een doctoraat volgt, met aanvullende kortetermijnopleidingen van de Università degli Studi DiPerugia, Ecole Normale Superieur van Boekarest en onderzoekservaring aan de universiteit van Cambridge. Ons onderzoeksteam bestaat uit leden van de American Mathematical Society, Royal Statistical Society en de International Society for Bayesian Analysis.
Voor klanten die kiezen voor gedetailleerde rapporten, bieden we elke drie maanden een verbeterde gegevensverzameling en bijgewerkte scores.
Dit zorgt ervoor dat belanghebbenden toegang hebben tot de meest actuele en uitgebreide inzichten. Door middel van deze rigoureuze en gestructureerde methodologie leveren we transparante, datagestuurde evaluaties van de bedrijfsprestaties, waarbij we geavanceerde technologieën combineren met nauwgezet menselijk toezicht om kwaliteit en betrouwbaarheid in elke fase te garanderen.
Detailed methodology PDF
Oops! Something went wrong while submitting the form.
