其他

为什么说跳槽加薪低于30%,等于在“降薪”?

2018-03-29 经管之家

来源:“人神共奋”微信公众号,感谢授权,推荐关注

1/5

降薪进名企,值得吗?


后台有人咨询:


最近有一个行业No.1的大公司的机会,我非常想尝试,但代价是薪水几乎没有增加,因为对方把我的职位降了一级。我到底要不要把握这个机会?


“要不要跳槽到大公司”,这个问题没什么讨论价值,有机会当然要试试;但如果把问题改一改——“要不要降薪跳槽到大公司”,这个问题就值得讨论了。


这个同学可能要说:我不是降薪,只是没有加薪而已。


这就是我首先要澄清的观念:跳槽没有30%以上的加薪,等于降薪。


2/5

为什么你成了“次品劳动力”


几个大学生在做课题研究时发现,本大学的自行车被盗率约为5%,这几个学生颇有经营头脑,发起了“校园保险项目”,自行车被盗险,保费为15%,按道理,这10%的差额就是利润。


但这个项目最终以亏损告终,为什么呢?因为前来投保要么是“马大哈”,要么本身就是骗保的,这些人自行车被盗比例远远超过5%,而那些安全意识强的学生才不会花这个冤枉钱呢。


投保者对保险条款和自己的情况知道得一清二楚,而“保险公司”却对投保者一无所知,不骗你骗谁呢?这在经济学上被称为“信息不对称”,这个领域被称为“信息经济学”,它研究的目的就是“怎么让信息更低成本的流动”“怎么防止被骗”“如何让人讲真话,如何让人信守承诺”,等等。


劳动力市场上的招聘就是一个典型的“信息不对称”的交易。


我记得我头一年招人的时候,研究了大量招聘话术,以判断应聘者是否具有相应的能力,但到了第二年,我就只看学历、工作背景这些硬指标了。


我发现,在对方做了充分准备的情况下,在网上到处都是应聘技巧的年代,想要靠几十分钟的对话去判断一个人的能力,还不如看星座。


按照“信息经济学”的说法,你的学历、工作时间属于“公有信息”,你的专业能力、个人品质,属于“私有信息”。在信息不对称的情况下,用人单位最好的办法,就是只相信“公有信息”,而对“私有信息”打折。


为什么呢?举一个买二手车的例子。


在二手车买卖中,“外观、行驶里程、使用年限”属于可靠度很高的“公有信息”,代表了车的“公允价格”,“保养维修情况”属于只有卖车人才知道的“私有信息”,不管卖车的人吹得天花乱坠,买车人对此永远是怀疑的。


为了保护自己,买车人通常会假定对方在说谎,开出一个坏车的价格。这样,买到好车就赚了,买到坏车也不吃亏,这就是对“私有信息”打折。


同理,在招聘中,大公司知名度高,“工作经验”属于保值升值的“公有信息”,一般从大公司向小公司跳槽,都会在这一项上提升20%的薪水。


相反,不知名的小公司的“工作经验”就是“私有信息”,往大公司跳,用人方就要打折。


再来说一说,为什么加薪幅度低于30%的跳槽等于降薪呢?这也跟信息不对称有关。


有经济学家建立过一个“次品劳动力”的模型。原理是这样的:一家公司,能力最强的人最容易跳槽,能力最差的人最容易被辞退,但跳槽和辞退是无法分辨的“私有信息”。


所以,履历表上的任何职业变动,特别是在一家公司呆不满两年,都要被奉行“有罪假定”的HR们怀疑是“次品劳动力”。


也就是说,你的这一次跳槽,会导致你在下一次跳槽时价值下降,那么,唯一的办法就是在这一次跳槽时,预先把薪水提上去。再加上跳槽面临的风险,达不到30%涨幅的跳槽,都是降薪要谨慎


这两个因素叠加,使得从小公司跳到知名公司的薪水常常是“名义持平、实际下降”。


那么,这种跳槽到底值不值得呢?我们还是要从“信息经济学”中寻找答案。

 

3/5

跳出“劣币驱逐良币”的恶性循环


还是从“二手车交易”说起:刚才说到买车人的心态,甭管好车坏车,一律当坏车出价。这么一来,拿好车的卖车人不干了:凭什么啊,我自己这么爱惜车,你上手就给我打八折?不卖了!


这么一来,二手市场上能交易的,就只有坏车了,时间一长,买车人也知道这儿没好车,但坏车也是分等级的,买车人只能把所有的坏车当成“更坏的车”出价


这个“劣币驱逐良币”的逆向选择继续下去,就会导致二手市场的崩溃。所以,信息经济学家认为,只要有“信息不对称”,交易最终都无法进行

 

现实生活中,二手车市场还是活得好好的,这是因为有大量第三方评估机构在起作用,他们凭着专业经验,提供了车辆的实际使用情况和真正价值,把“私有信息”变成“公有信息”,这就是打破了“信息不对称”。


在招聘中,你想证明自己的价值,思路也是一样的,一定要把个人能力的“私有信息”变成有公信力的“公有信息”


如何做到这一点呢?我先来分析一个招聘中最“保值”的指标——学历。


4/5

教育的主要功能是鉴别人才?


不知道大家有没有想过,既然大家都知道学历跟能力不能划等号,那为什么在招聘(特别是校招)中,名校学历是决定性的因素?


有一个经济学家叫斯宾塞,他在研究了劳动力市场后,提出了一个理论——教育信号传递,并因此获得了2001年的诺贝尔经济学奖。


斯宾塞认为:大学教育对于劳动力市场而言最主要的功能不是培养人才,而是鉴别人才,把人划成三五九等后,向用人市场传递价格。


和氏壁的故事大家听说过吧,教育就像和氏,把玉外面的石头敲碎,看看里面有没有玉,有的话,就打磨一下,最后贴上自己的品牌——“XX大学出品”。


这就是大公司校招时那么看中你是不是985、211的原因,不仅仅因为它们教育质量高,也是因为这些学校在招生时,已经帮你鉴别了人才。


在中国,起关键作用的是高考。这么多年,大家一直在吐槽高考的缺点,可它仍然无可取代。因为它再不靠谱,也比你通过面试判断一个人有没有能力要靠谱吧?


事实上,三年高中,基本上是一个漫长的人才鉴别过程——无毅力的,淘汰;不够聪明的,淘汰……


想一想,为什么我们在本应放肆的青春期,把自己禁锢在书本的世界里;为什么别人上大学在玩,你却要继续辛苦,想通过考研换一所更好的学校? 


因为你要把“勤奋、高效率、高智商”等等代表个人能力的“私有信息”,转化为一个人人都能看得懂的“公有信息”——985、211的学历,去敲开另一个更重要的“公有信息”——知名企业的工作经验。


把“私有信息”转变成“公有信息”,意味着“价值上升”,任何有价值的东西,想要获得它,都需要付出代价。


高考,你付出了三年的时间;

二手车交易,要向第三方评估机构付费; 

小公司跳槽到大公司,代价就是降薪


但因为你的工作经验变成了更有价值有“公有信息”,而且,你还是机会把薪水恢复到正常水平,所以总体上还是一个理性的选择。


5/5

你能让信息有公信力,你就控制了一笔看不见的财富


用“降薪进入名企”的方式把“私有信息公有化”,就算你一年后能把薪水调到正常水平,成本也很高。其实在信息时代,总有一些更经济的办法,比如:


利用行业有影响力的交流机会,进入行业内人士的圈子,发出自己的观点

利用网上专业论坛、有影响力的平台,发表自己的文章

利用有影响力的行业平台,帮助别人解决问题

参加行业内有影响力的评比……


有人说,这不就是“混圈子”吗?不一样的,“混圈子”只能给你一张“门票”,无法证明你的能力。上面的方法都要求你去解决问题和发表观点,其核心都是把“自己的能力”转化成高知名度的“公有信息”。


政治学说:谁垄断了信息的阐释权,谁就掌握了权力;

经济学说:你能让信息有公信力,你就控制了一笔看不见的财富。


如果说信息就是财富,那么得到的方法有两种:


一种是利用信息不对称赚取利益,就像利用各种面试技巧,取得面试官的信任;

一种是让自己的能力“公有化”,利用信息透明化,来降低交易成本。


你喜欢哪一种呢?


5年,经管之家公众号6500篇文章,

这里是丰富而全面的经管知识库+财经百宝箱

经济系列:经典书单 | 入门书籍 | 宏观框架 | 经济模型 | 经济预测 | 纳什均衡 | 简史 | 调控 | 学习体会 | 经济思维 | 供给侧改革 | 博奕论 | 科斯 | 奥地利学派 | 成本 | 学习手记 | 宏观思辩

 

金融系列:学习书目 | 金融体系 | 书单 | 投资思维 | 估值 | 银行 | 资产配置 | 投行 | 量化投资 | 建模 | 研究员 | 对冲基金 | 股市交易 | 行为金融 | 宏观分析 | 尽职调查 | 研究 | 金融读博

 

管理系列:企业案例 | 精选书单 | 公司治理 | 咨询模型 | 行业干货 | 商业分析 | 管理圣经 | 营销

 

财经系列:中产阶级 | 爱情经济学 | 奢侈品 | 有钱人 | 月饼证券化 | 屌丝值 | 选老公 | 雍正行长

 

学习资源:搜索技巧 | 顶尖课程 | 名牌大学课件 | 商业图书 | 文献管理 | 原始数据 | 金融网站 | 内部培训 | 投行并购 | 行研清单 | 国外学习APP | 英文文献 | 金融电影 | 工具包 | 免费资源

 

爆款文章:房价 | 一线城市 | 二胎 | 收入 | 80后 | 移民爸爸 | 学历 | 中产生存 | 花钱 | 求职机会 | 没背景 | 北京折叠 | 有多拼 | 世相绘 | 赚钱领域 | 励志青年 | 顶尖名校 | 城市 | 农村 | 寒门

 

读研读博:投稿经验 | 写论文 | 学术牛人 | 论文工具 | 科研工具 | 学术资源 | 读研 | 读博 | 找工作

 

统计系列:学习心得 | 推荐书目 | 实证分析 | 大师之见 | 计量之路 | 常见问题 | 必读 | 统计数据

 

名家之声:吴敬琏 | 张五常 | 李稻葵 | 许小年 | 张维迎 | 汪丁丁 | 陈志武 | 林毅夫 | 钱颖一 | 陆铭

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存