WAT BETEKENT 'META'
HET GEMIDDELDE VAN DE ANALYSE?

Hetontdekken van nieuwe gegevensbronnen is een continu proces.
‍
Potentiële bronnen worden geïdentificeerdvia corporate carrièrewebsites, HR-blogartikelen, Google-onderzoek op basis vantrefwoorden, vergelijkingen tussen landen en suggesties van het publiek of onzeadviesraad.Om de kwaliteit te handhaven, worden nieuwe bronnen elk kwartaalbeoordeeld. Bij het evaluatieproces wordt gekekennaar hun integriteit en kwaliteit op meerdere vlakken, zoals het type bron(auditrapporten, polls, beoordelingsportalen), de aard van de organisatie(non-profit vs. for-profit) en de onderzoeksmethodologie (zelfregistratie vs.onafhankelijke studies). Bijkomende overwegingen zijn validatiemechanismen,manipulatiebarrières, klachteninstrumenten en of de bron onder toezicht staatvan academische instellingen of overheidsinstanties.

Bronnenworden geclassificeerd op basis van hun relevantie en kwaliteit om consistentiein het hele beoordelingsproces te waarborgen. Bij deze classificatie wordenverschillende aspecten van de bronnen onderzocht:

• Type bron: Of het nu een gestructureerde audit, eenenquête of een openbaar beoordelingsportaal is.
• Type organisatie:  Onderscheid maken tussen organisatieszonder winstoogmerk en organisatie met winstoogmerk om rekening te houden metmogelijke vertekeningen.
• Onderzoeksaanpak: Evalueren of de gegevensafkomstig zijn van onafhankelijk onderzoek of zelfregistratiemechanismen.
• Validatie en toezicht:  Ervoor zorgen dat de bron sterke validatieprocessen heft, robuustebarrièrs voor manipulatie, toegankelijke mechanismen voor het oplossen vanklachten en, waar mogelijk, academische of overheidsgoedkeuring.

Gegevensworden verzameld uit bronnen die verschillen in hun updatefrequentie.
‍
Bronnen die vaak worden bijgewerkt, zoalsportals voor werknemersbeoordelingen en sociale media, worden beheerd met opmaat gemaakte scrapers die automatisch gegevens ophalen op geplande basis.Minder vaak bijgewerkte bronnen, zoals jaarlijkse awards, worden benaderd metgenerieke tools die scraping via maatwerk mogelijk maken.Onze aanpak garandeert het verzamelen vanmaximale informatie uit publiek toegankelijke bronnen, waaronderhistorische  archieven.

Omnauwkeurigheid en relevantie te garanderen, worden de gegevens zorgvuldigopgeschoond.

Eigen algoritmes voor natuurlijketaalverwerking (NLP) matchen bedrijfsnamen met bestaande records in onzedatabase of identificeren nieuwe vermeldingen. Handmatige verificatie vult ditproces aan om de nauwkeurigheid van belangrijke gegevenspunten te garanderen. Aanvullendedetails, zoals bedrijfsadressen, bedrijfstakken en het aantal werknemers,worden handmatig verzameld. Na de consolidatie worden in- enuitsluitingscriteria toegepast om bedrijven te verwijderen die te klein ofinactief zijn of die aanzienlijke reputatieschade hebben opgelopen.

Hetscoringsproces bestaat uit meerdere stappen en is ontworpen om eerlijkheid ennauwkeurigheid te garanderen.

Hetproces begint met het beoordelen van de relevantie van gegevenspunten voornegen belangrijke prestatiecategorieën. Zodra de gegevens zijn georganiseerd,wordt een algoritme voor het opsporen van anomalieën toegepast om mogelijkefouten of inconsistenties te identificeren, zoals fouten tijdens het verzamelenvan gegevens of gevallen waarin de beoordelingsscores van werknemers lijken tezijn gemanipuleerd. De scores van de werknemersbeoordelingenworden vervolgens aangepast voor relevantie. Deze scores worden opgenomen inhet eindrapport, maar hun gewicht is evenredig met het percentage werknemersdat heeft deelgenomen aan de beoordelingen. Dit zorgt ervoor dat kleinere ofminder representatieve datasets de resultaten nietonterecht beïnvloeden.Vervolgens worden algemene scores en categoriespecifieke scores berekend. Dezescores vormen de basis voor de rangschikking van bedrijven. De TOP 1% vanbedrijven in de doelpopulatie worden erkend voor hun uitstekende prestaties.

Omde nauwkeurigheid te garanderen, maken we gebruik van robuuste maatregelen voorkwaliteitsborging.

Onsdata science-team wordt geleid door een Data Scientist met een mastergraad ingeavanceerde wiskunde en een doctoraatsdiploma, met aanvullendekortetermijndiploma's van de Università degli Studi diPerugia, Ecole NormaleSuperieur van Boekarest en onderzoekservaring aan de Universiteit vanCambridge. Ons onderzoeksteam bestaat uit leden van de American MathematicalSociety, de Royal Statistical Society en de International Society for Bayesian Analysis.

Voor klanten die kiezen voorgedetailleerde rapporten, bieden we een verbeterde gegevensverzameling enbijgewerkte scores om de drie maanden.

Ditzorgt ervoor dat belanghebbenden toegang hebben tot de meest actuele enuitgebreide inzichten.Via deze rigoureuze en gestructureerdemethodologie leveren we transparante, gegevensgestuurde evaluaties vanbedrijfsprestaties, waarbij we geavanceerde technologieën combineren metnauwgezet menselijk toezicht om in elke fase kwaliteit en betrouwbaarheid tegaranderen.