comp-analysis
報酬の分析を行うスキルで、市場ベンチマーク、給与バンドの配置、エクイティのモデリングに対応します。「[役職]の適切な報酬は?」「このオファーは競争力があるか?」「このエクイティ付与をモデル化して」といった質問や、報酬データをアップロードして外れ値や離職リスクを検出したい場合にトリガーされます。
description の原文を見る
Analyze compensation — benchmarking, band placement, and equity modeling. Trigger with "what should we pay a [role]", "is this offer competitive", "model this equity grant", or when uploading comp data to find outliers and retention risks.
SKILL.md 本文
/comp-analysis
不明なプレースホルダーや接続されているツールを確認する必要がある場合は、
CONNECTORS.mdを参照してください。
報酬データを分析し、ベンチマーク、バンド配置、計画に役立てます。採用、リテンション、エクイティ計画のために、市場データに対して報酬をベンチマークするのに役立ちます。
使用方法
/comp-analysis $ARGUMENTS
必要な情報
オプション A: 単一職種の分析 「SF でシニアソフトウェアエンジニアの給与はいくらにすべき?」
オプション B: 報酬データのアップロード CSV をアップロードするか、報酬バンドを貼り付けてください。配置を分析し、外れ値を特定し、市場と比較します。
オプション C: エクイティモデリング 「4 年間で 10K シェアのリフレッシュグラントを、株価 $50 でモデル化する。」
報酬フレームワーク
総報酬の構成要素
- 基本給: 現金報酬
- エクイティ: RSU、ストックオプション、またはその他のエクイティ
- ボーナス: 年間目標ボーナス、署名ボーナス
- 福利厚生: 健康保険、退職金、福利厚生 (定量化が困難)
主要変数
- 職種: 機能と専門化
- レベル: IC レベル、マネジメントレベル
- 地域: 地理的な給与調整
- 企業段階: スタートアップ vs. 成長段階 vs. 上場企業
- 業界: テック vs. ファイナンス vs. ヘルスケア
データソース
- 報酬データを利用可能: 検証されたベンチマークを取得
- 利用不可: Web リサーチ、公開給与データ、およびユーザーが提供するコンテキストを使用
- 常にデータの新鮮さとソースの制限を記載してください
出力
基本給、エクイティ、総報酬のパーセンタイルバンド (25 パーセンタイル、50 パーセンタイル、75 パーセンタイル、90 パーセンタイル) を提供します。地域調整と企業段階のコンテキストを含めます。
## Compensation Analysis: [Role/Scope]
### Market Benchmarks
| Percentile | Base | Equity | Total Comp |
|------------|------|--------|------------|
| 25th | $[X] | $[X] | $[X] |
| 50th | $[X] | $[X] | $[X] |
| 75th | $[X] | $[X] | $[X] |
| 90th | $[X] | $[X] | $[X] |
**Sources:** [Web research, compensation data tools, or user-provided data]
### Band Analysis (if data provided)
| Employee | Current Base | Band Min | Band Mid | Band Max | Position |
|----------|-------------|----------|----------|----------|----------|
| [Name] | $[X] | $[X] | $[X] | $[X] | [Below/At/Above] |
### Recommendations
- [Specific compensation recommendations]
- [Equity considerations]
- [Retention risks if applicable]
コネクタが利用可能な場合
報酬データが接続されている場合:
- 職種、レベル、地域別に検証された市場ベンチマークを取得
- バンドをリアルタイム市場データと比較
HRIS が接続されている場合:
- バンド分析用の現在の従業員報酬データを取得
- 外れ値とリテンションリスクを自動的に特定
ヒント
- 地域が重要 — ベンチマーク用に常に地域を指定してください。SF vs. オースティン vs. ロンドンは大きく異なります。
- 基本給だけでなく総報酬 — 完全な把握のためにエクイティ、ボーナス、福利厚生を含めます。
- データを機密に保つ — 報酬データは機密です。結果はこの会話内に留まります。
ライセンス: Apache-2.0(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- anthropics
- ライセンス
- Apache-2.0
- 最終更新
- 不明
Source: https://github.com/anthropics/knowledge-work-plugins / ライセンス: Apache-2.0
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。