Data

Dutch government drops 3D pie charts

The Dutch government has replaced pie charts with bar charts in it’s annual reports, someone noted on Twitter (via @bokami). Pie charts aren’t always a bad choice - contrary to the view of some adherents of the stricter school in data visualisation. But 3D pie charts are really hard to justify and it’s a bit awkward they were still used one year ago.

The charts are from the 2016 and 2017 reports of the Department of Social Affairs and Employment.

How to use Python and Selenium for scraping election results

A while ago, I needed the results of last year’s Lower House election in the Netherlands, by municipality. Dutch election data is available from the website of the Kiesraad (Electoral Board). However, it doesn’t contain a table of results per municipality. You’ll have to collect this information from almost 400 different web pages. This calls for a webscraper.

The Kiesraad website is partly generated using javascript (I think) and therefore not easy to scrape. For this reason, this seemed like a perfect project to explore Selenium.

What’s Selenium? «Selenium automates browsers. That’s it!» Selenium is primarily a tool for testing web applications. However, as a tutorial by Thiago Marzagão explains, it can also be used for webscraping:

[S]ome websites don’t like to be webscraped. In these cases you may need to disguise your webscraping bot as a human being. Selenium is just the tool for that. Selenium is a webdriver: it takes control of your browser, which then does all the work.

Selenium can be used with Python. Instructions to install Selenium are here. You also have to download chromedriver or another driver; you may store it in /usr/local/bin/.

Once you have everything in place, this is how you launch the driver and load a page:

from selenium import webdriver
 
URL = 'https://www.verkiezingsuitslagen.nl/verkiezingen/detail/TK20170315'
 
browser = webdriver.Chrome()
browser.get(URL)

This will open a new browser window. You can use either xpath or css selectors to find elements and then interact with them. For example, find a dropdown menu, identify the options from the menu and select the second one:

XPATH_PROVINCES = '//*[@id="search"]/div/div[1]/div'
element = browser.find_element_by_xpath(XPATH_PROVINCES)
options = element.find_elements_by_tag_name('option')
options[1].click()

If you’d check the page source of the web page, you wouldn’t find the options of the dropdown menu; they’re added afterwards. With Selenium, you needn’t worry about that - it will load the options for you.

Well, actually, there’s a bit more to it: you can’t find and select the options until they’ve actually loaded. Likely, the options won’t be in place initially, so you’ll need to wait a bit and retry.

Selenium comes with functions that specify what it should wait for, and how long it should wait and retry before it throws an error. But this isn’t always straightforward, as Marzagão explains:

Deciding what elements to (explicitly) wait for, with what conditions, and for how long is a trial-and-error process. […] This is often a frustrating process and you’ll need patience. You think that you’ve covered all the possibilities and your code runs for an entire week and you are all happy and celebratory and then on day #8 the damn thing crashes. The servers went down for a millisecond or your Netflix streaming clogged your internet connection or whatnot. It happens.

I ran into pretty similar problems when I tried to scrape the Kiesraad website. I tried many variations of the built-in wait parameters, but without any success. In the end I decided to write a few custom functions for the purpose.

The example below looks up the options of a dropdown menu. As long as the number of options isn’t greater than 1 (the page initially loads with only one option, a dash, and other options are loaded subsequently), it will wait a few seconds and try again - until more options are found or until a maximum number of tries has been reached.

MAX_TRIES = 15
 
def count_options(xpath, browser):
 
    time.sleep(3)
    tries = 0
    while tries < MAX_TRIES:
 
        try:
            element = browser.find_element_by_xpath(xpath)
            count = len(element.find_elements_by_tag_name('option'))
            if count > 1:
                return count
        except:
            pass
 
        time.sleep(1)
        tries += 1
    return count

Here’s a script that will download and save the result pages of all cities for the March 2017 Lower House election, parse the html, and store the results as a csv file. Run it from a subfolder in your project folder.

UPDATE 23 February 2019 - improved version of the script here.

Notes

Dutch election results are provided by the Kiesraad as open data. In the past, the Kiesraad website used to provide a csv with the results of all the municipalities, but this option is no longer available. Alternatively, a download is available of datasets for each municipality, but at least for 2017, municipalities use different formats.

Scraping the Kiesraad website appears to be the only way to get uniform data per municipality.

Since I originally wrote the scraper, the Kiesraad website has been changed. As a result, it would now be possible to scrape the site in a much easier way, and there would be no need to use Selenium. The source code of the landing page for an election contains a dictionary with id numbers for all the municipalities. With those id numbers, you can create urls for their result pages. No clicking required.

Doe-het-zelfonderzoek: fietsenrekken en stoplichten

DTV Consultants doet een oproep: help tellen hoeveel fietsen er geparkeerd staan bij woningen en bij voorzieningen als winkels, scholen, en horeca. Die cijfers willen ze gebruiken om de fietsparkeerkencijfers te actualiseren. Deze kencijfers zijn in 2010 vastgesteld en worden door gemeenten als richtlijn gebruikt.

De vraag van DTV is simpel: tel op een druk moment hoeveel fietsen er geparkeerd staan bij een woning of voorziening, vul een excelformulier in en stuur de gegevens op. Het ideale tijdstip om te tellen verschilt per voorziening, maar het is in ieder geval de bedoeling om te tellen bij mooi weer. DTV zoekt zelf het vloeroppervlak erbij. Als het opgegeven aantal fietsen niet reëel lijkt, nemen ze contact op.

Er zit wel een nadeel aan de kencijfers en de manier waarop ze worden vastgesteld. Als er te weinig fietsenrekken zijn zullen minder mensen de fiets pakken. Als je dan fietsen gaat tellen om te bepalen hoeveel fietsenrekken er nodig zijn, hou je het probleem in stand.

Informatie over het fietstelproject van DTV Consultants vind je hier. Het is de bedoeling dat de tellingen worden uitgevoerd in de maand mei.

Genoeg fietsenrekken? Bereken het zelf

Kan je je fiets niet kwijt? Je kan zelf berekenen of er wel genoeg fietsenrekken zijn in je straat - althans, volgens de bestaande normen:

  • Zoek bij het Kadaster op straatnaam plus gemeente. Klik op het V-tje naast ‘Toon bijbehorende adressen’, rechts op de resultatenpagina.
  • Zoek voor alle adressen de gebruiksfunctie op en zoek de bijbehorende norm op. Hier vind je de landelijke normen uit 2010, hier de normen voor Amsterdam. Amsterdam hanteert bijvoorbeeld voor supermarkten een norm van 4,3 fietsenrek per 100 vierkante meter vloeroppervlak. Deze norm geldt voor het deel van de stad waar het meest wordt gefietst, grofweg binnen de ring en ten zuiden van het IJ.
  • In dit geval is de norm gebaseerd op het vloeroppervlak. Dat kan je ook vinden bij het Kadaster. Voor Jodenbreestraat 21, waar de AH zit, is dat bijvoorbeeld 1.730 vierkante meter.
  • Je komt dan op 4,3 * 1.730 / 100 ofwel ongeveer 75 fietsparkeerplekken.
  • Voor woningen is er een norm per woning en een norm per kamer. Als je weet hoeveel kamers een woning heeft, kan je die norm gebruiken. Let op: je moet per woning ook nog 0,5 à 1 fietsparkeerplek toevoegen voor bezoekers.

In de Jodenbreestraat halen ze die 75 plekken misschien nog wel, dat hangt er vanaf hoeveel fietsen je rekent per fietsparkeervak. Bij een filiaal als de Vijzelstraat (zie foto boven dit artikel) wordt de norm duidelijk niet gehaald. Maar dat is ook wel een lastige plek. Misschien moet hier de stoep wat breder en de weg wat smaller.

In de praktijk zal de berekening soms wat ingewikkelder zijn. Het werkt waarschijnlijk het beste als je de straat goed kent. En verder is de norm niet heilig. Als er in theorie genoeg fietsenrekken zijn maar je kan toch je fiets niet kwijt, dan betekent dat misschien dat de norm te laag is.

Stoplichten

Het onderzoek van DTV Consultants is natuurlijk niet het enige voorbeeld waarbij de hulp van het publiek wordt ingeroepen. Denk aan de Fietstelweek waarin duizenden fietsers met een app hun lokatiegegevens beschikbaar hebben gesteld. Die gegevens kan je bijvoorbeeld gebruiken als je wil weten hoe lang fietsers bij een rood licht staan te wachten.

Maar dat kan nog simpeler. Althans, dat hoopt de Britse voetgangersorganisatie Living Streets, zo blijkt uit onderstaande tweet:

RESEARCH: Take a 2 hour random walk in your city/town centre with a stopwatch. Record wait time per signal junction. Need number jncts, average and max wait time. Tweet us results using #waitingfortheman

Hier een van de antwoorden:

Central London. 37 junctions. 53 seconds average. 127 max. #waitingfortheman

Tot nog toe lijken er niet zo heel veel bruikbare reacties te zijn binnengekomen (verder gaan sommige #waitingfortheman-tweets natuurlijk over de Velvet Underground). Maar misschien was het doel vooral om mensen aan het denken - en aan het wandelen - te zetten. Hoe dan ook een leuk project.

The pay gap between CEO and workers

The Dutch Corporate Governance Code has been revised. As a result, Dutch listed companies have started to report their internal pay ratios. These pay ratios are often thought of as the gap between CEO pay and what other workers in the firm get paid.

How can you use these ratios? One way is to create a Fat Cat Calendar. The inspiration here is the British phenomenon of Fat Cat Day: the day when CEOs have earned as much as their employees will earn in an entire year.

The calendar shows that by 2 January at quarter to five in the afternoon, the Heineken CEO had earned more than his workers over all of 2017.

Some firms are missing from the calendar. For example, Euronext says it’s complicated to calculate a pay ratio, because they operate in different countries (but then, this would apply to most listed companies). Shell has calculated a pay ratio, but they don’t report how high it is - only how it compares to the pay ratios of a selection of other companies.

Note that a pay ratio is not a simple and straightforward figure. Below is an exploratory analysis of some of the issues involved (see Method section below for caveats).

Heineken

Heineken, which has by far the highest reported pay ratio in my sample (215), argues this is a consequence of their business model.

First, Heineken does a lot of business in ‘emerging markets with widely different pay levels and structures compared to the Netherlands and Europe’. In other words, many workers are in low-wage countries. The underlying suggestion seems to be that you don’t have to pay these workers the same wages as their colleagues in Europe.

Second, Heineken has ‘a large number of breweries and sales forces in-house worldwide, which adds to the variety of pay within the Company’ (the treatment of Heineken sales staff in Africa is controversial, but that’s a different matter). Aside from the question whether Heineken are paying their brewery and sales workers enough, they do have a point here.

Many companies have simply outsourced their low-paid workers. It’s a bit arbitrary to compare CEO pay to employees of the firm but not to the outsourced workers who clean their offices, serve their lunches, fix their computers, and manufacture and sell their products.

Third, Heineken says that pay ratios can be very volatile because of the substantial bonuses that go up and down. One might argue that this is not a problem of the pay ratio, but a problem of the composition of CEO pay.

Anyone can calculate a ratio

According to the Corporate Governance Code, firms should report the ‘ratio between the remuneration of the management board members and that of a representative reference group determined by the company’. This leaves ample room for firms to decide how to calculate the ratio. For that reason, comparing ratios between firms is a bit tricky.

In practice, many firms calculate the pay ratio as the ratio between total CEO pay and total staff costs per FTE. This is information that is normally included in the annual report, so you can calculate the pay ratio yourself.

I calculated pay ratios for a sample of companies listed in Amsterdam and compared these to the pay ratios these companies reported in their annual report. The chart below shows how my calculated pay ratios compare to the reported pay ratios.

In many cases, my calculated pay ratios are quite similar to the pay ratios reported by the companies. It’s interesting to look into some of the examples where this is not the case, and why this might be:

  • Some CEOs were appointed during 2017 and therefore weren’t paid an entire year’s remuneration. I didn’t correct for this, so my calculated pay ratio is too low in these cases. An example is AkzoNobel, which correctly reported a higher pay ratio than the one I calculated.
  • Randstad probably used only corporate employees and not ‘candidates’ (temp workers) to calculate their pay ratio. This would explain why they arrived at a smaller gap between CEO and workers than the one I calculated.
  • Other companies also use a subset of their employees for their calculation. Assuming these are relatively well-paid employees, the gap between CEO and workers will appear smaller that way. An example is OCI, which used only employees in Europe and North-America as a reference group. Unilever takes this approach one step further by comparing CEO pay to their various UK and Dutch management work levels. This resulted in a range of pay ratios, each far smaller than the one I calculated.
  • A few companies use the average remuneration of the entire executive board, rather than CEO remuneration, to calculate the pay ratio. Assuming the CEO earns more than the other board members, this will also make the gap with workers appear smaller. An example is AMG, which argues that using average board remuneration is appropriate ‘given the collective management responsibility of the Management Board members’ (this is somewhat ironic, for ‘collective responsibility’ was apparently not a key consideration when they decided to pay the CEO 50% more than the other board members).

Discussion

I think it would be fair to say that the requirement to report pay ratios is a failed attempt at transparency. Since firms can use whatever method they want to calculate the ratio, comparisons across firms are problematic. Meanwhile, anyone can calculate ratios from data that is already available. While this isn’t entirely unproblematic (see Method section below), the ratios you calculate will probably be more consistent across firms than the reported ratios.

Instead of requiring firms to report a pay ratio, it would make more sense to require them to report CEO pay, staff costs and staff numbers in a more consistent and transparent way.

Further, it’s somewhat arbitrary to compare CEO pay only to employees of the firm, and not outsourced workers such as cleaners. A fair measure of inequality should look beyond the employees of the firm. One option is to compare CEO pay to the median income in a country; another is the norm which states that CEO pay should not be higher than 20 times the legal minimum wage. Of course, a limitation of these approaches is that they don’t capture international inequality.

The highest CEO-to-minimum wage ratio for the firms in my sample is 577 (Unilever). By 1 January 2017 at quarter past three in the afternoon, the CEO of Unilever had earned a the minimum wage for an entire year. If you want to narrow this gap, there are broadly two ways to do it: show more restraint in CEO remuneration, and raise the minimum wage.

Method

I calculated ‘Fat Cat Day’ by simply adding one year, divided by the pay ratio, to 1 January 2017:

d1 = dt.datetime.strptime('2017-01-01', '%Y-%m-%d')
d2 = dt.datetime.strptime('2018-01-01', '%Y-%m-%d')
year = d2 - d1
 
dates = defaultdict(list)
for i, row in df.iterrows():
    if pd.notnull(row.ratio_reported_17):
        ratio = row.ratio_reported_17
        fcd = d1 + year / ratio
        date = dt.datetime.strftime(fcd, '%Y-%m-%d')
        time = dt.datetime.strftime(fcd, '%H:%M')
        company = row.company
        item = {
            'time': time,
            'company': company
        }
        dates[date].append(item)

Note that the British High Pay Centre has a far more elaborate method to calculate Fat Cat Day, which considers how many hours CEOs work, whether or not they work weekends, etcetera. While this is very conscientious, I don’t think it’s necessary. CEOs are paid on an annual basis, and if they work less than a full year, they’ll generally receive a (more or less) proportional share of their annual pay, regardless of the actual number of hours worked.

I googled for annual reports of companies listed on the Amsterdam stock exchange (in a few cases, I also looked up a separate remuneration report). I didn’t always find one, which can be for a number of reasons: perhaps I didn’t look hard enough; perhaps companies hadn’t filed their report yet; or perhaps they filed it with the company register but didn’t publish it online. As a quick filter, I disregarded reports that don’t contain the term pay ratio. All in all, this is a rather pragmatic sample, which may not be representative of all Amsterdam-listed companies (for example, it’s conceivable that firms with stronger roots in the Netherlands are more inclined to comply with the Corporate Governance Code). For exploratory purposes, I think that’s ok.

I calculated the pay ratio dividing total CEO pay by the average total staff costs per FTE. This may sound straightforward, but it isn’t:

  • I had to manually copy data from pdfs, so errors can’t be excluded;
  • Different methods may be used to calculate CEO pay (I used the total amount as reported by the company, without checking the method they used to calculate it);
  • It’s not always clear which categories of workers are included in staff costs and staff numbers;
  • If possible I used FTE for staff numbers, but sometimes only headcount is reported and some reports don’t specify what unit they used;
  • If possible I used the average number of staff, but sometimes only the number of staff at the end of the year is reported;
  • I didn’t annualise CEO pay for CEOs who were appointed during 2017. It might seem simple to do so (total pay * 365 / number of days worked), but in some cases CEO pay appears to contain elements that are not dependent on the number of days worked (e.g., the annual incentive at Philips Lighting).

All but two companies in my sample use EUR as presentation currency. I pragmatically used the average exchange rate for 2017 as reported by OCI to convert USD to EUR.

For the minimum wage, I used the average of the rates per 1 January and 1 July 2017, and added 8% holiday pay.

The ‘20 times minimum wage’ norm has been ascribed to trade union FNV, but that’s not technically correct.

The data I used can be found in this csv file. Please let me know if you find any errors.

De beloningskloof tussen CEO en werknemers

Vanwege een nieuwe bepaling in de Corporate Governance Code zijn beursgenoteerde bedrijven begonnen om hun interne beloningsverhoudingen te publiceren. Deze pay ratios worden vaak opgevat als de kloof tussen de beloning van de CEO en die van andere werknemers.

Wat kan je hiermee? Je kan bijvoorbeeld een Fat Cat Calendar maken. De naam is ontleend aan het Britse verschijnsel Fat Cat Day - de dag waarop CEO’s evenveel verdiend hebben als hun werknemers in een heel jaar.

De kalender laat zien dat de CEO van Heineken op 2 januari om kwart voor vijf ’s middags al meer had verdiend dan zijn werknemers in het hele jaar 2017.

Sommige bedrijven ontbreken op de kalender. Euronext zegt bijvoorbeeld dat het ingewikkeld is om de beloningsverhouding te bereken, omdat ze in verschillende landen actief zijn (maar dat geldt voor meer beursgenoteerde bedrijven). Shell heeft wel een beloningsverhouding berekend, alleen ze publiceren hem niet - ze zeggen alleen hoe hun ratio zich verhoudt tot de ratios van een geselecteerd groepje andere bedrijven.

De beloningsverhouding is geen eenduidig cijfer. Hieronder een verkennende analyse. Zie de paragraaf Method in de Engelstalige versie van dit artikel voor slagen om de arm.

Heineken

Van de bedrijven waar ik naar heb gekeken rapporteert Heineken verreweg de hoogste pay ratio: de CEO kreeg 215 keer zoveel als een gemiddelde werknemer. Ze zeggen dat dit te maken heeft met hun bedrijfsmodel.

Ten eerste is Heineken actief in ‘emerging markets with widely different pay levels and structures compared to the Netherlands and Europe’. Anders gezegd, veel van hun werknemers zitten in lage-lonen landen. Impliciet suggereren ze dat je deze werknemers minder hoeft te betalen dan hun collega’s in Europa.

In de tweede plaats heeft Heineken ‘a large number of breweries and sales forces in-house worldwide, which adds to the variety of pay within the Company’ (de manier waarop Heineken omgaat met verkoopmedewerkers in Afrika ligt onder vuur, maar dat terzijde). Los van de vraag of Heineken zijn brouwers en verkopers genoeg betaalt, hebben ze hier wel een punt.

Veel bedrijven hebben hun laagbetaalde functies simpelweg uitbesteed. Het is een beetje willekeurig om de beloning van de CEO wel te vergelijken met werknemers die in dienst zijn bij het bedrijf, maar niet met de werkers die hun kantoren schoonmaken, hun lunch verzorgen, hun computers repareren en hun producten maken en verkopen.

Ten derde zegt Heineken dat de beloningsverhoudingen nogal wispelturig zijn. Beloningen van CEO’s bestaan immers voor een groot deel uit bonussen, en die gaan op en neer. Dit klopt, maar het probleem hier is niet zozeer de pay ratio, maar de manier waarop de beloning van de CEO is opgebouwd.

Bereken zelf de beloningsverhouding

Volgens de Governance Code moeten beursgenoteerde bedrijven rapporteren wat ‘de verhouding is tussen de beloning van de bestuurders en een door de vennootschap vast te stellen representatieve referentiegroep’. Dat geeft bedrijven flink wat ruimte om zelf te bepalen hoe ze deze verhouding berekenen. Het is dan ook een beetje netelig om de verhoudingsgetallen van verschillende bedrijven onderling te vergelijken.

In de praktijk berekenen veel bedrijven de beloningsverhouding als de verhouding tussen de totale beloning van de CEO en de gemiddelde personeelskosten per fte. Deze gegevens staan normaal gesproken in het jaarverslag, dus je kan zelf ook de beloningsverhouding berekenen.

Voor een aantal bedrijven met een notering aan de Amsterdamse beurs heb ik de beloningsverhouding berekend en deze vergeleken met de verhouding die de bedrijven zelf rapporteren in hun jaarverslag. De grafiek hieronder laat zien hoe mijn berekening zich verhoudt tot de gerapporteerde cijfers.

In veel gevallen komt mijn berekening ongeveer even hoog uit als de beloningsverhouding die het bedrijf heeft gerapporteerd, maar soms ook niet. Daar zijn verschillende oorzaken voor:

  • Sommige CEO’s werden in de loop van 2017 aangesteld en kregen daarom niet de beloning voor een heel jaar. Ik heb daar niet voor gecorrigeerd, dus mijn berekening valt in deze gevallen te laag uit. Een voorbeeld is AkzoNobel, dat correct een hoger verhoudingsgetal rapporteert dan de ratio die ik berekend heb.
  • Randstad heeft waarschijnlijk alleen corporate employees en niet de candidates (uitzendkrachten) gebruikt om de beloningsverhouding te berekenen. Dit zou verklaren waarom ze op een veel kleinere loonkloof uitkomen dan mijn berekening.
  • Andere bedrijven baseren hun berekening ook op een geselecteerde groep werknemers. Aangenomen dat het om relatief goedbetaalde werknemers gaat, zal dit als gevolg hebben dat de loonkloof tussen CEO en werkers kleiner lijkt. Een voorbeeld is OCI, dat alleen werknemers in Europa en Noord-Amerika als referentiegroep gebruikt. Unilever gaat nog een stap verder en vergelijkt de beloning van de CEO met hun verschillende managementlagen (management work levels) in Groot-Brittannië en Nederland. Dit leidt tot een serie verhoudingsgetallen die allemaal een stuk kleiner zijn dan mijn berekening.
  • Enkele bedrijven gebruiken de gemiddelde beloning van de complete Raad van Bestuur in plaats van de beloning van de CEO. Aangenomen dat de CEO meer verdient dan de rest van de bestuurders, zorgt dit er ook voor dat de loonkloof kleiner lijkt. Een voorbeeld is AMG, dat zijn keuze verdedigt door te wijzen op ‘the collective management responsibility of the Management Board members’ (enigszins ironisch is wel dat ‘collectieve verantwoordelijkheid’ blijkbaar geen doorslaggevend argument was toen ze besloten om de CEO 50% meer te betalen dan de overige bestuurders).

Bespreking

De richtlijn om beloningsverhoudingen te publiceren is helaas een mislukte poging tot transparantie. Aangezien bedrijven zelf kunnen kiezen hoe ze de ratio berekenen, is het problematisch om de ratios van bedrijven onderling te vergelijken. Ondertussen heb je de gerapporteerde ratios niet echt nodig, aangezien je zelf een beloningsverhouding kan berekenen met cijfers die toch al in het jaarverslag staan. Daar zitten ook haken en ogen aan, maar de ratios die je op deze manier berekent zijn waarschijnlijk beter onderling vergelijkbaar dan de ratios die de bedrijven naar buiten brengen.

In plaats van voor te schrijven dat bedrijven hun beloningsverhoudingen publiceren, zou het zinvoller zijn om te eisen dat ze op een consistentere en transparantere manier rapporteren over topbeloningen, personeelskosten en werknemersaantallen.

Ondertussen is het een beetje arbitrair om de beloning van de CEO alleen te vergelijken met de eigen werknemers van het bedrijf. Daarmee laat je andere werknemers, zoals uitbestede schoonmakers, buiten beschouwing. Een eerlijke maatstaf voor beloningsverhoudingen zou niet alleen naar de werknemers van het bedrijf moeten kijken.

Je zou de beloning van CEO’s kunnen vergelijken met het mediane inkomen in een land. Een andere optie is de norm die stelt dat CEO’s niet meer mogen verdienen dan twintig keer het minimumloon. Een beperking van deze methodes is natuurlijk dat ze internationale ongelijkheid buiten beschouwing laten.

Van de bedrijven in mijn steekproef heeft Unilever de hoogste CEO-minimumloon ratio (577). Op 1 januari 2017 om kwart over drie ’s middags had de directeur van Unilever al een minimumjaarloon verdiend. Er zijn globaal twee manieren om hier iets aan te doen: je kan de topbeloningen matigen, maar tegelijk kan je natuurlijk ook het minimumloon verhogen.

Zie de Engelstalige versie van dit artikel voor een toelichting op de methode.

UPDATE 22 juni 2018 - De Commissie Corporate Governance Code realiseert zich dat de gepubliceerde beloningsverhoudingen onderling niet vergelijkbaar zijn, maar vindt dat niet erg. Wel wordt volgend jaar gemonitord hoe de richtlijn wordt nageleefd.

Pages