Honeypot

2018 Vrouwen in Tech Index

Gendergelijkheid heeft de afgelopen maanden het publieke, persoonlijke en professionele debat gedomineerd. Evenementen zoals de Women’s March hebben de wereldwijde schending van gelijke rechten onder de aandacht gebracht. Bij Honeypot streven we ernaar een belangrijke bijdrage te leveren aan de actieve promotie van vrouwen in de techwereld. Met de beschikbare kennis over inkomensongelijkheid en de invloed daarvan op vrouwen overal ter wereld in ons achterhoofd, hebben we de specifieke rol die gendergelijkheid binnen de techwereld speelt, onderzocht. We hopen daarmee inzicht te krijgen in de obstakels en mogelijkheden voor vrouwen in de IT-industrie.

De studie neemt 41 OECD- en EU-landen als uitgangspunt en presenteert vergelijkbare data die betrekking hebben op zowel de techindustrie als de inkomensongelijkheid. Factoren die zijn meegenomen in de studie zijn onder andere:

  • Gender in de Totale Economie: factoren zoals het percentage vrouwen dat werkt en de overall inkomensgelijkheid tussen mannen en vrouwen.
  • Vrouwen in Tech: het aantal vrouwen met een techfunctie vergeleken met het totale aantal mensen met een techfunctie.
  • Kansen voor Vrouwen in Tech: het verschil tussen het procentuele aandeel aan vrouwen in de algemene beroepsbevolking en het percentage vrouwen in de techsector. De studie houdt bovendien rekening met het percentage vrouwelijke STEM-afgestudeerden.
  • Tech Inkomensongelijkheid: het verschil in inkomensongelijkheid tussen vrouwen in de techindustrie en de algemene beroepsbevolking.
  • Carrièreontwikkeling Vrouwen: het percentage vrouwen met een management of ministeriële positie.

Om obstakels te herkennen die de carrièreontwikkeling van vrouwen negatief kunnen beïnvloeden en om de beste kansen voor vrouwen te identificeren, hebben we bovendien de Gender Inequality Index meegenomen. Deze index analyseert de reproductieve gezondheid, empowerment en arbeidsmarktparticipatie van vrouwen om te komen tot een overall gelijkheidsscore. Om te bepalen of de gelijkheid de afgelopen tijd is toe- of afgenomen, hebben we de meest recente beschikbare gegevens over inkomensongelijkheid vergeleken met de inkomensongelijkheid van vijf jaar geleden.

“Met een overall inkomensverschil tussen mannen en vrouwen van 16,1% is het in Nederland beter gesteld met de economische gelijkheid dan in Duitsland, het VK en de VS”, zegt Emma Tracey, medeoprichtster van Honeypot. “Daar staat tegenover dat binnen de techindustrie maar 15,56% vrouw is. Nederland heeft met 18,7 % het op zes na laagste percentage vrouwelijke STEM-afstudeerders, wat aangeeft dat de ongelijkheid binnen de techindustrie op onderwijsniveau aangepakt moet worden om de gelijkheid voor de volgende generaties te verbeteren. De regering kan daarbij een voorbeeld nemen aan Amerikaanse programma’s zoals ‘Girls Who Code’, die vrouwen al op jonge leeftijd inspireren en leren programmeren.”

Onderstaande tabel laat zien welke landen de beste mogelijkheden bieden voor vrouwen in tech. De overall inkomensongelijkheid tussen mannen en vrouwen is daarvoor vergeleken met de inkomensongelijkheid tussen mannen en vrouwen in de techindustrie. Een positieve waarde geeft aan dat de inkomensongelijkheid in de techindustrie kleiner is dan het overall gemiddelde in het betreffende land. Oftewel: vrouwen in tech krijgen er beter betaald.

Total Workforce (Millions)
Female Workforce (Millions)
% Women
% Women Legislators, Senior Officials, and Managers
% Women in Parliament
% Women in Ministerial Positions
Overall Workforce Average Wage (in €)
Women's Average Wage (€)
Gender Pay Gap (%)
Tech Workforce (Thousands)
% Workforce in Tech
Female Tech Workforce (Thousands)
% Women in Tech
% Difference of Women in Workforce and Women in Tech
Female STEM Graduates (%)
Tech Average Wage (€)
Tech Average Wage for Women (€)
Gender Pay Gap in Tech (%)
% Difference of Overall Gender Pay Gap and Gender Pay Gap in Tech
Gender Inequality Index (Score, 0 = equality)
Gender Pay Gap 2010
Comparison of Gender Pay Gap From 2010 To 2015
 Workforce TodayTech Industry TodayInequality & Opportunity
#Country
1Portugal5,182,5348,78%32,4%34,6%28,6%19.86816.22118,36%108,802,10%17,5016,08%-32,69%30,56%31.49127.99611,10%7,26%0,09113,13%5,23%
2United States159,1974,4346,76%43,5%19,4%25,9%48.72539.52418,88%6049,113,80%1488,6424,61%-22,15%24,24%79.59570.15311,86%7,02%0,20318,81%0,07%
3Latvia0,990,5050,25%44,4%18,0%23,1%18.13515.05217,00%19,701,99%4,9024,87%-25,38%16,67%32.79229.21810,90%6,10%0,19117,28%-0,28%
4Finland2,681,2948,14%33,8%41,5%62,5%34.12328.09117,68%162,306,04%35,6021,93%-26,20%20,00%43.98538.04713,50%4,18%0,05619,59%-1,91%
5France29,5614,2248,13%31,5%25,9%50,0%34.82429.32115,80%1003,803,40%181,6018,09%-30,03%25,37%47.99642.33311,80%4,00%0,10212,36%3,44%
6Sweden5,282,5147,62%39,4%43,5%52,2%34.68129.82614,00%310,805,89%64,7020,82%-26,80%22,48%45.08240.30310,60%3,40%0,04814,86%-0,86%
7United Kingdom33,2315,5146,69%35,5%29,6%22,5%34.69628.12118,95%1608,204,84%260,6016,20%-30,48%31,03%47.90039.85316,80%2,15%0,13119,37%-0,41%
8Estonia0,690,3448,54%30,6%23,7%46,2%19.13313.98626,90%34,104,93%6,4018,77%-29,77%21,26%29.37121.88125,50%1,40%0,13127,75%-0,85%
9Spain22,8210,6146,48%31,5%40,1%30,6%30.24025.73414,90%557,602,44%85,8015,39%-31,10%25,93%39.32833.94013,70%1,20%0,08114,85%0,05%
10Cyprus0,400,1948,61%22,5%19,4%9,1%28.73524.71214,00%7,901,99%1,6020,25%-28,36%28,57%32.76028.33713,50%0,50%0,11616,80%-2,80%
11Iceland0,200,0946,87%38,3%41,2%44,4%45.34739.12713,72%7,703,92%1,7022,08%-24,79%27,54%45.34738.77214,50%-0,78%0,05116,01%-2,29%
12Turkey30,529,6331,55%13,0%15,3%3,8%18.62617.3446,88%245,200,80%24,309,91%-21,64%37,11%40.77237.3408,42%-1,54%0,3283,10%3,78%
13New Zealand2,601,2347,39%40,1%31,5%33,3%31.91229.3847,92%96,133,70%17,2417,93%-29,46%27,01%40.62536.6299,84%-1,92%0,1587,01%0,91%
14Netherlands8,974,1646,42%25,9%37,5%46,8%42.79535.90516,10%422,204,71%65,7015,56%-30,85%18,70%56.62746.20818,40%-2,30%0,04417,84%-1,74%
15Canada19,449,2047,32%35,5%25,9%30,6%39.20631.90318,63%900,304,63%224,0024,88%-22,44%24,81%54.49843.03421,04%-2,41%0,09818,98%-0,35%
16Croatia1,760,8146,04%23,1%15,3%20,0%19.31617.30810,40%52,302,98%6,9013,19%-32,84%26,47%27.83824.21913,00%-2,60%0,1415,70%4,70%
17Ireland2,190,9945,09%34,2%22,5%28,6%41.86235.92814,17%78,103,56%14,8018,95%-26,14%24,81%59.31349.05217,30%-3,13%0,12713,37%0,80%
18Austria4,492,1046,82%29,6%30,6%30,6%39.11931.54119,37%178,603,98%30,7017,19%-29,63%20,63%53.86541.63822,70%-3,33%0,07821,59%-2,22%
19Bulgaria3,311,5546,91%36,7%20,6%35,1%11.7559.94515,40%80,902,44%24,5030,28%-16,63%28,57%26.82921.67819,20%-3,80%0,22313,00%2,40%
20South Korea27,2511,5342,31%10,7%17,4%5,7%26.24316.48737,18%1008,153,70%161,4116,01%-26,30%21,26%33.40917.98141,17%-3,99%0,06739,61%-2,43%
21Mexico53,6820,5038,20%35,9%42,5%17,4%12.40210.33516,67%461,290,86%65,6114,22%-23,97%29,08%15.78812.52020,70%-4,04%0,34511,63%5,04%
22Norway2,771,3047,03%35,9%39,8%47,1%43.45138.66611,01%113,104,09%22,0019,45%-27,58%19,35%55.96747.34815,40%-4,39%0,05312,08%-1,07%
23Switzerland4,842,2646,60%35,1%32,0%42,9%48.70040.08017,70%216,304,47%31,6014,61%-31,99%21,88%61.53647.81422,30%-4,60%0,04018,93%-1,23%
24Chile8,683,5641,04%25,4%16,0%34,6%23.03218.18321,05%321,093,70%49,8615,53%-25,51%15,97%29.32021.65326,15%-5,10%0,32216,00%5,05%
25Israel3,931,8647,30%32,9%26,5%18,0%27.55921.54321,83%236,276,02%25,9911,00%-36,30%24,81%35.08425.57027,12%-5,29%0,10320,70%1,13%
26Belgium4,982,2946,11%32,4%39,4%23,1%40.16537.5556,50%193,803,89%27,3014,09%-32,02%18,03%49.86743.98211,80%-5,30%0,0738,62%-2,12%
27Germany43,0419,9546,35%29,1%36,3%33,3%37.57530.48618,87%1541,103,58%255,5016,58%-29,77%21,26%47.83535.87625,00%-6,13%0,06619,44%-0,57%
28Japan66,7328,9243,34%11,5%9,9%22,5%31.68223.52925,73%3136,354,70%404,8712,91%-30,43%15,25%40.33227.44131,96%-6,23%0,11628,68%-2,95%
29Denmark3,031,4347,30%27,0%37,5%26,5%42.59038.13110,47%119,403,94%23,9020,02%-27,28%28,57%57.47947.53517,30%-6,83%0,04112,40%-1,93%
30Australia12,675,8846,45%36,3%26,5%17,4%42.17136.68913,00%482,623,81%135,1328,00%-18,45%23,66%51.70641.36520,00%-7,00%0,12014,04%-1,04%
31Malta0,210,0839,17%27,0%13,0%7,4%27.68324.74810,60%7,103,35%0,8011,27%-27,91%20,00%37.49430.52018,60%-8,00%0,2177,20%3,40%
32Slovenia0,990,4646,62%37,5%36,7%43,8%28.32226.0288,10%32,103,23%5,6017,45%-29,18%21,88%41.82735.05116,20%-8,10%0,0530,95%7,15%
33Hungary4,592,1045,71%40,5%9,9%0,0%17.58615.51711,76%158,103,45%20,7013,09%-32,61%18,03%28.97522.60122,00%-10,24%0,25211,99%-0,23%
34Italy25,7710,9242,37%26,5%31,0%43,8%28.67227.0955,50%584,802,27%83,1014,21%-28,16%33,33%36.25429.94617,40%-11,90%0,0857,62%-2,12%
35Czech Republic5,352,3744,35%29,6%20,0%18,7%19.21515.47219,48%180,903,38%20,2011,17%-33,18%23,08%34.30123.15332,50%-13,02%0,12918,70%0,78%
36Romania9,163,9342,87%31,5%13,8%14,5%12.27511.5635,80%167,701,83%44,1026,30%-16,57%31,51%23.67019.14919,10%-13,30%0,3398,80%-3,00%
37Luxembourg0,280,1345,32%17,4%28,6%26,5%50.73547.9455,50%10,803,88%1,5013,89%-31,43%28,57%58.93247.73519,00%-13,50%0,0756,65%-1,15%
38Slovak Republic2,761,2545,24%31,5%20,0%0,0%19.04116.49413,38%73,202,65%6,809,29%-35,95%24,81%24.24117.52627,70%-14,32%0,17914,85%-1,47%
39Greece4,802,1544,70%25,9%20,0%9,9%20.35018.18810,62%51,201,07%6,5012,70%-32,01%30,07%25.55619.06525,40%-14,78%0,11913,59%-2,96%
40Lithuania1,480,7651,17%39,8%23,7%21,3%18.58915.94914,20%34,102,31%8,5024,93%-26,24%17,36%30.89221.77929,50%-15,30%0,12112,62%1,58%
41Poland17,267,7544,88%40,1%27,5%28,1%20.99619.3797,70%431,802,50%62,6014,50%-30,38%25,93%36.15226.93425,50%-17,80%0,1375,85%1,85%

METHODE

Deze studie neemt 41 landen in beschouwing die onderdeel uitmaken van de OECD en de EU. De data zijn vergelijkbaar tussen de landen en hebben betrekking op de techindustrie en de inkomensverschillen tussen mannen en vrouwen.

Criteria

  • Totale Beroepsbevolking (Miljoenen): Jaarlijkse beroepsbevolking, Personen, in Miljoenen. Bron: OECD Statistics, Eurostat.
  • Vrouwelijke Beroepsbevolking (Miljoenen): Jaarlijkse beroepsbevolking, Personen, in Miljoenen, Vrouwen. Bron: OECD Statistics, Eurostat.
  • % Vrouwen: Het aantal vrouwen binnen de beroepsbevolking, procentueel weergegeven.
  • % Vrouwelijke Wetgevers, Hoge Ambtenaren en Managers: Het percentage vrouwen met een senior of managementfunctie, waarbij een hoger percentage staat voor een hogere mate van gelijkheid wat betreft carrièreontwikkeling. Uit het World Economic Forum Report: Vrouwelijke, mannelijke wetgevers, hoge ambtenaren en managers (%): Hoofdgroep 1 van de International Standard Classification of Occupations (ISCO-08). Bron: ILO, ILOSTAT database, employment by occupation, 2016, of meest recente data.
  • % Vrouwen in het Parlement: World Economic Forum Report: Percentage vrouwen in de Tweede of Eerste Kamer. Bron: Inter-Parliamentary Union, Women in National Parliaments. Data geven de informatie weer zoals opgegeven door de nationale parlementen voor 1 september 2016.
  • % Vrouwen met Ministeriële Posities: World Economic Forum Report: Percentage vrouwen met een ministerieel portfolio, zoals minister-president en minister van financiën. In sommige gevallen kan er een overlap zijn tussen ministers en staatshoofden die ook een ministerieel portfolio hebben. Bron: The Inter-Parliamentary Union, Women in Politics 2015, uitgaande van posities tot en met 1 januari 2015. Data worden alle twee jaar geüpdatet.
  • Totale Beroepsbevolking Gemiddeld Inkomen (€), Gemiddeld Inkomen Vrouwen (€), Inkomensongelijkheid Mannen en Vrouwen (%): De inkomensongelijkheid tussen mannen en vrouwen is het verschil in gemiddeld inkomen over alle beroepen tussen mannen en vrouwen, uitgedrukt in percentage(s). We hebben de meest recente beschikbare gegevens hiervoor gebruikt, daterend uit 2015. Bron: OECD, Eurostat. Gemiddelde van beide bronnen. Eurostat: verschil tussen het gemiddelde bruto-uurloon van mannen en vrouwen uitgedrukt als percentage van het gemiddelde bruto-uurloon van mannen. OECD: verschil tussen het mediane inkomen van mannen en vrouwen vergeleken met het mediane inkomen van mannen. Data hebben betrekking op werknemers die voltijd werken en op zelfstandigen.
  • Tech Beroepsbevolking (x 1.000): IT Personen, Duizenden. Sub-hoofdgroep 25 van de International Standard Classification of Occupations (ISCO-08). Professionals: Informatie- en communicatietechnologie professionals. De informatie- en communicatiesector is samengesteld uit een combinatie van activiteiten rondom de productie en distributie van informatie en culturele producten, het verschaffen van de middelen om deze producten door te geven of te distribueren; evenals data of communicatie, informatietechnologie activiteiten en de verwerking van data en andere informatievoorziening activiteiten. De hoofdcomponenten van deze sectie zijn uitgeefactiviteiten, waaronder de publicatie van software (divisie 58), activiteiten op het gebied van speelfilms en geluidsopnames (divisie 59), radio- en televisie-uitzendingen en programmeer activiteiten (divisie 60), telecommunicatie activiteiten (divisie 61), informatietechnologie activiteiten (divisie 62) en andere informatievoorziening activiteiten (divisie 63). Bron: Eurostat.
  • % Beroepsbevolking in Tech: Het aantal mensen (mannen en vrouwen) dat werkt in de informatie- en communicatietechnologie sector, als percentage van de totale beroepsbevolking.
  • Vrouwelijke Tech Beroepsbevolking (x 1.000): Het aantal vrouwen dat werkt in de informatie- en communicatietechnologie sector, als percentage van de totale beroepsbevolking.
  • % Vrouwen in Tech: Het aantal vrouwen dat werkt in de informatie- en communicatietechnologie sector, als percentage van de totale beroepsbevolking werkzaam binnen de IT.
  • Vrouwelijke STEM-Afgestudeerden (%): Het percentage vrouwelijke STEM-afgestudeerden, overgenomen uit het World Economic Forum Report. Bron: UNESCO’s Institute for Statistics database (bekeken in september 2016). Meet het percentage mannelijke en vrouwelijke afgestudeerden in de ISCED 5-8 programma’s die vallen onder Wetenschap, Technologie, Ingenieurswetenschap en Wiskunde (% van totaal aantal afgestudeerden).
  • Tech Gemiddeld Inkomen (€): Gemiddeld jaarinkomen binnen de IT (zoals boven gedefinieerd). Jaarlijks in EUR KKP (koopkrachtpariteiten), gecorrigeerd voor OECD KKP inkomenspeil en EU KKP inkomenspeil. Bronnen: OECD, Eurostat, lokale rapporten.
  • Tech Gemiddeld Inkomen voor Vrouwen (€): Gemiddeld jaarinkomen binnen de IT (zoals boven gedefinieerd), vrouwen, in EUR KKP (koopkrachtpariteiten), gecorrigeerd voor de inkomensongelijkheid binnen de IT en het gemiddelde inkomen binnen de IT. Bronnen: OECD, Eurostat, lokale rapporten.
  • Inkomensongelijkheid tussen Mannen en Vrouwen in Tech (%): Inkomensongelijkheid in de IT-sector (zoals boven gedefinieerd). Bronnen: OECD, Eurostat, lokale rapporten.
  • % Verschil in Overall Inkomensongelijkheid en Inkomensongelijkheid in Tech: Het percentage verschil tussen de inkomensongelijkheid binnen de IT en de overall inkomensongelijkheid. Een positieve waarde geeft aan dat vrouwen in tech, in vergelijking met andere beroepen, eerlijker betaald worden.
  • Gender Inequality Index: Een score van 0 = gelijkheid. Hoe hoger de score, hoe ongelijker. Hoe dichter de waarde bij 0 ligt, hoe gelijker een land dus is. Gender Inequality index (2015). Bron: Human Development Report.
  • Inkomensongelijkheid tussen Mannen en Vrouwen in 2010: Inkomensongelijkheid tussen mannen en vrouwen (zoals boven gedefinieerd), data uit 2010. In het geval van Chili: 2011, omdat 2010 niet beschikbaar was.
  • Vergelijking Inkomensongelijkheid tussen 2010 en 2015: Verschil tussen de huidige inkomensongelijkheid en de inkomensongelijkheid 5 jaar geleden. Een positieve waarde duidt op een positieve toename, dus, de inkomensongelijkheid tussen mannen en vrouwen is toegenomen. Een negatieve waarde geeft aan dat de inkomensongelijkheid tussen mannen en vrouwen afgenomen is.
  • Uitgegaan van de wisselkoers op 26-02-2018. 1 USD = 0,81 euro, 0,71 Britse pond.