Lar du deg villede av gjennomsnittet? Alternative måter å presentere resultater

Medarbeiderundersøkelsen eller pulsmålingen er gjennomført, og du skal igangsette tiltak. Men hvordan finne ut av hva nettopp din virksomhet bør jobbe med? For de aller fleste er gjennomsnittsresultatene den viktigste kilden. Eller mer presist gjennomsnittsresultatet som skiller seg ut. Man leter etter skåren som kommer lavest ut, eller skåren som skiller seg mest fra forrige måling eller ekstern benchmark. Men er gjennomsnittet egentlig et godt mål å basere seg på når vi skal identifisere tiltak?

Det er selvsagt en god grunn til at gjennomsnittskårer oftest benyttes. Skåren er en forenkling av virkeligheten, hvor noe som egentlig er komplekst kortes ned til et konkret tall. På denne måten kan vi håndtere mye informasjon uten å måtte sette oss inn i store mengder statistikk. I utgangspunktet er dette bra! Å sette seg inn i all data er nær umulig oppgave, selv i korte pulsundersøkelser. Vi er derfor nødt til å forenkle. Spørsmålet er om det finnes andre parametere som kan gjøre det enklere for ledere og medarbeidere å forstå og utvikle egne arbeidsmiljø.

Gjennomsnittet kan villede

Gjennomsnittet er et statistisk mål som alle kjenner til. Vi forholder oss til gjennomsnittstemperaturer når vi ser værmeldingen og gjennomsnittlig kvadratmeterpris når vi selger bolig. Gjennomsnittet er enkelt å forstå, men kan også fort villede, fordi det ignorer viktig informasjon.  

 Variasjon er et av forholdene som gjennomsnittet ikke tar hensyn til. La oss for eksempel si at du skal pakke til telttur og ser på værmeldingen. Hvis du bare forholder deg til gjennomsnittstemperaturen, ender du fort opp med å fryse på kvelden. Variasjon i temperatur er åpenbart noe du må tenke på når du pakker. På samme måte må du tenke på variasjon når du tolker resultatene fra en medarbeiderundersøkelse. Du kan for eksempel ha en virksomhet med et godt gjennomsnittsresultat, uten å fange opp at du har tre team hvor arbeidsmiljøet er så dårlig at ansatte blir syke eller sier opp jobben.  

En annen utfordring med gjennomsnittet er at det som tilsynelatende er like tall ikke alltid kan sammenlignes opp mot hverandre. Ta kvadratmeterprisen på boliger som eksempel. Du skal selge eneboligen din, og har kanskje en forventning om å minimum få en kvadratmeterpris som er gjennomsnittlig for ditt område. Det du ikke har tenkt på er at store eneboliger har lavere gjennomsnittlig kvadratmeterpris enn mindre leiligheter. Da kan du kan fort ende opp med å ha for høye forventninger.

På samme måte er det fort gjort å sammenligne gjennomsnittsresultater i ukike områder i en undersøkelse. For eksempel kan det virke logisk å sammenlikne ansattes opplevde kompetanse og opplevde utviklingsmuligheter. I dette eksempelet er en utfordringen er at vi er mindre kritiske når vi vurderer oss selv, enn når vi vurderer andre. Derfor vil nær sagt alle svare høyere på spørsmål om egen kompetanse enn spørsmål om hvordan arbeidsgiver tilrettelegger for utvikling. Da blir gjennomsnittene for de to områdene også ulike, og vanskelige å sammenlikne direkte.

Hva skal vi så gjøre?

Når vi bare ser på gjennomsnitt er det med andre ord fort gjort å feiltolke resultatene. Men hva kan man gjøre for å unngå dette? Det er to åpenbare løsninger: 1) å supplere med andre parametere, eller 2) å erstatte gjennomsnittet med andre parametere.  

Det mest vanlige er å velge punkt 1. I tillegg til gjennomsnitssresultat, presenteres kanskje et spredningsmål og en differanse til benchmark. Hvis det er stor spredning skal man tolke resultatene med varsomhet, og man skal merke seg resultater med stor differanse til benchmark. Dette kan fungere, men det har en utfordring: vi har gått fra å forholde oss til ett tall, til å forholde oss til tre. Hvis vi i tillegg tenker oss at undersøkelsen har ti temaområder, så betyr dette at vi plutselig har gått fra å se på 10 tall til å se på 30 tall. Og dette er før vi har tatt hensyn til at ledere gjerne ønsker å se sammenlikninger med både forrige måling og med resten av organisasjonen. Skal vi ta hensyn til alt dette så er det plutselig 50, og ikke 10 tall å forholde seg til. Med andre ord øker kompleksiteten, og vi gjør det vanskeligere å fortolke resultatene.  

Den ideelle løsningen vil derfor være alternativt 2, å erstatte gjennomsnittet med noe annet, slik at vi kan redusere antall parameter vi bruker. Heldigvis finnes det flere alternativer her.

Norm

En norm kan være en god erstatning til gjennomsnittet, hvis man har gode data på hvordan andre skårer på tematikken som kartlegges. En normskår på 75 vil si at om lag 75% skårer lavere og 25% høyere enn ditt resultat. Du er med andre ord blant de som skårer høyest, uten å være ekstrem. Her unngår man den vanskelige fortolkningen av «hva er et godt resultat» som man ofte sitter med når det brukes gjennomsnitt.  

Bruk av norm virker kanskje uvant, men det kan i stor grad forenkle fortolkningen. Tenk på personlighetstester. Du er sannsynligvis mye mer interessert i å få vite om du er blant de 10% i befolkningen som er mest ekstroverte, enn å høre at du skårer 3,7 på en fempunktsskala. På samme måte kan du få vite om ditt team er blant teamene som har høyest grad av psykologisk trygghet, heller enn å få høre at du skårer 4,2 på skalaen.  

Fordeling

Går vi et stykke tilbake i tid, så var fordelinger utbredt i medarbeiderundersøkelser. Frekvensfordelinger, hvor man så hvor mange som hadde valgt hvert svaralternativ. Denne praksisen har de fleste gått bort ifra fordi det bygger opp under et unødvendig fokus på enkeltpersoner i små grupper. Vi ønsker ikke at ledere eller medarbeidere starter det som fagfolk med glimt i øyet har kalt «jakten på den røde respondent» - jakten på å finne ut av hvem som har svart mest kritisk.  

Fordelinger kan likevel være veldig nyttig, og det tydeliggjør at man ofte har undergrupperinger blant medarbeiderne som svarer ulikt. Av hensyn til det overnevnte problemet skal man vokte seg for å bruke fordelinger på lokalt nivå. På overordnede nivå kan man imidlertid ha stor nytte av fordelinger, og spesielt fordelinger som er litt mer avanserte enn den klassiske frekvensfordelingen. En måte å se på tallene er å se på andelen av team som skårer høyt, moderat eller lavt. En bedrift kan dermed jobbe med å utvikle flere høytpresterende team, heller enn å se på bedriftens gjennomsnittsresultater.

En annen fremgangsmåte er å se på medarbeiderne. I en segmentering som vist under, kategoriseres ansatte som engasjerte, utslitte, umotiverte osv. En slik segmentering viser oss at vi må jobbe ulikt med ulike typer ansatte. Slik kan man få mer treffsikre tiltak, og over tid vil man kanskje heller følge med på andelen engasjerte medarbeidere heller enn gjennomsnittet.  

Hva bør du så gjøre?

Å bruke gjennomsnittstall er ingen krise, men det er ikke den beste måten å vise resultater fra en medarbeiderundersøkelse. Å bruke gjennomsnitt setter større krav til fortolkning, og man har gjerne behov for flere andre parameter som ekstern, intern eller historisk benchmark.  

I Communiq mener vi at norm og fordelinger begge er bedre mål som bør benyttes. Bruk normtall i stedet for gjennomsnitt, og la spesielt normtall være grunnlaget når førstelinjeledere og medarbeidere bruker resultatene. På overordnet nivå bør dere bruke fordelinger. Jobb målrettet for å få flere velfungerende team, og for å øke andelen medarbeidere som er engasjerte og opplever gode arbeidsmiljø.  

‍