Durant anys, moltes organitzacions han resumit el
clima laboral en una xifra. Un 72, un 81 o un 68 que acaba convertit en una diapositiva dins d'una presentació per a un comitè de directius. La escena se sol repetir bastant. Es mostra la dada, després es compara amb l'any anterior i es decideix si el resultat és "bo" o "millorable".
El problema de resumir una empresa en un únic número
Les
enquestes de clima són eines molt útils, però moltes vegades s'interpreten de forma excessivament superficial. El compromís de les persones treballadores està directament relacionat amb la productivitat, la retenció i la rendibilitat. No obstant això, disposar de dades no garanteix comprendre el que realment succeeix dins de l'organització.
L'error més habitual consisteix a pensar que una mitjana representa de forma fidel l'experiència col·lectiva. I no sempre és així. Imaginem una empresa on:
-
Una part de la plantilla puntua amb valors molt alts.
-
Una altra part respon amb valoracions extremadament baixes.
-
Gairebé no existeixen respostes intermèdies.
La mitjana podria continuar sent raonablement positiva. Però l'organització tindria una fractura interna evident. La mitjana no estaria mentint, però sí que estaria ocultant matisos importants.
Què revela realment una distribució de dades
Aquí és on entra una pregunta molt més interessant per a RRHH. No només "quins resultats tenim", sinó "com es distribueixen les respostes". La distribució ens permet observar com es reparteixen les percepcions dins d'una organització. Ja no parlem únicament d'una xifra final, sinó de la forma que dibuixen les dades quan es representen visualment.
És una cosa semblant a escoltar un aplaudiment en un auditori. El volum general pot sonar igual, però no és el mateix que aplaudeixin totes les persones amb intensitat mitjana a que mitja sala estigui entusiasmada i l'altra meitat es mantingui en silenci. La sensació canvia per complet, no creus?. Doncs amb l'anàlisi de clima ocorre exactament el mateix. La forma de les dades revela patrons que la mitjana no pot mostrar:
-
Concentracions de descontentament
-
Equips polaritzats
-
Diferències entre àrees
-
Absència de perfils excel·lents
-
Problemes aïllats que encara no s'han expandit
Per això cada vegada més organitzacions avançades en
people analytics treballen no només amb mètriques globals, sinó també amb distribucions, segmentacions i anàlisis comparatives.
Diferències entre una distribució normal, desviada i bimodal
Entendre les distribucions no requereix ser estadístic. De fet, moltes vegades n'hi ha prou amb aprendre a reconèixer patrons bàsics.
Cas 1: Consistència (o distribució normal)
Quan les respostes s'agrupen al voltant de valors similars, el gràfic pren forma de "campana" on la gran majoria es troba al mig. Això significa que els empleats viuen una realitat molt semblant. No és exactament excel·lència, però sí estabilitat. D'aquesta manera, podem determinar que la cultura funciona i que la percepció interna manté coherència.
Cas 2: Focus d'alarma (o distribució desviada)
En ocasions, la majoria de respostes són positives, però apareix un grup reduït amb valoracions clarament negatives. Si tinguéssim una gràfica davant nostre, veuríem una cua llarga cap a un costat. Imagina't que el 90% està feliç, però hi ha una petita "fuga" de persones que es troben extremadament cremades. Aquest patró sol ser especialment útil perquè ajuda a detectar focus concrets abans que el problema s'estengui.
Per exemple:
-
Un lideratge tòxic.
-
Un departament sobrecarregat.
-
Problemes de comunicació interna.
-
Processos mal gestionats.
L'organització pot semblar sana en termes globals, però ja existeixen senyals d'alerta visibles per a qui sap interpretar la distribució.
Cas 3: Una empresa dividida en dos (o distribució bimodal)
La situació més delicada apareix quan les dades generen dos blocs clarament diferenciats. El gràfic aquí no té un pic sinó dos (com els geps d'un camell). Això significa que estem davant de grups molt satisfets i grups profundament desconnectats, con molt pocs punts intermedis. És un senyal especialment rellevant perquè indica falta de cohesió cultural.
A la pràctica, sol reflectir organitzacions on:
-
Existeixen estils de lideratge completament diferents.
-
Algunes àrees viuen experiències laborals oposades.
-
Hi ha desigualtat en desenvolupament, comunicació o reconeixement.
L'empresa manté un únic logotip, però les persones no estan vivint la mateixa organització.
Quan RRHH deixa d'escriure dades i comença a llegir l'organització
A partir d'aquí, la lectura de les dades canvia de naturalesa. Deixen de ser un element d'informe per convertir-se en una eina d'interpretació organitzativa. La qüestió ja no és únicament quin resultat s'ha obtingut, sinó què està passant dins de l'estructura perquè aquest resultat adopti aquesta forma concreta.
La mitjana permet tancar informes amb rapidesa, però la distribució obliga a obrir preguntes que són menys còmodes i molt més rellevants. Quins equips estan sostenint el rendiment global, on es concentren les desviacions, quins estils de lideratge estan generant cohesió i quins estan produint experiències inconsistents. No es tracta de trobar una única resposta, sinó d'entendre el patró que dibuixen les dades quan s'observen en conjunt.
És en aquest punt on el rol de RRHH canvia de pla. Ja no es limita a descriure el que passa, sinó que comença a interpretar com funciona el sistema. I aquesta diferència és la que permet anticipar-se a problemes que encara no han escalat, identificar tensions que encara no s'han verbalitzat i reconèixer fractures que no apareixen en els informes tradicionals però ja estan presents en l'organització.