U većini organizacija, engagement istraživanja su postala sinonim za „glas zaposlenih“. Rezultati se prezentuju kao objektivna slika organizacione realnosti, a procenti odziva često se uzimaju kao implicitna potvrda validnosti nalaza. Ali realnost je da organizacije nikada nisu imale više podataka o zaposlenima i nikada nisu bile manje sigurne šta ti podaci zapravo znače.
Što je veća stopa odziva, to je veće poverenje u zaključke – tu se krije jedna od najupornijih metodoloških zabluda savremene HR prakse, pretpostavka da je dovoljno imati „dovoljno odgovora“ da bismo imali tačnu sliku organizacije. Ipak, pitanje nije samo koliko ljudi je odgovorilo, već ko je ostao van tog odgovora i šta to odsustvo sistematski znači za interpretaciju podataka.
Ako vam je stopa odziva 57%, da li ste izmerili angažovanost zaposlenih ili angažovanost onih koji još uvek žele da razgovaraju sa organizacijom?
O prigodnim uzorcima, metodološkim pristrasnostima i iluziji objektivnosti u HR istraživanjima
Poslednjih godina organizacije su postale izuzetno sofisticirane u načinu na koji mere iskustvo zaposlenih. Engagement istraživanja, pulse ankete, wellbeing indeksi, dashboard-i organizacione klime i različiti people analytics alati danas su standard savremenog upravljanja ljudima. Rezultati tih istraživanja ulaze u board prezentacije, strateške planove i odluke o liderstvu, organizacionom dizajnu i investicijama u zaposlene.
Na prvi pogled, deluje da nikada nismo imali više podataka o ljudima. Istovremeno, retko kada se postavlja jedno mnogo važnije pitanje: Koliko su ti podaci zapravo reprezentativni za organizaciju o kojoj govorimo?
U velikom broju kompanija stopa odziva u istraživanjima angažovanosti retko prelazi 50-60%. Nekada je i značajno niža. Ipak, rezultati se često interpretiraju kao da predstavljaju objektivnu sliku iskustva svih zaposlenih, dovoljno pouzdanu da na osnovu nje donosimo odluke o kulturi i organizacionim promenama.
Tu nastaje problem, ali ne zato što su HR istraživanja besmislena, naprotiv. Problem nastaje onda kada metodološka ograničenja naših istraživanja počnemo da tretiramo kao nevažne tehničke detalje, a ne kao nešto što direktno utiče na kvalitet organizacionih odluka.
Šta je stopa odziva i zašto je važnija nego što deluje
Stopa odziva (response rate) predstavlja procenat ljudi koji su učestvovali u istraživanju u odnosu na ukupan broj ljudi kojima je istraživanje bilo namenjeno.
stopa odziva = broj odgovora / broj pozvanih učesnika × 100
Na primer, ako organizacija ima 2.000 zaposlenih, a anketu popuni njih 800, stopa odziva iznosi 40%.
Na prvi pogled, ovo može delovati kao običan administrativni podatak. Međutim, u istraživačkoj metodologiji stopa odgovora je mnogo više od toga. Ona predstavlja indikator potencijalnog rizika od pristrasnosti uzorka i ograničenja u generalizaciji rezultata. Važno je razumeti da niska stopa odziva sama po sebi ne znači automatski da su podaci „loši“, baš kao što ni visoka ne garantuje kvalitet zaključaka. Ključno pitanje nije samo koliko ljudi je odgovorilo, već:
• ko nije odgovorio,
• i da li se oni koji nisu učestvovali sistematski razlikuju od onih koji jesu.
U metodologiji istraživanja ovo se naziva pristrasnošću neodgovaranja (nonresponse bias).
Groves i Peytcheva (2008), u jednom od najcitiranijih radova o ovoj temi, pokazali su da stopa odziva nije dovoljan pokazatelj kvaliteta podataka ukoliko ne razumemo strukturu neodgovaranja. Drugim rečima, problem nije samo mali broj odgovora – problem nastaje onda kada odsustvo odgovora nije nasumično, a u organizacijama ono vrlo često nije nasumično.
Ljudi ne učestvuju u istraživanjima nasumično
U mnogim kompanijama stopa odziva se i dalje tretira kao operativni ili komunikacioni problem:
- treba poslati još podsetnika,
- menadžeri treba da „poguraju ljude“,
- anketa treba da bude kraća,
- ili vizuelno atraktivnija.
Međutim, ona nije samo KPI procesa. Savremena literatura iz oblasti survey metodologije i organizacionog ponašanja pokazuje da participacija u istraživanjima nije neutralno ponašanje. Učešće i neučešće zaposlenih u istraživanju ne javljaju se iz istih razloga.
U engagement istraživanjima češće učestvuju zaposleni koji:
- imaju više poverenja u organizaciju,
- osećaju psihološku sigurnost,
- veruju da njihov glas ima smisla,
- ili su već relativno povezani sa sistemom.
S druge strane, vrlo često uopšte ne učestvuju oni koji:
- ne veruju u anonimnost,
- smatraju da se ništa neće promeniti,
- osećaju profesionalnu distanciranost,
- ili su već psihološki izašli iz organizacije.
Upravo tu dolazimo do suštine problema: organizacija tada ne meri iskustvo svih zaposlenih, već iskustvo onih koji su ostali dovoljno povezani sa sistemom da žele da učestvuju u razgovoru.
Primer: Kada „dobri rezultati“ sakriju organizacioni problem
U jednoj velikoj proizvodnoj organizaciji sprovedeno je godišnje engagement istraživanje:
- stopa odziva je bila oko 57%,
- skor angažovanosti iznad industrijskog benchmark-a,
- rezultati rukovođenja stabilni,
- indikatori blagostanja zaposlenih „u očekivanim granicama“.
Na osnovu toga, zaključeno je da organizacija relativno stabilno prolazi kroz period promena i da nema potrebe za ozbiljnijim intervencijama. Međutim, nekoliko meseci kasnije pojavljuju se:
- rast fluktuacije u operativi,
- povećan broj bolovanja,
- pad performansi u pojedinim pogonima,
- i ozbiljan problem zadržavanja zaposlenih.
Naknadna analiza pokazala je da zaposleni baš iz tih organizacionih jedinica gotovo nisu učestvovali u istraživanju. Najkritičniji segment sistema nije bio prisutan u podacima, a organizacija je na osnovu tih podataka donosila odluke. To je možda i najveća opasnost savremenih HR analitika. Podaci mogu izgledati dovoljno sofisticirano da stvore iluziju objektivnosti čak i onda kada je metodološka osnova veoma krhka.
Problem prigodnog uzorka: kada organizacija sluša samo najdostupnije glasove
U organizacijama se stopa odgovora često koristi kao implicitni dokaz kvaliteta istraživanja. Što više zaposlenih odgovori, pretpostavlja se da su rezultati pouzdaniji. Međutim, savremena literatura postaje sve opreznija prema toj pretpostavci. Istraživanja pokazuju da visoka stopa odziva sama po sebi ne garantuje odsustvo pristrasnosti, baš kao što niska ne znači automatski da su podaci neupotrebljivi. Mnogo važnije pitanje jeste:
- da li uzorak adekvatno odražava strukturu populacije,
- i da li postoje sistematske razlike između respondentnih i nerespodentnih grupa.
Jedna metaanalitička studija (Wu et al., 2022) dodatno problematizuje oslanjanje na stopu odziva kao primarni indikator kvaliteta podataka. Autori ukazuju da karakteristike grupa koje ne učestvuju često imaju veći metodološki značaj od samog procenta odziva. U organizacionom kontekstu to je posebno važno, jer su oni koji ne učestvuju često zaposleni sa nižim poverenjem, većim sagorevanjem, nižom identifikacijom sa organizacijom, ili višim nivoom psihološke distance.
Dakle, engagement skor ponekad ne meri stanje organizacije, već stanje njenog najdostupnijeg i najspremnijeg dela. U većini istraživanja angažovanosti koristi se ono što metodologija naziva prigodnim uzorkom. Anketa se pošalje svima, a zatim odgovaraju oni koji žele da odgovore. Na prvi pogled, ovo deluje inkluzivno. Međutim, metodološki gledano, takav uzorak ima ozbiljno ograničenje – nije kontrolisan po strukturi populacije. To znači da određeni delovi organizacije imaju veću verovatnoću da budu zastupljeni u podacima od drugih.
Rešenje? Reprezentativan uzorak: metodološki minimum, ne akademski luksuz
Ako ne možemo da uključimo celu populaciju zaposlenih (a u praksi često ne možemo) pitanje više nije: „Kako da dobijemo više odgovora?“, već: „Kako da obezbedimo da uzorak zaista predstavlja organizaciju?“. Tu dolazimo do koncepta reprezentativnog uzorka.
Reprezentativan uzorak znači da struktura ispitanika proporcionalno odražava strukturu populacije po relevantnim dimenzijama:
- funkciji,
- organizacionom nivou,
- lokaciji,
- tipu posla,
- senioritetu,
- ili drugim faktorima važnim za organizaciono iskustvo.
Cilj nije da odgovore svi. Cilj je da svaki relevantan deo sistema bude adekvatno zastupljen.
U praksi, to podrazumeva:
- definisanje populacije,
- identifikaciju ključnih stratuma,
- proporcionalno uzorkovanje,
- slučajan izbor unutar grupa,
- i kontrolu odziva po segmentima organizacije.
Takav pristup ne daje „savršene“ podatke, ali daje nešto mnogo važnije: kontrolu pristrasnosti i odgovorniju sliku organizacije.
Pristrasnosti koje organizacije često ignorišu
Nereprezentativni uzorci retko dolaze sami. Obično su povezani sa čitavim nizom metodoloških i psiholoških pristrasnosti koje dodatno komplikuju interpretaciju rezultata.
Pristrasnost neodgovaranja (nonresponse bias)
Kao što smo već pisali, nastaje kada se oni koji nisu učestvovali sistematski razlikuju od onih koji jesu. U organizacionom kontekstu to često znači da su iz podataka isključeni zaposleni sa:
- nižim poverenjem,
- većim sagorevanjem,
- ili slabijom identifikacijom sa organizacijom.
Rezultati tada mogu izgledati „zdravije“ nego što organizacija zapravo jeste.
Pristrasnost preživljvanja (survivorship bias)
Organizacije često analiziraju samo one koji su ostali u sistemu.
Više nisu vidljivi zaposleni koji su:
- dali otkaz,
- psihološki se povukli,
- ili prestali da učestvuju u organizacionim procesima,
Sistem tada meri iskustvo „preživelih“, a ne iskustvo organizacije u celini.
Pristrasnost socijalne poželjnosti (social desirability bias)
Čak i kada zaposleni učestvuju u istraživanju, ostaje otvoreno pitanje: da li odgovaraju iskreno ili bezbedno?
U organizacijama sa slabim poverenjem u anonimnost ili visokim nivoom kontrole, zaposleni često daju socijalno poželjne odgovore.
Rezultati tada izgledaju uredno, stabilno i profesionalno, dok se stvarni problemi povlače u neformalne razgovore, pasivnu distanciranost i tihu fluktuaciju.
Pristrasnosti potvrđivanja rukovodstva (confirmation bias)
Jedan od najmanje diskutovanih problema jeste način na koji rukovodstvo interpretira rezultate.
Kada podaci potvrđuju postojeći narativ („kultura je stabilna“, „promene dobro prolaze“, „ljudi su zadovoljni“), organizacije retko problematizuju metodološka ograničenja, ali kada podaci pokažu problem, tada se mnogo češće postavljaju pitanja o validnosti istraživanja.
Organizacije često tretiraju podatke kao objektivne onda kada potvrđuju ono što već žele da čuju.
Benchmark kao psihološka sigurnost, ne nužno analitička sigurnost
Industrijski benchmark dodatno pojačava utisak validnosti. „Iznad smo proseka industrije“ zvuči kao ozbiljan dokaz organizacionog uspeha.
Ali benchmark ima smisla samo ako razumemo:
- kako su podaci prikupljeni,
- kakve su stope odziva referentnih organizacija,
- kako je definisana angažovanost,
- i koliko su organizacije metodološki uporedive.
Bez toga, organizacije zapravo porede različite selektovane uzorke, a ne različite organizacije. Benchmark često funkcioniše više kao psihološka potvrda nego kao ozbiljan analitički alat.
Praktične implikacije: kada podaci postanu selektivna realnost
U praksi, problem nereprezentativnih uzoraka nije samo metodološki, on je direktno vezan za kvalitet organizacionog odlučivanja. Kada rukovodioci donose odluke na osnovu podataka, oni zapravo ne donose odluke na osnovu „istine o organizaciji“, već na osnovu verzije organizacije koja je ušla u uzorak. To ima tri važne posledice.
Prvo, odluke o kulturi i liderstvu često se zasnivaju na stabilizovanoj slici sistema. Ako su u uzorku pretežno uključeni zaposleni sa višim poverenjem i većim stepenom angažovanosti, organizacija može pogrešno zaključiti da su problemi periferni, a ne sistemski.
Drugo, intervencije se često usmeravaju na simptome, a ne na strukturu problema. Na primer, ako podaci ne „vide“ neangažovanu populaciju, organizacija će ulagati u dodatne engagement programe za već angažovane zaposlene, umesto u rešavanje uzroka povlačenja iz sistema.
Treće, stvara se iluzija stabilnosti u trenutku kada sistem zapravo postaje polarizovan, deo organizacije ostaje vidljiv kroz podatke, dok drugi deo postaje statistički nevidljiv. U tom smislu, problem uzorkovanja nije akademski. On direktno određuje kvalitet strateških odluka.
Razlika između merenja i razumevanja
Možda je upravo to najveći izazov savremenog HR-a. Danas imamo više podataka nego ikada ranije, ali količina podataka sama po sebi ne garantuje razumevanje sistema.
Organizacije mogu imati lepe dashboard-e, stabilne engagement skorove, benchmark rezultate i precizne trendove kroz godine, a da istovremeno sistematski ne vide delove organizacije koji su najviše distancirani od sistema. Zato treba postaviti pitanje: „Ko nije učestvovao i šta bi njihov odgovor promenio?“
Dok god ne razumemo ko nije učestvovao i zašto postoji realan rizik da ne donosimo odluke na osnovu podataka o organizaciji, već na osnovu podataka o njenoj najdostupnijoj verziji. Razlika između te dve slike nije statistička nijansa, već razlika između upravljanja sistemom i upravljanja njegovom projekcijom.