Mattias Elg är professor och centrumchef för Helix competence center vid Linköpings universitet och har i sitt arbete och sin forskning fokuserat mycket på offentlig sektor. För tio år sedan skrev han en rapport, Mätningar för bättre styrning, som använts flitigt. Men det finns ett glapp mellan behovet av att jobba med statistik och att jobba med verksamhetsutveckling. Därför har han nu utvecklat tankarna i boken Förstå, förutse och förbättra.
Så tolkar du datan rätt
Verktyg
De som är duktiga på statistik krånglar till det. De som har svårt för statistik drar felaktiga slutsatser.
Hårdraget? Javisst, men en del sanning ligger i det, menar professor Mattias Elg och berättar hur vi borde tänka i stället.

Någonting är fel
Läs vidare – starta din prenumeration
FAKTA
3 exempel för att undvika fel slutsatser
1. MASSANS VISHET. I början av 1900-talet gjorde statistikern Francis Galton ett test där han lät människor gissa en slaktad oxes vikt. Han upptäckte att medelvärdet av alla gissningar låg väldigt nära den riktiga vikten. En upptäckt som sedan visat sig stämma över lag. En viktig utgångspunkt var att gissningarna behövde vara oberoende, det vill säga att man inte jämförde sig med varandra. Den kunskapen har vi nytta av i till exempel teamarbete. Det är viktigt att låta individerna tänka på egen hand och kanske till och med skriva ner sina idéer innan teamet börjar. Börjar man prata med varandra först påverkar man varandra och missar massans vishet.
2. HOT ZONE. Om idrottare som presterar väldigt väl i en match sägs ofta att de är i en hot zone. De är heta. Men i en klassisk studie där Thomas Gilovich tog tiden mellan de poänggivande skott som basketspelare satte, konstaterades att det inte finns någon hot zone. Det var helt enkelt en slump. Men coacher låter gärna dem som verkar heta få mycket speltid, med resultatet att de i stället tröttas ut extra mycket.
3. REGRESSION MOT MEDELVÄRDET. Om du får ett värde som sticker ut mot tidigare så är sannolikheten att du nästa gång får ett värde som ligger närmare medelvärdet. Inom idrottens vill man gärna tänka att en spelare som bänkats, men som sedan får chansen att spela och då gör mål verkligen skärpt till sig för att prestera. Men i själva verket är det statistiskt förväntat – regression mot medelvärdet.
– De som jobbar djupt med statistik är duktiga på det. Men det de tar fram ska sedan tolkas av andra som ofta har ganska liten statistisk kunskap, som politiker eller högre tjänstemän. Där ser jag ofta det här glappet, säger Mattias Elg.


