Deze verzekeraar voerde zelf een kwalitatief onderzoek uit waarin de medewerkers vragen werden gesteld over verschillende thema’s, zoals communicatie, werkdruk, engagement en bevlogenheid.
Binnen het bedrijf zijn ‘kritische functiefamilies’ gedefinieerd. Dit zijn rollen die van kritisch belang zijn voor het continueren van de bedrijfsvoering. De organisatie is geïnteresseerd in welke onderwerpen en behoeftes er spelen bij medewerkers binnen deze kritische functiefamilies, in vergelijking met niet-kritische functiefamilies. Een andere vraag is of er een verschil is tussen de verschillende bedrijfsonderdelen, zodat zij hier actief beleid op kunnen voeren. Het doel is om inzicht te krijgen in de huidige situatie en in te zoomen op verbeterpunten.
Het onderzoek bestaat uit een kwantitatief deel, aangevuld met kwalitatieve resultaten. De vragen worden namelijk gesteld op basis van een 0-10 Likertschaal, waarna medewerkers een toelichting kunnen geven op het cijfer dat ze geven.
De Likertschaal is een antwoordschaal die vaak wordt gebruikt in enquêtes, psychologisch en sociaalwetenschappelijk onderzoek en marketingonderzoek. Respondenten geven aan in hoeverre zij het eens of oneens zijn met een stelling. De schaal bestaat uit een aantal antwoordopties, variërend van “sterk mee oneens” tot “sterk mee eens” en wordt daarom ook wel waarderingsschaal of gedwongenkeuzeschaal genoemd. Het is genoemd naar de Amerikaanse sociaal psycholoog Rensis Likert, die deze methode in de jaren ’30 ontwikkelde.
De analyse van de resultaten bleek voor deze organisatie een te grote uitdaging. Net als veel andere bedrijven hadden zij moeite om open antwoorden van medewerkers uit de vragenlijsten te verwerken en interpreteren. Stuk voor stuk doorlezen en handmatig analyseren is tenslotte geen optie bij deze grote aantallen. Daarom blijft deze waardevolle bron van informatie vaak onderbelicht. Dit is waar Highberg helpt.
Om de resultaten te interpreteren, heeft Highberg een aantal stappen en analyses uitgevoerd. Het doel was om onderwerpen die op basis van de kwalitatieve input naar voren kwamen te vergelijken en clusteren en vervolgens inhoudelijk te analyseren. Wij kiezen daar vanzelfsprekend de meest geschikte analysemethoden voor.
K-means clustering is een veelgebruikte techniek om groepen of clusters te vinden in een dataset op basis van hun gelijkenissen. Het doel is om de gegevenspunten te verdelen in een vooraf bepaald aantal clusters, waarbij punten binnen een cluster veel op elkaar lijken en tussen verschillende clusters zoveel mogelijk verschillen. Op deze manier bepaal je bijvoorbeeld thema’s.
De analyse was voor deze organisatie erg waardevol. Niet alleen omdat nu duidelijk is waar het bedrijf zich op moet richten om de medewerkerstevredenheid te vergroten, maar ook omdat dit cijfermatig is onderbouwd. Zonder deze uitgebreide en verschillende analysetechnieken was dat niet het geval geweest.
Zo is door de open antwoorden van medewerkers te analyseren bekend waar tevreden medewerkers precies tevreden over zijn, en op welke onderwerpen de organisatie moet verbeteren. Eén van die thema’s is zelfontwikkeling. Op basis van de uitkomsten heeft de organisatie nieuw beleid opgezet om zelfontwikkeling meer mogelijk te maken. Hetzelfde geldt voor thema’s als werkdruk en samenwerking met de manager. Zaken die uit open antwoorden te extrapoleren zijn blijven vaak onderbelicht. Met de aanpak van Highberg is deze belangrijke bron van informatie goed benut.
Doordat er doorlopend Voice of the Employee Onderzoek wordt gedaan, wordt snel zichtbaar welke interventies het gewenste resultaat hebben bereikt. Zo kan er continu verbeterd worden en komen eventuele issues en uitdagingen snel aan het licht.
Neem dan contact op met onze expert Irma!
Senior Onderzoeker