Hur svårt kan det vara? Eller Martin Timell som statistiker
För ungefär 20 år sedan talades det om att försäkringsbolagen hade upptäckt något som kallades Timell-effekten. Den sades bero på hemmafixare som inspirerats av tvprogrammet Äntligen hemma och glatt gav sig på projekt som låg utanför deras kompetens – ibland till och med våtrum! Resultatet blev inte sällan försäkringsärenden.
Martin Timell är en mästare på sitt område: altaner, flyttade väggar, renoverade badrum. Och visst, reklamen gjorde det hela så tillgängligt att vem som helst kunde tro att allt gick lika smidigt hemma. Ett avsnitt var ju bara 30 eller 60 minuter – hur svårt kan det vara?
Timell-effekten har kanske aldrig bevisats vetenskapligt. Men som statistiker är det ett fenomen som känns igen. Vi stöter ofta på samma logik: tron att något som ser enkelt ut på ytan också är enkelt i praktiken. Medan verkligheten är komplex, full av val, avvägningar och konsekvenser.
Just nu flödar det av reklam för snabba onlinekurser som lovar att på ett par timmar ge ”allt du behöver kunna” inom statistik. I ett aktuellt exempel utlovas att man, utan några förkunskaper, på två timmar ska kunna designa medicinska försök, analysera produktionsprocesser och bestämma hur olika faktorer påverkar stickprovsstorleken. Lockande, absolut – särskilt med slogans som made easy, no prerequisites och keep it simple.
Mjukvaruleverantörerna bidrar också till bilden – vem minns inte SPSS gamla slogan Real stats – real easy?
Problemet är inte att statistik är svårt eller otillgängligt, men det är en illusion att tro att en snabbkurs eller ett nytt program kan ersätta den erfarenhet och det omdöme som krävs för att tolka data rätt. Verktygen är fantastiska – i rätt händer. Men precis som en vinkelslip kan vara farlig i händerna på en oerfaren hemmafixare, kan en felvald analys slå sönder en hel studie.
Vi som arbetar med statistik vet att det inte handlar om att krångla till något som egentligen är enkelt. Tvärtom försöker vi förstå och hantera en komplex verklighet, där varje val innebär avvägningar och konsekvenser. Det kräver både metodkunnande och förståelse för sammanhanget.
Samtidigt lever tre bilder kvar som försvårar kommunikationen:
- Statistik är egentligen enkelt – vem som helst kan klara det med rätt program och en snabbkurs
- Statistiker är svårjobbade, långsamma och överdrivet teoretiska
- 3. AI kommer snart att göra oss överflödiga
Enligt en rapport från Almega (se till exempel Dagens Industri 21 augusti 2025) är statistiker ett i raden av arbeten som kommer att ersättas av generativ AI tillsammans med revisorer och ljudtekniker. Visst är AI fantastiskt, men AI är bara verktyg. Ironiskt nog är AI dessutom ompackade statistiska metoder! Vad händer med verktyg i händerna på någon som inte förstår dem? Var tog hela resonemanget om skit in, skit ut vägen? Min bild av AI är att det hjälper rätt personer att snabbare och effektivare replikera lika tveksamma analyser som tidigare – för att upprepa samma misstag som man redan gjort.
Detta har diskuterats förut och jag menar att vi måste ta tag i detta tillsammans. Det enklaste är att förfäras över alla ”snabbkurser”, desktoppaket och bönhasar som kallas ”statistiker” utan att vara det. Men om vi verkligen tror på vår profession måste vi även göra skillnad! I stället för att vara som Anders Öfvergård (Arga snickaren) som kommer in och dömer ut allt, kan vi inspireras av Willy Björkman i Bygglov: lugn, lösningsorienterad och alltid med fokus på att få det att fungera. Det handlar inte om att sänka kraven utan om att bygga förtroende, förklara vad vi gör och varför, och hjälpa andra att använda statistik på rätt sätt.
Pedagogik och kommunikation är därför inte tillbehör, utan kärnkompetenser för dagens statistiker. Detta är skälet till att både ASA, RSS och FENStatS tydligt lyfter fram dem i sina ackrediteringskriterier.
När vi lyckats med det, kan vi både skydda och stärka vår profession – och kanske till och med inspirera andra att förstå varför statistik är så mycket mer än att trycka på run. Att det handlar om insikt, om förståelse, och om att göra skillnad. På samma sätt som Timell går på känn och vet vilka problem som är viktiga för slutresultatet.
Så nästa gång någon säger ”hur svårt kan det vara?” – tänk på Timell. Tänk på vinkelslipen. Och kom ihåg: Trust me – I’m a statistician (vilket också är rubriken på en artikel av Katharina Schueller, VD på statistikbolaget Stat-Up och ansvarig för FENStatS arbete kring Data Literacy).
Magnus Pettersson
statistiker, ÅStat, AEUStat
