Fem varför, även kallat Five Whys, är en problemlösningsteknik som hjälper organisationer att gå bortom ytliga symptom och avslöja de underliggande faktorerna bakom utmaningar.
Fem varför: Metoden som avslöjar problemens dolda orsaker
Verktyg Risken för att samma problem upprepas blir mindre när man går ner på djupet och söker grundorsaken. Men det finns en del att se upp med.

Foto: Adobe Stock
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Kvalitetsvård.se premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
Metoden används ofta i problemlösnings- och beslutsprocesser för att genomföra en grundlig analys av problem.
o4eDnR7SKhGIdY1yXTDkG/mYxKbppXF/uCeC7Jsg2k83bdaMSM+O5+fIBiEQJF/DwSqfatuJHMdlHJdFPZPfYtnK4rgZotCimlpoZ9hddjpDOEPk8oAymxsf1//HOO//wyG4Ejk6EFYlfDgB+YKYJdSS6O8O16gjsxK6pCX383gODGQlhPhh8S1YmYFtLH3vdnbt3MdzhvMTj4OSehWCzf3Jx/XIMQJwJtdNPZ6khFcxWYh0Y0rF5qlbXeKlhDRaFV1/yuHzf4B3ZBoV8NePheDt+FKESo4GDM3GxyPC0NgVNypKvCPc8o0dFl5C6fsVj1gMqBCxx/0NZPktUTHzcxptu7cP/B1KQv+WTGDS3Is0Baf1VX5L5Q/USRl629HLjEantfBwrZte3YjGR4bhGM56+PKUaCuhwrucwHEZvsIt1EZhLkQqgVIvO3aEHtPJ4wIePfbkp12UBkN3XTmUPjxUkOZrm3dNL7/ssMJ3FiNIatRHVuJsbpuUc0rvVMsBbcR/NqHg/W8gXlx2Hm0iG9G3F+TYOkFy+vgS7yjCiHYebh3pew780ZXNvVsiJXpNd/jyo14qM8gNN8miAf+ioor/CzNrnokL6w1KTc/Clo0PqxlrTZpekJj24exGkDhpJrgg6mFnpDdYTFpfMzb7nFCMVRl4obnyR5+RPwEuT05Tzat0YLbbcRvq9Tsgjapkq4dsHCJ12MtSi1RSLZkW48oVw+6sigM4OIKMSLladdRTXjO9mYK11/Q7D23I8Q6EUQ13AwyLXpWonHI+t0wrS3fzWTEAJYbf83Ce2rX8h1oRfwq5YcmKLhEHwREGkyQcOhJUk956oItoLFEPOHSHNlEbv6DN17kK704mUwp7CdFJUnXBLPBpupKF2Gwglwhuyo7LlWBoCQ4yDazEXiSKwtuMfArAZotbDNKKF/XlQ4YD/OIKm942b5H50s1Cu5V4cY84qsIrxyQwP6rbwY8EnbXF3fLhbB+GBcylAiZmHoqftadkWAtoq1eEHKyv2oX6DEPQzchs/thoBD9Ey0XUeqKenWaGml6vDJ+WV893NQNrY2sOD/ne7h/1LCkrYG46HRm7vvNVSfGkX1TiMK+E+Gviq1FRq3ePttY1HrGjoanp4oV7D7bYW6T5PYIfKAisFkAnuhdfgR5gHj+0gBE3QDhf69HCgdFvMWXQMX1FmThhwrjmvchWkg2pOmvB0AALSFDk3M/G6Y3K5b0Z4K2MjIZOuMO02JyhP2yxVBfwghIP5wMUQB9Uv+VDic2ZBNQkwRNRUHF6wM7w5jl5MM90Tpd3UXMDcfEc/NTYxMgwJpjosQCDGlugZOHi2TEbOJJp/AKvrWCVvgRacYeUXIzcuvAHFWrvemHkZ5xCW5Oh60yb7v7cfDNyDJ72wF1UzYtogVcadlXt6Ch8JGDSz34/3K+WFOztZ26tFIFW0WahlvRDU8Obnp9u8mdvCT+kzI42k8rxCYBF3/O8C6yS7HqDHL/So+pwnkIdRrusUgAyYt5tYiA/2cMzT4akayAI9msvk7wG87K3wVCPUa4oAdXBldRLxsEprWsV5vVzKMyMuII1L9l3qi551j9KuVNPCWNyKIMIdbGTDhFmA5U5UmC0Jmgagf4arzuMFyD41QKxO76MeOunCvZ7QXI4CSDmDfk3oGbawZXL1U8Ov3xadzIqEwMMLHoQxKlyz+hUUuF1Z/uRJShSoK2eGs5mU/pc0m9QgiRTbiZ87LA+3TZJ+xCKWcZiLJzuj7FFSD011gfYfnCduqlZB8IE+7wBh7R5YxmMI48uMvvb4ad7aaul8DX3d+ZSswRqe/kX1nV7ZUjOrmgqyYaV765iPscB5qSAKymQGvIYxonrzPb2RkGCPivw69tZoctxnBGuHof6P3p6JHlSkJ6/lcwodU8HziZYXcIVWtt1eT8KvUV6gHTMJnRex61RUpsVD6gZXyQXkEhVH9SdpwG2DFAMyPjkYp3LgqWhd5vYkQgXqiE26bS6rkudvxP7xDmu3+zsO8NlfcEACx2o8OmlsABr8pf+03mhm0bzD6OvBhUOTnIGT5vGbfSYwxQLGataob6cbLP6FEG0BVW7T9pyv6U5xJpth5L69Nge5PK8kA7YAB1ldXBVkcQ2ZVZrdxF2QOdcKiw67XtYJYLqk/BJM0TACl94ZRv348IORlFnYEk5sygncFSKpWt68D/GZ0zmfY/hW5rUB8lNcA5bfYQoPPtfZ6hwBi7/NRCpXegCLvuo7Rl32h7N80yeBO3xMXrHuN50Ap6B5V8aqpL7vOiafM7BgD5nGEdkV9Nw+yJ3AZ44ilMULlVZjijtACZGEurYPOqAZphCF6velWBvGySctNkbTqj1sW/bK/KnR6uoamFaygPXAdcolmP9WwNWf6NOjbi4zc35/92tQwl5bj/Bw5NXzii7jpHdmFEJmN60OFaiwQ1vvPvdNETYX5MUJrs/iaHFFlt7Pr8XCuM44zafmIdgk1Am3mQiHkNtzZGi1GfvGpBEgHf0XMAkLQKPXH0C1ORylHmyrjGF05DfnLQTQGoInmuxmHqFiDfFR9HpsIQZYJ0uXkzgO+5/OzLgdrv5S/BdFb1RfFcemctSK6XZ75V/gA2uSlO67FrVGH0pZcfG1eD70oidVgvdsyKcTP9VHYdtOa4dtCOUIAAi18IzRHv+8KitMQGy2OVCEY1dUL4EOJC9dS4JjgNXdBGOhDGV/XGGJNjBOUdE4B5hFrdUE2GpKIu7fvujxhFUEUzbEOBusvmRQ7sep8Ff7mQM4q28k2BezK3MBxfYLfwN/J4/pVREZ2/6mGTVbUv3QtvX7cy4kBtWyWIpRW/3kFzWGZLA61Mo/Klbi0VrqJ0YP2YGV18wlleR3uPwWP1vevuF0cZplCRuvbELboT9nT/HE/C2trSMccNDHKhZ+yJWeEwwoD6qju2KAm22UUpvmcjUGu075pkPPLYT+i5MIvxLlI24+j5BSNCUfxDyMWFA8m5G+KBs1ZSHgnw9ozkBjPn0xqU6G0Y6DzR5uhiZ6ZMYI1roD+p3pzg3UAPnkivcRAP7rLekkDJD0A9QghGHIabX9e5dIJGUgIbeCFS3dITO3ET3k5tl2lqhWU0slUczS4E5TgH/iLf9nQkx4fxRsBx/Y3Riu82sN6TXpl3bNJkmqERDu7hQh6BzpT8f7G2r+OiKBB1yHinkTa5v/StmVl+finXsZZQAsLnErWyN2ZhEB5tMgY06l5dW7p9HLeM4z9WItn0uCX1aTi0CFrANo/2uJDA2BEn0Gy/Lkv5vBYNIuZjA9iEX36W6fH/UszwZouLqqMO44j75MUril+NAOxeHEnGa0cU2ZrXdqdMQjat+Gk+d3IRZmbluRovXDEC8C5EWbWtOxgsKJI/G2GJb9Dex5kLsC3VMORILiGf96PUbhAHU3lWh+AJM3WT3a6YxIpuVFIdmvIcLIhozFPQAeA7BWidE8LNcpQ4smUZzdESic5CPjFzBrrCnGoGjeM9vcpjQ9aTL6vL0vk9tQAZoF8mpnSBb5ERIGwwZvjXj49I9irJFy071at2LRd3tJRCDUN39FsYl+rsbLGVTImp4OsQOa4+bWYRdIfYuA2Lr3rLS8Sf1SUmV1zcsPDrGoWUeV/KWyxAdKWEfkJnQON63WRotyWqInxyCW4/tIChyLei7oEHgO82CzATvKVd0nzoi0rsEtDJKh/dNNot04LgSlxCC6mbzGJY+7/g9ev3Zw+AHX9cq2/Pl+kBKwYKXaiLn8Nmq/JqI2KytsBEXJEqum8OUi5D1QF6mNUsmomZ24SlmKLI7v89u6DmhsUyjFtiaTntJc3/Jn22caZ5JLrdg6dpaunup+rzscmJ44PKeeG09XfbpDoNOJv/ihLhq30YizLRMutP0vkW1VL9vO8FNc4aWsBJKRToxZewCEfG1LelLGCk57n7g/gSVU9a6eOQ=
