
Statistisk Sentralbyrå (SSB) bliver i de nævnte mediesegmenter opfattet ambivalent og til dels kritisk. På den ene side er SSB en essentiel kilde til data og prognoser, der bruges i økonomiske og politiske analyser, især omkring statsbudgettet og arbejdsmarkedets tilstand. På den anden side møder SSB skepsis og mistillid, især i sammenhæng med befolkningsdata relateret til etnisitet og religion, hvor bureaukratiets modstand mod at dele visse oplysninger kritiseres hårdt. Kritikere peger på, at SSB kan være påvirket af politiske dagsordener og lægge egne føringer, hvilket underminerer deres troværdighed. Samtidig anerkendes SSB for deres faglige uafhængighed og præcise økonomiske prognoser, men denne positive opfattelse overskygges af kontroverser, der rejser spørgsmål om gennemsigtighed og objektivitet.
Kritikken mod SSB optræder især i podcasts som "Ness" og "Sidelinja", hvor kontroversielle emner om religiøse data og bureaukratiets rolle diskuteres. Her bliver SSB fremstillet som politisk farvet og som en institution, der lægger egne begrænsninger på informationsdeling. I modsætning hertil præsenteres SSB i økonomiske podcasts som "Finanslunsj", "Dagsnytt 18" og "Børsmorgen & Økonominyhetene" som en vigtig og troværdig kilde til økonomiske data og prognoser med faglig uafhængighed. Den mest kritiske diskussion foregår altså i podcasts med fokus på politik og samfund, mens økonomiske podcasts giver et mere neutralt til positivt billede af SSB. Denne splittelse indikerer, at SSBs omdømme varierer stærkt afhængigt af emnet og mediekilden.
Diskussioner om økonomiske prognoser, statsbudgetter, arbejdsmarkedsdata og kontroverser omkring offentliggørelse af etniske og religiøse data.
SSB er centralt i udarbejdelsen af økonomiske prognoser og budgetter, hvilket ofte diskuteres i medierne. Samtidig er der voksende debat og kritik omkring SSBs håndtering af følsomme befolkningsdata, især i relation til religion og etnicitet, hvilket skaber kontrovers og fokus på datatransparens og politisk uafhængighed.
Detaljeret opdeling af offentligt sentiment og samtaler om denne enhed.
Se hvordan hver enheds høje påvirkningsprocent forholder sig til deres positive sentimentprocent fra faktiske omtaler.





