Blogi
7.12.2015

Garbage in – garbage out. Mikä ennustamisessa mättää?

Virallinen lähitulevaisuuden ennustamisen ja suunnittelun menetelmä on useissa yrityksissä yhä budjetointiprosessi, jonka vastuu on usein keskitetty talouden harteille. Tässä parin kuukauden raskaassa harjoitteessa todetaan suunta ensi vuodeksi ja sen jälkeen hiukan kärjistäen homma voidaankin unohtaa seuraavaan harjoituskertaan asti. Tällöin luvut ja faktat eivät oikeasti ohjaa toimintaa, henkilöstö ei niihin todennäköisesti sitoudu ja liiketoiminnan muutoksia ei saada huomioitua.

Nykymaailma on tulvillaan toimijoita jotka lupaavat tehdä liiketoiminnan ennustamisesta ja näin myös budjetoinnista helppoa. Myyntipuheissa algoritmit ja automaatio hoitavat valtavien tietomäärien käsittelyn ja antavat päätöksentekijöille elegantteja ja käytännöllisiä kiteytyksiä. Kylmä totuus on kuitenkin edelleen että, loppupäätelmä on vain niin hyvä tai huono kuin siihen johtaneet lähtötiedot ja hypoteesit eli "garbage in - garbage out". Ratkaisu ennustamiseen saattaa kuitenkin löytyä teknologian sijaan jostain lähempää.

2000-luvun alussa liiketoiminnan ennustamisen ja Business Intelligence -ratkaisujen sateentekijäksi tarjottiin oppivia neuroverkkoja. Jo tapahtunut on neuroverkoilla helppo mallintaa, koska tapahtuman lähtötiedot ovat täysin tiedossa. Tulevaisuuden ennustaminen meni näillä malleilla taas yleensä järjestään pieleen, koska kaikkia ilmiön lähtöarvoja ei osata ottaa huomioon, eikä järjestelmä yleensä osaa arvuutella lähtötekijöiden puutteellisuutta. 2000 -luvun neuroverkoilla onnistuttiin siis hieman kärjistäen luomaan hyvin tehokas jälkiviisastelija. Tämä automatisoitu besserwisser ei kuitenkaan juuri tarjoa lohtua, kun tulevaa tilikautta suunnitellaan.

Vaikka neuroverkoista ei ollut ennustamisen ihmelapseksi, niiden taustalla olevat periaatteet paljastavat ikävän kirkkaasti nykyisten suunnittelu ja päätöksentekomenetelmien heikkoudet.

Neuroverkoilla ja organisaatioilla on paljon yhteistä

Neuroverkko on abstraktio päätöksentekojärjestelmästä, jossa ratkaisu syntyy hajautetusti koko verkoston vastatessa omalla panoksellaan päätöksen luomisesta. Lisäksi verkosto on luonteeltaan itseohjautuva ja oppiva. Kuten nimestä voi päätellä, neuroverkot ovat keinotekoinen abstraktio tavasta, jolla ihmisaivot toimivat. Monimutkaisesta olemuksesta huolimatta järjestelmä koostuu lopulta vain joukosta sääntöjä ja soluja jotka vaikuttavat toisiinsa ja yhdessä luovat kompleksin kokonaisuuden.

Hiukan tarkemmin avattuna neuroverkko on järjestelmä, joka koostuu verkostosta tiettyjä herätteitä ja lähdearvoja. Jokainen hermonpää järjestelmässä tekee omatoimisen päätöksen joko toimia tai olla toimimatta. Seuraava hermonpää on taas kytkettynä useaan alemman vaiheen hermopäähän ja reagoi niiltä tuleviin herätteisiin. Kun hermopäähän saapuu riittävä määrä herätteitä, tekee hermo oman "päätöksen" jatkaa asiaa eteenpäin. 

Oppivan systeemistä tekee se, että uusia yhteyksiä luodaan jatkuvasti ja hyväksi havaitut yhteydet vahvistuvat sekä saavat lisää painoarvoa, kun taas heikommat yhteydet katoavat pois hiljalleen.

Neuroverkkojen periaatteet:

  1. Malli toimii sitä paremmin mitä enemmän syötteitä on tarjolla päätöksenteon tueksi. Jos päätökseen kykeneviä hermoja olisi vain vasemmassa jalassa ja oikea jalka astuu nuotioon, voi päätös jalan siirtämisestä tulla turhan myöhään.

  2. Tiuhempi tarkasteluväli johtaa parempiin päätöksiin. Jos ulkona oli puolen päivän aikaan lämmin, voi ilman tarkistuskierrosta pukeutuminen illalla jäädä turhan kevyeksi.

Ihmisen ajatusmalli kehittyi varmistamaan eloonjäännin lisäämällä hermonpäiden määrää ja huolehtimalla että mittausväli on riittävän tiivis. Tätä samaa kehityspolkua ei ikävä kyllä aina noudateta liiketoiminnallisissa organisaatiossa, vaikka itse päätöksenteon prosessi jäljitteleekin neuroverkoista tuttua kaavaa.

Meillä on eri organisaatioyksiköitä (hermonpäitä) jotka kykenevät omatoimisiin päätöksiin, jotta liiketoiminnan visiota kyetään toteuttamaan ja pitämään organisaatio hengissä myös seuraavaan tilikauteen. Alimmilta tasoilta kertyy tietoa joka välittyy (tai joskus jää välittymättä) liiketoimintajohtoon, joka puolestaan pyrkii turvaamaan organisaation olemassaolon myös tulevaisuudessa hyödyntäen kentältä saatuja tietoja.

Organisaatiot voivat olla neuroverkon kaltaisia tehokkaita päätöksentekijöitä

Seurailemalla neuroverkkojen periaatteita meidän tulisi laajentaa ennusteprosessin syötteitä ympäri organisaation. Pelkkä saatavilla oleva tieto kuitenkin puurouttaa prosessin, jos kaikki päätöksenteko yritetään tehdä vasta johdon tasolla. Parempi ratkaisu olisi jalkauttaa tiedon keruun lisäksi myös päätöksentekoa organisaatiossa alemmille tasoille. Näin syötteiden määrä prosessissa kasvaa merkittävästi ja samalla suurempi joukko päätöksentekijöitä suodattaa tietoa helpommin käsiteltävään muotoon.

Kun ennustaminen ja suunnittelu on jalkautettu koko organisaation laajuudelle, voidaan raskaasta budjetointiprosessista siirtyä kevyempään ja useammin tapahtuvaan ennustamiseen. Yhdessä lähempänä oikeaa liiketoimintaa tehdyt päätökset tuottavat parempaa tietoa ylimmän johdon tueksi ja nopeamman syklin ennusteet mahdollistavat liiketoiminnan elämisen tilanteiden muuttuessa. Lukuihin ja päätöksiin on myös helpompi sitoutua, kun niihin on päässyt itse vaikuttamaan ja ne on oikeasti sidottu tavoitteellisiin aktiviteetteihin.

Jotta päätösprosessi voitaisiin oikeasti jalkauttaa organisaatioon riittävän kevyenä, tulee johtamista tukevien järjestelmien olla riittävän kypsällä tasolla. Lisäksi ihmisten on oltava tietoisia omasta roolistaan sekä vastuualueestaan eikä ennustaminen saa pohjautua pelkkiin tilitasoihin ja euroihin, vaan myös aktiviteetteihin joista eurot koostuvat. Hyvää johtamista ei tietenkään järjestelmä korvaa, mutta ilman sujuvia järjestelmiä ja prosesseja tukehtuu suunnittelusta saatu hyöty Excel-viidakon kuristukseen.

Liiketoiminnan tietopohjaisen johtamisen ja ennustamisen tulisi olla yhtä luonnollinen prosessi kuin käden pois vetäminen kuumalta hellan levyltä. Toimintamallista tulee luonnollinen vain huolehtimalla toimintatapojen ja järjestelmien tarkoituksenmukaisuudesta koko organisaatiossa.

Kuva: CC cea +

Kirjoittaja

Petteri Heinonen

Petteri Heinonen

Petteri on kotonaan raportoinnin ja datamallinnuksen syövereissä. Efimalla hän vastasi suunnittelun ja raportoinnin liiketoiminta-alueesta. Tavoitteena on, että asiakkaat saavat aina tarkoituksenmukaisia ja kokonaisuuden kannalta toimivia ratkaisuja.

Uusimmat

Porissa olin oma itseni

Porissa olin oma itseni

Sari AapolaVietin lomallani kaksi musiikintäyteistä päivää Pori Jazz -festivaaleilla. Niin olen tehnyt lähes vuosittain jo 80-luvulta lähtien, mutta tällä kertaa kokemuksessa oli jotain uutta. Tajusin jälkeenpäin, että se liittyi vahvasti yhteen työpaikkani Efiman arvoista – lupaan olla oma itsensä

Tyytyväisestä asiakkaasta tyytyväiseksi työntekijäksi

Tyytyväisestä asiakkaasta tyytyväiseksi työntekijäksi

Efima OySuvi Antila kiinnitti jo Efiman asiakkaana huomiota yrityksen kehittämisorientoituneeseen otteeseen ja työntekijöistä huokuvaan ilmapiiriin. Lopulta Suvi päätti ilmoittaa kiinnostuksestaan työpaikan vaihtoon ja lähetti avoimen hakemuksen Efimalle.

Uhka, turhake vai mahdollisuus – Mitä talouden ammattilaisen tulee tietää ohjelmistorobotiikasta?

Uhka, turhake vai mahdollisuus – Mitä talouden ammattilaisen tulee tietää ohjelmistorobotiikasta?

Kaisa NieminenBBC julkaisi syksyllä 2015 nettisivun, jossa pystyi testaamaan oman työtehtävänsä kohtalon. Sen mukaan esimerkiksi kirjanpitäjän työ oli tuomittu katoamaan, sen sijaan talouspäälliköillä ja -johtajilla oli enemmän toivoa. Viekö siis ohjelmistorobotiikka työmme?