Emme tiedä emmekä tule tietämään tulevaisuudesta mitään ennen kuin se on muuttunut nykyisyydeksi. (Oiva Ketonen 1985)

Transkriptio

1 Ennakointimenetelmiä Medeia Majavesi, Sisällys 1. Ennakointityön lähtökohtia 2. Menetelmiä ja työskentelytapoja 2.1. Laadulliset menetelmät Toimintaympäristön muutosten tarkastelu Skenaariot ja skenaariotyöskentely Delfoi Pehmeä systeemimetodologia Tulevaisuuspyörä Relevanssipuu Tulevaisuusverstas tai -työpaja ACTVOD-menetelmä Ennakointiin soveltuvia oppimismenetelmiä 2.2. Määrälliset menetelmät Ristivaikutusanalyysi Aikasarja-analyysit Mallinnus ja simulaatio Lähteet 1. Ennakointityön lähtökohtia Emme tiedä emmekä tule tietämään tulevaisuudesta mitään ennen kuin se on muuttunut nykyisyydeksi. (Oiva Ketonen 1985) Tulevaisuutta ei voida ennustaa, mutta tulevaisuuden mahdollisuuksien ja haasteiden arvioiminen, ennakointi, on mahdollista. Ennakoinnin tavoitteena on muutoksen hallinta ja siihen varautuminen, ennakointitiedon tuottaminen suunnittelun ja päätöksenteon tueksi sekä halutun tulevaisuuden rakentaminen. Tulevaisuuden haasteiden lisäksi ennakoinnissa pyritään ottamaan huomioon myös ilmiöiden historiallinen kehitys ja nykyisen päätöksenteon ongelmat. Ennakointi (foresight) on osa tulevaisuudentutkimusta (future research) ja siinä hyödynnetäänkin tulevaisuudentutkimuksen menetelmiä ja tekniikoita. Tulevaisuudentutkimus voidaan määritellä systemaattiseksi, kokonaisvaltaiseksi, monitieteiseksi ja kriittiseksi pitkän tähtäyksen analyysiksi tulevaisuutta koskevista teemoista ja tulevaisuuden kehitysvaihtoehdoista. Käsitteenä ennakointi on kuitenkin laajempi kuin tulevaisuudentutkimus. Ennakointi voidaan jakaa kolmeen keskeiseen toimintoon: tulevaisuuden tutkimusmenetelmien hyödyntämiseen, verkostoitumiseen ja suunnitteluprosessiin (kuva 1). Suunnittelu Eri tavoin muodostettu tieto täydentää, auttaa ja tehostaa suunnittelu- ja päätöksentekoprosesseja. Verkostoituminen Monialainen verkosto edesauttaa oppimista ja tiedon leviämistä, kollektiivisen ymmärryksen syntyä ja osallistavaa päätöksentekoa. Sosiaalisen verkoston luominen ja kehittäminen voi itsessään olla yhtä tärkeää kuin yhteisten tuotosten luominen verkostoissa. ENNAKOINTI Järjestelmällinen ja osallistava prosessi, jossa arvioidaan tulevaisuuden kehityssuuntia ja varaudutaan niihin. Tulevaisuuden tutkimus Tutkivia menetelmiä, toistuvia toimia ja siirtyminen asiantuntijatoiminnasta käyttäjien mukaanottoon (osallistaminen). Tulevaisuutta koskevan ymmärryksen lisääntyminen, yhteiset visiot ja ennakointikulttuuri. Kuva 1. Ennakoinnin keskeiset toiminnot (muokattu lähteestä Euroopan komissio 2002). 1

2 Toimiva ja tehokas ennakointijärjestelmä muodostuu tiedontuottamis- ja hallintaprosessista, joka koostuu tiedon lisäksi innovatiivisuudesta, strategisesta arvottamisesta sekä proaktiivisesta tulevaisuuden tekemisestä. Proaktiivisuus on tietoista valmiutta ja uskoa siihen, että tulevaisuus ei ole ennalta määrätty, vaan siihen voi omilla valinnoillaan vaikuttaa. Ennakointityön keskeisenä lähtökohtana on tulevaisuuden tutkimusmenetelmillä hankittu tieto, tulevaisuustieto. Tiedon tuottaminen voidaan kuvata nelivaiheisena prosessina tai portaina, joiden säännöllinen toisto tekee ennakointityöstä osallistavaa: 1) Tieto. Tieteellinen tieto nykyisyydestä ja historiallisesta kehityksestä toimii lähtökohtana ennakoitavaan asiaan liittyvistä ilmiöistä, rakenteista ja prosesseista. 2) Mielikuvitus. Tietoon lisätään luova ajattelu ja mielikuvitus. Ei riitä, että pohditaan, miten asiat todennäköisesti tulevaisuudessa ovat, vaan on pohdittava myös, miten ne voisivat olla. 3) Arvot. Tietoon ja mielikuvitukseen on yhdistettävä myös arvot. Erilaisten vaihtoehtoisten tulevaisuuskuvien haluttavuus vaihtelee toimijan ajatusmaailmasta ja intresseistä riippuen. Aluksi toimijat yhdessä muodostavat skenaarioita mahdollisista tulevaisuuskuvista, minkä jälkeen voidaan määritellä todennäköiset, toivottavat ja vältettävät tulevaisuudet. Lopuksi valitaan yhteinen visio tulevaisuus, joka halutaan tapahtuvaksi. 4) (Yhteis)toiminta. Ennakointi muuttuu tulevaisuuden tekemiseksi, kun suunnitellaan ja valitaan ne toimintatavat ja toimenpiteet (strategiaportaat), joilla toivottu tulevaisuus saavutetaan. 2. Menetelmiä ja työskentelytapoja Tulevaisuudentutkimuksen menetelmien hallinta on keskeistä ns. tulevaisuusosaamisessa, joka tulee olemaan yhä tärkeämpi osaamisen laji. Tulevaisuuden arviointiin soveltuvia menetelmiä on useita ja niillä on usein monitieteellinen tausta. On tärkeää, että käytettävä menetelmä valitaan huolella, jotta tulokset ja tuotokset ovat koko ennakointiprosessin kannalta merkityksellisiä ja tiedon käyttäjät voivat liittää tulokset helposti omiin suunnittelu- ja päätöksenprosesseihinsa. Usein yksi menetelmä ei riitä aiheen kokonaisvaltaiseen tutkimiseen, vaan on syytä käyttää esim. sekä määrällisiä että laadullisia menetelmiä. On myös muistettava, että tietyn alan asiantuntijat ja tutkijat ovat usein sidoksissa tiettyihin menetelmiin. Ennakointiin käytettäviä menetelmiä luokitellaan usealla eri tavalla. Yleisesti menetelmät jaotellaan joko laadullisiin ja määrällisiin menetelmiin tai normatiivisiin (= ohjeellinen, kuva toivotusta tulevaisuudesta ) ja eksploratiivisiin (= tutkiva, objektiivinen, arvovapaa ) menetelmiin tai laskennallisiin ja asiantuntijamenetelmiin. Menetelmät voidaan myös määritellä joko passiivisiksi tai interaktiivisiksi. Ennakoiva asenne (proactive attitude) ei ole varsinainen menetelmä vaan toimintatapa, jota voi kehittää sekä yksilönä että organisaatiotasolla. Tällä asenteella tarkoitetaan aktiivista ja tietoista toimintaympäristön ja - tapojen sekä niissä tapahtuneiden muutosten arviointia. Ennakoivan asenteen pyrkimyksenä on mm. toimintaympäristömuutosten syiden löytäminen, nykyisten tietojen ja tapojen kyseenalaistaminen ja luovuuden ruokkiminen Laadulliset menetelmät Toimintaympäristön muutosten tarkastelu Toimintaympäristöllä tarkoitetaan erilaisia organisaatioiden tai alueiden kannalta merkityksellisiä ympäristöjä, kuten yhteiskunnallista, poliittista, ekologista tai teknologista ympäristöä. Toimintaympäristön kartoituksen tarkoituksena on havaita ajoissa vahvoja ja heikkoja signaaleja, jotka kertovat uusista kehityssuunnista ja tarpeesta muuttaa strategiaa ja toimintatapoja. Erilaisia kartoituksia voidaan tehdä esim. ryhmätyönä isoissa työpajoissa, tai niitä voi laatia pieni asiantuntijajoukko. Jotta tulevaisuuden muutoksien tarkastelu on merkityksellistä, toimintaympäristön nykytilanne on oltava selvillä. Nykytilannetta voi arvioida esimerkiksi yksinkertaisen SWOT-nelikentän avulla, johon kirjataan yrityksen, organisaation tai alueen sisäiset vahvuudet ja heikkoudet sekä ulkoiset mahdollisuudet ja uhat (taulukko 1). 2

3 Taulukko 1. SWOT-analyysilla kartoitetaan yrityksen, organisaation tai alueen nykytilannetta (kuva muokattu lähteestä Euroopan komissio 2002). Sisäiset tekijät Ulkoiset tekijät Myönteiset tekijät VAHVUUDET (Strengths) Kompetenssit ja valmiudet niiden tehokkaaseen hyödyntämiseen MAHDOLLISUUDET (Opportunities) Olosuhteet, joiden suhteen tilannetta voidaan huomattavasti parantaa myönteisillä aloitteilla Kielteiset tekijät HEIKKOUDET (Weaknesses) Puuttuvat kompetenssit tai puuttuvat valmiudet niiden tehokkaaseen hyödyntämiseen UHAT (Threats) Olosuhteet, jotka johtavat tilanteen selkeään huononemiseen, ellei toimenpiteisiin ryhdytä Erilaisten ennakoivien merkkien, kuten megatrendien, trendien ja heikkojen signaalien tunnistaminen ja analyysi lisäävät valmiutta varautua tulevaisuuteen. Megatrendit ovat suuria ilmiöitä tai kehityslinjoja, joilla on tunnistettu ja selkeä suunta. Näiden kehityssuuntien uskotaan myös tulevaisuudessa jatkuvan samanlaisina. Megatrendejä ovat esimerkiksi globalisaatio, ilmastonmuutos, väestön vanheneminen, teknologian kehitys ja verkostoituminen. Jokainen näistä sisältää pienempiä ilmiöitä, ja megatrendeistä voidaankin puhua trendikimppuina. Trendien tarkastelu kannattaa tehdä ongelmalähtöisesti ja tapauskohtaisesti. Analyysissä pyritään tunnistamaan nousevat, laskevat ja stabiilit trendit sekä trendien matala- ja noususuhdanteen lakipisteet ja taitekohdat. Myös ns. antitrendit (trendien vastavoimat) tulisi ottaa huomioon. Heikkojen signaalien aktiivinen ja pitkäjänteinen tarkkailu ja peilaaminen nykyisiin trendeihin ja megatrendeihin on tärkeää, koska niistä voi nousta tulevaisuuden (mega)trendejä (kuva 2). Kaikki heikot signaalit eivät kuitenkaan kehity trendeiksi, vaan osa hiipuu tai muuttuu esim. antitrendiksi. Heikkoja signaaleja voi luonnehtia monella tavalla. Ne ovat esimerkiksi kohinaa, ensioireita, aikaista informaatiota, varoitusmerkkejä, ideoita, huhuja ja sivuhuomautuksia. Ne voivat olla sekä uhkia organisaatiolle että mahdollisuuksia oppia, kehittyä ja saada kilpailuetua. Ympäristön jatkuva tarkkailu ja korvat ja silmät auki kulkeminen ovat avain näiden signaalien havainnoimiseen. Olennaista on erilaisten lähteiden ja kaikenlaisen uuden, poikkeavan tai huomiota herättävän tiedon rekisteröiminen ja yhdistely. Esimerkiksi kaikki seuraavista voivat sisältää huomionarvoisia signaaleja: - kuntosalilla, lapsen suusta tai taksikuskilta kuultu - taidenäyttelyn teos tai muotoilijan keksintö - muutokset tilastollisissa aikasarjoissa - ulkomainen tutkimus - mielipidekirjoitus - netin blogissa tai keskusteluryhmässä kerrottu - patenttihakemus tai uusi tutkimushanke - pieni uutinen lehdessä Joskus heikkojen signaalien synonyyminä käytetään ns. villejä kortteja tai mustia joutsenia. Nämä kuitenkin eroavat heikoista signaaleista siten, että ne ovat hyvin epätodennäköisinä pidettyjä ja yllättäviä tapahtumia, joilla on valtava ja ennakoimaton vaikutus yhteiskuntaan. Esimerkiksi syyskuun 9. päivän terrori-isku ja vuoden 2004 tsunami ovat olleet tällaisia villejä kortteja. PESTE-analyysillä kartoitetaan muutosvoimia eli erilaisia ilmiön, alueen tai organisaation kehitystä ohjaavia ja muokkaavia tekijöitä. PESTE-lyhenne viittaa poliittisiin, ekonomisiin, sosiaalisiin, taloudellisiin ja ekologisiin tekijöihin. Analyysi tunnetaan Suomessa etenkin PESTE-nimellä, mutta käytössä on myös STEEPVanalyysi, jossa mainitut tekijät ovat eri järjestyksessä ja analyysissä otetaan huomioon myös arvokysymykset (V = Value-based factors)..pestec-analyysissä tarkastellaan myös kulttuurisia tekijöitä (C = Cultural). Analyysin tarkoituksena on miettiä, mihin suuntaan tekijät kehittyvät, millaisiin lopputiloihin ne voivat päätyä, ja millaisina ne voivat esiintyä eri tulevaisuuksissa. PESTE:ä voidaan käyttää esim. tulevaisuusverstaan yhtenä osallistavana menetelmänä. 3

4 Ilmiön esiintyminen ja ilmiöstä tietämisen määrä Globaalisti levinnyt ilmiö, muuttunut trendiksi tai megatrendiksi Hallinnon instituutiot Sanoma- ja aikakauslehdet, uutiset Useita havaittuja tapauksia, muuttumassa trendiksi Tieteen populaarilehdet, web-sivut, tv-dokumentit Vähenevien riskien ja vähenevien tuottojen alue Asiantuntijat, tieteelliset julkaisut, web-sivut Pari paikallista tapausta ilmiöstä Suurten riskien ja suurten mahdollisuuksien alue Tutkijat, taiteilijat, radikaalit KOHINA Aika Kuva2. Heikon signaalin kehittyminen trendiksi tai megatrendiksi (kuva muokattu lähteestä Rubin/ ja Virtanen 2007) Skenaariot ja skenaariotyöskentely Skenaario on nykyhetken tietoihin perustuva kehityspolku, tarina tai kuvaus niistä tapahtumista ja prosesseista, jotka alkavat nykytilasta ja päättyvät mahdolliseen tulevaisuuden tilaan, tulevaisuuskuvaan. Skenaariossa on siis kolme elementtiä: 1) nykytilan analyysi 2) tulevaisuuskuva sekä 3) kuvaus niistä prosesseista, jotka liittävät nämä kaksi toisiinsa. Yleensä skenaarioita tehdään vähintään kolme: todennäköinen, toivottava ja vältettävä. Ne toimivat työkaluina (eivät ennusteina), joissa ilmenevät syysseuraussuhteet auttavat tekemään valintoja, strategisia linjauksia ja päätöksiä toivotunlaisen tulevaisuuden rakentamiseksi sekä varautumaan samanaikaisesti erilaisiin tulevaisuuksiin. Hyvän skenaarion ominaisuuksia ovat mm. loogisuus, kiinnostavuus ja sosiaalinen uskottavuus. Skenaariotyöskentelyssä voidaan käyttää useita eri työkaluja, kuten tulevaisuustaulukkoa. Taulukkoanalyysin tarkoituksena on tunnistaa käsiteltävään ongelmaan liittyvät tärkeät ilmiöt tai tekijät (muuttujat) ja niiden mahdolliset tulevaisuuden toteutumavaihtoehdot (taulukko 2). Yleensä taulukko edustaa jotain ennalta valittua vuotta tai näkökulmaa. Aluksi taulukkoon mietitään kaikki keskeiset muuttujat vasemman sarakkeen riveille ja vasta sitten kullekin muuttujalle kirjataan toteutumavaihtoehdot (taulukossa 2 A D..). Toteutumavaihtoehtojen arvojen valinta perustuu ajatukseen, että muuttuja voi esiintyä useammassa kuin yhdessä tilassa. Arvot voi valita kahdella tapaa: joko määritellä arvot muuttujakohtaisesti tai lukitsemalla sarakkeet (A D..) valmiiksi edustamaan esim. nykytilaa, tavoiteltavaa ja vältettävää tulevaisuutta. Arvoja valittaessa on pidettävä mielessä tarkasteltava aihe, näkökulma ja tulevaisuuskuvien käyttötarkoitus. Tulevaisuustaulukko voi sisältää muuttujien lisäksi megatrendit ja heikot signaalit (taulukko 3). Taulukko 2. Tulevaisuustaulukon perusmalli. Muuttuja Arvot tai tulevaisuuskuvat A tai esim. nykytila B tai esim. tavoiteltava tulevaisuus C tai esim. vältettävä tai uhkaava tulevaisuus D

5 Taulukko 3. Tulevaisuustaulukko, jossa otetaan huomioon myös megatrendit ja heikot signaalit (ns. XX-tulevaisuustaulukko tai yhdistelmätaulukko) (Mannermaa 1999). Taulukon avulla voidaan rakentaa tulevaisuuskuvia tai kehityspolkuja kolmella eri tavalla (kuva 3): 1. Lähtökohtana arvot Ensimmäisenä taulukosta valitaan muuttuja ja sen nykytilaa kuvaava arvo merkitsemällä soluun piste vaikkapa jollakin värillä (= arvon lukitseminen). Sitten joltakin toiselta riviltä valitaan tilanteeseen sopiva eli johdonmukainen muuttuja ja sen arvo. Näin jatketaan, kunnes kaikki rivit on käyty läpi. Kehityspolku valmistuu yhdistämällä pisteet viivalla. Prosessi aloitetaan alusta valitsemalla jonkun toisen muuttujan arvo ensimmäiseksi ja toistetaan kunnes on saatu esiin keskeisimmät tulevaisuuskuvat. 2. Uhkaava, toivottava ja business as usual (BAU) -tulevaisuuskuva Ensimmäiseksi rakennetaan uhkaava eli vältettävä tulevaisuuskuva. Taulukosta valitaan sellainen muuttujan arvo, joka uhkaavalle tulevaisuudelle on tyypillisin. Tämän jälkeen taulukko käydään läpi rivi riviltä valitsemalla aina edelliseen muuttujan arvoon johdonmukaisesti sopiva arvo. Arvot lukitaan merkitsemällä ne ja yhdistämällä ne viivoilla. Samalla tavalla mietitään toivottava tulevaisuuskuva ja sellainen tulevaisuuskuva, joka toteutuisi, jos mitään tietoisia muutoksia ei tehtäisi (BAU). 3. Backcasting Tämä tapa perustuu arvosarakkeiden (A C..) nimeämiseen ennen kehityspolkujen rakentamista.taulukkoon mietitään aluksi siis vaihtoehtoiset tulevaisuuskuvat (skenaariot kuvassa 3) ja vasta tämän jälkeen muuttujille valitaan arvot kuvastamaan vaihtoehtoisia tulevaisuuksia. Tulevaisuuskuva muodostuu näin kustakin sarakkeesta. (1) (2) (3) Kuva 3. kolme tapaa rakentaa tulevaisuuskuvia tulevaisuustaulukon avulla: (1) arvolähtöinen tapa, (2) uhkaava, toivottava ja business as usual -tulevaisuuskuvat ja (3) backcasting (Rubin 2007). 5

6 Tulevaisuustaulukon tulevaisuuskuvat antavat staattisen kuvan kehityspolusta nykyisyydestä tulevaan. Ajassa vaiheittain etenevä prosessi eli skenaario syntyy, kun taulukon soluihin mietitään muutos- tai kehityssuuntia, jotka yhdistävät kehityspolkujen muuttujat ja niiden arvot toisiinsa (skenaariotaulukko). Keskeisten tulevaisuuskuvien tunnistaminen taulukosta vaatii asiantuntemusta. Erilaisten skenaarioiden luomisessa voidaan hyödyntää esimerkiksi tulevaisuuspyramidia, johon kirjataan vaiheittaisesti tiettyyn tulevaisuuteen johtavat päätökset ja niiden seuraukset (kuva 4). Koska skenaarioiden ajallinen dynaamisuus jää usein vähälle tarkastelulle ajan käytön vuoksi, on perusteltua tarkastella heikkoja signaaleja ja megatrendejä osana skenaarioiden rakentamista. Kuva 4. Tulevaisuuspyramidia voidaan hyödyntää skenaario-prosessien pohtimisessa (Rubin 2007) Delfoi Delfoi-menetelmä on kyselytutkimus, jota on myös kutsuttu nimellä kontrolloitu väittely. Menetelmässä valitulta asiantuntijaryhmältä kerätään vaihe vaiheelta tietoa ja arvioita tulevaisuudesta kyselylomakkeen (tai haastattelun) avulla. Kysely voi perustua avoimiin tai monivalintakysymyksiin. Monivalintakysymykset nopeuttavat tulosten käsittelyä, joka voidaan tehdä määrällisenä analyysina. Delfoi on siis menetelmänä laadullinen, mutta sillä voidaan tuottaa määrällistä tietoa. Ensimmäisessä vaiheessa kaikille asiantuntijoille esitetään samat, yksiselitteiset kysymykset, jotka ovat tärkeitä tutkittavan aiheen kannalta. Seuraavilla kierroksilla asiantuntijat kommentoivat toinen toistensa vastauksia. Kyselyn järjestäjä välittää vastaukset kommentoitavaksi jokaiselle keskustelijalle erikseen tai laittaa ne julkisesti kaikkien nähtäville. Perinteinen Delfoi perustuu anonyymeihin keskustelijoihin eli kukaan ei saa missään vaiheessa tietää, kenen kannanottoja he ovat kommentoineet ja argumentoineet. Alun perin peräkkäisten kyselykierrosten tarkoituksena oli tiedon kumuloituminen ja lopulta yhteisymmärrys tai kompromissi tulevaisuuden kuvasta. Nykyään menetelmällä pyritään myös keräämään erilaisia mielipiteitä ja saavuttamaan laajempi ymmärrys tutkittavasta aiheesta. Uudemmissa delfoi-menetelmän sovelluksissa kirjallisten palautekierrosten määrä rajoittuu yhteen, minkä vuoksi tutkimusta täydennetään usein esimerkiksi haastatteluilla ja seminaareilla Pehmeä systeemimetodologia Pehmeä systeemimetodologia (SSM = Soft Systems Methodology) on tarkoitettu yleiseksi kehikoksi inhimillisten systeemien (human activity systems) hahmottamiseen ja ongelmanratkaisuun. Inhimilliset systeemit ovat epätäsmällisempiä ( pehmeämpiä ) kuin luonnon systeemit, joissa voi havaita selviä syysseuraussuhteita. Metodologialla tarkoitetaan joukkoa metodisia periaatteita. Tämän metodologian ajatuksena on, että pehmeät systeemit ovat avoimia ja muuttuvia, ja organisaatioita ja niiden kehitysvaihtoehtoja pitäisi voida katsoa systeemisestä näkökulmasta. Käytännössä siis organisaatio on ymmärrettävä toiminnallisena ja vuorovaikutuksellisena kokonaisuutena, jossa tapahtuvat muutokset 6

7 vaikuttavat sekä sen omiin sisäisiin toimintoihin kuten hallinnointiin, tiedonkulkuun ja niissä työskenteleviin ihmisiin että ulkoiseen ympäristöön ja yhteiskuntaan, jossa kyseinen organisaatio toimii. Pehmeä systeemimetodologia voidaan nähdä toimintatutkimuksen variaationa, jonka toiminnalliseksi lähtökohdaksi otetaan nykyisyyden ja toivotun tulevaisuuden välinen jännite. Vaikka metodologian prosessi voidaan jakaa vaiheisiin, pitää muistaa, että vaiheet eivät ole kronologisia, vaan ne ovat vuorovaikutuksessa keskenään ja niitä voidaan muuttaa (kuva 5). Metodologiaan on kehitetty useita lähestymistapoja ja malleja, mutta sen käyttö on hiipunut 1990-luvun jälkeen. Kuva 5. Pehmeän systeemimetodologian soveltaminen tulevaisuudentutkimukseen. CATWOE = customers, actors, transformation process, wordview, owners, environmental constraints. (kuva lähteestä Rubin, Tulevaisuuspyörä Tulevaisuuspyörä (myös tulevaisuusratas, futures wheel) on 1970-luvulla kehitetty strukturoitu tulevaisuudentutkimuksen menetelmä, jota voidaan hyödyntää esim. tulevaisuusverstaassa. Tulevaisuuspyörä mahdollistaa erilaisten ilmiöiden ja niiden osa-alueiden tunnistamisen, järjestelyn ja mahdollisten vaikutusten hahmottamisen. Menetelmässä apuna käytetään fläppitaulua, jonka keskiöön 7

8 kirjoitetaan käsiteltävä teema, esim. tulevaisuusnäkemys tai heikko signaali (kuva 6). Pääteeman ympärille kirjoitetaan kaikki osa-tekijät, joihin teema halutaan jakaa. Pääteeman ja osatekijöiden ympärille kerätään kehämäisesti niiden vaikutuksia: sisimmälle kehälle sijoitetaan ensisijaiset ja toiselle toissijaiset vaikutukset. Toisiinsa linkittyvät vaikutukset yhdistetään nuolilla. Tuloksena muodostuu siis eräänlainen käsitekartta eli mind map. Tulevaisuuspyörän käyttöä voidaan halutessa jatkaa esimerkiksi niin, että yksi aikaisemmin nimetyistä osatekijöistä valitaan pyörän keskiöön äänestämällä, ja pyörä rakennetaan uudelleen valitun teeman ympärille. Menetelmää voidaan muokata ja soveltaa helposti eri tarkoituksiin. Kuva 6. Malli tulevaisuuspyörästä (kuva lähteestä Nurmi, Relevanssipuu Relevanssipuu on analyysimenetelmä, jossa tutkittavaa asiaa käsitellään hierarkkisesti, aina yleisestä kuvauksesta kohti yksittäisiä osa-alueita (puun haaroja ja oksia). Valmis relevanssipuu muistuttaa organisaatiokaaviota. Puun piirtäminen alkaa ylimpänä hierarkiassa olevan tavoitteen tai ratkaistava ongelman määrittelystä. Alemmille haaroille ja oksille määritellään alatavoitteita ja keinoja, joiden avulla ylemmän tason tavoite saavutetaan. Relevanssipuuta voidaan käyttää esimerkiksi tavoitteen, ongelman tai jopa ratkaisun eri näkökulmien kartoittamiseen sekä jonkin ohjelman toimenpiteiden tärkeysjärjestyksen hahmottamiseen Tulevaisuusverstas tai -työpaja Tulevaisuusverstaaseen kootaan laaja-alainen toimijajoukko, joka on kiinnostunut määrätystä asiasta tai ongelmasta ja joka on valmis etsimään siihen ratkaisumahdollisuuksia. Ohjatussa verstastyöskentelyssä voidaan hyödyntää erilaisia ryhmätyötapoja, joiden tavoitteena on mm. tulevaisuusajattelun oppiminen, mielipiteiden ilmaisu, heikkojen signaalien esilletulo, materiaalin tuottaminen päätöksenteon tueksi sekä yhteistyökyvyn ja sosiaalisten taitojen kehittäminen. Vaikka verstas on tekijöidensä ja tavoitteidensa näköinen, se koostuu yleensä seuraavista sisältövaiheista: valmisteluvaihe ennen verstasta, ongelmavaihe (käsiteltävä ongelma ja sen nykytilanne määritellään), mielikuvitusvaihe (vaihtoehtoisten ratkaisujen keksiminen), todellistamisvaihe (konkreettiset toimenpiteet) ja jälkivaihe (toimenpiteet verstaan jälkeen) ACTVOD-menetelmä (A=Actors, C=Customers, T=Transformation process, V=Values, O=Obstacles, D=Drivers) Tulevaisuuden tutkimuskeskuksen kehittämässä ACTVOD-prosessissa yhdistyy viisi perusmenetelmää. Prosessin tarkoituksena on muodostaa vaihtoehtoisia skenaarioita tietystä teemasta ja löytää toimenpiteet toivotun tulevaisuustilan saavuttamiseksi. Menetelmä soveltuu visioiden ja strategioiden muodostamiseen. Sillä on tuotettu mm. Suomen kansallinen tietoyhteiskuntastrategia ja sitä on sovellettu mm. Varsinais- Suomen maakuntasuunnitelman päivittämistyöhön. Prosessi koostuu seuraavista vaiheista: 8

9 1) Tulevaisuusverstas: Toimijoita osallistetaan monipuolisesti erilaisilla ryhmätyömenetelmillä. 2) Tulevaisuuspyörä: Käsiteltävän teeman kerrokset puretaan osiin, jolloin löydetään uusi mielenkiintoinen kysymys jatkotarkasteluun. 3) Tulevaisuustaulukko: Edellisessä vaiheessa syntynyt kysymys avataan taulukossa. Vasempaan sarakkeeseen kerätään käsiteltävään asiaan vaikuttavia tekijöitä/ilmiöitä ja riveille puretaan näiden mahdollisia tiloja. Tekijöiden/ilmiöiden tiloja yhdistelemällä kehitetään vaihtoehtoisia tulevaisuuskuvia. 4) Pehmeä systeemimetodologia: Selvitetään muutoksen vaikutusta systeemin tilaan jakamalla kokonaissysteemi osiin ja rajapintoihin. Tässä sovelletaan tunnettua CATWOE-mallia, jossa tapahtumia seurataan kuuden muuttujan avulla (customers, actors, transformation process, wordview, owners, environmental constraints). ACTVOD-tulevaisuustaulukko saadaan yhdistämällä tämä malli muokattuna edellisessä vaiheessa muodostettuun tulevaisuustaulukkoon. 5) Lopuksi tulevaisuuskuvat ja skenaariot kirjoitetaan visionäärisiksi tarinoiksi, joita voidaan täsmentää Delfoi-kyselyllä. Kyselyä voidaan käyttää myös ennen tulevaisuusverstasta kokoamaan asiantuntijoiden ja sidosryhmien tulevaisuuskäsityksiä Ennakointiin soveltuvia oppimismenetelmiä Learning cafe- eli oppimiskahvila -menetelmä perustuu ajatukseen, että oppiminen ja uusi tieto syntyvät yhteisöllisessä vuorovaikutuksessa. Menetelmän tarkoituksena on itsestäänselvyyksien kyseenalaistaminen, yhteisymmärryksen luominen ja ongelmanratkaisu sekä ns. hiljaisen tiedon (kokemuksellista ja kontekstisidonnaista) esille saaminen. Menetelmä soveltuu erityisesti erilaisista taustoista tuleville ihmisille. Oppimisympäristö luodaan mahdollisimman luonnolliseksi kahvilaksi pöytineen, tuoleineen ja kertakäyttöisine pöytäliinoineen. Aluksi osallistujat jaetaan keskusteluryhmiin esim. jakamalla osallistujille eriväriset teepussit, minkä jälkeen osallistujat jakautuvat pöytiin/ ryhmiin saamansa värin perusteella. Pöytäkeskustelut perustuvat käsiteltävän teeman kannalta tärkeään kysymykseen. Pöytäkeskustelu käydään siten, että kukin pöytäseurueen jäsen kertoo vuorollaan ajatuksiaan muulle seurueelle ja samalla kirjoittaa ja piirtää tussilla ideoitaan pöytäliinaan. Keskustelua jatketaan sovittu aika. Tämän jälkeen seurue valitsee yhden ryhmäläisistä emännäksi tai isännäksi, joka jää kyseiseen pöytään muiden siirtyessä seuraavan. Emännän/ isännän tehtävänä on kertoa keskustelun sisältö tiiviisti pöydän uudelle seurueelle, minkä jälkeen uusi seurue alkaa ideoida ja keskustella. Koska kaikkien ideat ovat pöytäliinoissa nähtävillä, seuraava pöytäseurue voi jalostaa niitä edelleen. Pöydänvaihtoja tai kierroksia tehdään tarvittava määrä. Lopuksi pöytäseurueet tai pöytien emännät/ isännät kiteyttävät keskusteluiden sisällön muille osallistujille ja puheenjohtaja voi tehdä loppuyhteenvedon. Pöytäliinoihin työstetty materiaali jalostetaan muistioksi, jota voidaan työstää osallistujien kesken eteenpäin esim. wiki-sivustolla. Lumipallo-menetelmä on aktivoiva ja demokraattinen oppimismenetelmä, joka nimensä mukaisesti perustuu ajatukseen tiedon kumuloitumisesta. Menetelmä soveltuu pienryhmätyöskentelyyn, jota voidaan hyödyntää isossakin osallistujajoukossa. Jokainen samassa pöydässä istuva pienryhmäläinen saa valkoisen paperin, johon kirjoitetaan ensimmäisenä mieleen tuleva ajatus käsiteltävästä teemasta tai kysymyksestä. Asiaa voi pohtia muutaman minuutin kerrallaan, jonka jälkeen paperi annetaan vieressä istuvalle ryhmäläiselle. Tarkoituksena on kommentoida, kehittää tai kritisoida edellisen ajatusta tai esittää siihen liittyvä kysymys. Kierrosta jatketaan esimerkiksi niin kauan kunnes jokainen saa oman alkuperäisen paperinsa takaisin ja näkee muiden kommentit ajatuksiinsa. Vetäjän on muistettava, että lukemiseen ja kirjoittamiseen käytettävä aika lisääntyy jokaisen vaihdon yhteydessä. Kommentteja voidaan käydä lyhyesti läpi ryhmittäin, minkä jälkeen käydään laajempi yhteinen keskustelu. Menetelmää voi hyödyntää esimerkiksi epäselvien asioiden esiintuomisessa sekä ennakkokäsitysten ja mielipiteiden kartoittamisessa Määrälliset menetelmät Ristivaikutusanalyysi Ristivaikutusanalyysi koostuu sekä laadullisesta että määrällisestä tulevaisuuden tarkastelusta. Sitä sovelletaan etenkin skenaarioiden laadintaan: asiantuntijoita pyydetään arvioimaan jokin tapahtuman toteutuman todennäköisyyttä sekä sitä, kuinka todennäköistä on jonkin tapahtuman toteutuminen, jos muut tapahtumat toteutuvat tai eivät toteudu. Menetelmä ottaa siis huomioon ilmiöiden syy-seuraussuhteet, joita analysoidaan seuraavassa vaiheessa matemaattisesti (Y:n vaikutus Z:aan ja Z:n vaikutus X:ään jne.). Menetelmä on asiantuntijoille haastava, sillä heidän on tehtävä paljon vaikeita arvioita ilmiöiden riippuvuuksista. Lisäksi menetelmän käyttökelpoisuutta rajoittaa se, että mukaan otettavien tapahtumien tai muuttujien määrää on rajoitettava, koska arvioiden määrä kaksinkertaistuu jokaisen tapahtuman myötä. 9

10 Aikasarja-analyysit Aikasarja muodostuu peräkkäisin aikavälein systemaattisesti mitatusta havaintoaineistosta. Yleensä ilmiöistä kerätään tietoja tasavälisin ajoin, eikä reaaliaikaista aineistoa ole saatavilla. Aikasarja-analyysiin lukeutuu useita empiirisiä menetelmiä (mittaus- ja kokemusperäisiä havainnointimenetelmiä), joilla tarkastellaan ilmiöstä tai tapahtumasta tehtyjä aikaisempia havaintoja ja niiden tilastollisia tai matemaattisia säännönmukaisuuksia. Näiden perusteella tehdään johtopäätöksiä kehityskulun suunnasta eli aikasarjan jatkumisesta havaintokauden yli tulevaisuuteen. Analyysin käytön lähtökohtana on oletus, että ilmiön säännönmukaisuudet pysyvät muuttumattomina aikavälillä, jolle ennuste halutaan laatia. Trendiekstrapolaatio (tai ekstrapolointi) on aikasarja-analyysin osa, jolla tarkoitetaan tarkasteltavan ilmiön tähänastisen kehityksen jatkamista tulevaisuuteen (tai menneisyyteen). Menetelmä perustuu oletukseen, että kehityskulku jatkuu samansuuntaisena kuin ennenkin. Kausivaihtelu (kausikomponentti) erotetaan aineistosta, koska tämä vuoden sisäinen säännöllinen vaihtelu vaikeuttaa peräkkäisten aikavälien havaintojen tehokkaan vertailun. Lisäksi aikasarjaan kuuluva satunnaisvaihtelu (satunnaiskomponentti), joka ei kuulu trendiin eikä kausivaihteluun, pyritään erottamaan erilleen. Trendistä voidaan lisäksi karsia suhdannevaihtelu eli vaihtelevasti toistuvat taloudellisiin suhdanteisiin liittyvät nousut ja laskut. Jäljelle jää pitemmän aikavälin, yleensä useiden vuosien, kehitys eli trendi. Aikasarjatilastot muutetaan usein havainnollisuuden ja vertailtavuuden vuoksi indeksi-muotoon. Laskennallisesti aikasarja voidaan ilmasta seuraavasti: Aikasarja = trendi + kausivaihtelu + satunnaisvaihtelu + suhdannevaihtelu Regressioanalyysin avulla tulevaisuutta pyritään ennustamaan usean eri muuttujan historiallisten ja nykytietojen avulla. Analyysin etuna on, että sillä voidaan tarkastella samanaikaisesti usean selittävän muuttujan vaikutusta selitettävään muuttujaan. Muuttujat ovat yleensä välimatka-asteikollisia eli muuttujien arvot ovat säännöllisen välimatkan päässä toisistaan. Muuttujien välistä yhteyden voimakkuutta kuvataan regressiosuoralla ja regressiosuoran kulmakertoimella eli regressiokertoimella. Esimerkiksi jos regressiokerroin on positiivinen, on suora nouseva ja tällöin muuttujien välillä on positiivinen yhteys. Mitä lähempänä vaakatasoa regressiosuora on, sitä pienempi yhteys muuttujilla on toisiinsa. Monimuuttujaregressioanalyysissä regressiokertoimet kuvaavat selittävän muuttujan vaikutuksen selittävään muuttujaan siten, että muiden mukaan otettujen muuttujien vaikutus on vakioitu Mallinnus ja simulaatio Mallin avulla ilmiöön liittyvää teoriaa pyritään esittämään matemaattisesti. Malli on yleensä yksinkertaistettu kuvaus todellisuudesta. Tietokoneohjelmistojen kehityksen myötä epälineaariset mallit ja simulaatiot ovat kasvattaneet suosiotaan. Simulaatiolla voidaan käyttää malleja todellisten ilmiöiden prosessien hahmottamiseen. Tulevaisuutta on vaikea mallintaa, minkä vuoksi suurta suosiota ovat saaneet sumea logiikka ja kaaosteoriat. Näissä metodeissa oletuksena on, että kaaoksen keskeltä on löydettävissä tiettyä säännönmukaisuutta. Ennakoinnissa simulointimalleja käytetään erittäin monimutkaisissa järjestelmissä ajan myötä tapahtuvien muutosten ja muuttujien välisten suhteiden tarkasteluun. Malleja käytetään myös skenaarioiden todenmukaisuuden tarkistamiseen ja skenaariotyöskentelyn lähtömateriaalina. Mallinnuksen ongelmia ovat mm. mallien monimutkaisuus ja niiden laadinnan työläys. Lisäksi malleissa ei useinkaan pystytä huomioimaan ilmiöihin liittyviä rakenteellisia ja laadullisia muutoksia, jotka olisivat ennakoinnin kannalta tärkeitä. Lähteet Euroopan komissio (2002). Alueellisen ennakoinnin käytännön opas, Suomi. Heinonen, S. & R. Ratvio (2007, toim.). Asumisen tulevaisuutta ennakoimassa. Tutkimusraportti Nro VTT-R , VTT/ Ympäristöministeriö, Espoo. Heinonen, S. (2009). Tulevaisuuden tutkimuksen metodeista. Tulevaisuuden tutkimisesta tulevaisuuden luomiseen. Tulevaisuuden kulttuuri -seminaari , Helsinki. Heinonen, S (2010). Tulevaisuuden tekijät ja näkijät. SKOL Konsulttipäivä Kumppanuus on tulevaisuutta , Espoo. 10

11 Hietanen, O. & J. Kaivo-oja (2005) Ennakoivaan arviointiin. Julkaisussa Lyytinen, Heikki K. & Räisänen, Anu (toim.) Kehittämissuuntaa arvioinnissa. Koulutuksen arviointineuvoston julkaisuja. Koulutuksen arviointineuvosto. Jyväskylän yliopistopaino. Jyväskylä, s Hietanen, O. & J. Kaivo-oja (2006). Ennakointi ja luova ajattelu -seminaari , Pori. Hiltunen, E. (2008). Tulevaisuuden tutkimuksen menetelmät ja heikot signaalit. STAE 2008 Tulevaisuusseminaari Ketonen, O. (1985). KvantiMOTV (Kvantitatiivisten menetelmien tietovaranto), Mannermaa, M. (1999). Mannermaa, M. (2003). Pehmeä systeemimetodologia evolutionaarisessa tulevaisuuden tutkimuksessa, s Teoksessa Vapaavuoro, M. & von Bruun, S. (toim.): Miten tutkimme tulevaisuutta?. Acta Futura Fennica, Tulevaisuuden tutkimuksen seura, Tampere. Opetushallitus. Ennakoinnin sähköinen tietopalvelu ENSTI. Peda-forum-päivät Opiskelijalähtöiset opetusmenetelmät (työpaja TO12). Tampereen teknillinen yliopisto ja Tampereen yliopisto. Rubin, A. Pehmeä systeemimetodologia tutkimusmenetelmänä. Rubin, A. Tulevaisuudentutkimus tiedonalana ja tieteellisenä toimintana. Tulevaisuudentutkimuksen oppimateriaalit (TOPI) -portaali, Rubin, A. (2007). Skenaariotyöskentely tulevaisuustaulukoiden avulla. Tulevaisuuden tutkimuksen verkostoakatemia. Räihä, K. (2004). Learning Cafe uuden tiedon synnyttämisen työkaluna. Julkaisussa Tasa-arvosta lisäarvoa alueiden hyvinvointiin. Suomen kuntaliitto. Ennakointimenetelmiä. Tulevaisuuden tutkimuskeskus (2010). Futuuri 1/2010. Tulevaisuuden tutkimuskeskuksen asiakastiedote. Virtanen, I. (2007). Tulevaisuudentutkimus monitieteinen uusi tiedonala, mutta myös kvalitatiivinen tutkimusmetodiikka. Luento sarjassa Kvalitatiiviset tutkimusmenetelmät, Vaasan yliopisto