ENNAKOINTIMENETELMÄT JOHDANTO

ENNAKOINTIMENETELMÄT JOHDANTO Kun puhutaan tulevaisuudentutkimuksesta ja ennakoinnista, mietitään usein menetelmiä. Tulevaisuudentutkimus ja tulevaisuusajattelu pitää sisällään myös tavan ajatella ja asenteen. Systeemiajattelu, luovuus, aikakäsitys, tulevaisuustiedon luonne, argumentaatio, oppiminen, vuorovaikutuskytkennät, riski, syy- ja seuraussuhteet, muutos, todennäköisyys ja kompleksisuus (arkiajattelunkin tasolla, ilman teorioita) ovat olennainen osa tulevaisuudentutkijan ja ennakoijan tapaa hahmottaa maailmaa. Masinin (1993) mukaan tulevaisuudentutkimuksen erottaa toisten tieteenalojen tutkimuksista seuraavat piirteet: tieteidenvälisyys, kompleksisuus, globaalisuus, normatiivisuus, tieteellisyys, dynaamisuus ja osallistuminen. Jotkin näistä piirteistä kuvaavat myös muiden tieteenalojen tutkimusta, mutta määrittelevät tulevaisuudentutkimuksen kokonaisuutena. Borg (1992) erottaa tulevaisuudentutkimuksesta seuraavat kuusi yleisluontoista piirrettä: pitkä aikaperspektiivi, epäjatkuvuuksien etsiminen, normatiivisuus, tiedon poikkeava luonne (tulevaisuustiedon luone), globaalit ongelmat sekä holismi eli systeemin ymmärtäminen kokonaisuutena. Mannermaa (1993) korostaa näiden piirteiden lisäksi tulevaisuudentutkimuksen välineellisyyttä, jolla hän tarkoittaa tulevaisuudentutkimuksen ja ennakoinnin pyrkimystä vaikuttaa yhteiskunnalliseen kehitykseen. Näkemyksellisen tiedon tuottamisessa käytetään hyväksi kaikkia eri menetelmiä ja keinoja, joita tieteellisessä työskentelyssä on yleensä käytettävissä, ja koko tieteellisen tiedon tietovaranto palvelee myös tulevaisuudentutkimuksen ja ennakoinnin tietovarantona. Erityisen tärkeitä metodologisia käytäntöjä ovat systeemiajattelu, analogia-ajattelu ja mallintaminen. Tulevaisuudentutkimuksen ja ennakoinnin alalla kehitettyjä menetelmiä ovat mm. tulevaisuustaulukkomenetelmä, skenaariomenetelmä ja delfoi -menetelmä sekä visionäärisen johtamisen menetelmät. Mutta näkemyksellisen tiedon tuotannossa ja esittämisessä voidaan hyödyntää myös mitä tahansa luovan työskentelyn ja jopa taiteen keinoja, esimerkiksi tulevaisuusverstaita, aivoriihiä ja kuvataiteen tai draaman keinoja, kunhan se tapahtuu tehtävän kannalta perustellulla tavalla ja kurinalaisesti. Samassa tutkimuksessa voidaan ja on usein myös suotavaa käyttää useampaa tutkimusotetta. Tätä kutsutaan triangulaatioksi. Peruslähtökohtana siinä on useiden erilaisten menetelmien soveltaminen, joiden tuottamaa aineistoa voidaan soveltaa keskenään. Triangulaatioon liittyy paitsi useiden menetelmien myös useiden tutkijoiden, aineistojen ja teorioiden käyttö. Tutkimusote on vaativa. Nämä erilaiset lähestymistavat saattavat hämmentää ja itselleen (ja lukijalleen) on tärkeää tehdä selväksi konteksti (asiayhteys), missä jotain menetelmää käyttää. Esimerkiksi visio voi olla tulevaisuudentutkimuksessa merkitykseltään vähän erilainen kuin vaikka kauppatieteissä. Lisäksi on kulttuurien ja kielten tuomia käsite-eroja. Tulevaisuudentutkimus (futures studies ja futures research) ja ennakointi (foresight) ovat tiedonaloina hyvin lähellä toisiaan. Molemmat hyödyntävät samoja teorioita, menetelmiä

2 ja jopa tiede- ja tutkimusyhteisö on osin yhteinen. Näillä sivustoilla olevassa tekstissä pyritään yhdistelemään erilaisia näkökulmia ja lähestymistapoja molemmilta tiedonaloilta. Jatkossa molempia termejä käytetään puhuttaessa tulevaisuusajattelusta, menetelmistä ja tulevaisuuden suunnittelusta ja eroa erilaisten viitekehysten välillä ei tehdä. (kts. lisää esim. Kamppinen et al. (2002) ja Graf (1999)). ENNAKOIJAN MUISTILISTA Tulevaisuudentutkimuksen opiskelijoita evästetään joskus seuraavantyyppisellä aloittelijan listalla, joka on hyvä muistutuslista vähän kokeneemmallekin ennakoijalle. 1. Tutustu historiaan - vaikka ajassamme on ennennäkemättömiäkin asioita (esimerkiksi reaaliaikainen edullinen maailmanlaajuinen kommunikaation mahdollisuus), voimme oppia paljon historiasta 2. Tutkiskele ihmistä - tarkkaile, kuinka ihmiset todellisuudessa käyttäytyvät, eikä sitä, kuinka heidän oletetaan käyttäytyvän. Miten havaintosi tukevat tuottamiasi trendejä, skenaarioita ja ennusteita, tulevatko ihmiset sittenkään käyttäytymään kuten ennusteissasi olet pohtinut? 3. Etsi uskomuksia, oletuksia ja tunnetason kiintymyksiä - harva asia on kiveen kirjoitettu, enemmänkin on kyse juuri erilaisista uskomuksista ja jos ne muuttuvat, voi myös muutosta tapahtua? 4. Tunne tutkimasi ilmiö - aivan liian usein aletaan keksiä pyörää uudelleen, kun ei vaivauduta tekemään kunnollista taustatyötä ja tutustumaan ilmiön historiaan ja nykytilaan riittävällä tarkkuudella. 5. Tutustu kompleksisuusteoriaan, kaaosteoriaan ja systeemiteorioihin - sinun ei tarvitse osata laskelmia, mutta ymmärtää ideat teorioiden taustalla. Ne auttavat sinua hahmottamaan tulevaisuutta toisella tavalla. 6. Seuraa teknologian kehittymistä - ihmisellä on ristiriitainen suhde teknologiaan. Toisaalta ihailemme sitä ja toisaalta pelkäämme sitä. Teknologian muutosvoimat ovat kuitenkin usein mahtavia ja niitä ei liene syytä sivuuttaa? 7. Perehdy väestötieteeseen (demografiaan) - se on kiehtova ja paljon tutkittu alue. Materiaalia löytyy runsaasti ja se houkuttelee pohtimaan tulevaisuudennäkymiä. 8. Sisäistä skenaarioajattelu - tulevaisuus ei ole ennalta määrätty, vaan meillä on monia mahdollisia tulevaisuuksia edessämme. 9. Epäile suoria "linjoja" - et löydä niitä luonnosta, et historiasta etkä myöskään tulevaisuudesta 10. Älä erehdy luulemaan omia asenteitasi ja yksipuolisuuttasi tulevaisuuden trendeiksi - mielipiteet ja uskomukset ovat tärkeitä, mutta maailma on hiukan monimutkaisempi paikka? KÄYTÄNNÖN TULEVAISUUDENTUTKIMUS JA ENNAKOINTI Ennakointiin ryhdyttäessä on hyvä miettiä, onko kyseessä yksittäinen hanke vai rakennetaanko ennakointia osaksi organisaation jokapäiväistä toimintaa. Hankkeen kustannukset

3 ja kesto määräytyvät monen eri tekijän perusteella. Ennen aloitusta on esitettävä muutamia kriittisiä kysymyksiä: Mitä ennakoinnilla tavoitellaan? Mitä aiotaan ennakoida? Ketkä toteuttavat ennakoinnin (vastuuhenkilöt)? Ketkä osallistuvat ennakointiin (esim. asiantuntijoina)? Millä menetelmillä ennakoidaan? Paljonko ja millaisia resursseja on käytettävissä (aikaa, rahaa, osaamista)? Ennakointia ei tarvita, jos tulevaisuuteen ei liity epävarmuutta. Toimintaympäristö - talous, teknologia, yhteiskunnalliset järjestelmät ja mm. työolot - kuitenkin muuttuvat jatkuvasti, nopeammin kuin ehkä koskaan aikaisemmin historiassa. Muutosvauhti on monella alalla niin nopeaa, että on aivan välttämätöntä yrittää hahmottaa itselleen ja organisaatiolleen jonkinlaiset ennusteet kehityksen suunnasta. Menestykseen ei enää riitä, että yhteiskunta tai organisaatio sopeutuu tapahtuviin muutoksiin. Todelliset menestyjät syntyvät niistä, jotka kykenevät arvioimaan paitsi jo toteutunutta myös tulevaisuuden sisältämiä kehitysnäkymiä, varautumaan niihin ja toteuttamaan pitkän aikavälin tavoitteitaan erilaisissa tulevaisuuden tilanteissa. Ennakointi lähtee yleensä liikkeelle ongelman asettelusta tai päätöksentekokysymyksestä. Mitä ennakoidaan? Mitä ennakoinnilla tavoitellaan? Millaisiin kysymyksiin ollaan etsimässä näkemystä? Kun tarpeet on määritelty, mietitään mistä voi saada tarvittavaa tietoa. Minkä verran tarvitaan tietoa ja ymmärrystä historiasta, nykytilasta ja tulevaisuudesta? Millaisia määrällisiä ja laadullisia materiaaleja on jo olemassa? Mitä joudutaan hankkimaan itse? Tiedonhaun yhteydessä pohditaan millaisia menetelmiä ennakoinnissa voidaan hyödyntää. Millaiset asiat vaikuttavat menetelmän/menetelmien valintaan? Moniako menetelmiä tarvitaan? Miten yhdistetään määrällisiä ja laadullisia menetelmiä? Usein halutaan jotain edullista, nopeaa ja yksinkertaista, puhutaan jopa mukavuudenhaluisesta ennakoinnista. Kun on keksitty tai opittu joku tapa tai menetelmä, sitä sovelletaan kaikkeen mahdolliseen. Toinen hyvin yleinen lähestymistapa on, että valitaan joku muotimenetelmä. Näin kuuluu tehdä, koska kaikki muutkin niin tekevät. Edistyneemmässä ennakoinnissa uhrataan aikaa erilaisten menetelmien pohtimiseen ja ennen kaikkea pyritään miettimään kriteerit, jotka vaikuttavat valintaan (esimerkiksi tarkkuus, virheettömyys, kustannusten ja hyödyn suhde, tulkinnan helppous, joustavuus, käytettävissä olevat tietolähteet, käytön helppous, luotettavuus, käytettävissä olevat resurssit - aika, raha, osaaminen, menetelmän hyväksyttävyys ja ymmärrettävyys käyttäjille, jne.).

4 Yleisin suositus on yhdistää useampia tietolähteitä ja menetelmiä keskenään. Helpointa on aloittaa valmiista aikasarjoista, malleista ja asiantuntija-analyyseista. Osaamisen karttuessa näitä voi laatia itsekin. Tulevaisuudentutkimuksen ja ennakoinnin menetelmiä sekä työkaluja on vaikea jaotella mustavalkoisesti edustamaan joko/tai -jaottelua. Osa menetelmistä soveltuu sekä määrällisen että laadullisen aineiston käsittelyyn, sekä lyhyen että pitkän aikavälin ennakointiin tai vaikka sekä normatiivisiin että eksploratiivisiin lähestymistapoihin. Joskus menetelmät jaotellaan pelkistäen laskennallisiin ja asiantuntijamenetelmiin. Rajanveto ei kuitenkaan ole yksinkertainen. Jos kuitenkin tällaista jaottelua käytettään, kriteerit ovat yleensä seuraavanlaiset: Laskennallisille menetelmille tyypillistä on, että tulevaisuutta koskeva tieto hankitaan numeerisena tietona. Keskeisesti analyysit perustuvat erilaisiin todellisuutta koskeviin malleihin, joilla pyritään hallitsemaan useiden yhtäaikaisten tekijöiden vaikutusta, tai aikasarjoihin, jolloin on seurattu kiinnostavaa asiaa historiassa ja ennustetaan tulevaisuus menneen perusteella. Yksinkertaisimmillaan laskennalliset ennakointimenetelmät saattavat olla todennäköisyyksien laskemista tai selvittämistä. Nämä menetelmät on kohtuullisen helppo omaksua pienemmilläkin matemaattisilla perustaidoilla. Toisaalta laskennalliset menetelmät voivat olla erityisen mutkikkaita (epälineaarinen mallitus tai simulaatiomallit). Asiantuntijamenetelmiksi luetaan yleensä sellaiset menetelmät, jotka eivät perustu ensisijaisesti laskennallisiin elementteihin, vaan joissa hyödynnetään asiantuntijoiden tietämystä, intuitiota tai havaitsemiskykyä tulevaisuuden kartoittamiseen. Keskeistä näissä on mm. asiantuntijoiden kyvyt havaita sellaista, jota ei vielä kyetä pukemaan numeroiksi, sillä aikasarjoja ei välttämättä ole käytettävissä. Nimityksistä huolimatta on syytä muistaa, että myös ns. laskennalliset menetelmät edellyttävät soveltajaltaan niin käytetyn menetelmän kuin tutkittavan aihealueenkin asiantuntijuutta. ENNAKOINTI, STRATEGINEN SUUNNITTELU JA PÄÄTÖKSENTEKO Ennakointi, visiointi ja erilaisten vaihtoehtojen pohtiminen on usein jopa hauskaa puuhaa, mutta on tärkeää kytkeä ne suunnitelmiin ja päätöksentekoon. Perusajatuksena on se, että ennakointimenetelmien avulla voidaan luoda perusteltu suunnitelma, miten tulevaisuuden uhkien ja haasteiden suhteen toimitaan. Tulevaisuuden tekeminen on aina uudelleen organisoitumista, joka tapahtuu hyvin erilaisessa muodossa kussakin yksittäistapauksessa. Yhä useammin strategia määrittyy kokeilujen ja innovaatioiden kautta. Strategiset kokeilut, innovaatioiden hallinta, riskinotto ja jatkuva strateginen oppiminen ovat olennainen osa strategista suunnittelua ja johtamista. Ennakoinnilla mietitään usein ratkaisuja seuraavantyyppisiin strategisiin kysymyksiin: Missio, päämäärät, visio organisaation toiminnassa Kenelle tuotteita/palveluja tuotetaan? Organisaation asema yhteisössä

5 Tuotteet ja palvelut, joita tarjotaan Onnistumisen edellyttämät resurssit: ihmiset, rahoitus, yhteistyö, työkalut jne. Miten resurssit yhdistetään tuotannossa ja palveluissa? MENETELMIEN HYÖDYNTÄMINEN JA YHTEISKÄYTTÖ Näkemyksellisen tiedon tuottamisessa käytetään hyväksi kaikkia eri menetelmiä ja keinoja, joita tieteellisessä työskentelyssä on yleensä käytettävissä, ja koko tieteellisen tiedon tietovaranto palvelee myös tulevaisuudentutkimuksen tietovarantona. Erityisen tärkeitä metodologisia käytäntöjä ovat systeemiajattelu, analogia-ajattelu ja mallintaminen. Tulevaisuudentutkimuksen alalla kehitettyjä menetelmiä ovat mm. tulevaisuustaulukkomenetelmä, skenaariomenetelmä ja delfoi-menetelmä sekä visionäärisen johtamisen menetelmät. Näkemyksellisen tiedon tuotannossa ja esittämisessä voidaan kuitenkin hyödyntää myös mitä tahansa luovan työskentelyn ja jopa taiteen keinoja, esimerkiksi tulevaisuusverstaita, aivoriihiä ja kuvataiteen tai draaman keinoja, kunhan se tapahtuu tehtävän kannalta perustellulla tavalla ja kurinalaisesti. Kun puhutaan tulevaisuudentutkimuksesta, mietitään usein menetelmiä. Tulevaisuudentutkimus ja tulevaisuusajattelu pitää sisällään myös tavan ajatella ja asenteen. Systeemiajattelu, luovuus, aikakäsitys, tulevaisuustiedon luonne, argumentaatio, oppiminen, vuorovaikutuskytkennät, riski, syy- ja seuraussuhteet, muutos, todennäköisyys ja kompleksisuus (ihan arkiajattelunkin tasolla, ilman teorioita) ovat olennainen osa tulevaisuudentutkimuksen ja -tutkijan tapaa hahmottaa maailmaa. Masinin mukaan tulevaisuudentutkimuksen erottaa toisten tieteenalojen tutkimuksista seuraavat piirteet: tieteidenvälisyys, kompleksisuus, globaalisuus, normatiivisuus, tieteellisyys, dynaamisuus ja osallistuminen. Jotkin näistä piirteistä kuvaavat myös muiden tieteenalojen tutkimusta, mutta määrittelevät tulevaisuudentutkimuksen kokonaisuutena. Borg erottaa tulevaisuudentutkimuksesta seuraavat kuusi yleisluontoista piirrettä: pitkä aikaperspektiivi, epäjatkuvuuksien etsiminen, normatiivisuus, tiedon poikkeava luonne (tulevaisuustiedon luonne), globaalit ongelmat sekä holismi eli systeemin ymmärtäminen kokonaisuutena. Mannermaa korostaa näiden piirteiden lisäksi tulevaisuudentutkimuksen välineellisyyttä, jolla hän tarkoittaa tulevaisuudentutkimuksen pyrkimystä vaikuttaa yhteiskunnalliseen kehitykseen. Eri peruslähestymistavat edellyttävät erilaisia menetelmiä. Yleensä mahdollisten vaihtoehtojen kartoittaminen edellyttää aivoriihimäistä työskentelyä ja ideointia. Todennäköisyysarvioiden tekeminen taas edellyttää todennäköisyyslaskennan ja tilastotieteellisten menetelmien hyödyntämistä. Toivottavien vaihtoehtojen arviointi edellyttää päätöksenteon tukimenetelmien hyödyntämistä ja arvokeskustelua päätöksentekijöiden joukossa. Lisäksi on kehitetty lukuisia osallistuttavia dialogimenetelmiä. (Amara 1981a, 1981b, Niiniluoto 2001).

6 Ennakointihankkeen tavoitteet Ennakoinnin perinteisiä peruskysymyksiä ovat: 1. Mitä tulee tapahtumaan? (Descriptive analysis) 2. Mitkä asiat ovat todennäköisiä? (Probability analysis) 3. Mitkä kehityksen piirteet ovat toivottavia? (Desirability analysis) 4. Mitä tapahtumat ovat mahdollisia? (Feasibility analysis) ja 5. Mitkä asiat ovat tärkeitä päätöksenteolle? (Importance analysis). Useimmat ennakointihankkeet liittyvät näihin peruskysymyksiin. Mitä pidemmän aikavälin ennusteita laaditaan, sitä voimakkaammin ennusteisiin liittyy epävarmuutta. Hyviin tuloksiin pääseminen vaatii yleensä hyviä inhimillisiä ja materiaalisia resursseja. Usein ennakointihankkeissa tarvitaan johtavien asiantuntijoiden osallistumista tutkimusprosessiin. Nykyään on yhä harvinaisempaa, että yksi tutkija tai suppea tutkijaryhmä yksin voi tuottaa laadukasta tulevaisuudentutkimusta. Useissa ennakointihankkeissa taustalla on laajempi tutkimusryhmä, joka suoraan tai välillisesti osallistuu tutkimusprosessiin. Liian pienin resurssein ei vaativiin ennakointihankkeisiin kannata lähteä mukaan, koska tällöin esille tulee lähinnä sellaisia näkökohtia, jotka ovat eri osapuolten tiedossa muutenkin. Yksi ennakoinnin keskeisiä haasteita tänä päivänä on ennakointihankkeiden suunnitteleminen siten, että kaikki osapuolet kokevat sen hyödylliseksi ja uusia näkemyksiä tuottavaksi. (ks. esim. Salo 2001) Usein ennakointihankkeiden käynnistämisen taustalla on erilaisia päätöksentekotarpeita. On kehitetty erilaisia päätöksenteon tukimenetelmiä, joita voidaan hyödyntää osana tulevaisuudentutkimusta. Perinteisesti ennakointi on palvellut strategiaprosessien päätöksentekotarpeita sekä yksityisellä että julkisella sektorilla (Kaivo-oja et al 2002, Kaivo-oja 2004). Usein toimenpide-ehdotusten työstämiseen saattaa liittyä sidosryhmien välisiä eturistiriitoja, jotka vaikeuttavat yhteisymmärrykseen pääsemistä ja mahdollista myöhempää yhteistyötä. Eri toimijoiden intressien tiedostaminen ja huomioiminen on yksi ennakointitoiminnan suurimmista haasteista. Tästä tarpeesta johtuen useat ennakointiprosessit ovat luonteeltaan osallistuttavia ja sisältävät vuoropuhelun eri toimijoiden välillä. Se, mitä kehitystä eri toimivat pitävät toivottavana, onkin usein keskeinen lähtökohta vuoropuhelulle. Ennakoinnissa onkin nykyään yhä useammin kyse 1. ennakointimenetelmien metodisesti korkeatasoisesta käyttämisestä, 2. toimijoiden verkostomaisesta yhteistyöstä ja vuoropuhelusta ja 3. tiedon integroidusta tuottamisesta päätöksentekoprosesseja ajatellen. Nämä kolme keskeistä asiaa on onnistuneen ennakointiprosessin peruselementtejä. Jos jokin näistä kolmesta elementistä puuttuu ennakointihankkeesta, riskit ennakointihankkeen onnistumisen osalta nousevat.

7 Ennakointitoiminnassa tarvitaan myös laadullisia taustatekijöitä, jotka edesauttavat ennakointitoiminnan onnistumista. Tällaisia keskeisiä laatutekijöitä Salon mukaan ovat (Salo 2001, 22-23): 1. Auktoriteetti: Ennakointi tarvitsee arvovaltaista tukea, joka viestii eri sidosryhmille ennakointityön tärkeydestä. Ilman riittävää auktorisointia sidosryhmien motivointi ja johtopäätösten muuttaminen toiminnaksi ja päätöksiksi voi olla vaikeaa. 2. Legitimiteetti: Kaikkien relevanttien sidosryhmien tulisi osallistua aktiivisesti ennakointiin. Yksittäisten toimijoiden ei kannata pelkästään oman arvovaltansa turvin yrittää toteuttaa hankkeita, joiden laajuus selvästi ylittää niiden toimivaltuudet. 3. Asiantuntijuus: Ennakoinnin tulisi aina perustua parhaaseen mahdolliseen saatavilla olevaan asiantuntemukseen. Johtavia asiantuntijoita on syytä konsultoida ja lisäksi on tukeuduttava kansainvälisten ennakointien tuloksiin. 4. Riippumattomuus: Vaikka ennakointityö tukeekin usein suoraan päätöksentekoa, ei sitä pidä nähdä välittömänä päätöksenteon valmistelumekanismina. Usein todellinen päätöksenteko edellyttää toimivaa dialogia ennen päätösten tekemistä. Usein monet muut tekijät, jotka liittyvät ennakointiprosessiin, voivat olla tärkeämpiä. Ennakoinnin vaikuttavuutta arvioitaessa on hyvä ottaa huomioon sekä suorat että epäsuorat vaikutukset. 5. Ajankohtaisuus: Ennakoinneista on hyötyä etenkin silloin, kun näköpiirissä on sellaisia laajasti yhteiskuntaa koskevia haasteita ja valintoja, joissa arvellaan olevan hyötyä systemaattisista ennakointitiedoista. 6. Vuorovaikutus: Usein laaja-alainen sovellutuskentän tarkastelu edellyttää eri osaamisalueiden vuoropuhelua. Mitä etäisempiä eri osaamisalueet ovat, sitä enemmän tarvitaan työtä yhteisen käsitteistön omaksumiseen ja yhteistyön käynnistämiseen. 7. Läpinäkyvyys: Ennakointiprosessin läpinäkyvyys on tarpeen eri sidosryhmien luottamuksen saavuttamiseksi. Sidosryhmille tulisi aina välittää tietoa ennakointihankkeiden johtamisrakenteista ja käytännöistä sekä tavoitteista, toteutustavoista ja mahdollisista hyödyntämisprosesseista. Osallistumismahdollisuuksia tulee tarjota myös muille kuin asiantuntijoille. Eri sidosryhmät tulee ottaa mukaan heitä koskeviin päätöksentekoprosesseihin. Menetelmien valinta Jotta tulevaisuudentutkimusta ja ennakointia voidaan pitää laadullisesti hyvänä tutkimuksena, sen on oltava kurinalaista ja noudatettava kaikelle muullekin tieteelliselle tutkimukselle asetettuja kriteereitä. Sen on täytettävä viisi vaatimusta, jotka Godet (2000, 7) esittää seuraavasti: Ensinnäkin tulevaisuudentutkimuksen on oltava tieteellisesti merkityksellistä (relevanssivaatimus), johdonmukaista (koherenssivaatimus), tieteellisesti uskottavaa (vakuuttavuusvaatimus), merkityksellistä ja avointa (tieteellinen läpinäkyvyys). Lisäksi ennakoinnissa on osattava kysyä oikeat kysymykset, joiden vastauksissa tutkittava tulevaisuuden osa-alue, kehityskulku tai tilanne avautuu tutkijalle mahdollisimman laaja-alaisesti.

8 Tulevaisuuden epävarmuus Kuva 1. Tulevaisuutta koskevan epävarmuuden neljä mallia (Courtney 2001, 22) Mallin 1 mukainen ennakointitilanne on yleensä vakiintuneilla tasapainoisilla markkinoilla, joiden osalta ei ole odotettavissa ulkopuolisia shokkitekijöitä tai merkittäviä ulkopuolisia muutoksia. Mallin 2 mukainen ennakointitilanne on astetta epävarmempi. Tässä tilanteessa voidaan tunnistaa perusvaihtoehdot kaikkien lopputulemien osalta, ja lopulta mahdollisia vaihtoehtoja on rajoitetusti (esimerkiksi valtiolliset presidentin vaalit). Mallin 3 mukainen tilanne on sellaisessa tapauksessa, jossa voidaan pelkästään määritellä vaihteluvälit, mutta ei täsmällisesti rajoitettua skenaarioiden lopputulemien määrää. Mallin 4 mukaisessa tilanteessa epävarmuustekijöitä on eniten ja vallitsee erittäin suuri epävarmuus. Miten valita? Tyypillisesti trendianalyysi palvelee ensiksi mainittuja ennakointitilanteita. Skenaarioanalyysi taas sopii mallin 2 ja 3 mukaisiin tilainteisiin. Heikkojen signaalien analyysi on taas sopivin mallin 4 mukaiseen tilanteeseen.

9 Yksinkertaistaen voidaan ajatella eräiden yleisimmin tulevaisuudentutkimuksessa käytettyjen menetelmien jakautuvan tutkimuksen tarpeiden näkökulmasta seuraavasti: Kun haluat määrällisiä tuloksia tai hyödyntää esim. aikasarjoja todennäköisyyslaskenta trendianalyysi regressio ekonometria Kun haluat ymmärtää tapahtumien, trendien ja toiminnan välisiä yhteyksiä ristivaikutusanalyysi päätöspuumallit (mind map, futures wheel) erilaiset simulaatiot / mallinnus systeemidynamiikka (esim. pehmeä systeemimetodologia) Kun haluat erilaista näkemyksellistä tietoa haastattelut mielipidemittaukset tulevaisuusverstaat Delfoi Kun haluat määritellä toimintaa epävarmuuden vallitessa päätöksentekomallit riskianalyysit Kun haluat kuvata vaihtoehtoisia uskottavia tulevaisuuksia skenaario Menetelmien yhteiskäyttö Olennainen haaste ennakointitoiminnassa on tunnistaa sekä laadullisia että määrällisiä muutoksia eri ilmiöiden ja systeemien suhteen. Näin ollen ennakoinnissa on yleensä yhdistettävä sekä kvalitatiivista että kvantitatiivista analyysiä. Menetelmät on määritelty sekä kvalitatiivisen että kvantitatiivisen ominaispiirteen ja myös menetelmän normatiivisuuden (normatiivinen = ohjeellinen, sääntöjä antava ja ohjeena tai mallina oleva, kuva halutusta tulevaisudesta ) ja eksploratiivisuuden (eksploratiivinen = tutkiva, pyrkimys objektiivisuuteen, arvovapaa ) mukaisesti. Oheisessa taulukossa on jaoteltu menetelmät edellä mainitulla tavalla. Taulukko 1. Ennakointimenetelmät AC/UNU Millennium Projektissa (American Council for the United Nations University ) versio 2.0. 2003. Metodi Agentti-pohjainen mallinnus * * CLA * * Määrällinen Laadullinen Normatiivinen Eksploratiivinen

10 * * * * Delfoi-menetelmät * * * Ekonometriset mallit Ristivaikutusanalyysi Päätöksentekomallit Toimintaympäristön luotaaminen (Environmental Scanning) Tulevaisuuspyörämenetelmä Lahjakkuuksien hyödyntäminen ennakoinnissa (Genius forecasting) Morfologinen analyysi Osallistavat menetelmät (Tulevaisuusverstas jne.) * * * * * * * * * * * * * * Regressiomallit * * Relevanssipuutekniikka Skenaariotyöskentely ja -analyysit Road mapping - tekniikat Systeemidynaamiset simulointimallit Tech Sequence - analyysi Aikasarjaennustemallit Trendivaikutusanalyysi * * * * * * * * * * * * * * * * * Ehkä olennaisempaa on ymmärtää se, että useinkin on järkevää yhdistellä sekä kvalitatiivisia että kvantitatiivisia analyysejä mutta myös normatiivisia ja eksploratiivisia analyysejä. Jos ennakoinnissa käytetään pelkästään kvantitatiivisia analyysejä, jäävät monet tärkeät laadulliset muutokset huomioimatta (ks. Denzin 2001). Jos taas ennakoinnissa käytetään pelkästään laadullisia menetelmiä, jäävät taas merkittävät määrälliset mittakaavatekijät ja muutokset huomioimatta.

11 Mika Aaltonen on arvioinut taulukon 1 menetelmien hyödyntämistä kuvassa 2. Lue aiheesta lisää artikkelista Aaltonen, M. & Barth T. 2005: How Do We Make Sense of the Future? An Analysis of Futures Research Methodology - V2. Journal of Futures Studies, May 2005, 9(4): 45-60 Kuva 2. Identifying Systems New Initial Conditions as Influence Points for the Future, Foresight. The Journal of Futures Studies, Strategic Thinking and Policy. 2006 Vol. 8, No. 3., Mika Aaltonen & T. Irene Sanders. Samassa tutkimuksessa voidaan ja on usein myös suotavaa käyttää useampaa tutkimusotetta. Tätä kutsutaan triangulaatioksi. Peruslähtökohtana siinä on useiden erilaisten menetelmien soveltaminen, joiden tuottamaa aineistoa voidaan soveltaa keskenään. Triangulaatioon liittyy paitsi useiden menetelmien myös useiden tutkijoiden, aineistojen ja teorioiden käyttö. Tutkimusote on vaativa. Menetelmiä yhdistämällä pyritään laadukkaaseen ennakointiin. Menetelmiä ja tekniikoita voidaan yhdistää melko vapaasti. Esimerkkinä: toimintaympäristön skannaukseen yhdistettynä delfoi, tekstin rouhinta ja osallistavat menetelmät auttavat merkittävien trendien tunnistamiseen; tulevaisuuspyörä voi paljastaa näiden trendien kehityskulkuja ja vaikutuksia; analysoidumpi trendien kehityskulkujen arviointi mahdollistaa ristivaikutusanalyysin ja tätä kautta tuottaa tärkeitä skenaariomuuttujia;

12 skenaariot voivat sisältää aikasarjamuuttujia; skenaarioita voidaan testata CLA:lla, simuloimalla ja kehittämällä tiekarttoja; trendivaikutusanalyysia voidaan käyttää todennäköisyyksien tarkastelussa ja näitä todennäköisyyksiä voidaan ottaa mukaan delfoihin. MENETELMIEN EDUT JA HAITAT Tilastolliset menetelmät Edut Haitat Numeerista tietoa voidaan käsitellä johdonmukaisesti ja sitä voidaan päivittää, lukuja voidaan yhdistää ja vertailla, trendejä voidaan ekstrapoloida. Auttaa tarkistamaan ennusteiden johdonmukaisuutta. Määrällinen aineisto mahdollistaa ilmiöiden laajuuden vertailun erilaisissa olosuhteissa. Tilastotiedot voivat tarjota tietoa ja näin mahdollistavat esimerkiksi vahvistamaan tai kumoamaan joidenkin väitteiden paikkansapitävyyden. Tilastolliset indikaattorit ovat kuitenkin siinä mielessä yksipuolisia, että ne kertovat vain ilmiön mitattavissa olevasta osasta, vaikka muut tekijät saattavat olla yhtä tärkeitä tai jopa tärkeämpiä. Tilastollinen aineisto voi silti ohjata dokumentoimaan ja ymmärtämään ongelmien syvyyttä ja laajuutta, kun vaihtoehtona voisi olla tukeutuminen pelkkiin olettamuksiin. Kaikki eivät luota tilastoihin tai pitävät niitä ainakin osin harhaanjohtavina. Varmasti on olemassa tilastoja, jotka perustuvat epätarkoituksenmukaiseen otoksen, joissa käytetään puutteellisia kuvaajia ja joita tulkitaan virheellisesti tai käytetään valikoivasti. Tässä kohtaa korostuu tilastojen luotettavuus, tutkijan oma etiikka ja avoimuus tutkimuksen teossa. Tilastot ovat liian harvoin ajan tasalla ja säilyttääkseen eri ajankohtien välisen vertailtavuuden tilastojen tuottajat eivät halua muuttaa indikaattoreitaan tai aikasarjojaan kovin usein. Tästä seuraa, että orastavia ilmiöitä ei tilastoista löydy. Joskus esim. hallinnolliset ratkaisut saattavat johtaa keskenään yhteismitattomiin tietoihin, jolloin aikasarjaa ei pystytä rakentamaan. Mallintaminen ennakoinnissa Edut Simulointimalleja käytetään pyrittäessä ymmärtämään ja ennakoimaan erittäin monimutkaisissa järjestelmissä ajan myötä tapahtuvia muutoksia. Tällaisen mallin kehittäminen auttaa mallintamista tekevää ryhmää ymmärtämään ongelmia paremmin, kun selviää, mitä muuttujien välisistä suhteista tiedetään ja mitä ei tiedetä. Malleja voidaan käyttää skenaarioiden todenmukaisuuden tarkistamiseen ja toisaalta mallit voivat tarjota materiaalia skenaarioprosessiin.

13 Mallien tulokset voivat auttaa päättäjiä esittämään tarkoituksenmukaisempia kysymyksiä ja ne voivat auttaa ennakoimaan tulevaa kehitystä ja tuomaan esille orastavia ongelmia. Haitat Ongelmana simulointimallintamisessa on, että ihmiset suhtautuvat usein tietokonemallien tuloksiin kritiikittömästi, ikään kuin tietokone olisi objektiivinen. Todellisuudessa tietokone on vain työkalu, joka tekee mitä käsketään, tiedolla, joka sille syötetään. Mallinnus on aika työlästä ja harvoin rakennetaan aiheesta useampia malleja erilaisilla muuttujilla ja taustaoletuksilla. Joskus mallit ovat liian monimutkaisia ainakin käyttäjän näkökulmasta. Kaikki mallit eivät pysty käsittelemään rakenteellisia ja laadullisia muutoksia, joita kuitenkin on tarpeen pohtia tulevaisuuden vaihtoehtoja mietittäessä. Pelkät palautesilmukat eivät tee mahdolliseksi laskea mitään - pitäisi pystyä myös erottamaan tila ja vaikutukset toisistaan. Ristivaikutusanalyysi Edut Haitat Tarkastelemalla tapahtumien välisiä suhteita voidaan kehityksen dynamiikkaan perehtyä perusteellisemmin. Menetelmä vaatii paljon asiantuntijoilta, joiden on tehtävä suuri määrä vaikeita arvioita tapahtumien yhdistelmistä. Arvioiden määrä kaksinkertaistuu jokaisen uuden muuttujan myötä, joten käytännössä voidaan tarkastella vain muutamaa avainmuuttujaa. Muuttujien valinta on ratkaisevan tärkeä tekijä. Skenaariotekniikka ennakoinnissa Edut Haitat Voi olla erittäin osallistava työskentelymuoto. Avaa mieltä erilaisille vaihtoehdoille. Kurinalaisesti rakennettuna skenaariot pakottavat ottamaan kantaa erilaisiin mahdollisuuksiin niin positiivisiin kuin negatiivisiinkin. Skenaarioista tulee helposti saman skenaarion muunnelmia - eräänlaista herkkyysanalyysia, mutta todella erilaiset kehityskulut jäävät huomioimatta. Skenaariot muodostuvat enemmän tulevaisuuskuviksi kuin kuvauksiksi siitä millaiset polut johtavat mihinkin mahdollisiin maailmoihin. Skenaariotarinat jäävät liian yleisiksi ja eivät ole riittävässä kytköksessä päätöksentekoon. Delfoi ennakoinnissa Edut

14 Haitat Soveltuu erinomaisesti, jos halutaan koota ja yhdistää mielipiteitä sellaisesta orastavasta kehityksestä, josta on vain vähän tai ei lainkaan empiiristä tietoa saatavilla tai tulevasta kehityksestä, johon trendiekstrapolaation ei uskota riittävän. Tietokoneavusteiset versiot mahdollistavat suurenkin joukon näkemyksen tutkimisen. Mahdollistaa anonyymiyden ja sitä kautta joskus avoimemman näkemyksellisen tiedon tuottamisen. Asiantuntijoiden valinta voi epäonnistua. Useamman kyselykierroksen toteuttaminen vaatii aikaa ja kärsivällisyyttä. Vastaajien motivointi useampaan kyselykierrokseen on haasteellista. Tulosten analysointi on vaativaa ja mielenkiintoiset vastaukset saattavat jäädä peittoon, jos tutkimuksessa pyritään yleistettävyyteen. TILASTOLLISET MENETELMÄT Tilastokeskuksen ja muiden valtion laitosten tuottamat viralliset tilastot kertovat maan sosiaalisista ja taloudellisista oloista, muun muassa tulonjaosta, väestökehityksestä, yritystoiminnasta ja ympäristöstä. Tämä pääasiassa erilaisina tilastotaulukoina julkaistu numeerinen aineisto muodostaa yhteiskunnan tilaa kuvaavan tiedollisen raaka-aineen, joita tutkijat jalostavat edelleen julkaisuiksi ja raporteiksi käyttäen hyväkseen tilastotieteen tarjoamia menetelmiä. Tilastot piirtävät kuvaa yhteiskunnan sosio-ekonomisesta rakenteesta ja tilasta sekä niissä tapahtuneista muutoksista. Tutkimus tähtää kehityksen tulkitsemiseen. Tilastot ja niihin nojaava tutkimus luovat pohjaa yhteiskunnalliselle päätöksenteolle ja sitä palveleville ennusteille. Yhteiskunnan tilaa kuvaavat mittaukset (numeerinen havaintoaineisto) muodostavat tilastollinen kuvauksen ja analyysin lähtökohdan. Tiedon tiivistäminen laajoista numeroaineistoista tilastollisia tunnuslukuja käyttämällä on yksi tilastotieteen tärkeimpiä tehtäviä. Sitä seuraa muuttujien välisten riippuvuuksien etsiminen, ilmiöiden selittäminen ja kehityksen ennustaminen. Tilastotiede luokitellaan menetelmätieteeksi, koska se tarjoaa analyysivälineitä moniin eri tarkoituksiin tieteenalan sisällöstä riippumatta. Tilastoalalla tilastotieteen sovellukset voivat koskea esim. väestömuutoksia, kansalaisten sosiaalisia ja taloudellisia oloja tai ympäristön tilaa. Tilastoanalyysin tavoitteena on yhtäältä tietojen kuvailu erilaisin tunnusluvuin, toisaalta päättely eri ilmiöihin vaikuttavien tekijöiden luonteesta ja merkityksestä. Tilastotiede on määritelty myös niiden menetelmien kokoelmaksi, joita tarvitaan päätöksenteon epävarmuuden hallitsemiseksi. Luotettavat tiedot ja niiden oivaltava analyysi ovat varsin usein järkevän päätöksenteon edellytys. Yhteiskuntatutkimus jakautuu karkeasti luonnontieteellisesti ja humanistisesti suuntautuneisiin tutkimusperinteisiin. Edellinen hallitsee selvästi tilastoalalla tehtävää tietojenkeruuta, mutta myös laadullisilla menetelmillä on annettavana oma panoksensa, muun muassa työelämästä tehtävään tutkimukseen.

15 Kvantitatiivinen (määrällinen) tutkimus kuvaa ja tulkitsee yhteiskuntailmiöitä tieteen yleisen logiikan mukaisesti kehittämällä mahdollisimman tarkkoja mittausmenetelmiä, keräämällä tutkimusaineistot mm. edustavien väestöotosten perusteella ja käsittelemällä tutkimusaineistoja tilastotieteen menetelmin oikeiden johtopäätösten tekemiseksi. Kvalitatiivisessa (laadullisessa) tutkimuksessa sosiaalitieteiden alueella annetaan usein sijaa myös tutkimuskohteena olevien henkilöiden omille tulkinnoille. Tutkijan etukäteen laatimien kysymysten asemasta tutkimushenkilöt saavat suhteellisen vapaamuotoisesti kertoa aihealueeseen liittyvistä kokemuksistaan ja mielipiteistään esim. syvähaastattelussa tai ryhmätilanteessa. Tämä ns. ymmärtävä menetelmä antaa mahdollisuuden kartoittaa yhteiskuntailmiöitä kaikessa rikkaudessaan. Kvalitatiivisen tutkimusotteen yhdistäminen kvantitatiiviseen tutkimukseen on erityisen tärkeää monen sosiaalitieteellisen tutkimuksen alkuvaiheissa, jolloin se auttaa laatimaan kattavan mittariston tutkittavasta ilmiöalueesta. Tutkimuksen analyysivaiheessa kvalitatiivinen aineisto on puolestaan hyödyllinen mielekkäiden tulkintojen tekemisessä. Lähde: Tilastokeskuksen verkkokoulu Tilastokoulu (Tilastokeskus) Tilastolliset aikasarjat ja trendit Peräkkäisin aikavälein systemaattisesti kerätyt mittaustulokset ovat aikasarjoja. Useimmista asioista ei voi kerätä jatkuvaa reaaliaikaista havaintoaineistoa, vaan on tyydyttävä tietyin tasavälisin ajoin koottuihin tietoihin. Moniin, erityisesti taloudellisiin kuukausi- ja vuosineljännes-aikasarjoihin, liittyy merkittävää kausivaihtelua ja eri syistä ilmenevää satunnaisvaihtelua. Molemmat häiritsevät raakasarjoihin sisältyvää tiedon tulkintaa. Tämän vuoksi on tärkeää, että nämä komponentit tunnistetaan ja aikasarjat tasoitetaan tilastomatemaattisin menetelmin. Tällä halutaan selvittää uusimpien havaintojen ilmiöstä antamaa todellista informaatiota ja helpottaa vertailuja. Vuotta pidemmällä aikavälillä aikasarjoista on mahdollisesti havaittavissa sekä suhdannevaihtelua että trendi. Taloudellisessa toiminnassa esiintyy vuodenkierrosta, säästä, kesälomista, juhlapyhistä ja jopa pelkästään lyhyestä helmikuusta, aiheutuvaa kausivaihtelua. Säännöllistä jaksollista vaihtelua havaitaan toki erittäin lyhyilläkin periodeilla, esim. liikennemäärät klo 8.00 tai 9.00 vaihtelevat suurestikin. Aikasarjat jaetaan kausitasoituksen laskennallisessa käsittelyssä komponentteihin ja alkuperäinen sarja voidaan lausua esimerkiksi näiden komponenttien summana seuraavasti: Havaittu sarja = trendi + kausikomponentti + satunnaiskomponentti. Aikasarjan trendi kuvaa pitkän aikavälin kehityssuuntaa, ilmiöön liittyvää usean vuoden pituista muutosvauhtia. Trendistä voidaan vielä erottaa suhdannevaihtelu, jolloin jäljelle jää pelkkä pitkän aikavälin kehitys. Kausikomponentti on se osa aikasarjaa, joka pyritään eliminoimaan kausitasoituksessa, sillä juuri tämä vuoden sisäinen säännöllinen vaihtelu estää peräkkäisten kuukausihavaintojen tehokkaan vertailun. Lisäksi aikasarjasta erotetaan satunnaiskomponentti eli aikasarjan epäsäännöllinen osa, joka ei kuulu säännölliseen kausivaihteluun eikä ole myöskään osa trendiä.

16 Monet aikasarjatilastot muunnetaan havainnollisuuden ja vertailujen helpottamiseksi indeksin muotoon. Yksikertaiset indeksiluvut muodostetaan merkitsemällä valitun perusajankohdan tilastolukua sadalla. Muiden ajankohtien indeksiluvut eli pisteluvut lasketaan osoittamaan, kuinka monta prosenttia luvut ovat vastaavasta perusajankohdan indeksiluvusta. Useamman hyödykkeen esim. yhteistä hinta- ja määräkehitystä kuvailevat ryhmäindeksit lasketaan tilanteeseen sopivaa periaatetta noudattaen. Esimerkiksi kuluttajahintaindeksi lasketaan menetelmällä, jossa eri hyödykkeiden hintoja painotetaan vastaavien hyödykkeiden kulutuksella. Tilastolliset menetelmät - edut ja haitat Edut Haitat Numeerista tietoa voidaan käsitellä johdonmukaisesti ja sitä voidaan päivittää, lukuja voidaan yhdistää ja vertailla, trendejä voidaan ekstrapoloida. Auttaa tarkistamaan ennusteiden johdonmukaisuutta. Määrällinen aineisto mahdollistaa ilmiöiden laajuuden vertailun erilaisissa olosuhteissa. Tilastotiedot voivat tarjota tietoa ja näin mahdollistavat esimerkiksi vahvistamaan tai kumoamaan joidenkin väitteiden paikkansapitävyyden. Tilastolliset indikaattorit ovat kuitenkin siinä mielessä yksipuolisia, että ne kertovat vain ilmiön mitattavissa olevasta osasta, vaikka muut tekijät saattavat olla yhtä tärkeitä tai jopa tärkeämpiä. Tilastollinen aineisto voi silti ohjata dokumentoimaan ja ymmärtämään ongelmien syvyyttä ja laajuutta, kun vaihtoehtona voisi olla tukeutuminen pelkkiin olettamuksiin. Kaikki eivät luota tilastoihin tai pitävät niitä ainakin osin harhaanjohtavina. Varmasti on olemassa tilastoja, jotka perustuvat epätarkoituksenmukaiseen otoksen, joissa käytetään puutteellisia kuvaajia ja joita tulkitaan virheellisesti tai käytetään valikoivasti. Tässä kohtaa korostuu tilastojen luotettavuus, tutkijan oma etiikka ja avoimuus tutkimuksen teossa. Tilastot ovat liian harvoin ajan tasalla ja säilyttääkseen eri ajankohtien välisen vertailtavuuden tilastojen tuottajat eivät halua muuttaa indikaattoreitaan tai aikasarjojaan kovin usein. Tästä seuraa, että orastavia ilmiöitä ei tilastoista löydy. Joskus esim. hallinnolliset ratkaisut saattavat johtaa keskenään yhteismitattomiin tietoihin, jolloin aikasarjaa ei pystytä rakentamaan. TYÖVOIMAMENETELMÄT JA SEN SOVELLUTUKSET Työvoimamenetelmä kuvataan yleensä menetelmäksi, jonka avulla pyritään ennakoimaan työvoimatarpeissa tapahtuvia määrällisiä muutoksia johtaen ne työelämän tarpeista. Suomessa työvoimamenetelmää on sovellettu etenkin koulutustarpeiden ennakoinnissa. Menetelmää arvioitiin 1960-luvun lopulla koulutustarpeen ennakoinnin välineenä (Koulutusrakennekomitea1969:A13). 1970-luvulla ammatillisen koulutuksen pitkän aikavälin mitoitussuunnittelua tehtiin valtioneuvoston asettamassa koulutuksen tavoiteohjelma-

17 toimikunnassa ja myöhemmin opetusministeriössä toimineessa koulutussuunnittelun neuvottelukunnassa (Komiteanmietintö 1978:61). Koulutussuunnittelun neuvottelukunta sovelsi työvoimamenetelmää 1983 1995 mietinnöissään. Vuoden 1988 (Komiteamietintö 1988:28) mietintöön sisältyy myös aikuiskoulutuksen mitoituksen analyysi. 1970-luvulla arvioissa otettiin ensimmäistä kertaa huomioon myös työvoiman poistumatiedot. Tätä varten opetusministeriön suunnittelusihteeristö kehitti menetelmää edelleen ja käytti sitä useiden koulutetun työvoiman tarve-ennusteiden tekemiseen (Komiteanmietintö 1995:13; Kekkonen 1998, 11 43). Mitenna Mitenna-mallissa lähtökohtana ovat toimialaennusteet. Tausta-aineistona käytetään tilastotietoja sekä erilaisia ammatti- ja osaamistarpeiden muutoksia ennakoivia tutkimuksia ja selvityksiä. Tämän jälkeen tuotetaan laskentamallin avulla laskelmia työvoiman kysynnän muutoksista, työvoimapoistumista, koulutuksen aloittajatarpeista, suoritettavista tutkinnoista ja koulutetun työvoiman tarjonnasta. Tulosten analyysin jälkeen voidaan muuttaa mallin laskentaparametreja tai tehtyjä ennusteita ja tehdä tarkentavia tai vaihtoehtoisia laskelmia. Analysoinnin ja tulkinnan kautta laskennalliset tulokset muutetaan ammatillisen koulutustarpeen ennakointitiedoksi. Tutkimuksiin ja selvityksiin perustuvien tulevaisuusnäkemysten sekä tilastoihin perustuvien lähtötietojen avulla tehdään siis laskennat ja analyysit, joiden lopputuloksena saadaan ennakointitietoa mm. työvoima- ja koulutustarpeista. Mitennassa käytetty menetelmä koostuu kahdesta osasta, joista ensimmäinen keskittyy työelämän tarpeisiin ja siihen perustuvaan uuden työvoiman kysyntään. Menetelmän toinen osa käsittää työvoiman tarjonnan. Lopuksi työvoiman kysyntä ja tarjonta sovitetaan yhteen ja näin päästään koulutetun työvoiman tarve-ennusteisiin. Työvoiman kysyntä Mitenna-mallissa työelämän koulutustarpeen lähtökohtana on toimialoittainen työvoiman kysyntäennuste. Vuodesta 2010 alkaen mallin toimialaennusteet ovat Valtion taloudellisen tutkimuskeskuksen VATTAGE-mallilla tuotettuja ennusteita. Honkatukia J, Ahokas J & Marttila K. Työvoiman tarve Suomen taloudessa vuosina 2010 2025 (perusura, 2/2010). (VATT) Ahokas J & Honkatukia J. Politiikkatoimien vaikutukset työvoiman tarpeeseen Suomen taloudessa 2010 2025 (tavoitekehityksen vaihtoehdot, 12/2010). (VATT) Raportti VATTAGE-menetelmästä: Honkatukia J.: VATTAGE - A dynamic, applied general equilibrium model of the Finnish Economy (2009). (VATT) Seuraavaksi ennakoidaan kunkin toimialan tuleva ammattirakenne. Ammattirakennelaskelmat tehdään sekä perus- että tavoitekehityksen mukaisesti. Lopputulos, ts. koulutustarvelaskelmat, on tuotettu niin ikään kahdelle vaihtoehtoiselle laskelmalle. Opetushallituksen viimeisin ennakointi on raportoitu vain tavoitevaihtoehdon mukaan. Se tehdään

18 tarkastelemalla nykyistä ammattirakennetta, rakenteessa aiemmin tapahtuneita muutoksia ja ennakoimalla ammattirakenteiden tulevaa kehitystä. Apuna käytetään kansainvälisiä ja muita ammattirakenteen vertailuja ja ennusteita, tutkimustietoa ja eri alojen asiantuntijoiden näkemyksiä muutoksista. Nykyisen ja ennakoidun ammattirakenteen erotuksena saadaan ammattirakenteen muutos ennustejaksolla. Ammattirakenteen muutosennusteiden rinnalla selvitetään työvoiman poistuma eli eri ammattiryhmissä niiden osuus, jotka vanhuuseläkkeen, työkyvyttömyyden tai kuoleman vuoksi siirtyvät pysyvästi pois työvoimasta. Poistumatieto koostuu siis ikäpoistumasta ja muusta pysyväispoistumasta. Laskemalla yhteen ammattirakenteen muutos ja poistuma saadaan uuden työvoiman kokonaiskysyntä ennustejaksolla. Se tarkoittaa, kuinka paljon uutta työvoimaa työelämän arvioidaan tarvitsevan ammattiryhmittäin ennustejaksolla. Työvoimapoistuman merkitys on hallitseva, noin 70 90 % lasketusta kokonaistarpeesta. Työelämää koskevat ammattiryhmittäiset ennusteet ja muutostiedot muutetaan opintoalaluokituksen mukaisiksi ennustetiedoiksi käyttämällä sitä varten rakennettua ammattiryhmien ja koulutuksen vastaavuusavainta. Vastaavuusavain muodostetaan siten, että kunkin ammattiryhmän osalta arvioidaan, millä eri koulutuksilla voidaan saavuttaa tässä ammattiryhmässä tarvittava ammatillinen osaaminen. Tämä perustuu näkemykseen kunkin ammattiryhmän tulevasta työvoima- ja koulutustarpeesta. Avaimen rakentamisen taustatietona käytetään toteutuneita historiatietoja sekä niiden pohjalta ammattiryhmien ja koulutusten ristiintaulukointia. Työvoiman tarjonta Suurin osa uuden työvoiman tarjonnasta tulee uusista nuorisoikäluokista, mutta myös työtön työvoima tuo oman lisänsä tarjontaan. Lisäksi työvoiman tarjontaan vaikuttavat työvoimaosuudet eli se, kuinka suuri osuus työikäisestä väestöstä kuuluu työvoimaan. Työttömien työvoimatarjontana laskelmissa otetaan huomioon lähtövuoden työttömien määrä, josta on vähennetty poistuma. Sen lisäksi työvoimatarjontaa laskettaessa on otettu huomioon työttömien jäljellä oleva työssäoloaika sekä työttömyyden kesto ja työttömien koulutuksen taso. Työelämän koulutustarpeiden ja aloittajatarpeen yhteensovittaminen Edellä kuvatulla työvoimamenetelmällä arvioidaan se, kuinka paljon ja millä tavalla koulutettua työvoimaa työelämän oletetaan tarvitsevan ennustejakson aikana (uuden työvoiman kokonaiskysyntä) ja kuinka paljon aloittajia eri opintoaloilla ja koulutusasteilla tulisi olla, jotta tuo määrällinen koulutustarve tyydytettäisiin (työelämän koulutustarve). Seuraavaksi johdetaan nuorten opetussuunnitelmaperusteisen ammatillisen koulutuksen aloittajien kokonaistarve nuorisoikäluokkien kokoennusteen perusteella. Työelämän koulutustarve ja nuorten aloittajatarpeet on johdettu eri lähtökohdista. Seuraavaksi nämä tulokset on sovitettava yhteen. Nuorten ammatillisesti eriytyneen koulutuksen aloittajien kokonaismäärä jaetaan koulutuksen eri opintoaloille ja koulutusasteille tämän uuden työelämän koulutustarpeen rakenteen mukaisessa suhteessa.

19 Mitenna-mallilla tuotettuja ennakointiselvityksiä Koulutus ja työvoiman kysyntä 2025 - Ennakointituloksia tulevaisuuden työpaikoista ja koulutustarpeista. Julkaisussa esitettyjä ennakointituloksia, kuten toimiala-, ammattirakenne-, työvoima- ja poistumaennusteita löytyy Ennakointituloksia koskevasta tietokannasta. Koulutuksen ja tutkimuksen kehittämissuunnitelmassa vuosille 2011 2016 (OKM) käytettiin tausta-aineistona Mitennalla laadittuja ennusteita) MALLINTAMINEN Nykyisin tietokoneiden kapasiteetin kasvaessa epälineaariset mallit ja simulaatiot ovat tulleet suosituiksi. Suurta suosiota ovat saaneet sumea logiikka ja kaaosteoriat, joissa jopa irtisanoudutaan lineaarisesta ennustamisesta kokonaan; tulevaisuutta on vaikea mallittaa, mutta kaaoksen keskeltä löytyy tiettyä säännönmukaisuutta. Konkreettista systeemiä voidaan kuvata ainakin mallin ja teorian avulla. Mallin ja teorian suhde on problemaattinen, mutta teorian tai teorian tietyn osan kutsumista malliksi voi helposti jo sinänsä pitää piirteenä pyrkimyksestä myös teorian formalisointiin. Selkeä esimerkki tästä on uusklassinen taloustiede. Pyrkimystä matemaattiseen esitystapaan voitaneen pitää eräänä kriteerinä teorian kutsumiselle malliksi. Näin voisi päätellä, että mallit liittyvät yleensä tiettyyn (positivistiseen) tieteenfilosofiaan. Toisaalta malli voisi tieteenfilosofisesti sijoittua jonnekin tieteellisen teorian ja hypoteesin välimaastoon: Hypoteesista konstruoidaan ensin malli, jota testataan empiirisesti. Jos malli saa riittävästi tukea empiriasta, sitä voidaan kutsua teoriaksi. Laajasti määriteltynä tieteellisellä mallilla tarkoitetaan tavallisesti yksinkertaistettua kuvausta todellisuudesta. Mallia on luonnehdittu "sovellukseksi, joka täyttää vastaavan teorian vaatimukset ja väittämät" (ks. Grönfors 1990, 32). Malli voidaan siis nähdä määrättyä teoriaa tietyn (tieteenalakohtaisen) paradigman mukaisesti hahmottavaksi konstruktioksi (ks. esim. Chadwick 1971, 186). Malleihin liittyy aina rajoittavia oletuksia. Niiden tarkoituksena on rajata mallista pois sellaiset piirteet, joita ei pystytä tyydyttävällä tavalla ottamaan mukaan tarkasteluun (ilmaisemaan matemaattisessa muodossa). Valitettavasti malliin sisällytettyjä tekijöitä teoreettisine perusteineen, rajoittavia oletuksia ja niiden taustalla vallitsevia tieteenfilosofisia ja muita perusteita ei aina tuoda riittävästi julki, varsinkaan tulosten esittämisen yhteydessä. Aina mallien rajoituksia ei edes tiedosteta. Usein esitetty näkemys mallien ja edelleen systeemiajattelun teknokraattisuudesta liittyy formaalien mallien väärään käyttöön (esimerkiksi toiminnan legitimoijana) eikä niinkään systeemiajatteluun tai edes mallintamiseen sinänsä.

20 Esimerkki mallinnuksesta Tulevaisuudentutkimuksen tunnetuin mallinnus lienee Rooman klubin tilaama raportti Kasvun rajat - Limits to growth (1972). Tekijät laativat ensiksi viisi osamallia, joista kukin keskittyi yhteen keskeiseen asiaryhmään. Näitä olivat maailman väestö, pääomat, ravinto, uusiutumattomat luonnonvarat (prosentteina vuoden 1900 määrästä) sekä saastuminen. Yksi osamalleista on oheisessa kuvassa; se kuvaa kausaalisuhteita ja palautesilmukoita väestömäärän, pääoman, maatalouden ja saastumisen välillä. Lopuksi tutkijat yhdistivät kaikki viisi osamallia ja kokosivat täten "maailmanmallin". Kuva: Kausaalisuhteet ja palautesilmukat väestömäärän, pääoman, maatalouden ja saastumisen välillä. Mallintaminen ennakoinnissa edut ja haitat Edut Simulointimalleja käytetään pyrittäessä ymmärtämään ja ennakoimaan erittäin monimutkaisissa järjestelmissä ajan myötä tapahtuvia muutoksia. Tällaisen mallin kehittäminen auttaa mallintamista tekevää ryhmää ymmärtämään ongelmia paremmin, kun selviää, mitä muuttujien välisistä suhteista tiedetään ja mitä ei tiedetä. Malleja voidaan käyttää skenaarioiden todenmukaisuuden tarkistamiseen ja toisaalta mallit voivat tarjota materiaalia skenaarioprosessiin. Mallien tulokset voivat auttaa päättäjiä esittämään tarkoituksenmukaisempia kysymyksiä ja ne voivat auttaa ennakoimaan tulevaa kehitystä ja tuomaan esille orastavia ongelmia.

21 Haitat Ongelmana simulointimallintamisessa on, että ihmiset suhtautuvat usein tietokonemallien tuloksiin kritiikittömästi, ikään kuin tietokone olisi objektiivinen. Todellisuudessa tietokone on vain työkalu, joka tekee mitä käsketään, tiedolla, joka sille syötetään. Mallinnus on aika työlästä ja harvoin rakennetaan aiheesta useampia malleja erilaisilla muuttujilla ja taustaoletuksilla. Joskus mallit ovat liian monimutkaisia ainakin käyttäjän näkökulmasta. Kaikki mallit eivät pysty käsittelemään rakenteellisia ja laadullisia muutoksia, joita kuitenkin on tarpeen pohtia tulevaisuuden vaihtoehtoja mietittäessä. Pelkät palautesilmukat eivät tee mahdolliseksi laskea mitään - pitäisi pystyä myös erottamaan tila ja vaikutukset toisistaan. RISTIVAIKUTUSANALYYSI Ristivaikutusanalyysi on menetelmä, jossa pyritään hallitsemaan useita tulevaisuuden kannalta oleellisia tekijöitä yhtä aikaa. Keskeisenä ajatuksena on käyttää ja kvantifioida tulevaisuuden kartoituksessa vaihtoehtoisia tulevaisuuskuvia. Menetelmässä etsitään monia tulevaisuuden kannalta merkittäviä tekijöitä. Analyysin ydinsisällön muodostavat malliin mukaan tulevat muuttujat eli deskriptorit, joita kuvataan enemmän tai vähemmän täsmällisin kuvauksin (esim. työllisyys kasvaa 2 % - 1 % - 0 %, vähenee 1 % tai kansantalous kasvaa - pysyy ennallaan - pienenee). Näistä luokituksista muodostuu suuri määrä erilaisia kombinaatioita, joista tietokoneohjelma rakentaa kunkin tilan etukäteistodennäköisyyden (a priori -tn) perusteella mielekkäitä yhdistelmiä. Etukäteistodennäköisyydet saadaan selville asiantuntijoita haastattelemalla tai perustuen tutkijan omaan kannanottoon. Tunnetuin tietokoneohjelma lienee BASICS (Battelle Scenario Inputs to Corporate Strategies), jonka sisäisenä logiikkana on että, jos erilaisista lähtöpisteistä usein päädytään samanlaiseen lopputilaan (tulevaisuudenkuvaan), on kyseisen tulevaisuustilan tn suurempi kuin sellaisen, johon päädytään vain harvoin. Ristivaikutusanalyysin edut ja haitat Edut Haitat Tarkastelemalla tapahtumien välisiä suhteita voidaan kehityksen dynamiikkaan perehtyä perusteellisemmin. Menetelmä vaatii paljon asiantuntijoilta, joiden on tehtävä suuri määrä vaikeita arvioita tapahtumien yhdistelmistä. Arvioiden määrä kaksinkertaistuu jokaisen uuden muuttujan myötä, joten käytännössä voidaan tarkastella vain muutamaa avainmuuttujaa. Muuttujien valinta on ratkaisevan tärkeä tekijä.