Blogissa nyt: Ennakoinnista ja analyysimenetelmistä, ja hieman tacit-tiedostakin
Ennakoinnista ja analyysimenetelmistä sekä tacit-tiedon merkityksestä. Lue Aila Vapaaoksan ajatuksia herättävä kirjoitus aiheesta!
Ennakoinnista ja analyysimenetelmistä, ja hieman tacit-tiedostakin
Työskentelen parhaillaan tiiviisti yhteistyössä erään kolleegani, jolla on yli 40 vuoden työhistoria paperi- ja sellutoimialalla, kanssa. Hänellä on uskomattoman laaja ja syvä tietämys toimialasta. Hänelle on vuosien saatossa muodostunut sellainen markkinoiden mentaalikartta, että kun jotain tapahtuu maailman markkinoilla – tai on liian kauan tapahtumatta – hänelle välittömästi syntyy syy-seuraussuhteiden kautta näkemys siitä, mitä tapahtuu seuraavaksi ja mitä siitä sitten seuraa. Tai jos tapahtuu jokin shokki markkinoilla - hirmumyrsky ja siitä aiheutunut tulva, joka sulkee jonkun tehtaan Floridassa tai Brasilian rekkakuskien lakko, joka vaikuttaa kemikaalikuljetuksiin ja sitä kautta tuotantoon - hän pystyy laskemaan lennosta, minkälaiset vaikutukset sillä on globaalisti mihinkin osaan liiketoimintaympäristössämme.
Hän, 71 vuotias leading advisor on harvinaisuus millä tahansa toimialalla, ja malliesimerkki tacit-tiedon käytöstä ja merkityksestä työssämme.
Me muut tarvitsemme erilaisia analyysimenetelmiä avuksemme. Kuten trendikarttoja ymmärtääksemme, mitä ovat ne toimintaympäristössämme vaikuttavat trendit ja mitkä ovat ne riippuvuussuhteet eri ajureiden välillä, joihin trendit vaikuttavat. Jos markkinoilla tapahtuu jokin shokki, tai vaikkapa nyt paljon ennustettu El Nino 2, niin sitten tarvitsemme esimerkiksi SCP-analyysia ymmärtääksemme, mitä se tarkoittaa toimalalle ja omalle yrityksellemme. Kun tähän analyysiosaamiseen liitetään uutisten navigointimerkkejä, data-ja tekstianalyysityökaluja ja tekoälyä saatetaan päästä lähelle sitä, mitä emeritus-kolleegallani tulee selkärangasta. Poislukien tietenkin se arvostus ja tunnettavuus, jota hän nauttii ympäri maailmaa.
Tätä taustaa vasten minusta kaikki se pöhinä mikä liittyy tekoälyyn, big dataan tai data-analyysiin ylipäätään ilman, että puhutaan muista kvalitatiivista analyysimenetelmistä jättää asiat puolitiehen. Jotta datasta saadaan hyvää analyysia, sen tarvitsee sisältää se tieto, jota johtopäätösten tekoon tarvitaan. Ymmärrettävästi on niin, että jos lähtödata ei sisällä vaadittua informaatiota, niin sitä on vaikea puristaa ulos analysoimalla. Mutta jos rakennetaan hyvä analyysiympäristö - framework - joka perustuu kvalitatiivisiin analyyseihin, esimerkiksi aikaisemmin mainitsemani trendikarttoihin ja niiden sisältämiin syy-seuraussuhteisiin, voidaan olla hieman lähempänä hyvää ennakointia tulevasta.
”Mikä menee ylös tulee yleensä aina alas” on eräs ohjeista, jonka kolleegani minulle on yhteistyömme aikana antanut kun olemme tehneet ennusteita. Minun työtehtäväni on sikäli ollut yksinkertainen, että minun on täytynyt sitten vain ratkaista milloin ja miksi se tulee alas ja millä kulmakertoimella. Toisaalta analyysimenetelmät ovat auttaneet minua siinä työssä, mutta toisaalta on myös niin, että asioita tapahtuu siksi, että ne vain tapahtuu, aikasarjat menee poikki ja selittämättömiä kuplia syntyy huolimatta hyvistä analyysivalmiuksista. Tällöin emerituskolleegani sanoo minulle esimerkiksi näin: ”niin, samanlainen tilanne oli vuonna 1979, kun….”
Aila Vapaaoksa on Tietojohtaminen ry:n hallituksen jäsen ja Senior Consultant Pöyry Management Consulting -yhtiössä. Hän on pitänyt Tietojohtaminen ry:n jäsenille monia analyysiosaamiseen liittyviä koulutustilaisuuksia. Seuraava koulutus liittyen trendikarttoja laatimiseen liittyen pidetään 20.11.2018. Lue lisää koulutuksesta.