Oletetaan, että kunta X haluaa säästää sivistys- ja liikuntatoimen menoistaan viisi prosenttia. Päätös on sinänsä helppo, eikä sen vaikutuksista nouse juurikaan keskustelua.
Mutta miten päätös vaikuttaa nuorten syrjäytymis- ja mielenterveysongelmiin seuraavien kymmenen vuoden aikana? Tätä on nykyisillä päätöksentekomenetelmillä vaikea ennustaa. Mikä on vaikutus terveydenhoidon ja mielenterveyshoidon kustannuksiin? Järjestyksenpidon kustannuksiin ja resurssitarpeisiin? Koulutuspolitiikkaan? Yhteiskunnan tukimenoihin? Verokertymään?
Tämä on vain yksi esimerkki aiheista, joihin pureuduttiin valtioneuvoston kanslian VTT:ltä tilaamassa selvityksessä Vaikutusten arvioinnin tehostaminen automaattisen tiedonhallinnan ja data-analytiikan avulla.
Päätöksenteko ei siedä siiloja
Kun kapealla alueella tehdään sinänsä järkevä päätös, sen heijastusvaikutukset muualle voivat olla suuret. Nykyisellään näitä ei kuitenkaan usein nähdä, ennen kuin on jo jonkin aikaa menty väärään suuntaan.
Erityisesti lainsäädäntötyössä ja muiden säännösten muotoilussa heijastusvaikutukset ovat tärkeitä. Laki edellyttää monissa tapauksissa erilaisten vaikutusarviointien tekemistä, mutta jos joka selvitys keskittyy vain omaan kapeaan osa-alueeseensa, lain kirjain on kyllä täytetty, mutta isompi kokonaiskuva ei aukea eikä selvityksistä ole paljon käytännön hyötyä.
Lisäksi selvityksiä, jotka olisivat yhteiskunnallisesti hyödyllisiä, mutta joita laki ei määrää, ei usein tehdä. Lait eivät juurikaan edellytä esimerkiksi yritysten tarpeiden huomioon ottamista kaavoituksessa.
Miten avata siilot?
Vaikutusten arvioinnissa on kaksi erilaista koulukuntaa: kvalitatiivinen eli narratiivinen, ennakoivan arvioinnin koulukunta, ja kvantitatiivinen datapohjaisen arvioinnin koulukunta. Narratiivinen koulukunta pyrkii ennakoimaan erilaisia tulevaisuuden skenaarioita kvalitatiivisesti. Datapohjainen koulukunta käyttää dataa, yleensä kerättyä rekisteridataa, joka kuitenkin voi olla jopa pari vuotta vanhaa ja haasteena on se, että vain ilmiöitä, joista on dataa olemassa, voidaan ottaa arviointiin mukaan – tulevaisuuden potentiaaliset muutosilmiöt jäävät usein analyysin ulkopuolelle.
Kärjistäen: jos yhdet perustavat vaikutukset puhtaasti kvalitatiivisiin mentaalimalleihin ja toiset lukevat vain historiatietoa, kummastakin lähestymistavasta jää olennaisia elementtejä pois ja päätöksillä on suuri mahdollisuus epäonnistua.
Systeeminen tulevaisuuden ennustaminen vaatii näiden näkemysten yhdistämistä ja rikastamista reaaliaikaisella datalla.
Reaaliaikaista dataa on saatavilla monin tavoin. Matkapuhelinten paikannustoiminto voi kertoa, missä liikkuu kuinka paljon väkeä mihin aikaan. Joukkoistamalla tiedonkeruu voidaan kerätä hyödyllistä tietoa rajatuista aiheista. Sosiaalisesta mediasta on suodatettavissa niin eri aiheisiin liittyvä mielipideilmasto kuin ”hiljaista tietoa” vaikkapa jonkin kaupunginosan turvallisuudesta.
Tässä kohtaa tarkkaavainen lukija huomaa oitis yhden kysymyksen: tietosuojan. Aivan oikein.
Tulevaisuus on omadatassa
Uusien massadatan lähteiden käyttäminen olisi suunniteltava omadata-pohjalta. Se merkitsee, että henkilö hallitsee itse omaa dataansa ja voi itse päättää, kenelle ja missä laajuudessa sitä luovuttaa.
Esimerkiksi lääkärikäynnin yhteydessä voi yksittäiselle kansalaiselle olla hyötyä siitä, että hän sallii terveysdatansa yhdistämisen ostotottumuksiinsa ja liikuntamittareihin.
Tarvitaan selkeitä käytäntöjä, prosesseja ja liiketoimintamalleja sille, miten tietoa kootaan, jalostetaan ja tarjotaan hyödynnettäväksi, sekä sille, miten lupia hankitaan ja hallitaan. Ei ole kyse ainoastaan yritysten ja julkisen sektorin välisistä toimintatavoista vaan tietosuojalainsäädännön tuomat vaatimukset ja jatkossa myös omadatan yleistyminen edellyttävät myös yksityisten henkilöiden suostumusten hallintaa.
Päätöksistä todellisiin hyötyihin
Tutkimuksen perusteella julkisella sektorilla olisi panostettava data-analytiikan osaamiseen sekä eri menetelmien mahdollisuuksien ja rajoitusten ymmärtämiseen.
Tarkasti rajatuista ja useista erillisistä vaikutusten arvioinneista on siirryttävä systeemiseen vaikutusten arviointiin, jossa painopiste on kokonaiskuvassa ja tekijöiden ristikkäisvaikutuksissa.
Avoimuus on valttia. Arviointi, sen perusteet ja oletukset sekä tulokset on avattava julkiselle, ulkopuoliselle evaluoinnille jo prosessin alkuvaiheessa ja arviointiprosessissa on luovuttava protektionistisesta lähestymistavasta.
Vaikutusten arvioinnin tulosten parempaan hyödyntämiseen päästään esimerkiksi tulosten havainnollisemman visualisoinnin avulla. VTT on jo kehittänyt simulointimalleja ja niiden kuvausta helposti ymmärrettäviksi sovelluksiksi. Näin on helpompi miettiä asioiden vaikutus toiseen: jos tehdään tätä, miten se vaikuttaa tuohon.
Massadata, analytiikka ja reaaliaikaisuus, jotka nykyteknologialla ovat mahdollisia, luovat pohjan oikeampaan, oikeudenmukaisempaan ja jo prosessin kestäessä korjausliikkeet mahdollistavaan päätöksentekoon.
