Tuntuuko sinusta, että sinulla on kaikenlaista dataa käytössäsi, mutta siitä ei ole mitään hyötyä konkreettisissa päätöksentekotilanteissa? Et ole ajatuksinesi yksin. Monet organisaatioiden päätöksentekijät tuntevat samoin.
Keskustelimme kesällä 2025 sosiaalisessa mediassa käytännön päätöksentekijän, yritysjohtajan, kanssa asiasta. Keskustelu lähti liikkeelle Jussi Viran artikkelista ”Analytiikka kuuluu kaikille” (Vira 2025). Artikkelissa Vira pohtii, miksi analytiikka jää usein yksittäisten raporttien, selvitysten tai hajanaisten kokeilujen tasolle. Hän esittää toiminnallisen kehyksen siihen, kuinka analytiikka voidaan ottaa keskeiseksi osaksi päätöksentekoa.
Tämä artikkeli pohjaa keskusteluumme sosiaalisessa mediassa. Saimme pohtia käytännön kokemuksesta kumpuavaa painavaa argumenttia Viran (2025) pohdintoihin analytiikan hyödyntämättä jättämisestä organisaatioiden päätöksentekoprosessissa.
Tiedolla ei voi johtaa – Eikö tiedosta ei ole hyötyä vai onko kyse organisaation tietokulttuurin kypsymättömyydestä?
”Se johtuu siitä, ettei tiedolla voi johtaa.”
Tässäpä on mahtava kysymys, joka tulee oman kuplamme ulkopuolelta. Se sotkee hienosti tiedolla johtamisen hypeä. Voiko tiedolla todella johtaa? Kysymys on niin pohjamutia sekoittava, että se vaatii koko ymmärrykseni peliin laittamista!
Tiedolla johtaminen lupaa, että enää ei tarvitsisi tehdä arvaukseen perustuvia päätöksiä. Totta kuitenkin on, että graafit eivät ole organisaatioissa useinkaan limittyneet päätöksentekoon optimaalisella tavalla. Missä ongelma? Onko se siinä, että organisaatiokulttuuri ei ole kehittynyt hyödyntämään tietoa vai juuri siinä, että tiedosta ei ole mitään hyötyä loppupeleissä?
Usein organisatorisen tiedon, analyysien ja datan vajanaiseen hyödyntämiseen tutkimuskirjallisuudessa annetaan syyksi organisaation tietokulttuurin kypsymättömyys. Finto (2025) määrittelee tietokulttuurin sosiaalisesti rakentuneeksi käyttäytymiseksi ja arvoiksi, jotka määrittävät tiedon ilmenemismuotoja, sen hyödyntämisen tapoja ja tiedonhallinnan tapoja. Vakkala ja Syväjärvi (2020) määrittelevät tietokulttuurin vuorovaikutteiseksi, avoimeksi ja arvolähtöiseksi toiminnaksi organisaatiossa. Se koostuu arvoista, säännöistä ja toimintatavoista, jotka ohjaavat tiedon käyttöä ja jakamista. Tietokulttuuri tarkoittaa siis toimintatapaa, jossa tieto ja tiedonhallinta ovat keskeisessä asemassa organisaation päätöksenteossa. Kehittymättömässä kulttuurissa tätä ymmärrystä ei ole, eikä tietoa hyödynnetä strategisesti.
Kehittymättömässä tietokulttuurissa ei ymmärretä tiedon merkitystä organisaation tehokkaan toiminnan kannalta. Pahimmillaan tieto ei liiku organisaatiossa. Tietoa pidetään yksilön omaisuutena eikä sitä jaeta avoimesti, mikä voi johtaa organisaation siiloutumiseen ja jopa tiedon panttaamiseen. Koska organisaation toimijoilla ei ole yhteistä ymmärrystä tiedon merkityksestä, tietoa ei myöskään dokumentoida systemaattisesti. Tällöin tieto säilyy usein vain ihmisten muistissa tai hajanaisissa paikoissa, jolloin sen kollektiivinen hyödyntäminen on vaikeaa. Itseasiassa ei myöskään nähdä tarvetta tietojärjestelmien kehittämiseen dokumentointia tukeviksi. Organisaatio ei pysty oppimaan virheistä, joita esimerkiksi päätöksenteossa tapahtuu, koska virheitä ei dokumentoida ja saatuja oppeja ei jaeta. Lisäksi kehittymättömässä tietokulttuurissa ei luoteta tietoon, koska sitä ei ole kerätty systemaattisesti ja se karttuu vain yksilöiden pistemäisiksi opeiksi ja tietovarannoiksi. Organisatorisen tiedon ajantasaisuus ja luotettavuus kärsii väkisinkin. (Vrt. Vakka ja Syväjärvi 2020.)
Todellisuudessa on liikaa muuttujia
”Tiedolla johtamisen ongelma on se, että on liikaa muuttujia, joita ei voi ottaa huomioon.”
Totta on sekin, että laskennalliset mallit eivät millään pysty huomioimaan aivan kaikkea. Niihin ei saa yhdistettyä esimerkiksi jokaisen työntekijän henkilökohtaista motivaatiota juuri tiettynä maanantaina. Toisaalta malli mallintaa todellisuutta käytössä olevan datan pohjalta. Kaikki riippuu organisaation käytössä olevan datan määrästä, laadusta ja kattavuudesta, eli siitä kuinka hyvin asioita ja oppeja on pystytty dokumentoimaan. Koskaan ei ole käytettävissä täydellistä dataa todellisuudesta. Organisaatioissa ei ole yleensä edes auttavaa dataa käytössä. Silloin mallista tulee vinoutunut, torso, jolta puuttuu pää, kädet ja jalat.
Mallintaminen on eräänlaista kartan piirtämistä. Kartta voi olla hyvinkin tarkka kuvaus maan piirteistä kivineen, mutta harvoin siihen merkitään puita yksitellen. Se auttaa suunnistamaan maastossa antaen joitain ohjeviivoja, mutta kartanlukijan on 1) osattava lukea karttaa ja sen merkintöjä ja 2) osattava kuvitella maasto kartan perusteella. Karttoja on myös hyvin epätarkkoja, joista puuttuu tärkeitä tietoja (dataa). Ennen vanhaan esimerkiksi Firenzen turistikartoista puuttui pienten kujien nimiä. Tällaisen kartan avulla suunnistaminen vaati tulkintaa – piti tajuta lukea katujen nimet ja ymmärtää kääntyä niiden kohdalla oikeaan suuntaan. Ei voinut vain kääntyä seuraavasta risteyksestä.
Samoin on laskelmallisten mallien kanssa. Ne antavat suuntaviivoja. Asiansa erinomaisesti tunteva (kaupungin jo muutenkin tunteva) henkilö ei hyödy mallista, jos siinä on vain vähän dataa. Hän tietää asian muutenkin. Ulkopuoliselle se voi olla hyvinkin hyödyllinen, jos osaa hieman lukea mallia. Toisaalta, jos tehdään kattavia malleja, joiden pohjalla käytetään paljon organisaation toiminnasta kertynyttä dokumentoitua dataa, voidaan tehdä tarkempia malleja.
Perstuntuma ja intuitio päätöksenteossa
”Päätökset pitää tehdä tunteella eli perstuntumalla ja luottaa omaan intuitioon.”
Kuinka sitten tiedolla johtamisesta voi olla asiansa syvällisesti tuntevalle johtajalle hyötyä? Katsoisin, että niissä kysymyksissä, joihin ei ole perstuntuma ratkaisua. Perstuntuman ymmärrän tässä tapauksessa samaksi kuin hiljainen tieto, kokemukseen pohjaava tieto.
Hiljainen tieto (engl. tacit knowledge) on tietoa, jota yksilö ei pysty helposti sanoittamaan tai siirtämään toisille, mutta joka ohjaa hänen toimintaansa, päätöksentekoaan ja osaamistaan. Sitä ei voi helposti kirjoittaa ohjeeksi tai selittää toiselle – esimerkiksi miten tasapainotellaan pyörällä tai tunnistetaan potilaan vakava tila pelkän olemuksen perusteella. Se on kokemuksen kautta syntynyttä, henkilökohtaista ja kontekstisidonnaista tietoa, joka ilmenee käytännön toimissa, rutiineissa, intuitiossa ja vaistossa. Se ohjaa toimintaa ilman tietoista ajattelua – kuten kokenut opettaja, joka tunnistaa oppilaan oppimisvaikeudet ennen kuin ne näkyvät selvästi. Se liittyy yksilön arvoihin, tunteisiin, näkemyksiin, työympäristöön ja juuri tiettyihin tilanteisiin. (Nonaka ja Takeuchi, 1995; Polanyi, 1966; Virtainlahti 2009.)
Hiljainen tieto on olennainen osa ammatillista osaamista ja organisaation menestystä sekä nopeaa päätöksentekoa. Se auttaa välttämään virheitä ja kehittämään uusia käytäntöjä. Lisäksi sen avulla voidaan siirtää osaamista organisaation sisällä. (Nonaka ja Takeuchi, 1995; Polanyi, 1966; Virtainlahti 2009.)
Jos on mahdollista saada tarpeeksi laadukas, kattava ja perstuntumatietoakin (hiljaista tietoa) sisältävä data ja mallintaa se, voidaan tehdä analyysiä, joka paljastaa uusia näkökulmia ja totuuksia. Tällöin voi käydä niin, että vanha totuus osoittautui harhaluuloksi. Silloin tiedosta on päätöksenteolle todella hyötyä.
Todella hyödyllistä on vain tieto tulevaisuudesta – analytiikka yhdistettynä päätöksentekoon
”Ainoa tieto, joka olisi johtamisen kannalta oikeasti todella hyödyllistä, on tieto siitä, mitä tulee tapahtumaan tulevaisuudessa, eikä sitä tietoa ole tarjolla ennen kuin tulevaisuus on eletty… Jos haluaa menestyä tulevaisuudessa pitää tarjota sellaisia tuotteita ja palveluita, mitä tulevaisuudessa tarvitaan, menneisyydessä tapahtuneet eivät sitä tietoa voi tarjota… jos jää kiinni vanhaan näivettyy pois, mutta menneisyys ei tuo tietoa siitä mitä tulevaisuus tuo tullessaan.”
Tosiaan! Luotetaanko menneen ajan analyysiin ja odotetaan asioiden jatkuvan samanlaisena vai pyritäänkö ennakoimaan muutoksia analyysin avulla? Meillä on ennakointimallintamista, mutta se vaatii monien erilaisten datojen yhdistämistä, ja loppupeleissä data on aina kertynyt menneestä. Meillä ei ole varmaa dataa tulevaisuudesta. Analyysin avulla voimme kuitenkin saada tietoa siitä, mitä erilaisia vaihtoehtoja kyseisissä tilanteissa on menneisyydessä toteutunut. Voimme saada päätöksenteon pohjalle erilaisia vaihtoehtoja ja uusiakin näkökulmia. Jos teen näin, niin aiemmin on käynyt näin tai näin. Sitten tulee se perstuntuma, minkä näistä todennäköisistä vaihtoehdoista valitsen.
Isoissa päätöksissä päätöksenteon prosessissa kannattaisi soveltaa älykästä päätöksentekoa (Decision Intelligence). Se mahdollistaa monipuolisesti erilaisten vaihtoehtojen analyysin ja huomioimisen. Valitettavasti nämä menetelmät eivät ole (vielä) Suomessa yleisiä ja niitä käytetään lähinnä suurissa yrityksissä maailmalla. Älykkään päätöksenteon (Decision Intelligence) prosessissa keskeistä on päätöksenteon erivaiheiden erottelu toisistaan ja myös niiden dokumentointi. Näin saadaan lisää dataa, joka auttaa jatkossa päätöstenteossa.
Decision Intelligence on lähestymistapa, joka yhdistää data-analytiikan, tekoälyn, käyttäytymistieteet ja päätöksenteon teoriat tukemaan parempaa ja systemaattisempaa päätöksentekoa. Sen vaiheet voidaan jäsentää eri tavoin, mutta yksi yleisesti käytetty malli perustuu strategisen päätöksenteon prosessiin, jota tukevat analytiikka ja tekoäly.
Älykäs päätöksenteko jakaa prosessin vaiheisiin, joista ensimmäinen on selkeä ongelman tai päätöksenteon kohteen määrittely. Jotta voidaan saada asian kannalta keskeisin tieto käyttöön, tulee asian olla selkeästi määritelty. Ei riitä, että osataan sanoa tarvittavan uusi tuote. Tämä uusi tuote pitää osata määritellä: mitä vaihtoehtoja on, mitkä asiakasryhmät ovat jne. Usein tämän määrittelyn taustalla tulee käyttää hiljaista tietoa ja pystyä yhdistelemään eri henkilöiden hiljaista osaamista hyvin.
Tämän jälkeen kerätään kaikki saatavilla oleva relevantti data ja tieto asiasta. Tämä tieto voi olla organisaation sisäistä mutta myös ulkoinen tieto tulee huomioida. Muodostetaan tilannekuva hyödyntäen analytiikkaa ja strategista tiedustelua (strategic intelligence) liiketoimintaympäristön ymmärtämiseksi. (vrt. Pirttimäki 2007.) Tehdyn analyysi perustella ennakoidaan tulevaisuuden mahdollisia kehityskulkuja skenaariotyöskentelyn avulla. Tässä hyödynnetään generatiivista tekoälyä ja matemaattisia malleja vaihtoehtojen arviointiin. Lisäksi käydään keskustelua päätöksentekotiimin kesken tuloksista. (vrt. Seeve, Vilkkumaa ja Morton 2025.) Arvioidaan eri vaihtoehtojen vaikutuksia. Keskeistä on myös ottaa huomioon epävarmuudet ja riskit päätöksenteossa.
Lopulta tehdään päätös perustuen analysoituun tietoon, asiantuntijoiden näkemyksiin ja organisaation tavoitteisiin. Tekoäly voi tukea päätöksentekijää esimerkiksi ajatteluvinoumien vähentämisessä. Prosessi ei kuitenkaan pääty tähän, vaan päätös tulee viedä käytäntöön ja sen seurauksia tulee seurata. Jonkun ajan päästä tehdään vielä tarkastelu, oliko päätös oikea ja mitä siitä seurasi. Analysoidaan asiantuntijaryhmällä tai data-analyysillä, mitkä tekijät johtivat siihen, että päätös oli onnistunut tai epäonnistunut. Kerätään asiantuntija palautetta ja uutta dataa tulevien päätösten tueksi. Ei luoteta pelkkään yhden ihmisen kokemukseen päätöksen onnistumisesta, koska onnistuminen saattaa johtua aivan epäolennaisista tekijöistä, sattumasta.
Älykäs päätöksenteko pyrkiikin systematisoimaan organisaation päätöksentekoa ja auttaa oppimaan siitä koko ajan enemmän. Usein ihmisten hiljaiseen tietoon pohjaava päätöksenteko nojaa liikaa tunteisiin ja aiemmin koettuun onnistumiseen, joka voi perustua ajatteluvinoumiin. Decision Intelligence ei ole pelkkä teknologinen ratkaisu, vaan kokonaisvaltainen lähestymistapa, jossa yhdistyvät data ja analytiikka, ihmisten intuitio ja hiljainen tieto, skenaariotyöskentely ja optimointi sekä päätöksenteon psykologia ja organisaatiodynamiikka.
Tekoäly apuna tulevaisuuden ennakoinnissa
”Nyt, kun tekoäly on kaikkien saatavilla, on myös pienempien organisaatioiden mahdollista tehdä syväanalyysiä.”
”Tekoäly ei kykene älylliseen, luovaan ja innovoivaan toimintaan. Tekoäly tarjoaa parhaimmillaankin keskinkertaisia ratkaisuja kaikkiin sille esitettyihin ratkaisuihin, se on apupoika, työkalu, jolla voi nuijia ja nopeuttaa omaa tekemistään ja helpottaa arkisia työtehtäviä.”
Tämä on totta! Tulevaisuuteen katsomiseen tarvitaan luovuutta ja innovointia. Siihen ei mikään kone pysty. Toisaalta näiden pohjalle on hyvä ottaa käyttöön aiempaa osaamista ja rakentaa sieltä luovuudella jotain aivan uutta. Tämä aiempi osaaminen on kertynyt organisaation työntekijöiden hiljaiseksi tiedoksi, ja jos tätä tietoa pystytään jakamaan ja päätöksenteon pohjalle voidaan luoda systemaattinen datan ja tiedon käsittelyn menetelmä, pystytään hyödyntämään luovuutta aiempaa enemmän.
Tämä on mielestäni loistava lopputulema keskustelulle! Ihmisen sosiaalinen kanssakäyminen ja kyky luoda uutta on keskeinen elementti päätöksenteossa, eikä sitä voi ulkoistaa niin tiedolla johtamiselle, analytiikalle tai tekoälyllekään! On kuitenkin olemassa tiedolla johtamisen menetelmiä, jotka pyrkivät tuomaan tuon intuition näkyväksi tiedoksi, dataksi ja edelleen opiksi tulevaisuutta ajatellen organisaatioille. Olen liekeissä.
Kirjoittajat:
Tiina Soininen, lehtori, Karelia-ammattikorkeakoulu
Jussi Vira, kehitysjohtaja, johdon neuvonantaja, liiketoimintakonsultti, datan ja tekoälyn hyödyntämisen sekä digitalisaation asiantuntija, CGI
Lähteet:
Finto (2025): tietokulttuuri – TT – Finto
Nonaka, Ikujiro ja Takeuchi, Hirotaka (1995): The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation. New York: Oxford University Press.
Pirttimäki, Virpi (2007): Business Intelligence as a Managerial Tool in Large Finnish Companies. Väitöskirja. Julkaisu 646. Tampere teknillinen yliopisto.
Polanyi, Michael (1966): The tacit dimension. Garden City, New York: Doubleday & Company.
Seeve, Teemu, Vilkkumaa, Eeva ja Morton, Alec (2025): A structured framework for supporting the participatory development of consensual scenario narratives. European Journal of Operational Research, Vol. 327, Issue 2.
Vakkala, Hanna ja Syväjärvi, Antti (2020): Tietokulttuurin ulottuvuudet sosiaali- ja terveydenhuollon uudistuvissa organisaatioissa – Vuorovaikutteisen tiedolla johtamisen haaste. Hallinnontutkimus 2/2020.
Vira, Jussi (2025): Analytiikka kuuluu kaikille. (1) Analytiikka kuuluu kaikille | LinkedIn
Virtainlahti, Sanna (2009): Hiljaisen tietämyksen johtaminen. Helsinki: Talentum.
Lisää tiedolla johtamisen menetelmistä sekä niiden käytännön toteutuksesta – tutustu ilmaiseen organisaatioiden kehittämiseen suunnattuun koulutukseen: Tiedolla johtamisen mentorointi – Dataosaamista organisaatioille, 10 op – Xamk, Koulutuksen järjestävät Karelia-amk ja Kaakkois-Suomen amk.
Artikkeli on kirjoitettu hankkeessa Tietojohtamisen mentorointi – Dataosaamista organisaatioille. Koulutus on Jatkuvan oppimisen ja työllisyyden palvelukeskuksen (Jotpa) rahoittama. Palvelukeskus edistää työikäisten osaamisen kehittämistä ja osaavan työvoiman saatavuutta. Palvelukeskuksen toimintaa ohjaavat opetus- ja kulttuuriministeriö sekä työ- ja elinkeinoministeriö.
