12.11.2019

Ammattiliiton jäsendatan uusi elämä edistyneen analytiikan avulla

YKAssa on menossa datanmurskaus, jolla luodaan pohjaa uudenlaiselle jäsen- ja tutkimusdatan tarkastelulle. Tekoälypohjainen data-analyysi antaa paremman kuvan sekä yksittäisten jäsenten urapoluista että jäsenistöstä kokonaisuutena. Tämä mahdollistaa jäsenlähtöisemmän edunvalvonnan ja ennen kaikkea jäsenpalvelujen tuottamisen kohdennetummin.

Artikkelissa kerrotaan järjestösektorilla toteutetun jäsentutkimusdatan uudenlaisesta hyödyntämisestä tekoälyavusteisen algoritmin avulla, ja miten sen avulla on mahdollista muodostaa yhteinen tilannekuva jäsenkunnan monenlaisista jäsenryhmistä, ja ryhmäkohtaisista kokonaistarpeistaan. Digitalisoituminen mahdollistaa liiton toiminnan kehittämisen jäsenten uraoperaattoreiksi. Konkreettisena askeleena siihen suuntaan YKA kokeilee tekoälypohjaisen data-analytiikan hyödyntämistä.

Perinteinen muuttujakohtainen tarkastelu on antanut hyvän yleiskuvan jäsenistön koko populaation tilanteesta, mutta jäsenten erilaisia elämäntilanteita ja tarvekokonaisuuksia on ollut vaikea tunnistaa.  Liiton neuvottelutavoitteet on asetettu tutkimusten keskiarvojäsenen näkökulmasta.

Keskiarvojäsenen edunvalvontatarpeet ja jäsenistön pienen osan jäsenkohtaamisten avulla syntyneet mielikuvat palvelutarpeista muodostavat keskenään hieman epäyhtenäisen kuvan jäsenkunnan tarpeista ja korostavat helposti vain nykyisiä toimintatapoja. Iso osa monista jäsenarvoa lisäävistä palvelumahdollisuuksista jää helposti piiloon keskiarvojen tai palvelujen aktiivisten käyttäjien taakse.

– Haluamme tarkemman näkymän kriittisiin uratilanteisiin, kertoo YKAn toiminnanjohtaja Simo Pöyhönen. – Meillä on myös eri tutkimuksista paljon dataa ja olemme jo pitkään pohtineet, miten saisimme sitä paremmin hyödynnettyä. Miten saisimme esimerkiksi yhdistettyä eri datalähteitämme niin, ettemme joutuisi aina uutta tietoa tarvitessamme teettämään uutta tutkimusta? Olemme myös aloittaneet palvelutapahtumista kertyvän datan hyödyntämisen.

Saamme aloittaa ennakkoluulottomasti käytännössä puhtaalta pöydältä, koska meillä ei ole suurten it-hankkeiden perintötaakkaa.

YKAssa luodaan nyt siis pohjaa uudenlaiselle jäsen- ja tutkimusdatan tarkastelulle. Tekoälypohjainen tilannekuvan luominen sopi hyvin tähän tarpeeseen. Ensimmäinen tilannekuva-analyysi oli helposti tehtävissä parissa viikossa jo olemassa olevasta datasta. Mikä tärkeintä, analyysin tulokset mahdollistavat liiton kaikkien toimijoiden yhteisen dialogin ja tulkinnan jäsenistöstä muodostettavan tilannekuvan äärellä.

YKA lähtee liikkeelle ketterästi kokeillen.

– Tilanteemme on optimaalinen, sanoo Simo Pöyhönen. – Saamme aloittaa ennakkoluulottomasti käytännössä puhtaalta pöydältä, koska meillä ei ole suurten it-hankkeiden perintötaakkaa. Hyvää dataa meillä on jo vuosien takaa.

Tekoälyllä tarkempi tilannekuva jäsenistöstä

Heini Hult-Miekkavaara on toiminut uravalmentajana useassa akavalaisessa liitossa uransa varrella ja huomannut niiden korkeasti koulutettujen jäsenten urien muuttuneen yhä sirpaleisimmiksi ja monimuotoisemmiksi.

– Yhteiskunta-alan asiantuntijoidenkin toimintaympäristöt ovat yhä kompleksisempia. Ennustettavat urapolut häviävät meidänkin jäseniltämme, ja vaikka suurin osa jäsenistöstämme varmasti vielä pitkään edustaa julkista sektoria, olemme huomanneet mm. yrittäjyyden lisääntyneen. Ihmiset eivät enää löydä itseään pelkästään perinteisistä jäsensegmenteistämme. Työmarkkinarooleista toiseen liikutaan yhä fluidimmin ja monta kertaa uran aikana. Siksi meillä on tarve ymmärtää jäsenistön tarpeita sekä neuvottelujen että palvelukehityksen kannalta moniarvoisemmin, heidän omista lähtökohdistaan.

Aikasarjaan perustuva tilannekuva näyttää myös, minkälaisista uratilanteista siirrytään toisiin, ja kuinka kauan niissä pysytään. – Samassa uratilanteessa olevilla henkilöillä voi olla myös hyvin erilaiset tarpeet johtuen muista asioista elämäntilanteessaan. Samanlaiset ratkaisut eivät sovi kaikille.

Ketterä kokeilu liiton perinteisellä tutkimusdatalla

Akavalaiset liitot ovat keränneet jäsenistöltään vuosittain tutkimustietoa jo useiden vuosikymmenten aikana. Työmarkkinatutkimukset ovat auttaneet liittoja tunnistamaan työmarkkinatoimintaa ja edunvalvontaa varten keskeisiä neuvottelutavoitteita. Tilannekuvakokeilussa oli mahdollista hyödyntää jo YKAn olemassa olevaa dataa, joten kokeiluun voitiin ryhtyä ilman työlästä tiedonhankintaprosessia.

Kokeilun tavoitteena oli tutkia, miten työmarkkinatutkimuksen datan pohjalta tehtävää jäsenkunnan tilannekuva-analyysiä voidaan hyödyntää järjestön päätöksentekoa varten; toiminnan johtamiseen, edunvalvontatyöhön ja palvelukehitykseen. Kokeilu ei ole vielä päättynyt, mutta joitakin havaintoja on mahdollista jakaa jo tässä vaiheessa kokeilua.

YKA on päässyt myös vertailemaan kokeilunsa löydöksiä sisarjärjestöihinsä Pohjoismaissa ja Baltiassa. – Ketterä lähestyminen jäsendatan tekoälyavusteiseen analysointiin kiinnosti digistrategioissaan paljon pidemmälle edenneitä tanskalaisia ja ruotsalaisia jättijärjestöjä, kertoo Heini Hult-Miekkavaara. – Emme tiedä, että kukaan muu suomalaisessa ammattijärjestökentässä olisi vielä vastaavasti hyödyntänyt edistynyttä data-analytiikkaa.tutkim

Tutkimusdataa on perinteisesti tarkasteltu siten, että ensin on päätetty, minkä taustamuuttujien kautta tulokset ryhmitellään . – Eli esimerkiksi siten, että katsotaan, minkälainen palkkataso on tiettynä vuonna valmistuneilla ja tietyn tutkinnon suorittaneilla henkilöillä, jotka työskentelevät tietyssä toimiasemassa. Tämä tieto on yhä meille tärkeää, mutta jättää paljon pimentoon, sanoo Hult-Miekkavaara.

Emme tiedä, että kukaan muu suomalaisessa ammattijärjestökentässä olisi vielä vastaavasti hyödyntänyt edistynyttä data-analytiikkaa.

Nyt tilanne käännetään tavallaan päälaelleen: algoritmi ryhmittelee samankaltaisissa tilanteissa olevat henkilöt klustereihin, ja sitten vasta katsotaan, minkälaisia muuttujia näistä klustereista löytyy. Mitkä ovat ne tekijät, jotka yhdistävät näitä henkilöitä? Minkälaiset asiat korostuvat, mitkä taas ovat aliedustettuina? – Tästä löytyy oikeastaan koko asian pihvi, sanoo Hult-Miekkavaara. Taustamuuttujiin emme voi vaikuttaa, ne pelkästään auttavat identifioimaan jäsenklustereita. Klustereita määrittävistä elämän- ja uratilanteista löytyvät ne tekijät, joihin me voimme ja haluamme vaikuttaa.

– YKAlla on esimerkillinen ote jäsendatan hyödyntämiseen. Data on helposti käsiteltävissä tietoturvallisesti ja anonyymisti, ja kun YKAlla on ennakkoluuloton asenne hyödyntää dataa jäsentensä parhaaksi eettisellä ja vastuullisella tavalla, lähtökohta kokeilujen tekemiselle on täydellinen”, toteaa datamallinnoksen tehnyt datatieteilijä Pasi Lehtimäki Goforelta.

Ei uusi tietojärjestelmäprojekti vaan uuden toimintatavan rakentamista

Tekoälypohjainen data-analyysi antaa paremman kuvan sekä yksittäisten jäsenten urapoluista että jäsenistöstä kokonaisuutena. Tämä mahdollistaa vielä jäsenlähtöisempää edunvalvontaa ja ennen kaikkea jäsenpalvelujen tuottamista asiakaskeskeisemmin.

– Tuotamme jo nyt palveluita asiakaskeskeisesti, mutta data-analytiikan ansiosta saamme yhteisen, jaetun tilannekuvan jäsenistöstämme, sen tarpeista ja elämäntilanteiden kehittymisestä, sanoo Hult-Miekkavaara. – Oleellisinta ei olekaan yksiselitteisesti se, mitä data meille näyttää, vaan minkä tulkinnan annamme sille yhdessä, koko organisaation osaamista ja kokemusta hyödyntäen. Tämä on oleellinen toimintatapamuutos, vaikka pienessä organisaatiossa on toki aiemminkin ollut helppo jakaa kokemuksia ja osaamista kollegoiden kanssa. Palvelumuotoilun kannalta ero vanhaan on kuitenkin merkittävä, kun emme ensin kokemuksemme perusteella muodosta asiakasprofiileja, ja vasta sitten lähde keräämään dataa syventääksemme ymmärrystämme niistä.

Edistynyt, tekoälypohjainen data-analytiikka mahdollistaa ilmiöpohjaisen päätöksenteon. Onkin tärkeä muistaa, että se ei ole vain yksittäinen työkalu jonkun toiminnon tarpeeseen, tai esimerkiksi CRM-järjestelmän rakentamista. – Aikasarjatarkastelu mahdollistaa siirtymisen ennakoivaan data-analytiikkaan, joka avaakin jo aivan uusia mahdollisuuksia meille, sanoo Hult-Miekkavaara. Pystymme mallintamaan aikasarjatiedoilla jäsenkaaren kehittymisen polkuja ja mm. huomaamaan nopeammin erilaisia riskiryhmiä. Näkyvyys omaan urapolkuun antaa myös valtavasti kyvykkyyksiä jäsenillemme: he näkevät oman uransa kulun ja pystyvät tekemään tietoisia, merkityksellisiä päätöksiä komplekseissakin toimintaympäristöissä. Me voimme ennakoida tarvetta erilaisille urakyvykkyyksille. Ennen kaikkea pystymme rakentamaan YKAsta alustan jäsenistömme uratarinoiden rakentamiselle, ja toimia heidän uraoperaattorinaan. Kyse on siis pohjimmiltaan liiton kehittämisestä jäsenistölle ja yhteiskunnallisesti relevantiksi ja vaikuttavaksi toimijaksi myös tulevaisuudessa.

 

Kirjoittaja: Petri Takala.

Takala on digitaalisen talouden ja johtamisen asiantuntija asiantuntija- ja teknologiayhtiö Goforella. Artikkeli on ilmestynyt aiemmin Tietoasiantuntoja-lehden numerossa 4/2019.

Jaa artikkeli

Edunvalvonta