perjantai 27. elokuuta 2021

Tietojohtamiseen oppia huippu-urheilun viisasten kivestä

Kuva: HS-Visio 31.7.2021
HS:n Visiossa 31.7.21. on laaja juttu otsikolla "Viisasten kivi". https://www.hs.fi/visio/art-2000008144690.html. Siinä kuvataan ja pohditaan, miten tiedolla johdetaan huippu-urheilua. Artikkelissa haastatellaan Suomen Palloliiton tiedolla johtamisen asiantuntijaa, Ville-Pekka Inkilää.

Tässä on tiivistettynä yleisesti tietojohtamisen kannalta relevantti jutun sisältö. Kirjaan siihen mukaan kommenttejani yleensä tietojohtamisen kannalta. Ovatko jutun nostot relevantteja ja miten:

  • Urheiludatassa on kolme tietotyyppiä: kuormitus- ja palautuminen, suorituskyky, harjoittelutieto
    • kuormitustieto: esim. syketieto, liikkeiden toistojen seuranta, unitieto
    • suorituskyky: esim. pelidata (tapahtumadata ja ympärillä tapahtuva tieto, paikkatieto)
    • harjoittelutieto: esim. nopeus, kestävyys, tekniikka, peliharjoitteet vs. toistoharjoitteet
  • Kommentti: tietotyypit kuvaavat ihimillisiä resursseja, tietopääomaa, aineetonta pääomaa yksilötasolla. Se on asiantuntijoiden mukaan abstraktia, subjektiivista pääomaa. Keskeisiä kysymyksiä ovat: mistä se tunnistetaan, millä se arvioidaan, kenelle raportoidaan, miten kyvykkyyksiä kehitetään. https://ollintuumailut.blogspot.com/2021/03/aineettomassa-paaomassa-kolme.html
  • "Mikään tietokonemalli tai analytiikkaohjelma ei korvaa täysin ihmisen kokemusta."
  • Kommentti: tietojohtamisessa tämä soveltaminen perustuu kahteen oleelliseen tekijään - inhimilliseen vuorovaikutukseen tietokoneohjelman kanssa sekä tietohierarkiaan, jonka ylin taso on viisaus (tietohierarkia: data -informaatio-tieto-viisaus ja niihin liittyvät metaosiot).
  • Datasyötteitä on lukematon määrä. Aivot käsittelevät havainnot ja tekevät niistä johtopäätökset.
  • Kommentti: Tämä pätee tietojohtamiseenkin, mutta osa tiedolla johtamisesta on tarkoituksellisesti kytketty määrällisiin ja laadullisiin tavoitteisiin.
  • "Data-alkemia tarkoittaa sitä, kun sensoreiden ja muun tilastodatan avulla muodostetaan narratiiveja, tarinoita, jotka eivät kestä syvää tarkastelua."
  • Kommentti:  Edesmennyt ruotsalainen tilasto- ja  kansanterveysprofessori Hans Rosling määritteli kymmenen tilastoihin perustuvaa vaistoa eli "faktatietoisuuden pelisääntöä": kuiluvaisto, kielteisyysvaisto, viivasuoruusvaisto, pelkovaisto, kokovaisto, yleistämisvaisto, kohtalovaisto, ainoan näkökulman vaisto, syyttelyvaisto, hätävaisto; https://ollintuumailut.blogspot.com/2018/10/hans-rosling-faktojen-maailmassa.html
  • Moravecin paradoksi: tietokone on hyvä ratkaisemaan monimutkaisia matemaattisia ongelmia, mutta tapahtumien todellisia inhimillisiä ratkaisuja se ei pysty mallintamaan. Tietokone pystyy laskemaan vain erilaisia todennäköisyyksiä eri tapahtumille.
  • Kommentti:  Todennäköisyyteen perustuva ennustaminen liittyy oleellisesti kolmeen Nate Silverin esiin nostamaan epävarmuustekijään: 1. alkuehtojen epävarmuuteen (lähtökohtadata ja -informaatio), 2. tapahtumaketjun epävarmuuteen (ajassa tulee jatkuvasti uutta informaatiota), 3. rakenteelliseen epävarmuuteen (ymmärrys ilmiöstä on aina rajallinen, jopa kompleksinen); https://ollintuumailut.blogspot.com/2015/03/tim-sparv-standard-poor-kestavyysvaje.html
  • Erityinen apu tietokoneesta on laskettaessa sellaisia tilanteita, jotka sattuvat usein ja asetelma on samankaltainen. 
  • Kommentti: Tämä on myös osa data-alkemiaa, johon Roslingin kymmenen vaistoa antavat kriittistä näkymää. 
  • Ennuste voi myös lisätä tuskaa, kun se alkaa toteuttaa itseään. Myös tilastojen liian orjallinen seuraaminen voi lisätä tuskaa.
  • Kommentti: Tuskan välttäminen, tiedostaminen tai huomioonotto on viisautta.  Hans Roslingin ja Nate Silverin opit auttavat.Tilastojen visualisointikin mahdollistaa tuskan lisääntymisen, koska visualisointi korostaa, yksinkertaistaa tai jopa harhauttaa lukijan. Sen ylittäminen on tilastojen lukutaitoa. Myös Rolf Dobellin kolme haastetta tulevat esille, jos lukija toimii puhtaasti "tilastoturistina": 1. pitää suhtautua kriittisesti esitettyihin "faktoihin", 2. suhtauduttava kriittisesti vallitseviin näkemyksiin, 3. suhtauduttava kriittisesti omiin ennakkokäsityksiin. (Nylander 2017, 89-90).
  • Tekoälyn käyttömahdollisuudet ovat rajalliset monimutkaisten ongelmien ratkomisessa. Jos ongelma perustuu täysin päättelyyn, tekoälyn käyttö on mielekästä (esim. Go-peli). 
  • Kommentti: Kyllä tekoälyä voidaan käyttää myös riskien ennustamiseen, kunhan ymmärretään rakentaa ihmisen ja tekoälyn vuorovaikutus ja ymmärretään datan mahdollisuudet sekä mahdolliset vinoumat ja virheellisyydet. Monimutkaiset ongelmat vaikeuttavat tekoälyn mahdollisuuksia. (Nylander 2021, tunnistamismenetelmät, 203-210).
  • Tilastoanalyysiä voidaan käyttää hyväksi rekrytoinnissa. Niin tehtiin ensi kertaa ns. Moneyball-tapauksessa. Niin tehdään nytkin yleisesti jalkapallossa. Kyse on liiketoimintatermein investoinnista. Terveysdatan avulla voidaan pitää puolestaan huolta investoinnista eli suojella investointia. Esim. pelaajan loukkaantuminen on investoinnin suuri riski.
  • Kommentti: Investoinnit inhimilliseen pääomaan sisältävät myös tunteen ja luonteen huomioonottoa. Erilaiset psykologiset testit voivat avata rekrytoinnin kohdistamista, mutta voivat myös johtaa harhaan. Thomas Karsson on monissa kirjoissaan rakentanut erilaisia luonnemalleja (neljä väriä: introvertti-ekstrovertti, asiakeskeinen-ihmissuhdekeskeinen) ja hänen kirjojensa teorioita on myös kritisoitu. On rakennettu myös esimerkiksi neljään vääriin verrattavia muita nelikenttiä. https://ollintuumailut.blogspot.com/2019/06/kayttaytymisemme-nelja-varia.html
  • Haasteena on ns. henkilökohtainen data, jonka pelaaja omistaa. 
  • Kommentti: Sama pätee myös vaikkapa yleensä työntekijän omaan dataan. Ihmisen yksityisyys asettuu vastakkain yleisemmän intressin kanssa. Myös henkilökohtaisen datan luotettavuus, oikeellisuus pitäisi olla selvitettävissä, jos sitä hyödynnetään laajemmin.
  • Yleinen ongelma on myös datan sijainti hajallaan eri puolilla. 
  • Kommentti: Tämä datan hajanaisuus on tietojohtamisen keskeinen haaste, jota pyritään ja on pyritty ratkaisemaan erilaisin tiedon johtamisen keinoin.

Lukijan käydessä läpi tätä 12 pointin listaa huomaa, että tietojohtamisessa yleensä esiintyvät monin tavoin samat ominaisuudet ja haasteet. Ehkä voidaan jotenkin yleistää pointtilistaa. Tietotyypit kuvaavat inhimillisiä resursseja, tietopääomaa. Artikkeli ei erittele varsinaista tapahtumatietoa eli hyötyä, vaikuttavuutta joukkueelle ja seuralle. Yksilöurheilussa tämä hyöty on helpompi mallintaa ja todentaa kuin joukkueurheilussa. Joukkueurheilussa korostuvat eri osien (eli pelaajien) yhteensopiminen kokonaisuuden kannalta. Yhteensopivuus voi olla teknistä yhteensopivuutta, mutta sen pitää olla myös ihmisluonteiden yhteensopivuutta.

Viisasten kivi. Viisauden alkulähde (ehkä nykyaikana?) Wikipedia kertoo asiasta seuraavaa: Viisasten kivi (lat. Lapis philosophorum) on myyttinen aine, jota länsimaiset alkemistit etsivät tai yrittivät valmistaa. Viisasten kiven kerrottiin pystyvän muuttamaan muita metalleja kullaksi. Myöhäiskeskiajalta lähtien uskottiin, että viisasten kivi olisi samalla ollut myös kaikki sairaudet parantava ihmelääke ja että se voisi jopa tehdä ihmisestä kuolemattoman. Tieteen termipankki ei tunnista tällaista käsiteparia. Nyt tämä data ja sen voimaan uskominen on rinnastettavissa viisasten kiveen. Mielestäni tämä usko ja olettamus kulkee ajatuksissa koko ajan kohden viisautta kriittisten polkujen avulla. Ensin on raakadata ja sen taustaoletukset, sitten informaatio taustaoletuksineen, sitten tieto samoin oletuksin ja lopulta inhimillinen viisaus, joka tulkitsee ja tekee päätelmät. 

Pohdin itse asiaa myös 2017 ilmestyneessä kirjassani "Tietojohtaminen ja tapaus sote" (ss.66-67) management- ja leadeship-näkökulmista. Datan hyödyntäminen toimii erityisesti management -näkökulmassa. Johtajuuden ollessa kyseessä tarvitaan tuota Moravecin paradoksin huomioon ottamista. Pahimmillaan sen huomioon ottaminen voi lisätä tuskaa. Parhaimmillaan tilastot toimivat ennusteina ja tavoitteina, joita kohden yhdessä pyritään. Tuskaa voi myös lisätä epätietoisuus datan laadusta. Siksi tarvitaan pitkin analyysiä inhimillistä, kriittistä näkökulmaa.Viisautta on yhdistää management - ja leadership-näkökulmat  - tässä uusi variantti muotikäsitteelle hybridi:  hybridijohtaminen. Tätä tietohierarkiaa voidaan pitää myös tietynlaisena hälytysjärjestelmänä tai inhimillisen ajattelun laajentumana. Ilman tietohierarkiaa voidaan tehdä valistuneeseen viisauteen perustuvia ratkaisuja. Ne voivat olla synkkiin ennakkoluuloihin perustuvia tai raikkaita uusia innovaatioita tai jotain siltä väliltä. Toisaalta ilman tietohierarkiaa päätelmät voivat olla harhaisia, vanhanaikaisia jne. Vanha sanonta suo siellä vetelä täällä. 

Mielestäni näitä vaaran paikkoja liiallisen tai liian vähäisen datan hyödyntämiseen voidaan hallita rakentamalla analyysi paloittain. Ongelmanratkaisumallini on eräs tapa ratkoa asiaa. Ensin on täsmennettävä, mikä ongelma pitää ratkaista. Sitten pitää määritellä, minkälainen ongelma on kyseessä (kevyt, sotkuinen, pirullinen). Tämän jälkeen pitää pohtia, minkälainen ilmiö on laajemmin kyseessä. Näiden vaiheiden avulla voidaan ryhtyä datan keruuseen ottamalla huomioon datan laatuhaasteet. Oleellista on sitten analysoida dataa monien asiantuntijoiden ryhmässä tilannehuoneessa. Saadaan esille runsaasti näkökulmia ongelmaan. Saadaan myös erilaisia ratkaisuvaihtoehtoja, joiden pohjalta tehdään päätökset. Tämän jälkeen arvioidaan päätöksen vaikuttavuutta ja palataan uuden tai uudenlaisena esiintyvän ongelman pariin. Malli on kuvattu vaihe vaiheelta  kirjassani "Hyvinvointio- ja terveyshyöty" ss. 13-24 (BoD 2021). 

Käytetyt lähteet

Lähettänyt klo

Ei kommentteja:

Lähetä kommentti

Tilaa: Lähetä kommentteja (Atom)