Konsultin työt katoavat

…JA SAMAAN AIKAAN ON PULAA TODELLISISTA OSAAJISTA.

Muistan kyllä, kun nuorempana konsulttina 2000-luvun alussa tutkimme olutmarkkinaa Tallinnassa. Jotta saimme selville vähittäiskaupan hintatasot, lähdimme kiertämään kauppoja. Muutamassa päivässä oli kierretty riittävä otos, jotta hinnan muodostuminen pystyttiin selvittämään. Markkinatutkimuksen tekeminen vaati jalkatyötä, paperityötä ja tietojen hakemista sieltä ja täältä. Sitten vielä tietojen kokoaminen yhteen ja johtopäätösten valmistelu päätöksenteolle. Tiedon kerääminen vaati paljon työtä, mutta kyllä se välillä ihan kivaakin oli 😉

ATK:n on sanottu vievän työpaikat jo pitkään ja tietokoneistumisen voidaan laskea alkavan 1940-luvun reikäkorttikoneista. Rakenteellinen muutos on toki ollut käynnissä jo teollisen aikakauden alusta lähtien, mutta lähempi muutos käynnistyi 1980-luvun lopussa. Rutiinityöt alkoivat menettää työpaikkoja suhteessa ajattelua vaativalle tietotyölle. 1990-luvun alussa tämä entisestään kiihtyi ja rutiinityöt pysyi samalla tasolla, kun tietotyön kysyntä kaksinkertaistui 20 vuodessa (Lähde: Economist / Bank of St. Louis).

Vuosikymmeniä tieto oli kuitenkin siiloissa ja erillään. Tietoon oli vaikea päästä käsiksi ja tiedon kokoaminen oli työlästä.

 

Uusi pudotuspeli on alkanut

 

  1. Ensimmäiseksi – nyt on alkanut uusi pudotuspeli tietotyössä, koska algoritmit löytävät merkittävät asiat nopeammin ja varmemmin kuin ihminen. Rutiininomainen tietotyö on kasvanut vain hieman viimeisen 20 vuoden aikana ja laskenut 2010 jo 1990-luvun tasolle.
  2. Toinen merkittävä tekijä on avoin data. Datavarannot olivat tähän asti vaikeasti hyödynnettävissä, joko sen takia, että niitä ei edes luovutettu tai ne oli vaikeasti hyödynnettävässä muodossa. Nyt tilanne on nopeasti muuttumassa ja kun nämä datavarannot on monella alueella avattu ja tarjotaan rajapinta, jonka kautta data on käytettävissä. Tästä on toki vielä pitkä matka siihen, että ulos tulee tietoa datan sijasta.
  3. Kolmas asia on se, että dataa muodostuu nyt ihan eri määriä kuin vaikka 10-20 vuotta sitten. Nyt saatavilla oleva datamäärä on ollut käytettävissä vasta lyhyen aikaa.

 

Avoin data on yksi digitalisaation käynnistäjä

 

DIGITALISAATIOTA EI OLE, JOS DATAA EI OLE.

Digitalisaation polttoainetta eli dataa ei ole ollut käytettävissä kuin vasta 2010 jälkeen. Tämä on hyvin yksinkertainen syy sille, miksi digitalisaatio (muutos) ei ole voinut vielä edes alkaa.

“NOIN 90 % MAAILMAN DATASTA ON LUOTU VIIMEISEN KAHDEN VUODEN AIKANA” – RON CONWAY

Lähde: Maailma 2012, The Economist under licence to Kauppalehti Optio, s. 89

 

Tekoäly oppii sen mikä sille opetetaan

Avoin data poistaa paljon rutiinityötä, joka on syntynyt tiedon keräämisestä, koostamisesta ja esittämisestä. Tämä on ensimmäinen vaihe (1), jonka nyt avautuneet tietokannat mahdollistavat. Toinen vaihe (2) liittyy analytiikkaan ja siihen, miten algoritmit opetetaan tutkimaan avointa tietoa. Kolmas vaihe (3) on sitä, että “kone” ei tee vain mekaanisia asioista vaan oppii sekä käyttäjästä, että sisällössä sekä yhdistelee tietoa. Googlen kääntäjäpalvelu tekee yleistyksiä sukupuolesta. Esimerkiksi ammateista sairaanhoitajat ovat naisia ja lentäjät ovat miehiä (Tivi 29.4.2017). Olisiko neljäs vaihe se, että tekoäly osaa oppia myös välttämään stereotyyppisiä yleistyksiä?

TEKOÄLY OPPII VAIN SEN, MITÄ SILLE SYÖTETÄÄN. SE OPPII MYÖS STEREOTYYPPISET SUKUPUOLIROOLIT…

Nyt on tuodaan markkinoille uusia palveluita, jotka muuttavat työn rakennetta entisestään. 1980-luvun lopussa alkanut rakennemuutos saa nyt uutta vauhtia.

Tässä muutamia esimerkkejä:

Salkunhoitaja

Tietokoneet korvaavat jo nyt salkunhoitajia ja robotit antavat sijoitusneuvontaa netissä. Näissä tapauksissa algoritmit ovat helposti todennettavissa eikä vahvasta tekoälystä voida puhua (T&T 28.4.2017).

 

Juristi

“Amerikkalainen pankki JPMorgan on ryhtynyt käymään sopimustekstejä läpi tekoälyn avulla. Aiemmin sopimusten tarkastaminen oli juristien tehtävä, ja siihen käytettiin vuosittain yhteensä jopa 360 000 työtuntia, mikä vastaa ajallisesti 41 vuotta. ” (T&T 2.3.2017)

 

Markkinatutkija

Potentiaalisten markkina-alueiden kartoittaminen ja tuotannon laajentamisen suunnittelu uusiin maihin vaatii perehtymistä maakohtaisiin ja paikallisiin oloihin. Relevantin tiedon kerääminen ja analysointi vaatii paljon resursseja. 2017 julkaistu Exportin.io -palvelu vastaa tähän tarpeeseen. Exportin.io perustuu avoimeen markkinatietoon ja palvelusta löytyvät mm. biomassojen ja infrastruktuuria koskevia tietoja Brasiliasta, Pohjoismaista sekä muista Euroopan maista.

Tämä ratkaiseen ensimmäisen haasteen, jossa hajallaan olevat data saadaan yhteen eri maista ja se pystytään myös visualisoimaan käytettävään muotoon. Yhdistetään esimerkiksi energiantuotantoon ja raaka-aineisiin liittyvät volyymit, saadaan myynnin potentiaali koottua yhteen kohdemarkkinassa.

Kun tähän lisätään tiedot veroista ja tukipolitiikasta, alkaa tietoa olla hyvin koossa päätöksenteolle. Kun edelleen tietoa syvennetään logistiikkaan ja logistiikan optimointiin, alkaa kokonaiskuva markkinapotentiaalista rakentua. Se, mikä aikaisemmin vaati paljon jalkatyötä ja istumista tietokantojen äärellä, on nyt vain muutaman klikkauksen päässä.

Aikaisemmin valtioilla ei ollut halua eikä ehkä kykyä avata tietovarantoja, mutta nyt näyttää tilanne olevat toisin. Mitä enemmän ja paremmin tiedot ovat käytettävissä, sitä kiinnostavampi markkina on myös uusille investoinneille.

KUKAPA EI NYT HALUAISI TIETÄÄ MONTAKO SIKALAA MAASSA ON, MISSÄ NE SIJAITSEVAT, KUINKA MONTA SIKAA NIISSÄ ON JA FAKTAA SIITÄ, KUINKA PALJON YKSI SIKA TUOTTAA HYÖDYNNETTÄVIÄ KAASUJA. MITÄS TÄLLÄ TIEDOLLA VOISI TEHDÄ?

Kuvakaappaus: Exportin.io

Exportin-palvelu

Loppukäyttäjä pääsee dataan ja jopa tietoon käsiksi ilman konsultin apua. Paljon rutiininomaista tiedon keräämistä on sivuutettu. Kun avoimeen dataan lisätään omat datat, optimointi- ja laskentamallit, voidaan puhua dataan perustuvasta myynnin ohjauksesta. Exportin.io -palveluun voi tutustua tästä linkistä.

Datasta ja tiedosta ymmärrykseen

Jotta avoin data olisi käytössä, tarvitaan algoritmeja ja optimointia eli yleensä myös konsultin apua – mutta ei enää datan keräämiseen ja koostamiseen vaan ymmärtämiseen.

Pitkä trendi osoittaa työn muutoksen jo kolmekymmentä vuotta ja edelleen muutoksen odotetaan kiihtyvän. Toisaalta digitalisaatio lisää työtä, mutta erilaista, virheettömämpää, edullisempaa, arvokkaampaa ja uutta.

  1. Parempi laatu: Digitalisaatio tuo avuksi laitteita ja algoritmeja, joilla ihminen lisää kyvykkyyttään tehdä työ paremmin. Inhimillisiä virheitä tulee vähemmän.
  2. Kustannukset laskevat: Tiedon kerääminen ja koostaminen poistaa paljon rutiinityötä.
  3. Arvo kasvaa: Digitalisaation (avoin data, algoritmit ja optimointi) avulla henkilö pystyy tekemään työn pidemmälle jopa pienemmällä hinnalla.
  4. Uudet palvelut: Ihminen ei pysty löytämään malleja ja yhdistelmiä yhtä hyvin kuin tekoäly, jolloin syntyy uusia palveluja.

Työn rakenteellinen muutos ei ole uutta. Osaaminen on jatkossakin arvossaan, mutta keskimääräisellä osaamisella ei tee mitään.

KESKIMÄÄRÄISEN OSAAMISEN KORVAA KONEET.

KESKIMÄÄRÄINEN ON JOKA VUOSI YHÄ KORKEAMMALLA.

Kirjoittaja

Jukka Ala-Mutka, TkT

Yhteydenotot: https://jukkaam.com/contact/

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s