sisällön esikatselussa tai sisältösivulla.
Datan ja tekoälyn hyödyntäminen mahdollistaa toimintatapojen uudistamisen niin yksityisellä kuin julkisella sektorilla. Datan uudenlainen hyödyntäminen ei luo ainoastaan liiketoiminnallista kilpailuetua, vaan se on keskeinen tekijä yhteiskunnallisen kehityksen ja kestävyyden edistämisessä.
Eri aloilla onkin pohdittava, kuinka dataa voidaan hyödyntää arvon luomisessa niin, että se hyödyttää yksilöitä, yhteisöjä ja koko yhteiskuntaa.
Sitra on työskennellyt pitkään eurooppalaisiin arvoihin perustuvan ihmislähtöisen ja reilun datatalouden rakentamiseksi. Tavoitteenamme on ollut luoda kulttuuria, jossa dataa hyödynnetään parempien palveluiden kehittämiseen, huomioiden samalla ihmisten mahdollisuudet vaikuttaa heistä kerätyn tiedon käyttöön. Näin luodaan lopulta hyötyä myös yhteisöille ja yhteiskunnalle.
Vaikuttavuuteen tähtäävät innovaatiot edellyttävät toimivia ja vastuullisia tapoja jakaa ja hyödyntää dataa yli siilorajojen. Julkisen, yksityisen ja kolmannen sektorin kumppanuudet ovat keskeisiä reilumman datatalouden rakentamisessa.
Muutoksenteko eri toimijoiden yhteistyönä
Innovointi ja yhteiskunnallinen muutostyö edellyttävät yksityisen, julkisen ja kolmannen sektorin yhteistyötä. Yhdistämällä julkisen sektorin yhteiskunnallisia näkemyksiä ja mahdollisuuden vaikuttaa rakenteisiin sekä yksityisen sektorin ketteryyttä ja teknologista osaamista, voimme luoda kestävämpiä ja tehokkaampia ratkaisuja yhteiskunnan haasteisiin.
Kolmannen sektorin ja tutkimuskentän syvällinen asiantuntemus käsillä olevista aiheista puolestaan rikastuttaa julkista keskustelua ja päätöksentekoa. Tällainen synerginen yhteistyö voi edistää talouden kestävää kasvua, parantaa ihmisten hyvinvointia ja yhteiskunnallista yhteenkuuluvuutta.
Sitra Lab -muutosohjelman kolme oppia datan hyödyntämisen mahdollisuuksista palvelukehityksessä
Keväällä 2024 alkaneessa Sitra Lab -muutosohjelmassa kahdeksan kokeilutiimiä hyödynsi datan mahdollisuuksia uudella tavalla palvelujen ja tietoratkaisujen kehitystyössä. Ohjelma päättyi syyskuussa 2024.
Kokeiluissa saatiin kolme keskeistä oppia uudistumiseen dataa hyödyntämällä:
1. Data on strateginen voimavara
Data on arvokas voimavara, ja sen merkitys kasvaa, kun sitä osataan yhä paremmin yhdistää ja rikastaa eri lähteistä. Tiedon avulla pystymme tekemään laadukkaita faktapohjaisia päätöksiä. Tämän tueksi tarvitaan uusia tietoratkaisuja, jotka auttavat eri toimijoita onnistumaan arvoketjun eri vaiheissa.
On tärkeää ymmärtää, miten dataa uudella tavalla hyödyntäen voidaan luoda arvoa eri sektoreilla ja eri toimijoiden kesken.
Data hyödyttää yksityistä sektoria erityisesti uusien liiketoimintamahdollisuuksien luomisessa, kilpailuedun vahvistamisessa ja asiakasymmärryksen syventämisessä. Datan avulla voidaan myös optimoida resurssien käyttöä ja automatisoida prosesseja, mikä tuo merkittäviä kustannussäästöjä.
Julkisella ja kolmannella sektorilla datan hyödyntäminen tukee tehokasta päätöksentekoa. Tietopohjainen päätöksenteko parantaa palveluiden vaikuttavuutta ja kohdentaa resursseja paremmin. Se auttaa myös ennakoimaan ihmisten tarpeita ja lisää toiminnan läpinäkyvyyttä.
Laadukas tiedolla johtaminen kasvattaa luottamusta kansalaisten ja eri kumppaneiden keskuudessa ja edistää hyvinvointia yhteiskunnassa sekä ympäristövastuullisuutta.
2. Vaikuttavat dataratkaisut tehdään yhdessä
Muutosohjelman kokeilut kehittivät palveluratkaisuja, joissa datan hyödyntäminen luo edellytykset uudenlaisille ansaintamalleille ja toisiaan täydentävien toimijoiden ekosysteemeille. Kokeilut osoittivat, että dataa ja osaamista jakamalla voidaan saavuttaa merkittävää taloudellista ja yhteiskunnallista arvoa.
Yhteinen arvonluonti ei kuitenkaan synny pelkästään dataa jakamalla, vaan tarvitaan myös kykyä analysoida ja jalostaa sitä vastuullisesti yhdessä. Samalla on tärkeää kehittää käytäntöjä, joilla toimijat sitoutuvat yhteisiin tavoitteisiin ja osallistuvat ratkaisujen toteuttamiseen. Tähän tarvitaan avoimuutta ja toimijoiden välisen luottamuksen vahvistamista.
Näin rakennetut ekosysteemit tuottavat kestävää arvoa ja vaikuttavuutta yli sektori- ja siilorajojen.
3. Datan luo mahdollisuuksia, jotka vievät kohti kestävämpää yhteiskuntaa
Datan hyödyntämisen tarpeet ja mahdollisuudet on nähtävä aiempaa laajemmin. Arvoketjujen tarkastelu kannattaa ulottaa vaiheisiin, joissa kohderyhmät ja asiakkaat hyödyntävät uusia datapohjaisia palveluja omassa arjessaan. Yritysten ja organisaatioiden kannalta tämä tarkoittaa, että palveluja suunniteltaessa on katsottava pidemmälle aina heidän asiakkaidensa ja näiden asiakkaiden tarpeisiin asti.
Arvonluonti rakentuu sen varaan, miten onnistumme ohjaamaan datan avulla muutosta kohti reiluja, läpinäkyviä ja ihmislähtöisiä palvelumalleja. Tarvitsemme kokonaisvaltaista ajattelua, joka ottaa huomioon sekä ihmiset että ympäristön, ja joka auttaa kehittämään kestäviä, osallistavia ja saavutettavia ratkaisuja.
Julkisen, yksityisen ja kolmannen sektorin tiiviillä yhteistyöllä voimme luoda yhteiskunnan, jossa data ei synnytä ainoastaan taloudellista arvoa vaan rakentaa myös oikeudenmukaisempaa ja inhimillisempää maailmaa.
Sitra Labin kokeilut
Etsivä vanhustyö tarjoaa ratkaisua ikääntyvän yhteiskunnan haasteisiin
Mitä haastetta kokeilu ratkoi?
Väestön ikääntyminen ja julkisen talouden ahdinko haastavat meitä yhteiskuntana. Ennaltaehkäisevistä toimista säästetään ja raskaat palvelut kuluttavat niukat resurssit. Hyvinvointialueiden ja ikääntyneiden näkökulmasta uhkana on, että meillä ei ole riittävästi resursseja turvaamaan inhimillistä vanhuutta.
Etsivällä vanhustyöllä tuetaan niiden ikäihmisten hyvinvointia, jotka ovat vaarassa jäädä yhteiskunnan tarjoamien palveluiden ulkopuolelle. Näitä henkilöitä tunnistamalla ja tukemalla voidaan heitä auttaa mahdollisimman itsenäisessä asumisessa heidän omassa ympäristössään ja välttää liian varhainen siirtyminen raskaampien palveluiden piiriin.
Mikä oli ratkaisu?
Kokeilun tavoitteena oli rakentaa etsivän vanhustyön toimintaa tukeva tietoratkaisu, jonka avulla etsivän vanhustyön tarve, hyödyt ja vaikuttavuus voidaan tehdä näkyväksi.
Kokeilussa kartoitettiin olemassa olevat seuranta- ja raportointikäytänteet ja selvitettiin etsivän vanhustyön tarvetta ja vaikutuksia. Lisäksi tutkittiin, minkälainen tieto ikääntyneiden tilanteesta voi tukea päätöksentekoa.
Hankkeen seuraavassa vaiheessa keskitytään keräämään tietoa eri ilmiöiden vaikutuksista ja kehittämään mittaristoa, jolla arvioidaan etsivän vanhustyön vaikuttavuutta sekä sen taloudellisia ja hyvinvointivaikutuksia.
Iäkkäiden yksinasuminen, sosiaalisen tuen puute, yksinäisyys ja syrjäytyminen sekä palvelujärjestelmän heikentynyt kyky vastata ikääntyvän väestön tarpeisiin vaikeuttavat auttamista. Monet ikäihmiset jäävät vaille riittävää tukea esimerkiksi mielenterveysongelmien, fyysisen toimintakyvyn heikkenemisen tai sosiaalisen eristäytymisen vuoksi.
Ennaltaehkäisevän työn puute siirtää painopistettä raskaisiin palveluihin, mikä kasvattaa hoito- ja seurannaiskustannuksia. Kerätty data osoittaa konkreettisesti, kuinka etsivä vanhustyö säästää resursseja ja parantaa ikääntyneiden elämänlaatua.
Mitä opittiin?
Tarvitsemme arvokkaan vanhuuden mahdollistavia ja yhteiskunnan varoja säästäviä ratkaisuja. Tietoratkaisun kehittäminen tukee sekä käytännön toimintaa että päätöksentekoa ja on askel kohti järjestelmällisempää ja vaikuttavampaa etsivää vanhustyötä. Hyötyjä koituu kaikille osapuolille: ikääntyneille, monista toimijoista koostuville palveluekosysteemille, päätöksentekijöille ja yhteiskunnalle.
Suurin oppi kokeilussa oli järjestöjen kriittisen roolin tunnistaminen osana laajempaa ekosysteemiä, joka mahdollistaa ja tukee etsivää vanhustyötä.
Tietoratkaisun avulla voimme vakuuttaa päättäjät työn kannattavuudesta ja varmistaa, että arvokas vanhuus on turvattu myös tulevaisuudessa.
Keitä oli mukana kokeilussa?
Päivi Tiittula, Vanhus- ja lähimmäispalvelun liitto VALLI ry
Helena Norokallio, Turun Lähimmäispalveluyhdistys ry
Sanna Jokinen, Fingerroosin säätiö
Kaisa Nyberg, LivingSkills oy
Henna Grönberg, MEREO ry
Lisätietoa
Päivi Tiittula, VALLI ry
Datasta apua nuorten syrjäytymisen ehkäisyyn
Mitä haastetta kokeilu ratkoi?
Nuorten työttömyys ja mielenterveyshaasteet ovat kasvussa, ja moni nuori keskeyttää koulutuksensa. Etsivä nuorisotyö ja nuorten työpajatoiminta vastaavat näihin nuorten syrjäytymisen haasteisiin.
Etsivä nuorisotyö tukee nuoria haasteiden selvittämisessä ja ohjaa heitä palveluiden ja koulutuksen pariin. Työpajatoiminta puolestaan tarjoaa käytännön työtehtäviä ja valmennusta, jotka vahvistavat nuorten elämäntaitoja ja auttavat heitä opintoihin ja työelämään. Etsivä nuorisotyö ja nuorten työpajatoiminta ovat usein ainoita matalan kynnyksen työmuotoja, joita on tarjolla haavoittuvassa asemassa oleville nuorille lähipalveluna. Näihin työmuotoihin kohdistuvat leikkaukset vaarantaisivat tuhansien nuorten palvelut.
Etsivästä nuorisotyöstä ja työpajatoiminnasta on kerätty runsaasti tietoa, jota tuottavat aluehallintovirasto (Avi) ja Into – etsivä nuorisotyö ja työpajatoiminta ry. Avin aineiston määrälliset luvut on koottu ja visualisoitu vuosittain nuorisotilastot.fi-sivulle, mutta laadullisen aineiston analysointiin on ollut vain rajallisesti mahdollisuuksia ja resurssia.
Kokeilussa pyrittiin vahvistamaan päätöksenteon ja palveluiden kehittämisen tietoperustaisuutta. Nuorten tarpeisiin vastaavat palvelut hyödyttävät koko yhteiskuntaa vahvistamalla nuorten osallisuutta ja ehkäisemällä syrjäytymistä.
Mikä oli ratkaisu?
Kokeilussa otettiin käyttöön tekoälypohjainen analysointityökalu, jonka avulla voidaan käsitellä laajaa tietomäärää entistä tehokkaammin. Avi kerää valtakunnallisesti tietoa etsivästä nuorisotyöstä ja työpajatoiminnasta asiakastietojärjestelmien ja kyselyiden kautta. Into ylläpitää Sovari-mittaria, joka mittaa palveluiden sosiaalisia vaikutuksia nuoriin. Tekoälyn avulla pystytään analysoimaan avoimia kyselyvastauksia aiempaa tarkemmin ja tuottamaan niistä selkeitä raportteja ja visuaalisia esityksiä.
Nuorisotilastot.fi-sivustolle visualisoidaan etsivässä nuorisotyössä ja työpajatoiminnassa koetut haasteet ja onnistumiset alueellisella tasolla vuodelta 2023. Näin kerätty kyselytieto on aiempaa laajemmin saatavilla ja hyödynnettävissä ja päättäjät saavat täsmällistä tietoa palveluiden vaikutuksista ja haasteista. Tämä edistää tiedolla johtamista.
Kokeilun myötä etsivän nuorisotyön ja työpajatoiminnan näkyvyyttä lisätään ja riittävien resurssien saatavuutta edistetään. Tavoitteena on, että nuoret saavat oikea-aikaista tukea, mikä vähentää syrjäytymistä ja vahvistaa nuorten hyvinvointia.
Mitä opittiin?
Kokeilun tulokset parantavat päätöksenteon laatua ja varmistavat resurssien kohdentamista tehokkaasti sinne, missä niitä tarvitaan eniten. Kokeilu on saanut tukea asiantuntijoilta muun muassa tekoälyn ja tekstianalyysin käytössä. Tekoälytyökalut on omaksuttu osaksi arkista työtä ja niiden hyödyntämistä jatketaan yhteistyössä.
Tekoälytyökalulla voidaan syventää ymmärrystä nuorten työpajatoiminnan ja etsivän nuorisotyön prosesseista. Käytetyn tekoälyn tekstiymmärrystä on jo kehitetty tasolle, jossa kohtuullisella vaivalla voidaan tuottaa vastausten kategorisointi ja yhteenveto. Käytetty tekoäly ei kuitenkaan vielä mahdollista tutkimuksellista eikä automatisoitua analyysiä.
Tekoäly itsessään ei kykene hahmottamaan monimutkaisia, piileviä syy-seuraussuhteita, jotka ovat nuorten syrjäytymisvaaran taustalla. Opettamalla ja kehittämällä tekoälytyökaluja on kuitenkin mahdollista hyödyntää niitä suurien datamassojen analyysissa ja näin tehostaa kerätyn tiedon, valtakunnallisten kyselyiden ja Sovarin vastausten hyödyntämistä. Ennen julkaisua tarvitaan kuitenkin aina ihmisen panosta.
Lue lisää aiheesta Into ry:n blogista.
Keitä oli mukana kokeilussa?
Riitta Kinnunen, Into – etsivä nuorisotyö ja työpajatoiminta ry
Tarja-Liisa Riipinen, Into – etsivä nuorisotyö ja työpajatoiminta ry (nyk. Hoksaamo-palvelut)
Arto Manninen, Länsi- ja Sisä-Suomen aluehallintovirasto
Ruth Bamming, Länsi- ja Sisä-Suomen aluehallintovirasto
Lisätietoa
Riitta Kinnunen, Into – etsivä nuorisotyö ja työpajatoiminta ry
Kodin elinkaaritiedot: Rakennusten tieto järjestykseen
Mitä haastetta kokeilu ratkoi?
Jokainen meistä asuu jossakin ja jokaisen asunnon omistaa joku. Koti on usein ihmisen merkittävin varallisuuserä. Ajan myötä taloissa tehdään myös remontteja. Mitä paremmin asunnoista ja taloyhtiöistä pidetään huolta, sitä paremmin ne säilyttävät arvonsa, varmistavat asumisterveyden ja energiatehokkuuden.
Tällä hetkellä mikään taho ei kokoa rakennuksiin ja kiinteistöjen ylläpitoon liittyvää elinkaaritietoa yhteen. Uutta sääntelyä syntyy alalle koko ajan. Eri datalähteistä peräisin olevien tietojen yhteensopivuus edellyttää tietojen yhteistä määrittelyä.
EU edellyttää, että rakennuksen omistajalla on kiinteistönsä ylläpitoon liittyvät tiedot hallussaan. Tieto on tällä hetkellä usein hajallaan ja tavalliselle asujalle vaikeasti ymmärrettävää. Tiedon kerääminen ja jalostaminen kannustaisivat myös asumisen ympärillä olevia palveluntarjoajia kehittämään uusia liiketoimintamalleja mm. kiertotalouden vauhdittamiseksi.
Mikä oli ratkaisu?
Kokeilussa kehitettiin keino lisätä remontin tiedot kiinteistön tietoihin ymmärrettävällä tavalla, jotta eri osapuolet voivat hyödyntää tietoa omiin tarkoituksiinsa.
Kokeilussa toteutettiin kuvitteellinen ikkunaremontti. Siinä selvitettiin taloyhtiön ikkunaremontin prosessi, keitä remontin osapuolet ovat ja miten tietoa remontin aikana liikutellaan. Kokeilussa haastateltiin remontin osapuolia eli toimijoita, joilla on asiantuntemusta asumisesta, isännöinnistä ja taloyhtiöiden remonteista. Tavoitteena oli selvittää, millaista tietoa eri tietojärjestelmissä on ja voiko sitä tuoda automaattisesti asukkaan ja taloyhtiön saataville.
Kokeilussa hyödynnettiin olemassa olevia työkaluja ja Yrityksen digitalous -hankkeen jäljitettävyyskokeilua. Ikkunaremontin tiedot kuljetettiin remonttiin liittyvien verkkolaskujen mukana taloyhtiön sähköiseen huoltokirjaan asti. Ratkaisu on skaalattavissa muihin asumisen aiheisiin ja myös muille toimialoille. Ratkaisu löytyy demona MiniSuomi-alustalta, joka mahdollistaa ketterän ja joustavan kokeilemisen julkishallinnon kehityshankkeissa.
Mitä opittiin?
Kokeilussa tunnistettiin, että asuminen ja rakentaminen yhdistävät prosesseina ja palveluina mm. kaavoitusta ja lupia, materiaalivirtoja ja logistiikkaa, päästöjä ja tuotteen elinkaaria; rahoitusta ja vakuuttamista, verotusta ja rakennusvalvontaa, asuntokauppaa ja huoltoyhtiöitä. Tästä syystä asumisen ja rakentamisen datavetoisten palvelujen kehitystyössä on monia näkökulmia, joiden jalostamista kannattaa tehdä yhteistyönä.
Jatkotyönä on tarkoitus koota osapuolet loppuvuodesta 2024 keskustelemaan tavoitteellisen ekosysteemin eli yhteistyöverkoston muodostamisesta. Samalla on mahdollista hahmottaa rakentamistiedon data-avaruutta Data-avaruus; tietoalue Yhteisesti sovittujen periaatteiden ja pelisääntöjen muodostama kokonaisuus, joka on tarkoitettu datan jakamiseen ja vaihtoon tietyllä toimialalla tai toimialojen välillä. Avaa termisivu Data-avaruus; tietoalue eli tietoaluetta, jossa kukin tiedon tarvitsija saa oman osuutensa yhdessä sovittujen käyttösääntöjen mukaan. Tehostamalla rakentamistiedon käyttöä voidaan luoda kilpailukykyä yrityksille ja vauhdittaa Suomen kestävää kasvua.
Keitä oli mukana kokeilussa?
Johanna Kotipelto, Verohallinto
Jukka Kyhäräinen, Verohallinto
Tiina Lokka-Lepistö, Maanmittauslaitos
Lisätietoa
Johanna Kotipelto, Verohallinto
Factan muotoilijat: Faktantarkistusta rakennustietokantaan
Mitä haastetta kokeilu ratkoi?
Suomalaisten kuntien rakennus- ja kiinteistörekisteritiedoissa on merkittäviä puutteita. Eri viranomaisten tiedot eroavat toisistaan. Puutteelliset tiedot aiheuttavat kunnille huomattavia verotulomenetyksiä ja voivat johtaa kuntalaisten epäoikeudenmukaiseen verotukseen.
Mikä oli ratkaisu?
Suomeen ollaan rakentamassa uutta kansallista rakennustietojärjestelmää, jonne tietoja siirretään kuntien rekistereistä. Kokeilun onnistumisen kannalta on tärkeää, että tiedot ovat oikein, jotta rakennustietokannasta saadaan mahdollisimman hyvin toimiva.
Ratkaisuna rakennetun ympäristön tiedon puutteisiin ja virheisiin on hyödyntää kansallisia avoimia ilmakuvia ja kartta-aineistoja automaattisessa vertailussa. Näiden avulla voidaan paikantaa rekisteristä puuttuvia rakennuksia ja varmistaa olemassa olevien tietojen oikeellisuus.
Mitä opittiin?
Kokeilussa hyödynnettiin aineistoa, jota ei aiemmin ole käytetty vastaavalla tavalla tällaiseen tarkoitukseen.
Suurimpana haasteena ovat kuntien rajalliset resurssit. Tällaista työtä ei ole aiemmin tehty, koska sen on koettu olevan liian työlästä saavutettuun hyötyyn nähden.
Ne kunnat, jotka ovat tehneet vastaavaa työtä manuaalisesti, ovat kuitenkin saavuttaneet merkittäviä etuja. Tulevaisuudessa tavoitteena on ratkaista rakennus- ja kiinteistörekisteritietojen ongelmat tehokkaasti yhteistyöllä ja automaatiolla yhdessä kumppanien kanssa.
Lue lisää aiheesta CGI:n sivuilta.
Keitä oli mukana?
Jouni Ojala, CGI
Henna Helminen, CGI
Matias Artman, CGI
Julia Järvelä, CGI ja
Sanna Partanen, CGI
Lisätietoa
Jouni Ojala, CGI
Digitaalinen avustaja perheille lasten oppimisen ja osaamisen kehittämisen tueksi
Mitä haastetta kokeilu ratkoi?
Vanhemmat kokevat haasteelliseksi seurata, hallita ja hyödyntää lapsen oppimisesta ja osaamisesta kertyvää tietoa. Tieto on usein hajanaista ja vaikeasti käytettävissä, vaikka se voisi olla arvokasta esimerkiksi lapsen opiskelupaikan valinnan, koulunvaihdon tai oppimisen tukipalveluiden suunnittelun yhteydessä.
Mikä oli ratkaisu?
Kokeilussa kehitettiin TIPU-niminen digitaalinen palvelu, joka auttaa perheitä seuraamaan ja hyödyntämään lapsen oppimiseen ja osaamiseen liittyvää tietoa. TIPU on suunniteltu perheiden hallittavaksi ”datakukkaroksi,” joka yhdistää lapsen koulutukseen, harrastuksiin ja oppimiseen liittyvää tietoa.
Palvelun avulla perheet voivat jakaa tietoa luotetusti lapsen kehityksessä mukana oleville tahoille, kuten opettajille ja muille tärkeille aikuisille. Kun lapsi saavuttaa täysi-ikäisyyden, TIPU tarjoaa kattavan ja eheän tiedon lapsen oppimispolusta. Se voi auttaa lasta siirtymään aikuisuuteen sujuvasti ja luottavaisesti.
TIPU pyrkii olemaan helppokäyttöinen työkalu perheille lapsen elinikäisen oppimisen tueksi. Palvelu hyödyntää turvallista tekoälyä ja pelillistämistä tuottaakseen oivalluksia, jotka tukevat oppimista sekä itseluottamuksen ja myönteisen oppimisasenteen kehitystä. TIPU auttaa käytännön tilanteissa, kuten kesätöihin hakeutumisessa, opintosuunnitelmien laatimisessa ja uravalinnoissa, tukien lapsen ja perheen yhteistä kasvupolkua.
Mitä opittiin?
Kokeilussa kehitettiin ja testattiin käyttöliittymäprototyyppejä, turvallisia tietoarkkitehtuurimalleja, kognitiivisia tekoälykokeiluja ja liiketoiminnan ekosysteemistrategioita. Kokeilu toi esiin perhekeskeisten ratkaisujen mahdollisuudet mutta myös haasteita.
Tietoarkkitehtuurin ja yksityisyyden hallinta, tuotteen MVP (engl. minimum viable product) -määrittely, hinnoittelumallien kehittäminen ja lasten oikeuksien huomioiminen ovat keskeisiä kehityskohteita. Jatkossa keskitytään arvioimaan konseptin sosiaalista vaikuttavuutta (SROI) ja kehittämään palvelua käyttäjäpalautteen pohjalta.
Keitä oli mukana?
Paula Bello, Paula Bello Consulting
Anu Passi-Rauste, Headai
Harri Ketamo, Headai
Tiina Norton
Teemu Ropponen, MyData Global ry
Lisätietoa
Paula Bello, Paula Bello Consulting
Sports Data Hub: Liikunnan ja urheilun kansallisen tietovarannon kehittäminen
Mitä haastetta kokeilu ratkoi?
Suomalainen urheilutieto, erityisesti valmennukseen liittyvä data, on hajanaista ja epäyhtenäistä. Tietoa kertyy paljon erilaisiin älylaitteisiin ja tietojärjestelmiin, kuten liikunnan harrastajien ja urheilijoiden yleisesti käyttämiin älykelloihin sekä harjoitus- ja testausohjelmistoihin.
Sports Data Hubin tavoitteena on kehittää kansallinen toimintamalli ja tietojärjestelmä, jolla liikunnan ja urheilun dataa voidaan hyödyntää nykyistä paremmin.
Mikä oli ratkaisu?
Ratkaisuna on koota eri tietolähteissä oleva tieto yhteen palveluun, joka tukee kilpa-urheilua. Kilpaurheilussa haetaan tarkkaa tasapainoa harjoittelun kuormituksen ja siitä palautumisen välillä. Palvelun tietojen avulla valmentaja ja urheilija voivat päivittäin seurata tilannetta ja tehdä ratkaisuja, jotka tukevat suorituskyvyn kehitystä ja terveyttä.
Samat haasteet liittyvät myös liikunnan harrastamiseen ja kansanliikuntaan laajemminkin, joskin vaatimustaso on tällöin eri kuin urheilussa. Mikäli palvelu voidaan kehittää urheilun tarpeisiin, voidaan siitä jalostaa myös laajempaan käyttöön soveltuva ratkaisu.
Laajempana tavoitteena on auttaa suomalaisia liikunnallisen elämäntavan omaksumisessa ja ylläpitämisessä koko elämän ajan.
Palvelu on kokeilussa Olympiavalmennuskeskuksissa. Niissä 300 urheilijaa ja valmentajaa käyttää sitä arjen työkaluna. Palvelun käyttöä ja toiminnallisuuksia laajennetaan ja kehitetään edelleen käyttäjälähtöisesti.
Mitä opittiin?
Ratkaisun kannalta tärkeitä tekijöitä ovat käyttäjien tietotarpeiden määrittely ja käyttäjäpalautteen saaminen. Käyttäjätestauksen kautta saatiin välitöntä palautetta ja tietoa palvelun toimivuudesta.
Tämän rinnalla tietotarpeiden perustelua varten Jyväskylän yliopiston liikuntateknologian yksikkö laati tieteellisen katsauksen harjoittelun, suorituskyvyn ja palautumisen seurannasta. Katsausta hyödynnetään palvelun sisällön jatkokehittämisessä.
Keitä oli mukana kokeilussa?
Juha Saapunki, Suomen Olympiakomitea ry
Topias Koukkula, Suomen Olympiakomitea ry
Juho Kurki, Huippu-urheilun instituutti KIHU
Petra Torvinen, Jyväskylän yliopisto
Pietari Outinen, Urhea / Olympiavalmennuskeskus Helsinki.
Lisätietoa
Juha Saapunki, Olympiakomitea ry
Etelä-Pohjanmaan aluekokeilusta kohti valtakunnallista työllisyyspalveluiden ekosysteemiä
Mitä haastetta kokeilu ratkoi?
Työllisyyspalvelut ja oppimisympäristöt ovat suuressa murroksessa. Nykyiset, usein organisaatiokeskeiset järjestelmät eivät tue ihmisiä heidän omien taitojensa ja tietojensa hallinnassa riittävästi vaan keskittyvät pääsääntöisesti omaan perustehtäväänsä. Tämä jättää monet asiakkaat, kuten työttömät ja opiskelijat katveeseen: he turhautuvat, kun eivät pääse etenemään omien tavoitteidensa mukaisesti.
Kokeilu tarttui tähän haasteeseen keskittyen yksilön oman datan hyödyntämiseen työllistymisen tukena sekä organisaatioiden prosessien kehittämiseen ihmislähtöisessä palveluekosysteemissä eli yhteistyöverkostoissa.
Mikä oli ratkaisu?
Kokeilussa kehitettiin alueellinen dataverkosto ja palveluekosysteemi, joka mahdollistaa työnhakijoille ja opiskelijoille heidän omien tietojensa hallinnan ja luvittamisen. Tämä malli perustui organisaatiorajat ylittävään yhteistyöhön, jossa ihmiset ovat keskiössä. Kokeilu todensi, miten omadatan Omadata Omadata tarkoittaa 1) henkilötietojen hallinnan ja käsittelyn uutta lähestymistapaa ja paradigman muutosta, jossa pyritään siirtymään nykyisestä organisaatiokeskeisestä järjestelmästä ihmiskeskeiseen järjestelmään; 2) henkilötietoja resurssina, jota yksilö voi tarkastella ja hallita. Henkilötietoja, jotka eivät ole yksilön omassa hallinnassa, ei voi kutsua omadataksi. Avaa termisivu Omadata hyödyntäminen voi sujuvoittaa ja parantaa työllistymis- ja oppimispalveluiden yhteistyöverkostoja eli ekosysteemejä.
Mitä opittiin?
Uusien toimintatapojen omaksuminen lähtee liikkeelle asenteiden ja ajattelutapojen muutoksesta ja etenee konkreettisiin organisaatioprosesseihin ja käytänteisiin. Todellinen systeeminen muutos vaatii teknologian ja datan lisäksi sitoutumista ja rohkeutta. Kokeilun myötä syntyi paitsi teknisiä ja prosessi-innovaatioita myös syvällistä ymmärrystä eri toimijoiden rooleista, päällekkäisyyksistä ja ihmislähtöisen palveluekosysteemin toiminnasta.
Kun palvelut perustuvat ihmiskeskeiseen datan hallintaan, palveluekosysteemi korostaa kohtaamisia tiedonhaun sijaan. Tässä ympäristössä eettiset, vallankäytölliset ja oikeudelliset kysymykset ovat keskeisiä.
Haasteena ei niinkään ollut tietojen liikkuminen tai tekninen yhteensopivuus, vaan se, kuinka toimijat voivat parhaiten tukea yksilöiden etenemistä. Kokeilun alueelliset opit toimivat mallina muille työllisyysalueille, joissa arjen haasteet usein estävät pidemmän tähtäimen kehitystyötä.
Tämä kokeilu avaa uusia mahdollisuuksia, ja sen opit skaalataan muiden alueiden hyödynnettäväksi Kohtaantotalkoot-kampanjassa. Jos haluat olla mukana edistämässä ihmislähtöistä palveluekosysteemiä, tule mukaan ja hyödynnä onnistuneen kokeilun tulokset omalla alueellasi!
Keitä oli mukana kokeilussa?
Petri Tuomela, Vastuu Group
Mikko Sierla, Vastuu Group
Ilkka Rintala, Seinäjoen kaupunki
Aki Ruotsala, Etelä-Pohjanmaan TE-toimisto
Anu Portti, Into Seinäjoki
Marja-Terttu Kurunsaari, Seinäjoen koulutuskuntayhtymä Sedu.
Lisätietoa
Petri Tuomela, Vastuu Group Oy
Apua työllistymiseen tekoälyn vauhdittamana
Mitä haastetta kokeilu ratkoi?
Työnhaku on murroksessa, ja työttömyyden vähentäminen on suuri yhteiskunnallinen ja monille myös henkilökohtainen haaste. Moni työnhakija kohtaa kysymyksen siitä, miten löytää työtä, joka vastaa omaa osaamista ja toiveita.
Kokeilussa kehitettiin asiakaslähtöinen ratkaisu, joka auttaa kohtaamaan nämä haasteet ja parantaa työnhakijoiden mahdollisuuksia löytää juuri heille sopivia työpaikkoja.
Mikä oli ratkaisu?
Viime aikojen lainsäädännön muutokset ovat antaneet mahdollisuuden entistä laajempaan yhteistyöhön työllistämisen tukemisessa. Nyt myös työttömyyskassat voivat osallistua aktiivisesti työllistymisen edistämiseen.
Kokeilussa yhdistettiin ansiopäivärahan hakeminen, tekoäly ja työpaikkailmoitukset ainutlaatuiseksi palveluksi, joka auttaa työnhakijoita löytämään uusia mahdollisuuksia tehokkaasti.
Työnhakijat, jotka asioivat palvelussa keskimäärin neljä kertaa kuukaudessa, voivat nyt etsiä työpaikkoja eri lähteistä kootusti yhdellä haulla. Tekoäly tarkistaa työpaikkailmoituksia ja ehdottaa työnhakijoille sopivia paikkoja, jotka muuten saattaisivat jäädä huomaamatta.
Mitä opittiin?
Kokeilu osoitti, että ratkaisu toimii hyvin. Työnhakijoita pyydettiin kuvaamaan osaamistaan, ja tekoäly pystyi nopeasti ja tarkasti ehdottamaan heille sopivia työpaikkoja.
Onnistumisessa tärkeää oli korkealaatuinen data. Sen vuoksi oli olennaista auttaa työnhakijoita kuvaamaan osaamistaan täsmällisesti ja osuvasti.
Työnhakijoiden ja työnantajien tarpeiden yhteensovittaminen on yksi työmarkkinoiden suurista haasteista. Tämä ratkaisu ei vain nopeuta työnhakua, vaan vähentää merkittävästi työnhakijoiden ja työnantajien kohtaamisessa olevaa kitkaa.
Ratkaisu hyödyttää sekä yksilöitä että työmarkkinoita kokonaisuutena. Se luo työmarkkinoille uudenlaista dynamiikkaa ja mahdollisuuden kehittää työnhakua tulevaisuudessa entistä sujuvammaksi ja ihmisläheisemmäksi kaikille osapuolille.
Keitä oli mukana?
Auli Hänninen, YTK Työttömyyskassa
Petja Eklund, YTK Työttömyyskassa
Ilona Kangas, YTK Työttömyyskassa
Lisätietoa
Ilona Kangas, YTK Työttömyyskassa
Miten saada kilpailuetua datasta? Tutustu digitaalisen muutoksen oppeihin ja hyödynnä niitä
Kiinnostuitko siitä, miten dataa voisi hyödyntää tehokkaammin organisaation kehittämisessä tai pohditko oman organisaation datastrategiaa työssäsi?
Sitra Lab -muutosohjelman päätöstilaisuudessa esiintyi digitaalisen transformaation professori Mohan Subramaniam. Hänen vinkkinsä tarjoavat arvokkaita näkökulmia näihin kysymyksiin.
Subramaniamin esittelemät erilaiset datastrategiat antavat jokaiselle organisaatiolle – olipa kyseessä sitten julkinen tai yksityinen toimija – tehokkaita keinoja hyödyntää dataa ja luoda uutta arvoa.
Subramaniam ehdotti neljää datastrategiaa:
- Tehokkuuden kehittäminen oman datan avulla. Dataa voidaan käyttää toiminnan ja resurssien käytön tehostamiseen, mikä mahdollistaa merkittävät parannukset tuottavuudessa.
- Asiakasdatan käyttö palveluiden parantamiseen. Asiakasymmärryksen avulla organisaatiot voivat kehittää ratkaisuja, jotka vastaavat yhä paremmin ja kohdennetummin asiakkaiden tarpeisiin.
- Yhteisen arvon luominen asiakasdatan avulla. Asiakasdatan avulla voidaan tuottaa uusia palveluita, kuten tilauspohjaisia ratkaisuja tai älyteknologiaan pohjautuvia lisäpalveluja, jotka luovat uutta arvoa asiakkaille.
- Yhteistyö ekosysteemeissä ja kolmansien osapuolten kanssa. Liittämällä data useiden toimijoiden ekosysteemeihin, organisaation on mahdollista luoda kokonaan uusia palvelu- ja ansaintamalleja.
Näillä strategioilla organisaatiot voivat vahvistaa kilpailukykyään, innovoida ketterämmin ja tuottaa arvoa kestävällä ja asiakaskeskeisellä tavalla.
Jos haluat syventää ymmärrystäsi aiheesta lisää, katso Subramaniamin koko keynote-puheenvuoro.
