Lämmintä dataa kovien faktojen rinnalle

Tämän tekstin taustalla ovat ajatukset, jotka heräsivät Sitran kesäkuussa ennen kesälomia järjestämästä työpajapäivästä, jossa oli alustajana Nora Bateson International Bateson Institutesta. Hän kertoi ja keskustelutti warm datasta, joka tässä tekstissä suomennan lämpimäksi dataksi.

Digitalisaation edetessä yhä useammista prosesseista alkaa kertyä dataa isoja määriä. Samalla tutkimus digitalisoituu ja tuottaa sekin uusia aineistoja sähköisessä muodossa. Tietoa alkaa olla sähköisesti niin paljon, että sen hyötykäyttö on jo haaste sinänsä sen suuren määrän takia.

Tiedolla johtamisessa pohditaan organisaatioiden johtamista tietoon perustuen. Tyypillisesti valitaan jotkin toimintaa tai tavoitteiden saavuttamista seuraavat mittarit, joita seurataan ja joihin reagoidaan päätöksenteossa. Numerot irrotetaan kontekstistaan ja esitetään kokoomatauluina, ns. kojelautoina, joissa voi olla rinnakkain vaikkapa seurantatietoa asiakasmääristä, asiakaspalautteesta ja käytetyistä tai jäljellä olevista resursseista sekä tuloista.

Jos tiedolla johtaminen mielletään näin, ajatuksena on tuoda monella eri tavalla tuotettua tietoa samaan näkymään rinnakkain, ja sitä kautta luoda uutta ymmärrystä asioiden yhteyksistä sekä tilannekuvaa. Ongelmaksi saattaa muodostua se, että tietojen konteksteja ei ymmärretä. Kukin mittari kätkee taustalleen erilaisia konteksteja, joista pelkkä luku ei kerro.

Warm data -ajatus lähti liikkeelle big data -ajattelun vastapainona. Nora Bateson haluaa kritisoida taipumustamme irrottaa data kontekstistaan. Hän näkee toisena mahdollisuutena tarkastella dataa osana sitä kontekstia, jossa se on syntynyt. Esimerkiksi tiedot kirjaston kävijämääristä tai ruuan ravintoarvoista ovat sinänsä ihan tärkeitä tietoja, mutta niiden taustalla olevan kontekstin kautta saa syvemmän kuvan itse asiasta (kirjastokäynti tai ruoka-annos). Kontekstissa ovat mm. kirjastokävijöiden motivaatiot, kirjasto rakennuksena, sen sijainti, palvelut, kokoelmat, kirjaston ”henki” jne. Ruoka-annoksen kontekstissa esimerkiksi sen valmistustapa, kulttuurinen konteksti, valmistajan suhde syöjään, ekologinen jalanjälki jne. Kontekstistaan irrotettu luku hukkaa nämä kaikki merkitykset.

Yhteiskunnassamme on pitkään sovellettu modernin tieteellisen ajattelun paradigmaa pilkkoa ongelmat pienemmiksi osa-alueiksi ja tutkia niitä. Tiede ja myöskin hallintomme on pirstoutunut lukemattomiin siiloihin, jotka pohtivat omaa erityistä ongelmaansa. Esimerkiksi koulussa oppiainejako tai kirjastoissa kokoelman luokitusjärjestelmät jakavat todellisuuden kategorioihin, jotka eivät aina kovin hyvin keskustele keskenään.

Maailmassa kuitenkin monet ongelmat ovat sellaisia, etteivät ne oikein sovin tähän siiloutuneeseen rakenteeseen. Esimerkiksi ilmastonmuutos tai nuorten hyvinvointi ovat esimerkkejä aiheista, joiden ymmärtämiseksi on sujuvasti ymmärrettävä ilmiöt useista näkökulmista. Jos nyt lähdemme vaikkapa nuorisoon liittyviä ongelmia ratkaisemaan ns. kojelauta-ajatuksella eli tuomalla eri siiloista dataa samaan näkymään, voi lopputulos olla aika huono, jos emme samalla ymmärrä datan taustalla olevia konteksteja eli lämmintä dataa.

Bateson havainnollisti ajatusta kuvalla viidakosta. Tutkiessamme viidakkoa pilkomme sen paloiksi. Tutkimme erikseen hyönteisiä, puita, maaperää, ilmastoa jne. Kuitenkin kokonaisuus on se, jolla on merkitystä ja joka pitäisi ymmärtää. Viidakko muodostaa monimutkaisen kokonaisuuden ja sen ymmärtäminen voi tapahtua vain palauttamalla data eri näkökulmista yhteen ja muodostamalla lämmintä dataa.

Jotta tiedolla johtaminen tai hankalien ongelmien ratkaiseminen olisi mahdollista, tarvitaan tiedon kontekstien tuntemusta. Tarvitaan mittareiden äärellä käytävää keskustelua, jossa konteksteja avataan ja yhdessä ymmärretään, mistä luvut ovat peräisin ja mitä ne kertovat.


Kirjoittaja: Antti Seppänen, kehityspäällikkö, Valtiokonttori | Kuvat: Valtiokonttori ja Pixabay

Antti Seppänen