Oikean tiedon hyödyntäminen on avainasemassa liiketoiminnan kehittämisessä ja kilpailukyvyn parantamisessa. Tämä koskee myös osaamisdataa ja tulevaisuuden osaamistarpeiden ennakointia. Yksilön näkökulmasta osaamisdata tarkoittaa tietoa omista taidoista, osaamisesta ja kokemuksesta. Vientiyritykselle se kuvaa yrityksen asiantuntemusta, kykyä menestyä kansainvälisillä markkinoilla ja taitoa kasvaa kestävästi. Osaamisdatan laatu ja analyysin tarkkuus riippuvat valituista tietolähteistä. Kuinka yritys voi hyödyntää osaamisdataa menestyäkseen tulevaisuuden markkinoilla?

Laurea-ammattikorkeakoulun SURE – Suorituskykyä, resilienssiä ja elinvoimaa jatkuvalla työssä oppimisella -hankkeen (www.suremalli.fi) tavoitteena on ennakoida pienten ja keskisuurten vientiyritysten tulevaisuuden osaamistarpeita 3–5 vuoden päähän. Tämän tavoitteen saavuttamiseksi käynnistimme keväällä 2023 tekoälykokeilun, jossa

1. Perehdyimme strategisiin teemoihin kuten vientiosaaminen, vihreä siirtymä ja vastuullisuus sekä määrittelimme niihin liittyvät hakusanat.
2. Valitsimme datalähteiksi kansainvälisen työmarkkina- ja tutkimusdatan, jotka olivat jo ennestään tekoäly-yrityskumppanimme käytössä.
3. Kokosimme eri vientitietoa tarjoavista lähteistä kolmanneksi datalähteeksi tekstimassan, jotta pääsisimme vientiyritysten operatiivisen toiminnan tasolle.
4. Tekoäly-yritys louhi big dataa ja teki osaamiskarttoja, jotka auttoivat hahmottamaan keskeisiä käsitteitä ja niiden yhteyksiä.
5. Poistimme osaamiskartoista epärelevantteja sanoja.
6. Tekoäly-yritys tuotti teemoista vertailukartat osaamistarpeiden nykytilanteesta ja tavoitetilasta. Nykytila perustuu työmarkkinadataan, ja tavoitetila tutkimus- ja vientidataan. Kuviossa 1 on otos tekoälyn tuottamasta vastuullisen viennin vertailukartasta.
7. Selvitimme yritysten mahdollisuutta ja halukkuutta yrityksen oman osaamisdatan keräämiseen. Keskustelimme henkilöstödatan keräämisestä esimerkiksi tehtäväkuvauksista, koulutustiedoista ja kehityskeskusteluista sekä yrityksen arjen toimintaa kuvaavista tietolähteistä, joita ovat esimerkiksi verkkosivut, strategiapaperit, tarjoukset, tutkimus- ja kehitysdokumentaatio, projektisuunnitelmat ja työpaikkailmoitukset.

Kuusi oppia osaamisdatasta ja sen keräämisestä

Tekoälykokeilun aikana opimme, että tietolähteiden valinta ja niiden arviointi ovat keskeisessä roolissa osaamisdatan keräämisessä. Nämä SURE-hankkeen kuusi oppia voivat auttaa pieniä yrityksiä tulevaisuuden osaamistarpeiden ennakoinnissa:

Oppi 1: Datalähteiden valinta

Määrittele selkeästi,

• mihin tarkoitukseen osaamisdataa kerätään ja
• millaista tietoa tarvitaan.

Eri datalähteillä on omat vahvuutensa ja heikkoutensa, ja valinta vaikuttaa suoraan kerätyn datan luotettavuuteen ja käyttökelpoisuuteen.

Oppi 2: Datalähteiden arviointi

Arvioi huolellisesti datalähteiden vahvuudet ja heikkoudet ja vertaile eri vaihtoehtoja. Tietolähteiden laatu on keskeinen tekijä päätöksenteossa.

Oppi 3: Työmarkkinadatan rajoitteet

Työmarkkinadata tarjoaa arvokasta tietoa nykyisistä tarpeista ja trendeistä.

Huomioi kuitenkin, että:

• Työpaikkailmoitukset kertovat, mitä osaamista yritykset tarvitsevat juuri nyt – ei tulevaisuudessa.
• Työmarkkinadata kattaa vain julkiset työpaikkailmoitukset ja jättää suorarekrytoinnit, sisäiset siirrot ja headhuntereiden käytön huomiotta.
• Työpaikkailmoitukset sisältävät myös muita tietoja, kuten yritysten arvoja ja visioita sekä nostavat esille yksilöiden ominaisuuksia (Ketamo, Ollila & Paaso 2022).

Oppi 4: Avoimen kansainvälisen tutkimusdatan käytön haasteet

Vaikka kansainvälinen tutkimusdata kertoo, miten asiat eri aloilla kehittyvät, tiedon soveltaminen tulevaisuuden osaamistarpeisiin voi olla haastavaa.

Miksi?

• Kansainvälisessä tutkimusdatassa käsitellään usein yleisiä ilmiöitä, mutta se ei välttämättä ota huomioon vientiyritysten erityistarpeita.
• Osaamistarpeet ovat toimialakohtaisia.
• Vientimarkkinoiden paikallisilla eroilla, kuten kulttuurilla ja lainsäädännöllä, on merkittävä vaikutus vientiyritysten tulevaisuuden osaamistarpeisiin.
• Tutkimusdata tarjoaa viitteitä tulevaisuuden suuntauksista, mutta se ei välttämättä kykene nopeasti reagoimaan muuttuvaan toimintaympäristöön tai teknologisten innovaatioiden kehitykseen.

Oppi 5: Asiantuntijoiden julkisista lähteistä kokoaman viennin datalähteen käytön haasteet

Asiantuntijoiden eri vientitietoa tarjoavista lähteistä kokoama datalähde tarjoaa arvokasta tietoa liittyen kansainväliseen kauppaan. Huomioi kuitenkin sen rajoitukset:

• Tieto käsittelee enemmän nykytilannetta ja menneitä tapahtumia kuin tulevaisuuden suuntauksia ja tarpeita.
• Tekstien valinta perustuu asiantuntijoiden näkemyksiin ja kokemuksiin, mikä voi aiheuttaa vääristymiä tai puutteita tiedon luotettavuudessa ja objektiivisuudessa.
• Kerätty tieto ei kata kaikkia vientiyrityksiä tai niiden toimialoja. Tämä voi vääristää käsitystä koko vientisektorin tarpeista ja kehityssuunnista.

Oppi 6: Yrityksen oman osaamisdatan keräämisen haasteet

Yrityksen oman osaamisdatan kerääminen on vaikeaa pienille yrityksille, koska

• Tietoa työntekijöiden osaamisesta tai dokumentoitua osaamisdataa ei ole riittävästi.
• Vaikutukset liiketoimintaan eivät ole välittömiä, minkä takia ajan ja muiden resurssien investoimista osaamisdatan keräämiseen epäröidään.
• Osaamisdatan jakaminen ulkopuoliselle tekoäly-yhtiölle saattaa epäilyttää tietosuojasyistä.

Miten sovelsimme opittua?

SURE-hankkeessa tulimme siihen tulokseen, etteivät valituista datalähteistä tehdyt osaamiskartat riitä ennakointiin 3–5 vuoden päähän, vaan osaamisen ennakointiin soveltuu paremmin sekä skenaariotyöskentely yhdessä yritysten kanssa räätälöidyissä työpajoissa että pk-vientiyritysten tulevaisuuden osaamisympäristöjä kuvaavien skenaarioiden luominen. (Bakule et al. 2016.)

Lisäksi olemme laatineet vinkkejä pk-yrityksille osaamisen ennakoinnin tueksi: Miten tehdään osaamisdatasta pienen vientiyrityksen voimavara?

Tulevaisuuden osaamistarpeiden ennakoimiseksi tarvitaan monipuolista lähestymistapaa:

• Kuvittele erilaisia tulevaisuuden skenaarioita ja valmistaudu niihin. Miten markkinat voivat muuttua? Mitä uusia tarpeita syntyy?

Esimerkiksi, jos vientimarkkinat laajentuvat uusiin kohdemaihin, yritykset tarvitsevat lisää riskienhallintaosaamista sekä lainsäädäntöosaamista.

• Seuraa aktiivisesti kansainvälisiä uutisia ja asiantuntijoiden näkemyksiä. Ne antavat viitteitä markkinoiden muutoksista ja tulevaisuuden trendeistä.

Esimerkiksi teknologia-alalla tapahtuvat muutokset vaativat työntekijöiltä jatkuvaa oppimista.

• Tutki uutisdataa ja sosiaalisen median asiantuntijakeskusteluja löytääksesi merkkejä muuttuvista osaamistarpeista. Pohdi, voisiko tekoäly-yritys auttaa analysoinnissa.

Esimerkiksi ympäristöystävälliset ratkaisut ovat nouseva trendi, joten niihin panostaminen voi olla kilpailuetu.

• Verkostoidu muiden toimijoiden kanssa osaamisen jakamiseksi ja yhteisten ratkaisujen löytämiseksi.

Esimerkiksi osallistumalla seminaareihin ja työpajoihin yritys saa uutta näkökulmaa omaan toimintaansa, oppii uusia taitoja ja löytää mahdollisia yhteistyökumppaneita tai asiakkaita.

• Päivitä jatkuvasti osaamisdataa ja arvioi sen käyttökelpoisuutta päätöksenteossa, koska osaamistarpeet ja markkinat muuttuvat jatkuvasti.
• Laajenna näkökulmaasi ja hanki tietoa eri lähteistä. Etsi uusia tietolähteitä ja päivitä nykyisiä.

Entä mitä muita tapoja teidän yrityksenne voisi harkita tulevaisuuden osaamistarpeiden ennakoinnissa? Millä toimenpiteillä varmistatte, että yrityksenne on valmis tulevaisuuden haasteisiin?

Lue lisää Hämeen ELY-keskuksen rahoittamasta SURE-hankkeesta:

• www.suremalli.fi
• Tekoäly pk-vientiyritysten avuksi kansainvälisen kaupan murroksessa? | Laurea Journal
• Jatkuvan työssä oppimisen vaikutus vientiyritysten menestykseen | Laurea Journal
• Erilaiset työssä oppimisen tavat tukevat pk-vientiyritysten strategista osaamisen johtamista | Laurea Journal
• Työpaikka – monipuolinen ja vaikuttava oppimisympäristö | Laurea Journal

Lähteet:

• Bakule, M., Kriechel, B. et al. 2016. Developing skills foresights, scenarios and forecasts. Guide to Anticipating and Matching Skills and Jobs, Volume 2, ETF, Cedefop, ILO, Luxembourg: Publications Office of the European Union. Viitattu 6.3.2024: wcms_534328.pdf (ilo.org)
• Ketamo, H., Ollila, J. & Paaso, L. 2022. Miten huomata yhä moninaisempaa osaamista? Osaamisen aika. Sitra muistio. Viitattu 6.3.2024: Miten huomata yhä moninaisempaa osaamista (sitra.fi)