Monilla yrityksillä ja julkisorganisaatioilla on käytössään valtavat määrät dataa. Ohjaavan analytiikan (englanniksi prescriptive analytics) avulla tätä dataa voidaan hyödyntää päätössuositusten tuottamisessa esimerkiksi optimoinnin, koneoppimisen ja päätösanalyysin keinoin. Monilla aloilla (kuten kohdennetussa markkinoinnissa tai rahoitusalalla) edistysaskeleet koneoppimisessa ja tekoälymenetelmissä ovat johtaneet jopa päätöksenteon automatisointiin. Tekoälyalgoritmit toimivatkin mainiosti silloin, kun niillä on käytössään sopiva hyvyysmittari päätösten arviointiin ja joko (i) valtavat määrät dataa jo tehdyistä päätöksistä ja niiden hyvyydestä tai (ii) mahdollisuus testata erilaisia päätösstrategioita laajamittaisesti esimerkiksi simuloinnin keinoin.
Tekoälyalgoritmien soveltaminen on kuitenkin ongelmallista tilanteissa, joissa käytettävissä ei ole suuria ja laadukkaita datamassoja tai mahdollisuutta päätösstrategioiden laajamittaiseen testaamiseen; tai jos selkeän hyvyysmittarin määrittäminen päätökselle on hankalaa. Esimerkiksi pidemmän tähtäimen strategiset päätökset ovat yrityksissä sellaisia, joihin tekoälyalgoritmeja on vaikeaa soveltaa: isoillakaan datamassoilla ei voi ennustaa tulevaisuutta, sillä data katsoo aina taaksepäin eikä osaa ennakoida ennenkokemattomia tapahtumia. Hyvyysmittarin määrittelyä taas hankaloittaa se, että päätöksentekoon liittyy usein monia, keskenään ristiriidassa olevia tavoitteita. Väärän tai yksipuolisen hyvyysmittarin käyttö voi johtaa todella huonoihin päätöksiin. Edistyneimpien tekoälyalgoritmien tapauksessa on lisäksi käytännössä mahdotonta selvittää, mihin tekijöihin tai sääntöihin algoritmin tekemät päätökset perustuvat. Tämä on vastuukysymysten näkökulmasta ongelmallista paitsi julkisella puolella, myös yrityksissä.
Liikesivistysrahaston rahoittamassa kolmivuotisessa hankkeessa (2020–2022) kehitimme ohjaavan analytiikan menetelmiä päätössuositusten tuottamiseen tilanteissa, joihin tekoälyalgoritmit soveltuvat huonosti joko datamassojen puutteen, monitavoitteisuuden tai vastuukysymysten takia. Erityisesti keskityimme kahteen sovelluskohteeseen: skenaariopohjaiseen strategiatyöhön ja terveydenhuollon resurssien kustannusvaikuttavaan kohdentamiseen. Kehittämämme menetelmät eivät ole datalähtöisiä vaan mallipohjaisia, ja niissä dataa hyödynnettiin mallien parametrisoinnissa. Tällä tavoin menetelmät mahdollistivat erilaisten datalähteiden (kuten asiantuntijatiedon) hyödyntämisen, eri tavoitteiden huomioimisen sekä päätöksenteon logiikan tekemisen läpinäkyväksi.
Terveydenhuollon puolella työskentelimme Suomen Syöpärekisterin kanssa rakentaen monivaiheisen ja monitavoitteisen optimointimallin suolistosyöpien seulontaohjelman kehittämiseen, kun tavoitteena oli minimoida syövän esiintyvyyttä huomioiden rajalliset kolonoskopiaresurssit ja kolonoskopioiden mahdolliset haittavaikutukset. Mallin tulosten perusteella kolonoskopioita tulisi kohdentaa nykyistä enemmän nuoremmille naisille ja nykyistä vähemmän vanhemmille miehille (Neuvonen et al. 2023, 2025). Suomen Punaisen Ristin Veripalvelun kanssa toteuttamassamme tutkimuksessa kehitimme stokastisen ohjelmoinnin mallin, jolla kykenimme optimoimaan verihiutaleiden toimitusketjun veripalvelun ja sairaaloiden välillä minimoiden samanaikaisesti kustannuksia, toimitusvajetta ja verihiutaleiden pilaantumista (Dillon et al. 2023). Mallia hyödynnettiin myös verihiutaleiden käyttöiän pidentämisestä aiheutuvien kustannusten arvioinnissa. Tämä arviointi myötävaikutti Veripalvelun vuonna 2025 tekemään päätökseen pidentää käyttöikää viidestä seitsemään päivään (Veripalvelu 2025).
Strategiatyön puolella kehitimme skenaariointimenetelmiä, joilla yritykset ja julkisorganisaatiot voivat rakentaa toimintaympäristölleen useita erilaisia tulevaisuudenkuvia huomioiden monia keskinäiskytkeytyneitä muutostekijöitä ja niiden vaihtoehtoisia kehityskulkuja (Seeve & Vilkkumaa 2022, Seeve et al. 2025). Näitä menetelmiä hyödyntäen olemme tukeneet lukuisten suomalaisten yritysten ennakointiprosesseja. Lisäksi kehitimme monitavoitteisen skenaariopohjaisen portfoliopäätösanalyysimallin, jonka tuottaa päätössuosituksia strategiatoimenpideportfolion rakentamiseen siten, että valitut toimenpiteet yhtäältä toimivat hyvin eri skenaarioissa ja toisaalta auttavat yritystä ohjaamaan tulevaisuutta toivottuun suuntaan (Vilkkumaa et al. 2025). Mallia kehitettiin yhdessä Nordean maksuliiketoimintayksikön kanssa osana heidän strategiaprosessiaan.
Liikesivistysrahaston kolmivuotisen tutkimushankkeemme tavoitteena oli kehittää ohjaavan analytiikan malleja ja menetelmiä yhdessä yritysten ja julkisorganisaatioiden kanssa siten, että malleilla olisi sekä tieteellistä uutuusarvoa että käytännön vaikuttavuutta. Tässä tavoitteessa koemme onnistuneemme erinomaisesti. Hankkeen tuloksena olemme julkaisseet yhteensä kahdeksan tieteellistä artikkelia alan huippulehdissä. Hankkeen tutkijoista kaksi on väitellyt kauppatieteen tohtoriksi vuonna 2024, ja kolmen väitöskirjat ovat hyvää vauhtia valmistumassa. Hankkeen aikana on tehty useita käytännön kannalta vaikuttavia sovelluksia, ja osa hankkeen aikana rakennetuista yhteistyökuvioista on saanut jatkoa uusien hankkeiden muodossa. Hanke herätteli myös uusia, kiinnostavia tutkimuskysymyksiä esimerkiksi ”pyhinä” pidettyjen (kuten ympäristöön, terveyteen tai uskontoon liittyvien) tavoitteiden käsittelemisen vaikeudesta monitavoitteisissa päätöstilanteissa. Näitä kysymyksiä tutkimme tarkemmin LSR:n vuodelle 2025 rahoittamassa hankkeessa ”How to support difficult decisions involving tragic and taboo trade-offs?”
Kuva Pavel Danilyuk: https://www.pexels.com/fi-fi/kuva/kasi-teknologia-shakki-strategia-8438944/
Lähteet:
Dillon, M., Vauhkonen, I., Arvas, M., Ihalainen, J., Vilkkumaa, E., & Oliveira, F. (2023). Supporting platelet inventory management decisions: What is the effect of extending platelets’ shelf life?. European Journal of Operational Research, 310(2), 640-654.
Neuvonen, L., Dillon, M., Vilkkumaa, E., Salo, A., Jäntti, M., & Heinävaara, S. (2025). Optimizing the Finnish colorectal cancer population screening program with decision programming. European Journal of Operational Research, in press.
Neuvonen, L., Wildemeersch, M., & Vilkkumaa, E. (2023). Supporting strategy selection in multiobjective decision problems under uncertainty and hidden requirements. European Journal of Operational Research, 307(1), 279-293.
Seeve, T., & Vilkkumaa, E. (2022). Identifying and visualizing a diverse set of plausible scenarios for strategic planning. European Journal of Operational Research, 298(2), 596-610.
Seeve, T., Vilkkumaa, E., & Morton, A. (2025). A structured framework for supporting the participatory development of consensual scenario narratives. European Journal of Operational Research, in press.
Veripalvelu (2025). Verihiutaleiden bakteeriviljely lisää potilasturvallisuutta ja pidentää valmisteiden käyttöikää – Veripalvelu
Vilkkumaa, E., Rikkinen, P., Liesiö, J. (2025). A Framework for Selecting Action Portfolios with Incomplete and Action-Dependent Scenario Probabilities. Management Science, accepted manuscript.