Ennakointi opettaa tulkitsemaan ympäristöä 

Keskustelin kerran erään kauppiaan kanssa siitä, kuinka hänen kauppansa leipävalikoima uudistui elintarvikealan lakon seurauksena 2010. Kun isoilta leipomoilta ei saanut leipää normaalisti, pienleipomot tulivat apuun. Ihmiset ihastuivat uusiin makuihin, ja osa muutoksesta jäi pysyväksi. 

Edellä mainittu on yksi esimerkki siitä, kuinka aika tavalliselta vaikuttava asia voi olla merkittävän muutoksen alku. Toiselta toimialalta oleva esimerkki on verkkotapaamisten määrän räjähdysmäinen kasvu vuoden 2020 keväällä. Vain muutamissa päivissä siitä, kun Suomessa asetettiin koronasulku, suuri osa työntekijöistä oli siirtynyt käyttämään etäyhteyksiä ja tekemään töitä kotoa käsin. Myös tästä muutoksesta on tullut osittain pysyvä. 

Philip E. Tetlockin ja Dan Gardnerin kirjassa Superforecasting – The Art and Science of Prediction (2016) kerrottu malli auttaa varautumaan yllättäviin tulevaisuuksiin ja pitämään jalat kuivina myös myrskyssä. Superforecasting- eli superennustaminen-mallin ydin on kyky kuvitella useita mahdollisia kehityssuuntia tai yllättäviä tapahtumia ja yhdistää tietoa tapahtumien mahdollisiin seurauksiin ja todennäköisiin aikatauluihin. 

Ruoka-alalla tämä voi tarkoittaa vaikkapa sitä, että tunnistetaan, kuinka todennäköinen on ruuan toimitusketjuun tuleva täydellinen, vähintään kolme päivää kestävä häiriö. Mitä siitä seuraisi kuluttajille, mitä teollisuudelle ja mitä kaupalle ja miten niitä seurauksia voidaan pienentää ennakoimalla? 

Yksinkertainen on opettavaista 

Tetlockin ja Gardnerin malli on yksinkertaisuudessaan uskomattoman toimiva. Olen käyttänyt sitä asiakkaiden kanssa esimerkiksi silloin, kun yrityksen pitää miettiä, mihin asioihin sen pitää panostaa tuotekehityksessä ja kuinka paljon heillä on aikaa saada asiat valmiiksi. 

Malli saadaan toimimaan hyvin jo keräämällä ihmisiltä näkemyksiä erikseen ja yhdistämällä niitä keskenään, mutta vielä parempia vastauksia saadaan, kun tunnistetaan suuresta joukosta muita paremmin ennustavat superennustajat ja painotetaan ennakoinnissa heidän näkemyksiään. 

Superennustamisessa kysytään, millä tapahtumilla voi olla merkitystä omaan toimintaan, kuinka suuri merkitys eri tapahtumilla on kokonaisuuden kannalta, kuinka todennäköisiä tapahtumat ovat ja voidaanko arvioida, koska jokin merkittävä asia tapahtuu. 

Esimerkiksi: On todennäköistä, että asiakkaat siirtyvät syömään enemmän kasvipohjaista ruokaa. Jos olemme liha-alan yritys, sillä on erittäin suuri merkitys toimintaamme. Yhteisen arvion ja tutkimustiedon valossa on 50 prosentin todennäköisyys, että kolmen vuoden kuluttua 30 prosenttia asiakkaista ostaa joka toisella kerralla kasviproteiinia. 

Edellä mainittu voi johtaa seuraavaan: On todennäköistä, että samaan aikaan kun lihan kulutus laskee, odotukset lihan laadulle nousevat. On 30 prosentin todennäköisyys, että kuluttajat vaativat lisää vastuullisuutta lihan tuotantoon viiden vuoden kuluessa. 

Ennakoinnissa tarvitaan yhä enemmän ihmisen ja teknologian liittoa 

Teknologian käyttö, kuten tekoäly, tuo merkittäviä apuja ennakointiin. Samoin mitä laadukkaampaa dataa voidaan käyttää, sitä parempia vastauksia saadaan. Vaikeinta on arvioida käyttäytymisen muutosta, koska kaikkia siihen vaikuttavia asioita ei edes tunneta täydellisesti. 

Superennustamisen malli on helppo fasilitoida. Ensimmäisessä vaiheessa pyydetään jokaiselta ennakointiin osallistuvalta henkilökohtaisia näkemyksiä alan tulevaisuudesta. Tämän jälkeen kootaan ihmiset yhteen ja arvioidaan yhdessä näkemyksiä. Niiden pohjalta luodaan yhteinen näkemys ja haetaan sen tueksi tietoa muista lähteistä. 

Mallista voi myös helposti luoda jatkuvan prosessin, joka toistetaan esimerkiksi kerran vuodessa.