• Teemu Seeve

Swanlaken skenaariomentelmä julkaistu akateemisessa huippujulkaisussa

Matemaatikoidemme Teemun ja Eevan tutkimusartikkeli robusteista skenaariomentelmistä on julkaistu akateemisessa huippujulkaisussa European Operational Research Journalissa. Teemu avaa blogissaan skenaariomenetelmän taustaa, logiikkaa sekä arvoa strategiatyössä.


Lähtökohta on, että epävarmassa ja monimutkaisessa maailmassa tulevaisuuden ennustaminen on mahdotonta. Yhden todennäköisimpänä pidetyn tulevaisuudenkuvan varaan rakennettu strategia on riski. Tästä syystä monet yritykset hyödyntävät strategiatyössään skenaarioita, joiden tavoitteena on ennustamisen sijaan luoda muutama uskottava mutta keskenään erilainen tulevaisuudenkuva. Erilaisten skenaarioiden avulla johto voi hahmottaa laajasti mahdollisia ja yllättäviäkin kehityssuuntia, jolloin yritys voi rakentaa strategian, joka auttaa selviämään muutoksen luomien uhkakuvien yli, mutta myös tehokkaasti tarttumaan muutoksen luomiin mahdollisuuksiin.


Tästä syystä monet yritykset hyödyntävät

strategiatyössään skenaarioita, joiden tavoitteena

on ennustamisen sijaan luoda muutama uskottava

mutta keskenään erilainen tulevaisuudenkuva.



Perinteinen skenaariointi yksinkertaistaa liikaa


Tyypillisin tapa skenaariointiin on tunnistaa kaksi toimintaympäristön kannalta kriittistä epävarmuustekijää, ja luoda niiden vastakkaisista ilmentymistä neljä erilaista tulevaisuudenkuvaa. Alla olevassa kuvassa on havainnollistettu tätä klassista lähestymistapaa skenaariointiin.


Kuva 1. Kahden epävarmuustekijän kehityskulkujen perusteella luodut skenaariot.



Mutta entä jos kriittisiä epävarmuustekijöitä onkin kahden sijasta kahdeksan? Entä jos näillä tekijöillä on uskottavia kehityskulkuja kahden sijasta neljä tai enemmän? Tämän eksponentiaalisesti kasvavan monimutkaisuuden hallintaan voidaan soveltaa matemaattisia menetelmiä, joiden avulla voidaan huomioida suurikin määrä epävarmuustekijöitä ja niiden mahdollisia kehityskulkuja. Menetelmän ansiosta meidän ei siis tarvitse yksinkertaistaa monimutkaisuutta, jotta pystymme ymmärtämään sitä.


Matemaattiset menetelmät auttavat hallitsemaan eksponentiaalista monimutkaisuutta


Alla olevassa havainnollistavassa esimerkissä on tunnistettu kuusi toimintaympäristön kehityksen kannalta vaikuttavinta epävarmuustekijää (sarakkeet), joilla on kolmesta neljään vaihtoehtoista uskottavaa kehityskulkua (rivit). Skenaarioiden luominen tämän kaltaisen taulukoinnin avulla jatkuu tunnistamalla jokaisesta tekijästä ne yksittäiset kehityskulut, jotka yhdessä muodostavat johdonmukaisen tulevaisuuskuvan.


Yksi tällainen kehityskulkujen yhdistelmä on havainnollistettu alla olevassa taulukossa keltaisella värillä. Tämän taulukoinnin myötä myös johdonmukaisia yhdistelmiä vastaaville joukoille uskottavia skenaarioita saadaan selkeät laatukriteerit. Joukko skenaarioita on kattava, kun kaikki kehityskulut tulee huomioitua, ja skenaariot ovat keskenään erilaisia, kun skenaarioita vastaavat yhdistelmät sisältävät vain vähän päällekkäisyyksiä.


Taulukko 1: Kuusi epävarmuustekijää ja niiden useat mahdolliset kehityskulut, sekä yksi kehityskulkujen yhdistelmä, joka muodostaa vaihtoehtoisen tulevaisuuden skenaarion.


Erilaisten skenaarioiden rakentamisessa edellä kuvatulla tavalla piilee kuitenkin näennäisestä selkeydestä

huolimatta haaste. Yksittäisiä

mahdollisia skenaarioita on yhdistelmien

lukumäärän mukaisesti eksponentiaalisen monta:

edellisessä esimerkissä 3^5*4=972 kappaletta.

Erilaisten skenaarioiden rakentamisessa edellä kuvatulla tavalla piilee kuitenkin näennäisestä selkeydestä huolimatta haaste. Yksittäisiä mahdollisia skenaarioita on yhdistelmien lukumäärän mukaisesti eksponentiaalisen monta: edellisessä esimerkissä 3^5*4=972 kappaletta. Skenaarioiden valintaongelma on itse asiassa vielä paljon monimutkaisempi: yksittäisen mahdollisen skenaarion sijaan tavoitteena on löytää sellainen joukko keskenään johdonmukaisia yhdistelmiä, jotka täyttävät edellä kuvatut skenaariojoukon laatukriteerit. Jokainen tällainen joukko on erilainen, jos yksikin yhdistelmä muuttuu, minkä seurauksena erilaisten skenaariojoukkojen lukumäärä on peräti supereksponentiaalinen. Esimerkkimme tapauksessa on mahdollista löytää neljä yhdistelmää, jotka täyttävät laatukriteerit, mutta haasteena on että erilaisia neljän yhdistelmän joukkoja on



Skenaariojoukon visualisointi havainnollistaa monimutkaisuuden


Matemaattinen menetelmämme kykenee löytämään lukemattomien skenaariojoukkojen määrästä sellaisen, jonka sisältämät kehityskulkujen yhdistelmät ovat johdonmukaisemmat kuin missään muussa skenaariojoukossa. Menetelmämme pystyy myös havainnollistamaan tämän valinnan tavalla, jossa kaikki uskottavimmat skenaariot visualisoidaan pisteinä, joiden keskinäinen etäisyys vastaa optimaalisesti skenaarioiden keskinäistä erilaisuutta. Valitut skenaariot asettuvat kauniisti tämän pistepilven eri laitamille. Alla olevassa kuvassa on tunnistettu optimaalinen joukko skenaarioita aikaisemmasta esimerkistämme sekä havainnollistettu näiden skenaarioiden sijoittuminen muihin uskottavimpiin skenaarioihin nähden.

Kuva 2: 4 mahdollisimman uskottavaa, mutta erilaista kehityskulkujen yhdistelmää visualisoituna klusteriin.




Taulukko 2: Kuusi epävarmuustekijää ja niiden useat mahdolliset kehityskulut, sekä yksi kehityskulkujen yhdistelmä.


Olemme kirjoittaneet menetelmästämme skenaarioiden tunnistamiseksi ja visualisoimiseksi artikkelin (Seeve & Vilkkumaa 2021), joka on hiljattain julkaistu arvostetussa European Journal of Operational Research- lehdessä. Aikaisemmassa kirjallisuudessa ei ole vastaavia menetelmiä, jotka pystyvät yhdistämään sekä johdonmukaisuuden että kattavuuden optimoinnin laadullisten skenaarioiden tunnistamisessa, ja tämä menetelmä onkin käytössä vain Swanlaken työkaluissa.


Kokemusperäisen tiedon yhdistäminen matemaattiseen mallinnukseen auttaa luomaan robustit skenaariot


Vaikka käytössämme on sofistikoitunut matemaattinen menetelmä, tämän mahdollistama skenaarioprosessi perustuu suoraan asiantuntijoiden ja johtajien näkemyksiin. Kokemusperäinen tieto auttaa tunnistamaan mitä voi tapahtua ja miten epävarmuudet voivat kehittyä. Menetelmän hienous onkin itse asiassa siinä, että tätä ihmisnäkökulmaa ei tarvitse keinotekoisesti rajata, kun matemaattisin keinoin voidaan huomioida kaikki vaikuttaviksi tunnistetut muuttujat. Niin kuin artikkelissa toteamme: menetelmämme tekee mahdolliseksi hyödyntää skenaarioprosessin osallistujien luomaa ymmärrystä laajemmin kuin mikä olisi mahdollista ilman analyyttisiä työkaluja.