Musta joutsen – vai sittenkin likainen valkoinen joutsen?
Uusi vuosikymmenen
on alkanut myrskyisissä merkeissä. Maa toisensa jälkeen ryhtyy tiukkoihin toimenpiteisiin
koronapandemian leviämisen hillitsemiseksi. Ulkonaliikkumiskielloista ja muista
rajoituksista huolimatta pandemian inhimilliset ja taloudelliset vaikutukset
tulevat todennäköisesti olemaan massiiviset: ihmisiä menehtyy, yrityksiä kaatuu
ja heikentynyt yksityinen kulutus johtaa työttömyyttä ruokkivan
taantumakierteen pitkittymiseen.
Medioissa
koronapandemiaan viitataan mustana joutsenena, eli äärimmäisen
epätodennäköisenä tapahtumana, jolla on valtava vaikutus toimintaympäristöön ja
ihmisten maailmankatsomukseen. Musta joutsen on tulevaisuudentutkijoiden
kielellä ”tuntematon tuntematon” eli tapahtuma, jota ei pystytä mitenkään
ennakoimaan.
Tosiasiassa
koronapandemia on mustan joutsenen sijaan likainen valkoinen joutsen. Likainen
valkoinen joutsen yllättää mutta vain siksi, että ihmisten kognitiiviset mallit
ja ajatusvinoumat hankaloittavat varoitusmerkkien havaitsemista ja menneestä
oppimista. Useimmilla meistä on taipumusta esimerkiksi ylioptimismiin ja
negatiivisten tapahtumien todennäköisyyden vähättelyyn. Konservatiivisuusvinoumasta
johtuen reagoimme uuteen tietoon liian hitaasti ja vähäisesti, sillä uskomme
kaiken loppujen lopuksi jatkuvan entiseen malliin. Varoitusmerkkejä koronan
kaltaisesta pandemiasta väläyteltiinkin jo vuonna 2018, kun Maailman
terveysjärjestö WHO lisäsi ihmiskuntaa uhkaavien sairauksien listalle Tauti X:n.
Tauti X määriteltiin tuolloin todennäköisesti eläimistä peräisin olevaksi
virukseksi, joka lähtee liikkeelle sellaisesta maailmankolkasta, jossa nopea
talouskehitys ajaa ihmisiä ja villieläimiä lähelle toisiaan (HS, 14.3.2020). Matkustamisen
ja kaupankäynnin nähtiin edistävän taudin hiljaista ja nopeaa leviämistä.
Kuulostaako tutulta?
Voiko operaatiotutkimus auttaa välttämään likaisia
valkoisia joutsenia?
Monimutkaisessa
maailmassa tulevaisuuden ennustaminen on mahdotonta. Erilaisiin tulevaisuuksiin
voidaan kuitenkin varautua skenaarioiden avulla. Skenaarioita luodaan
perinteisesti joko täysin datapohjaisesti (esimerkiksi yhdistelemällä erilaisia
aikasarjamalleihin perustuvia ennusteita tärkeiksi nähdyistä muuttujista) tai
täysin intuitiivisesti (esimerkiksi tunnistamalla kaksi tulevaisuuden kannalta
tärkeintä epävarmuustekijää ja luomalla skenaariot näiden tekijöiden
ääritulemien ympärille tarinankerronnallisin keinoin).
Datapohjaisten
mallien ongelmana on, että ne yksinkertaistavat epävarmuuden vain sellaisiin
muuttujiin, joista on saatavilla kvantitatiivista dataa. Tällainen data on myös
aina kuvaus menneisyydestä, eikä sen ennustuskyky riitä pitkälle tulevaisuuteen
– eikä etenkään tavoita täysin ennennäkemättömiä kehityskulkuja. Intuitiiviset
skenaariot taas ovat alttiita erilaisten kognitiivisten rajoitusten ja
vinoumien vaikutuksille.
Operaatiotutkimuksen
menetelmillä kyetään hyödyntämään kvantitatiivisten ja intuitiivisten
menetelmien parhaat puolet. Menetelmät mahdollistavat esimerkiksi
asiantuntijoiden luovan ja kriittisen ajattelun valjastamisen syötteeksi
matemaattiseen malliin, joka auttaa tunnistamaan muutaman uskottavan mutta
keskenään erilaisen skenaarion jatkotyöstöä varten (Tietje 2005, Seeve 2018).
Parhaimmillaan tällaiset mallit hyödyntäisivät sekä kvalitatiivista
asiantuntijatietoa että suuria kvantitatiivisia datamassoja esimerkiksi siten,
että skenaarioita voitaisiin automaattisesti päivittää tärkeiksi katsottuja
indikaattoreita seuraamalla tai uutisaineistoja louhimalla. Ehkä WHO:n Tauti X
olisi tällaisella menettelytavalla päätynyt kansallisten
varautumisskenaarioiden joukkoon?
Matemaattisilla menetelmillä riskienhallintaa ja kustannusvaikuttavuutta
rajallisten resurssien käyttöön
Operaatiotutkimuksen
tavoitteena on tukea parempia päätöksiä. Näin ollen pelkkä epävarmuuden
hahmottaminen eri riitä, vaan on myös mietittävä, millaisilla toimenpiteillä
erilaisissa skenaarioissa voidaan pärjätä.
Korona-ajassa päätöksiä
tulee tehdä muun muassa testattavien valintaperusteista, testaus- ja hoitokapasiteetin
lisäämisestä, sosiaalisen kanssakäymisen rajoituskeinoista eri ihmisryhmille
sekä taloudellisista tukitoimista yrityksille ja yksityishenkilöille. Näiden
päätösten vaikutukset eri tavoitteiden näkökulmasta ovat epävarmat: ei
esimerkiksi ole selvää, kuinka paljon sosiaalisen kanssakäymisen rajoituskeinot
tarkalleen vähentävät taudin leviämistä tai kuinka hyvin tukitoimenpiteet
onnistuvat taloudellisen taantuman lyhentämisessä ja eriarvoistumisen
hillitsemisessä. Lisäksi tavoitteet voivat olla keskenään ristiriidassa: tiukat
rajoitukset sosiaaliseen kanssakäymiseen hillitsevät taudin leviämistä, mutta
tuottavat samalla laajoja kerrannaisvaikutuksia Suomen talouteen. Resurssien
rajallisuus taas tarkoittaa, että panostukset yhteen toimenpiteeseen ovat pois
muualta – esimerkiksi laajamittaisella testaamisella voitaisiin hillitä
oireettomien supertartuttajien vaikutusta viruksen leviämisessä, mutta tämä
söisi resursseja hoitopuolelta.
Operaatiotutkimuksen
menetelmillä on paljon annettavaa näiden vaikeiden päätösten tukemiseen.
Simulaatiomalleilla voidaan testata vaihtoehtoisten päätösstrategioiden
vaikutuksia eri tavoitteisiin eri skenaarioissa. Päätösanalyyttisilla
lähestymistavoilla voidaan mallintaa näkemyksiä ristiriitaisten tavoitteiden
yhteensovittamisesta. Mikäli tavoitteiden painotuksista ja riskiasenteista
päästään yhteisymmärrykseen, voidaan optimointimalleilla tunnistaa kustannusvaikuttavimmat
toimenpiteet rajallisten resurssien käyttöön. Aloitteita operaatiotutkimuksen
hyödyntämiseen koronaepidemian vaikutusten hillinnässä on tehty. Näistä
kuulemme toivottavasti pian lisää.
Terveyttä ja
jaksamista poikkeusaikaan toivottaen,
TkT Eeva Vilkkumaa
Suomen operaatiotutkimusseuran puheenjohtaja
Apulaisprofessori (management science), Aalto-yliopiston kauppakorkeakoulu
Seeve, T.
(2018). A structured method for identifying and visualizing scenarios.
Tietje, O.
(2005). Identification of a small reliable and efficient set of consistent
scenarios. European Journal of Operational Research. 162. 418-432.
10.1016/j.ejor.2003.08.054.