Teollisuudessa käytettävillä ohjelmistoilla ja oppimistapahtumista kerättävällä analytiikkatiedolla on useita yhteisiä tavoitteita. Niitä ovat (näin humanistin käsityksen mukaan) ongelmien varhaisempi havaitseminen, niiden parempi ymmärtäminen sekä ennaltaehkäiseminen toimintaa muuttamalla.

Jos tehtaan tuotanto joudutaan keskeyttämään esimerkiksi rikkoutuneen laitteen takia, taloudelliset tappiot mitataan helposti kymmenissä ja sadoissa tuhansissa euroissa usein jo ensimmäisten tuntien ajalta. Jos kone tai laite on mennyt rikki, säästää aikaa, jos se lähettää itse hälytyksen ongelmasta ja kutsuu korjaajan itse paikalle.

Ennakointi säästää tuskaa

Tehdasympäristössä toiminnan jatkuvuuden ja tuotannon keskeytymisten kannalta on kuitenkin hyödyllisempää pyrkiä havaitsemaan ongelmat jo ennalta. Nykyään erilaiset sensorit, mittalaitteet ja kamerat pystyvätkin välittämään reaaliaikaisesti tietoa laitteiden kunnosta hyvinkin hienosyisellä tasolla. Ongelmiin päästään kiinni ennenkuin ne ovat hallitsemattomia.

Kuten tehdassalissa, ei kouluissa ja työpaikoillakaan ole varaa jäädä odottelemaan sitä, että nähdään vasta päivien tai kuukausien jälkeen mikä koulutuksessa toimi ja mikä ei. Oppimisanalyytikan tyypillisiä soveltamiskohteita erityisesti oppilaitoksissa on pystyä ennakoimaan ja vähentämään kursseja kesken jättävien, ns. drop-outien määrää ja tehdä reaaliaikaisempaa seurantaa.

Jos joku on jäämässä jälkeen, miten ongelmien ennakointi kannattaa toteuttaa? Miten siitä hälytetään? Kuinka nähdään missä kohdissa ongelmia erityisesti esiintyy? Millaisia korjausliikkeitä silloin kannattaa tehdä? Samoin kuin laitteiden ja koneiden sensorit, myös opiskeltaviin sisältöihin voidaan sisällyttää yksityiskohtaisempia triggereitä, jotka ”hälyttävät” tapahtumista reaaliaikaisesti.

Yhdistele ymmärryksen pohjaksi

Teollisuudessa käytettävien ohjelmistojen avulla voidaan myös nähdä missä kohdissa prosesseja ovat pahimmat pullonkaulat. Millä tehtävillä on keskinäisiä riippuvuuksia ja yhden asian valmistuminen riippuu toisesta? Mitä seurantaa kannattaa tehdä eli millä on eniten merkitystä? Mitä seurantaa voimme ja mitä kannattaa automatisoida? Samaa ajattelutapaa voisi hyvin soveltaa, kun lähtee sisällyttämään seurantatriggereitä oppimissisältöön.

Oppimisanalytiikka tilastoja
Kuva: 200 Degrees from Pixabay

Dataa, metriikkaa ja erilaisia tiedonhippusia yhdistelemällä saadaan siis irti monenlaista tärkeää ymmärrystä toiminnan kehittämisen pohjaksi. Varsinaiset oppimisanalytiikan mahdollisuudet etenkin yrityksissä tapahtuvalle oppimiselle pohjautuvatkin siihen, mihin kaikkeen oppimiskokemuksista syntyvää dataa on mahdollista integroida ja yhdistää.

Jos henkilöstön osaaminen ei riitä vastaamaan oman toimialan kehitykseen tai työntekijöiden toiminta vaikkapa asiakasrajapinnassa on jollain tavoin virheellistä, myös tästä tulee tappioita ja ongelmia. Toisin kuin kiinni olevan tehtaan kohdalla, näiden tappioiden arvo ja vaikutus tosin huomataan liiketoiminnassa joskus vasta kuukausien, ehkä vuosien päästä, ellei osaamispuutteiden ja -ongelmien ennakointi ole yrityksten tärkeysjärjestyksessä mukana lainkaan.

Infodevaaja kannustaa menemään paikkoihin, jotka eivät ole itselle niitä kaikkein tyypillisimpiä. Niissä saattaa pulpahtaa uusia ideoita päähän. Tämän tekstin inspiraation tarjosi piipahdukseni Tampere Industry Startup Forum 2019 -tapahtumaan (#TISF2019) 16.4.2019.

Avainsanat: , , , ,