Jari Järvinen: ”Datassa näkyy HAMKin kehittyvä kulttuuri”

Jari Järvinen valmistui aikoinaan hortonomiksi, mutta on tehnyt koko uransa töitä tiedon ja tietotekniikan parissa. Nyt hän käsittelee ja tulkitsee työkseen HAMKin massiivisia datamääriä ja koittaa omalta osaltaan varmistaa, että organisaatiossa tehdään oikeita asioita.

Teksti ja kuva: Jaana Siljamäki

”Jos pitäisi datalla havainnollistaa jokin oleellisin asia HAMKista, niin yrittäisin tiivistää siihen kehittyvän kulttuurin. Me teemme määrätietoisesti eteenpäin vieviä asioita, ja tämä ei ole tilanne kaikissa korkeakouluissa. Se näkyy myös datassa.

Sen takia olenkin viihtynyt talossa 30 vuotta. Olen päässyt HAMKissa tekemään hyvin monenlaisia mielenkiintoisia asioita, mitä kulloinkin on nähty tarpeelliseksi. Se oli vuonna 2015, kun esimies sanoi, että tälle data-analytiikkapuolelle pitäisi tehdä jotain. Ja Järvinenhän tekee. Itse asiassa tykkään juuri tällaisesta, että kehitetään paremmaksi.

Minähän olen itse tällainen datapoikkeama, sillä olen koulutukseltani hortonomi, Lepaalta. En ole päivääkään tehnyt niitä töitä, kun huomasin, että esteettiset hommat eivät ole vahvuuteni. Muistan, kun valtakunnallisesta ympäristösuunnittelukilpailusta työni tuli takaisin palautteella “liian rakennusinsinöörimäinen”, kun olisi pitänyt olla luova ja hieno. Olen niinkin vanha, että ollessani nuori ei ollut oikeastaan tietotekniikan opiskelua. Muuten varmaan olisin hakeutunut sen alan koulutukseen, mutta sellaista ei lukion opinto-ohjaajakaan osannut tarjota.

Lepaalla minulla oli kuitenkin onni osallistua jo opiskeluaikana tietokoneavusteisen ympäristösuunnitteluohjelmiston kehittämiseen, kun olin tietokoneiden kanssa ollut tekemisissä. Pian valmistumisen jälkeen päädyin sijaistamaan ATK-opettajaa. Jäin taloon ja etenkin pikkuhiljaa tietohallintoon, missä on tullut tehtyä monenlaista.

Ei voi kuitenkaan sanoa, että hortonomin opinnoista ei olisi ollut mitään hyötyä – päinvastoin. Ei se ole mitenkään geeneissäni, että olisin tietoteknisesti pystyvä. Olennaista on halu oppia jatkuvasti uusia asioita ja kaikki muu on sitten enemmän tai vähemmän sattumaa. Minähän olen tällainen elinikäisen oppimisen ruumiillistuma suorastaan.

Tämä nykyinen työni on sitä, että kun ihmiset tekevät asioita organisaatiossa, se tuottaa miljoonia rivejä dataa. Minä sekä tiimin kaksi muuta jäsentä katsotaan, mitä järkevää siitä voisi saada. Tutkitaan, onko jotain poikkeamia esimerkiksi. Sitten analysoitu data valmistellaan sellaiseen muotoon, että sen pohjalta HAMKin viisaat ihmiset voivat tehdä fiksuja päätöksiä.

Olemme siirtymässä yhä enemmän siihen, että dataa analysoidaan valmiimmaksi.

Nyt olemme siirtymässä yhä enemmän siihen, että dataa analysoidaan valmiimmaksi. Yritämme löytää sieltä aktiivisesti asioita, ja katsomme mitkä tekijät korreloivat keskenään. Olemme siirtymässä nykytilannetta kuvaavasta analytiikasta kohti selittävää ja ennustavaa analytiikkaa. Esimerkiksi hiljattain opiskelijapalautteen osalta havaitsimme poikkeamaa, ja veimme tietoa eteenpäin päätöksien tekemistä varten.

Datalla voi oikaista jotain sitkeitä, vääriä käsityksiä. Esimerkiksi yleinen näppituntuma on ollut, että luokkatilat ovat kortilla. Datasta sitten näkee, että se pitää paikkaansa vain tiettyinä aikoina. Tieto auttaa esimerkiksi suunnittelemaan ja optimoimaan tilojen käyttöä järkevämmin.

Kiinnostavaa dataa on tietysti talouden luvut, esimerkiksi miten meillä kehittyvät rahoitukseen vaikuttavat indikaattorit, kuten valmistuneiden määrä. Meille ovat tärkeitä kuitenkin myös laadulliset tekijät, kuten opiskelijapalaute tai toiminnan vaikuttavuutta kuvaavat luvut. Datassa näkyy esimerkiksi selvästi se, että suorituskykymme ajallaan valmistuneiden määrässä verrattuna muihin AMKeihin on erinomainen. Huomio ei siis ole vain HAMKin aineistoissa, vaan sitä suhteutetaan myös muihin.

Tässä hommassa on tietysti tietyt tekniset asiat, mitä pitää osata. Mutta uskon, että se mitä nyt teen käsin, korvautuu kymmenessä vuodessa jollain tekoälyratkaisulla. Tulen siis olemaan automatisaation uhri. Ja se on hyvä. Edelleen jää kuitenkin se tarve nähdä datasta kaavamaisuutta ja ilmiöiden merkityksellisyyttä.

Jos saisin valita, mitä teen, se olisi kahvinjuonti.

Jos saisin valita, mitä teen, se olisi kahvinjuonti. Katsos kun datasta näkee senkin, että maailman onnellisimmissa maissa juodaan myös paljon kahvia. Se on mainio esimerkki siitä, miten dataa voidaan yhdistää kahdesta lähteestä ja niillä näyttää olevan yhteys. No, ei niillä välttämättä oikeasti ole. Mutta filosofiani on, että jos laskee onnellisuuden rimaa tarpeeksi alas, niin ei ole kovin helposti onneton.

Vakavasti puhuen, nykyinen tällainen kehittäjän ja neuvonantajan rooli on minulle optimaalisin. Jos täällä olisi joutunut tekemään jotain rutiinijuttua, niin olisin todennäköisesti alkanut miettimään työpaikkaa. Tällä alalla tulee niin paljon uutta, että minulla koittaa eläkeikä, ennen kuin tämä muuttuu rutiiniksi.”