Näin data auttaa tunnistamaan syrjäytyviä nuoria

Kesäkuun alussa pääsin edustamaan CGI:tä erityisen mielenkiintoiseen ja henkilökohtaisestikin merkitykselliseen projektiin. Suomen Teknologiateollisuuden jäsenyritykset järjestävät Suomen 100-vuotisjuhlavuoden kunniaksi maankoodauskursseja, joista viimeisimmällä etsimme datasta ratkaisuja nuorten koulupudokkaiden tunnistamiseen.

Maankoodauskurssilla tuotetaan todellisia ratkaisuja todellisiin ongelmiin. Kurssilla kokoonnuimme yhteen viiden muun teknologiayrityksen ammattilaisen voimin kolme viikkoa kestävään sprinttiin. Tavoitteemme nostettiin Opetushallituksen pääjohtajan Olli-Pekka Heinosen ja opetusministeri Sanni Grahn-Laasosen toimesta alusta alkaen hyvin korkealle: meidän tuli selvittää, kuinka dataa voidaan hyödyntää koulutuksen keskeyttämisen ja nuorten syrjäytymisen ehkäisyssä. Nykyisin ammatillisen koulutuksen keskeyttää jopa 17 % nuorista – uusia syrjäytymisen ehkäiseviä toimintamalleja tarvitaan siis kipeästi.

Kuvassa vasemmalta: Elina Sarponen (CGI), Henri Tuomola (Claned Group), Henri Nousiainen (IBM), Carl-Gustaf Wennström (Innofactor) ja Hanna-Kaisa Seiro (Accenture)

Datalla ratkaisu syrjäytyvien tunnistamiseen jo alkuvaiheessa

Kaikille yhteisen peruskoulun ja laajojen julkisten sote palveluiden ansiosta Suomessa lapsista ja nuorista kerätään maailmanlaajuisesti ainutlaatuisen valtava määrä dataa. Datan hyödyntäminen on kuitenkin esimerkiksi juridisista ja tietorakenteellisista syistä vielä alkumetreillä. Tarpeeseen ja mahdollisuuteen on kuitenkin muun muassa ministeriössä kiitettävällä tavalla nyt herätty.

Dataa hyödyntämällä syrjäytymisen vaarassa olevia nuoria on mahdollista tunnistaa usean eri heikon signaalin tuomaa informaatiota yhdistämällä jo alkuvaiheessa, ja vakavaan yhteiskunnalliseen ongelmaan voidaan puuttua ajoissa. Analytiikassa tärkeintä onkin olennaisen tiedon löytäminen valtavista ja eri lähteistä kertyvistä datamassoista. Datan avaamat mahdollisuudet suomalaisen yhteiskunnan digitalisaation vauhdittamiseen ovat miltei rajattomat.

Kehittämämme sovellus perustuu algoritmiin, joka tunnistaa koulun keskeyttämistä ennustavia tekijöitä. Käytimme hyödyksi dataa muun muassa peruskoulun arvosanoista sekä kodin ja koulun välisen yhteydenpidon aktiivisuudesta.

Maankoodauskurssilla onnistuimme tavoitteesamme hyvin: toimme esiin haasteita, joita ratkomalla datan hyödyntämistä voidaan edistää. Kehitimme myös prototyypin, joka näytti millaista informaatiota, herätteitä ja työkaluja eri päätöksenteon tasoille (valtakunta, kunta, koulu, opettaja) voitaisiin datalla ja analytiikalla tuottaa, ja siten auttaa tunnistamaan syrjäytyviä. Tosin kaikkea syrjäytymistä tuskin saadaan koskaan kitkettyä pois, mutta alkutavoite voisi olla, että tunnistamme syrjäytymisriskissä olevat nuoret.

Data on uusi öljy, sitä jalostamalla saadaan organisaatiot aidosti osallisiksi tiedolla johtamisen ja digitalisaation hyödyistä.

Miten hyödyllistä dataa kerätään?

Maankoodauskurssilla osa käytössämme olleesta datasta tuli Omnialta, jonka käytössä on Helmi-järjestelmä. Helmi tarjoaa muun muassa tärkeän kanavan oppilaitoksen ja kodin väliseen yhteistyöhön – vuorovaikutuksen aktiivisuudesta käytetty data oli avain asemassa myös maankoodauskurssin prototyypin rakentamisessa. Lisäksi Helmi tarjoaa työkalut muun muassa poissaolojenseurantaan, tietojen hallintaan, ajankohtaiseen tiedottamiseen, arviointiin ja sen tukitoimiin.

Analytiikka mahdollistaa käytettävissä olevan datan taipumisen uuteen muotoon. Sen avulla löydetään hyödyllistä informaatiota sieltä, mistä tietoja on ehkä voitu kerätä jo vuosikausia. Datasta saadaan kaikki irti vasta silloin, kun sitä osataan hyödyntää oikeissa paikoissa.  Data on uusi öljy, sitä jalostamalla saadaan organisaatiot aidosti osallisiksi tiedolla johtamisen ja digitalisaation hyödyistä.

Blogin on kirjoittanut Elina Sarpola (ent. Jeskanen).