3.2 Maakuntien ammattirakennemalli (MARE)

Toimitettu Enstissä Keijo Mäkelän (21.9.2004) alkuperäisestä tekstistä.

Maakuntien ammattirakennemalli perustuu työvoimamenetelmään. Mallista on käytetty lyhennettä MARE ja myös eräissä yhteyksissä MAKE (K= koulutustarve), SARE (S=seutu) ja KARE (K=kunta). Mallin juuret ovat Koulutussuunnittelun neuvottelukunnan eli KOSUNE:n 1980-luvun lopulla (Väestön koulutus 2000, Komiteanmietintö 1998: 28) käyttämässä sovelluksessa. Laskentamalli kehitettiin opetusministeriön suunnittelusihteeristössä Lotus 1-2-3 -ohjelmalla, kun käyttöön oli saatu OPM ensimmäinen PC tammikuussa 1986.  Ammattirakennemalli ja muuta keskeistä koulutuksen määrällistä ennakointia on kuvattu melko perusteellisesti Yrjölän toimittamassa Opetushallituksen julkaisussa ( Moniste 1995: 28).

3.2.1 MARE:n rakenne ja tekniikka

MARE-ennustemalli koostuu seuraavista osista (Ks. ohjemuistio Maakuntien koulutustarve-ennusteet, www.viestinhallinta.fi ):
1) Maakunnan elinkeinorakenne-ennuste, ensimmäinen pääoletus
2) Maakunnan ammattirakenne-ennuste, ensimmäinen päätulos
3) Pääelinkeinojen (7 kpl) ammattirakenne-ennusteet, toinen pääoletus
4) Arvio poistumasta, laskennallinen tulos ikäkerrostumista
5) Arvio uuden työvoiman tarpeesta, toinen päätulos
6) Arvio ammattien ja koulutuksien välisestä yhteydestä
     eli ammatti-koulutus –avain, kolmas pääoletus
7) Arvio työelämästä johtuvista koulutustarpeista (tutkinto-), kolmas päätulos
8) Arvio tutkinto- ja aloittajatarpeen välisestä yhteydestä, neljäs pääoletus
9) Arvio aloittajatarpeista koulutusaloittain ja –asteittain, neljäs päätulos

MARE perustuu Excel-taulukkolaskentaohjelmaan, kukin aluemalli sisältyy yhteen työkirjaan. Toimialaluokkia MARE:ssa on 7. Koulutusluokkia MARE:ssa on 27 (9 koulutuslohkoa ja 3 koulutusastetta). MARE käyttää sekä vanhaa että uutta opetushallinnon koulutusluokitusta. MARE:n painopiste on alueen innovatiivisessa kehittämisessä. Poistumien ennakoinnissa käytetään ikäkerrostumia. Ammatti-koulutusavaimessa MARE:ssa painottuu tavoitteellinen rekrytointistrategia.

Teknisesti mallin avulla voidaan helposti laatia hetkessä kymmeniä tai satoja skenaarioita muuttamalla ennusteoletuksia.

3.2.2 MARE, alue-ennakointi ja ikäkortit

MARE-mallia sovellettiin 2000-luvun alussa eräissä maakunnissa (Etelä-Karjala, Kymenlaakso, Kanta-Häme, Päijät-Häme, Keski-Suomi ja Pohjanmaa).  MARE:sta on kehitetty sittemmin myös ikäkorttiaineistojen tueksi seutu- ja kuntaennakointiin pelkistetty työvoima- ja koulutustarvemalli (SARE ja KARE).  Ikäkortti kuvaa kunkin ammatin ikäprofiilin so. tarkimmillaan 5-vuostisikäkerrokset. Ikäkortteja ja niihin liittyen seutujen uuden työvoiman ammattikohtaisia uuden työvoiman kysyntämalleja on sovelluttu Noste-ohjelman suuntaamiseen Etelä-Suomen lääninhallituksen HAKEVA-hankkeessa. Noste-aineistoon sisältyy ikäkerroksittain myös koulutusastetieto, minkä perustella ammateittain voidaan tunnistaa nostekelpoiset so. perusasteen varassa olevat 30–59-vuotiaat. Ammattikohtaiset poistumat saadaan helposti luettua ikäkortista. Kysymys aikuiskoulutuksen määrällisen ennakoinnin eräästä aihiosta.

Ikäkortti sisältyy MARE-malliin siten, että poistumien so. pääasiassa eläköitymisen ammattikohtaiset volyymit lasketaan juuri varttuneimmista ikäkerroksista, tyypillisesti 45–54-vuotiaista.  Poistumien ennakointi voidaan perustaa myös pelkästään suuriin ikäluokkiin.

3.2.3 Toimialat ja klusterit

Toimialoittaisen ennakoinnin perusajatus on paitsi tunnistaa työelämän muutos yksityiskohtaisesti niin ennen muuta pyrkimys ennakoida tuotantotavan, siinä etenkin koulutusasteisiin heijastuvan työnjaon ja tuottavuuden muutos. Maakuntatasoista MARE-ennakointia varten on laadittu työkirjat,  jotka sisältävät muun muassa 'nollaversiot' yleisistä megatrendeistä, ao. toimialan megatrendeistä ja innovaatioaihiosta sekä osin provokatiivisen toimialan ammattirakenne-ennusteen. Työkirjamenettelyä on sovellettu myös rekrytointistrategioitten so. ammatti-koulutus-avaimen laatimisessa.

Työskenaariot-hankkeessa (toim. Stenlund, ESR & TM, 1996) tunnistettiin keskeiseksi työelämän muutoksen näkökulmaksi verkosto- eli klusterityyppinen hahmotus, jossa otettiin käyttöön uusia avainkäsitteittä. Tuotannon logistiikka tarkoittaa tuotannon (globaalia) liikkumista ja sijoittumista, mitä kansanomaisemmin on nimitetty Kiina- ja Suomi-ilmiöiksi. Tavara-, tuote- ja asiakaslogistiikalla on keskeinen rooli tuotannon sijoittumisessa. Työn logistiikka tarkoittaa sekä työntekijöiden paikallista liikkumista ja sijoittumista (työpaikkamatkailu, kahdenpaikan asuminen, etä- ja verkostotyö) että työn globaalia liikkumista (Nokia-tyyppiset verkostot, työvoiman liikkuminen yli rajojen) sekä osaamisen logistiikka, mikä sisältää tuotannon ja työn liikkumisen lisäksi brändien, liiketoimintakonseptien, teknologian ja etenkin näihin liittyvien patenttien liikkumisen.  Kokonaisuudessa logistinen näkökulma tarkoittaa, että MARE-tyyppinen ennakointi tarvitsee tuekseen tuoteantoverkostojen eli klustereitten analyysejä. Näissä keskeinen näkökulma on työllistävien potentiaalien tunnistaminen eli asiakas-, tuote-, (liike)toimintakonsepti-, tuotanto- ja teknologia innovaatioiden metsästys.

Pienillä alueilla keskeiset liiketoiminta-alueet (klusterit) ja suurimaat yritykset ja julkiset toimijat voidaan paikalliseen asiantuntemukseen perustuen kohtuullisen helposti asemoida kaikki toimialat kattavaan ennusteeseen. Etenkin keskusseutujen liepeillä kuntatasolla pendelöinti on huomattavaa, mikä on muistettava mallin soveltamisessa.

3.2.4 MARE  –  joustava ennakointityökalu linuxmaisessa jakelussa

Ensimmäinen versio MARE:n vapaaseen ja maksuttomaan käyttöön jaettiin internetissä linuxmaisesti vuonna 1997. Malli sisälsi valtakunnallisen datan. Maakuntakohtaiset so. kunkin maakunnan vuoden 1995 väestölaskentaan perustuvan datan sisältävät mallit julkaistiin internetissä vuonna 1999. Tähän aineistoon perustuen laadittiin myös alueellinen koulutustarvebarometri, jossa valtakunnalliseen summatiedostoon oli linkitetty kaikkien maakuntien ennustemallit. Toisin sanottuna päivittämällä jonkin maakunnan MARE-ennuste, tämä näkyy välittömästi myös barometrin valtakunnallisissa luvuissa.  Mallia ei kuitenkaan koskeaan otettu käyttöön.  Datoja ei ole sittemmin päivitetty kaikkien maakuntien osalta vuosien 2000 väestölaskennan luvuilla, mistä syystä vain osa maakuntamalleista on edelleen näkyvissä internetissä.

MARE-tyyppinen kevyt ennakointityökalu soveltuu periaatteessa hyvin koulutuksen järjestäjien ennakointityökaluksi. Käytännössä 'aitojen' työelämän tarpeiden, koulutuskysynnän suuntaamisen ja olemassa olevan väliset ristiriidat tekevät kuitenkin ennakoinnin pulmalliseksi. Etenkin koulutusmaakunnissa kuten Kanta-Hämeessä ja Keski-Suomessa MARE:n tuottamat oman maakunnan tarveluvut näyttäytyvät koulutuksen järjestäjille kovin pieninä. Ylimaakunnallinen ja ylipäätään 'koulutuspendelöinti' onkin arvioitava omana kysymyksenään.  MARE-ennakointi ei tuota tulokseksi aloituspaikkamääriä kuin laskennallisesti. Päätulos ovat suunnat, joihin nykyisiä aloituspaikkamääriä tulisi mahdollisesti hitaammin tai nopeammin muuttaa.

MARE:n perusideoita on ollut yksinkertaisuus, monikäyttö (vrt. skenaarioiden mitoitus, käänteinen so. tarjontalähtöinen sovellus, 'duaalimalli') ennuste- ja laskentaosioiden integrointi ja niiden läpinäkyvyys sekä julkisuus.  Malli on tarkoitettu nopeaan tässä ja nyt ennakointiin sekä helppoon ja usein toistettavissa olevaan päivitykseen (ks. Kankainen & Mäkelä 2003).

MARE on eräs mahdollinen työkalu koulutustarpeiden ennakoinnissa. Aikuiskoulutuksen määrälliseen ennakointiin tarvitaan virtamalleja. Esimerkiksi ammatinvaihdot koulutuksien kautta ovat keskeinen aikuiskoulutustarpeen perusta edellä mainitun nostetyyppisen tarpeen lisäksi. Virta-analyysejä on hankaloittanut ammattikohtaisen datan puute, minkä suhteen kehittämis- ja tuottamisehdotuksia on tehty 1980-luvun alusta lähtien (mm. KM 1998: 28).  Kiinnostus aikuiskoulutuksen ennakoinnin kehittämiseen on ollut vähäistä (vrt. Haavio 1995).

MARE-malli on käännetty  englanniksi ja julkaistu internetissä (ks. ROS-model, Regional forecast of occupational structure –model www.viestinhallinta.fi).  Ruotsinkielisestä versiosta on tehty Pohjanmaalla 'duaalisovellus': päivittämällä suomenkielistä ennustetta siirtyvät uudet oletus- ja ennusteluvut reaaliaikaisestiruotsinkieliseen versioon.

3.2.5 Ydin laadullisessa ennakoinnissa

Mallin soveltamisen ydin on sittenkin ladullisessa ennakoinnissa, mikä tarkoittaa:

• Toimintaympäristön muutosten ennakointia perustuen megatrendeihin ja niiden taustalla oleviin heikkoihin signaaleihin. Väestö ikääntymisen ja sen myötä muun muassa hoivapalvelujen kysynnän lisääntymisen ohella verkkopalvelujen kasvu on eräs megatrendi
• Olemassa olevien tavara- ja palvelutuotteiden sekä tuotantoprosessien elinkaarien tunnistamiseen
• Tulevaisuuden tekemiseen ja työllistämispotentiaalien tunnistamiseen innovaatioiden metsästyksen kautta
• Kunkin ammatin rekrytointistrategia eli kääntäen ymmärrettynä koulutettujen sijoittumisstrategia, mikä numeerisesti kuvataan niin sanotulla ammatti-koulutusavaimella. MARE:n avaimen taustalla on vuonna 1995 laadittu 'koulutuspoliittinen 60 prosentin aloittajatavoitteen' avain

Osaamistarpeiden tulevaisuuden haltuunotossa osaamisalueiden eli kvalifikaatioiden haltuunotto on osoittautunut erittäin vaikeaksi.  Ammattien sisällön analyysi on MARE-tyyppisen ennakoinnin kannalta erittäin merkittävää. Ammattirakennemallit tuketuvat väistämättä historiaperäisiin aineistoihin eli luokitusperusta on historiassa. Aito ennakointi edellyttäisi luokitusten johtamista tulevaisuudesta, sen verkostorakenteista ja logistisista prosesseista. Tähän on pyritty karkeimmilla ammattilohkotason luokituksilla, joskin opetushallinnon ja MARE:nkin käyttämä (Poropudas 1992) luokitus on selkeästi historiaperäinen. Ikäkorteissa sovellettu Tilastokeskuksen uusin ammattiluokitus (2001) on samoin historiaperäinen ja teoreettisesti koulutustasoista liiaksi lähtevä. Tulevaisuuden moderneista ammateista on laadittu joitain topen-tyyppisiä listauksia (mm. Mäkelä, Futura 1996 ja Ahlqvist OPM 2003).  Etenkin makrotasolle tulisi laatia tulevaisuuslähtöinen luokitus, mihin historiaperäinen detaljidata yksiselitteisesti liitettäisiin.

3.2.6 Sovellusalueena myös ennakoinnin koulutus

Eräs MARE-mallin sovellusalue on ollut ennakoinnin koulutus (mm. Tampereen yliopiston TUKEVA-koulutus, Länsi-Suomen läänihallituksen Enoverkkokoulutus, D&T Partnersin yrittäjille suunnattu koulutus). Mallin avulla on voitu kuvata konkreettisesti tulevaisuuden haltuunottoa, vaikka mallin omakohtainen käyttö koulutettavia ei olisi kiinnostanutkaan. Koulutuksessa määrälliseen ennakointiin on pääsääntöisesti kytketty laadulliset megatrendianalyysit ja tuotantoverkostoanalyysit (klusteri-) ja näihin liettyen logistinen näkökulma monitahoisesti ja -tasoisesti ymmärrettynä.