Korkeakoulutetuilta edellytetään osaamista toimia kiihtyvien taloudellisten ja teknologisten muutosten kompleksisessa maailmassa. CCA on ongelmanratkaisumenetelmä, joka auttaa jäsentämään tällaisia uusia ongelmia, ja kehittämään niihin ratkaisuja ilman, että kaikki tieto on yhden asiantuntijan päässä.
Heikki Immonen, Karelia-ammattikorkeakoulu 11.1.2021
CCA-pähkinänkuoressa
CCA, eli cross-consistency assessment on brittiläisen Tom Ritcheyn kehittämä menetelmä, missä vertaillaan erilaisten ratkaisuvaihtoehtojen keskinäistä yhteensopivuutta. Menetelmän avulla voidaan merkittävästi pienentää erilaisten vaihtoehtojen vertailuun ja analyysiin käytettävää aikaa kompleksisissa ongelmanratkaisutilanteissa. Kun CCA-menetelmää on kerran käytetty joukolle ratkaisuvaihtoehtoja ja ongelmaskenaarioita, voidaan tulevissa analyyseissa keskittyä vain keskenään yhteensopiviin vaihtoehtoihin.
CCA kehittyi täydentämään morfologisen analyysin menetelmää
CCA kuuluu menetelmänä yleisen morfologisen analyysin (general morphological analysis, GMA) menetelmäkokonaisuuteen. GMA:n kehittäjänä pidetään edesmennyttä sveitsiläistä tähtitieteilijää Fritz Zwickyä. GMA:n perusajatus on pilkkoa monimutkainen ongelma pienempiin osasiin ja tarkastella jokaisen osaongelman eri arvoja erikseen ja sitten yhdessä. Tämän tarkastelun ansiosta koko ongelman mahdollisten ratkaisujen määrä kasvaa tähtitieteelliseksi.
Useita vuosikymmeniä Zwickyä myöhemmin, erityisesti Ruotsissa uraa tehnyt Tom Ritchey laajensi GMA:ta CCA:n avulla. CCA:n avulla tähtitieteellisten ratkaisukombinaatioiden määrää voidaan karsia, poistamalla analyysistä ne ratkaisukombinaatiot, joissa on keskenään yhteensopimattomia osaratkaisuja.
Ritchey on hyödyntänyt CCA:ta ja GMA:ta mm. riskianalyysissä erilaisiin kansallisiin turvallisuusstrategioihin liittyen.
CCA:n sovellusalueet
CCA toimii hyvin työkaluna tilanteissa, joissa ratkaistava ongelma voidaan pilkkoa moneen osaongelmaan ja jokaiselle osaongelmalle on löydettävissä monenlaisia erilaisia ratkaisuvaihtoehtoja. Yksinkertainen esimerkki tästä on perheloman suunnittelu, jossa ongelma voidaan pilkkoa vaikkapa neljään osaongelmaan:
-Minne matkustetaan?
-Missä yövytään?
-Mitä tehdään?
-Millainen on lomaviikon sää?
Muita vastaavia esimerkkejä ovat esimerkiksi erilaisten monimutkaisten tuotteiden kuten autojen tai talojen tai palveluiden suunnitteluhaasteet.
Alkavan yrittäjän rahoitusvaihtoehdot ovat yksi arkinen esimerkki kompleksisesta ongelmanratkaisutilanteesta. Erilaiset rahoitusvaihtoehdot voivat sulkea toisiaan pois, ja jokaisella vaihtoehdolla on omia rajoituksia ja vaatimuksia mm. suhteessa hakijayrityksen ikään ja liikevaihtoon. Tämän vuoksi oikean ratkaisun valinta edellyttää CCA:n kaltaista analyysiä, missä karsitaan pois keskenään yhteensopimattomat vaihtoehdot, ja voidaan keskittyä vain todellisuudessa mahdollisiin rahoitusvaihtoehtoihin.
CCA:n työvaiheet
CCA:n käyttö osana GMA:ta voidaan jakaa neljään päävaiheeseen:
- Ongelman pilkkominen osiin
- Vaihtoehtojen lisääminen jokaisen osaongelman alle.
- Vaihtoehtojen keskinäisen yhteensopivuuden analyysi
Vaihe 1: Ongelman pilkkominen osiin Vaiheessa yksi iso monimutkainen ongelma pilkotaan järkeviin osaongelmiin. Perhelomaesimerkissä ongelma pilkottiin neljään osaan, jotka on esitelty kuvassa 1. ”Sää” on yksi osaongelma, koska lomasää vaikuttaa merkittävästi lomakokemukseen.
Vaihe 2: Vaihtoehtojen lisääminen jokaisen osaongelman alle Seuraavaksi jokaisen osaongelman alle lisätään erilaisia ratkaisuvaihtoehtoja. Kuvassa 2. on esitetty morfologinen taulu, johon on lisätty erilaisia ratkaisuvaihtoehtoja. Ratkaisuvaihtoehtojen määrää ei ole rajattu.
Vaihe 3: Vaihtoehtojen keskinäisen yhteensopivuuden analyysi
Prosessin tässä vaiheessa käydään läpi jokaisen osaongelmaparin ratkaisuvaihtoehtojen keskinäinen yhteensopivuus, eli varsinainen CCA-vaihe. Esimerkiksi ratkaisuvaihtoehto ”Lahti” on yhteensopiva ratkaisuvaihtoehtojen ”Teltta”, ”Hotelli” ja ”Hostelli” kanssa, mutta ei ”Purjevene”, koska Lahdesta ei löydy (oletettavasti) purjevemajoitusta. Muita yhteensopimattomia ratkaisuvaihtoehtoja Lahden kanssa on esimerkiksi ”Huvipuisto”, koska Lahdesta ei löydy huvipuistoa.
Vaihe 4: Kokonaisten ratkaisuvaihtoehtojen muodostaminen käyttäen vain keskenään yhteensopivia osaratkaisukombinaatioita Viimeisessä vaiheessa analysoitua ongelma- ja ratkaisuvaihtoehtokokonaisuutta käytetään sellaisten ratkaisukokonaisuuksien muodostamiseen, jotka ovat keskenään yhteensopivia. Esimerkiksi, jos perheloman suunnittelija päättää, että matkakohteeksi valitaan Lahti, pienenee muiden ratkaisuvaihtoehtojen määrä tämän valinnan perusteella. Kuvassa 3. on esitetty mahdolliset ratkaisuvaihtoehdot, tilanteessa, jossa perheloman suunnittelija on kiinnittänyt yhden ratkaisuvaihtoehdon ”Lahti”.
Jos perheloman suunnittelija tekee toisen valinnan päättämällä, että aktiviteetiksi valitaan retkeily (ml. päiväretket) rajautuu yhteensopivien ratkaisuvaihtoehtojen määrä entisestään, koska retkeily ei ole yhteensopiva sadesään kanssa. Katso kuva 4.
CCA asiantuntijan työkaluna
CCA on menetelmänä alihyödynnetty monilla aloilla. Erityisesti digitaalisten työkalujen avulla CCA:sta voi kehittyä tärkeä työkalu A. monimutkaisten ongelmien analyysissä, ja B. hajallaan eri puolilla olevan tiedon yhteen saattamiseen.
Tämä artikkelin kirjoittajan tarkoituksena on soveltaa digitaalista CCA:ta erityisesti yrittäjyyskasvatuksessa ja alkavan yrittäjän tukipalveluverkoston kehittämisessä. CCA:n avulla monen eri rahoittajan ja yritysneuvojan ja yrittäjyyden opettajan tiedot voidaan tuodaan yhteisen analyysin piiriin.
Lähteet
Ritchey, T. (n.a.). Fritz Zwicky, Developed General Morphological Analysis, https://www.swemorph.com/zwicky.html
Ritchey, T. (2015). Principles of cross-consistency assessment in general morphological modelling. Acta Morphologica Generalis, 4(2). Saatavilla: https://www.swemorph.com/pdf/amg‑4–2‑2015.pdf