Kestävämpää jätehuoltoa liiketoimintaekosysteemiä kehittämällä

Jätetoimiala on jatkuvassa muutoksessa kiristyvien kierrätystavoitteiden ja teknologisen kehityksen osalta. Haaga-Helian ja Turun yliopiston Ekoälyä-hanke pyrkii yhteistyössä toimialan kanssa kehittämään jätehuoltoa AI-pohjaisilla ratkaisuilla kestävämpään suuntaan. Hankkeen tavoitteena on parantaa jätteiden tunnistamista AI-pohjaisesti, sekä kehittää toimialan prosesseja. Pyrimme koko liiketoimintaekosysteemin kehittämiseen arvonmuodostuksen, tuottavuuden ja ekologisemman toiminnan näkökulmista.

Kehittämisen keskiössä on toimialan datan tunnistaminen ja jakaminen sekä liiketoimintaekosysteemin tarkastelu innovaatioalustana. Tutkimuksemme korostaa datan jakamisen merkitystä liiketoimintaekosysteemin sisällä osana toimialan kehittämistä. Myös kuluttaja-asiakkaan aktivointi ja motivointi osana palvelujärjestelmää toimii tärkeänä kehitystoimenpiteenä kiristyvien kierrätysvelvoitteiden täyttämisessä.

Kehittämisen ja toimialan uudistamisen perustana on vahva asiakasnäkökulma ja arvonmuodostus liiketoimintaekosysteemin eri osapuolille. Hankkeessa tarkastelemme liiketoimintaekosysteemiä myös innovaatioalustana, mikä edesauttaa eri osapuolten toiminnan kehittämistä sekä sopeutumista toimialan muutoksiin.

Tämä artikkeli perustuu hankkeen aikana tekemiini jätealan liiketoimintaekosysteemin toimijoiden teemahaastatteluihin. Haastateltavat ovat kierrätystoimialan edustajia, jätteenkäsittelyn teknologiayrityksiä, jätealan tutkimuslaitosten edustajia sekä jätteen loppusijoituspaikkojen kuten polttolaitosten toimijoita.

Ekoälyä-kehitysyhteistyö

Jätetoimialan eräs haaste on rajallinen tietämys kuljetettavan jätekuorman sisällöstä. Mikäli esimerkiksi kivipohjaista rakennusjätettä kuljetetaan polttolaitokseen, saattaa prosessi häiriintyä tai laitos jopa rikkoontua millä on suuria kustannusvaikutuksia. Toisaalta vaarallisen jätteen ohjautuminen esimerkiksi kierrätykseen voi myös aiheuttaa suuria ongelmia.

Tavoitteenamme on kehittää alan liiketoimintaekosysteemiä ja parantaa jätteen koostumuksen analyysiä AI-pohjaisella sensorifuusioteknologialla ennen jätteen kuljetusta käsittelylaitoksiin. Kehitystyö tällä alueella tulee parantamaan jätteen ohjautumista oikeaan käsittelypaikkaan, mikä parantaa sekä tuottavuutta että ekologisuutta. Jäteala on EU sääntelyllä ja kansallisilla säädöksillä vahvasti ohjattu toimiala, jolla on kiristyvät tavoitteet lähitulevaisuudessa esimerkiksi kierrätysasteen nostamisessa. Ala on vahvassa kehitysvaiheessa, sekä toimintaympäristön muutoksen, että teknologiakehityksen suhteen.

Kokonaisuutena digitaalisten teknologioiden kehittyminen tulee kiihdyttämään palvelutoimialan kehittymistä asiakasnäkökulmasta. Digitaalinen transformaatio merkitsee liiketoimintamallien kehityksen painopisteen siirtymistä asiakasarvon luomiseen (ks. Chin, Marasini & Lee 2023).

Liiketoimintaekosysteemi kehityskohteena

Liiketoiminta ja liiketoimintamalli voidaan yksinkertaisimmillaan määrittää ’miten yritys tekee businestaan’ (Fehrer, Woratschek & Brodie 2018). Aikaisemmin liiketoimintamallit olivat varsin yksinkertaisia, esimerkiksi kaupan alalla vähittäiskauppa osti tuotteita ja myi niitä kuluttajille. Nykyään kauppa on osa monikanavaista liiketoimintamallia, jossa asiakkaat voivat hankkia tuotteita perinteisen kivijalkakaupan lisäksi useista digitaalisista kanavista. Tuote voidaan mahdollisesti tuoda asiakkaalle joko kuriiripalvelun tai robotin välityksellä.

Samanlainen tilanne on myös jätetoimialalla. Aiemmin kaatopaikka oli jätehuollon keskeinen tekijä kuljetusten lisäksi. Nyt lähes kaikki kaatopaikat on suljettu ja liiketoimintaekosysteemi koostuu erilaisista toimijoista, kuten esimerkiksi kierrätyspalveluista, ongelmajätteen käsittelijöistä, polttolaitoksista, teknologian ja palvelujen tarjoajista ja kierrätysjätteen jalostajista uudelleen käyttöön.

Mikään liiketoiminta alue ei toimi omana erillisenä saarekkeenaan, vaan linkittyy toimialan muihin yrityksiin ja asiakkaisiin. Liiketoimintaa ei voida käsitellä tai konseptoida irrallisena yksikkönä, vaan osana liiketoimintaekosysteemiä (ks. Gatignon, Lecocq Pauwels & Sorescu 2017). Kun liiketoimintaa tarkastellaan ekosysteeminäkökulmasta, kokonaisuuden ’orkestrointi’ nousee keskeiseen asemaan (ks. Mostaghel ym. 2023; Åkesson ym. 2016). Liiketoimintaekosysteemi voidaan konseptoida esimerkiksi kehitysalustana, yhteisöistä rakentuneena verkostona tai resurssien kerääntymisen ja siirtymisen paikkana, jossa arvonmuodostuksella on keskeinen rooli (Mugge 2013; Mustak & Ple 2020).

Kehitystyömme tavoitteena on viimekädessä arvonmuodostus liiketoimintaekosysteemin eri toimijoille. Tämä arvonluominen voi tarkoittaa esimerkiksi tuottavampaa toimintamallia, parempaa asiakaskokemusta tai ekologisempaa toimitapaa. Liiketoimintaekosysteemin rooli innovaatiolähteenä sekä datan hyödyntämisen tehostaminen tarjoavat useita kehityskohteita jätealan toimijoille.

Datasta tuottavuushyötyä yrityksille

Tuottavuuden kehitys on ollut yleisesti heikolla tasolla Suomessa ja tämä koskee erityisesti palveluja. Digitalisaatio ja tuottavuuskehitys linkittyvät läheisesti toisiinsa ja digitalisaatio tarjoaa paljon mahdollisuuksia yrityksille toimintojen kehitykselle. Digitalisaatiolla on myös laajempaa merkitystä, se voi uudistaa ja disruptoida toimialoja (Hoch & Brad 2021). Käsitteellisesti digitalisaatio linkittyy vahvasti digitaalisten teknologioiden käyttöönottoon ja soveltamiseen kun taas digitaalinen transformaatio laajempana käsitteenä linkittyy arvonmuodostuksen tapoihin ja tyyppeihin palvelutoimialalla (ks. Chin, Marasini & Lee 2023).

Data linkittyy läheisesti digitalisaatioon koska asiakkaan tai ekosysteemiosapuolen toiminta jättää digitaalisen jalanjäljen digitaalisiin alustoihin. Muodostunut analytiikka data on arvokasta yrityksille ja se mahdollistaa kehitystoimenpiteitä esimerkiksi palvelun nopeutumisena tai palvelujen räätälöityinä ratkaisuina asiakkaiden ja muiden ekosysteemitoimijoiden tarpeisiin (ks. Andrine ym. 2023).

Dataa voidaan tarkastella useasta näkökulmasta. Datan säilytystä ja hyödyntämistä ohjaa tietosuojalainsäädäntö. Esimerkiksi GDPR-säädökset luovat puitteet, miten kuluttajien tietoja voidaan säilöä ja hyödyntää. Kotitalousjätteiden tunnistamisen kehittäminen linkittyy selkeästi näihin säädöksiin. Datan käyttöä ja hyödyntämistä on perusteltua tarkastella myös asiakaskokemuksen näkökulmasta. Tällöin keskiöön nousee asiakkaiden ajatukset, kokemukset ja mahdolliset huolet heidän tietojensa käytöstä.

Asiakas- ja kuluttajanäkökulmasta herkkyys asiakasdatan hyödyntämiselle (data privacy concern) on ollut selvässä kasvussa (ks. Mäki & Alamäki 2019). Tämän ilmiön ristiriitaisuutta on käsitelty privacy paradox -käsitteen avulla: kuluttajat haluavat jakaa ajatuksiaan ja tekemisiään yhä enemmän esimerkiksi sosiaalisen median kanavilla, toisaalta kuluttajat ovat kuitenkin yhä enemmän huolissaan heidän datansa hyödyntämisestä yritysten taholta. Kokonaisuutena kyse on kuitenkin asiakastyytyväisyydestä ja asiakaskokemuksesta. Voidaanko kuluttajadataa analysoida ja hyödyntää siten että asiakastyytyväisyys kasvaisi?

Saarijärvi, Grönroos & Kuusela (2014) esittelivät Reverse Use of Customer Data -konseptin, jossa ajatuksena oli palauttaa asiakasdata asiakkaalle jalostettuna siten, että siitä olisi hyötyä asiakkaalle. Esimerkiksi kaukolämpöasiakkaat voivat saada kaukolämpöyritykseltä oman lämmönkulutuksensa vertailutietoa suhteessa muihin samankokoisten talojen asiakkaisiin. Tällaisesta analyysistä on selvästi hyötyä asiakkaalle esimerkiksi kiinteistön omistajan analysoidessa talonsa energiatehokkuutta.

Samanlaista analogiaa olisi mahdollista soveltaa jätealalla. Kierrätystavoitteiden kiristyessä, haaste tulee olemaan juuri prosessin alkupäässä, eli kuluttajissa ja heidän sisälogistiikassaan. Ovatko kuluttajat valmiita ja halukkaita lajittelemaan jätteitään tarkemmin? Kyse on pitkälti viestinnästä ja kuluttajien motivoinnista. Voitaisiinko kuluttajien jätteen koostumuksen datan keräyksen tuottamaa tietoa jalostaa tähän tarkoitukseen esimerkiksi palkitsemalla paremmasta lajittelusta ja motivoimalla lajittelun tehostamista heikommin lajittelevia talouksia? Datan hyödyntämisen mahdollisuudet jätetoimialalla ovat moninaiset.

Datan kuluttajanäkökulman lisäksi pitää tarkastella datan liikkumista jätealan ekosysteemin sisällä. Yhdessä jätealan toimijoiden kanssa keskittymme jätteen koostumuksen analyysin kehittämiseen AI-perustaisen sensorifuusioteknologian avulla.

Sisältötiedon lisäksi jätealan liiketoimintaekosysteemissä on haasteita datan liikkumisessa yritysten välillä. Jätetoimialalla dataa saattaa puuttua tai samaa dataa joudutaan keräämään tai kirjaamaan useassa paikassa, mikä luo yleistä tehottomuutta. Datan määrä on toimialalla kasvussa, jolloin yhteensopivien rajapintojen ja portaalien merkitys korostuu. Samoin tarve AI-pohjaisille ratkaisuille kasvaa: yhä suurempaa datamäärää ei voida käsitellä perinteisillä menetelmillä.

Tutkimuksemme mukaan, yritykset ja muut jätealan toimijat suhtautuvat yleensä positiiviesti datan jakamiseen toiminnan kehittämisen edistämiseksi. Kuitenkin toimialan yksityiset yritykset korostavat usein toiminnan liiketaloudellista näkökulmaa, jolloin kilpailukyvyn kannalta kriittinen dataa halutaan jakaa vain rajatusti.

Tavoitteena arvonluonti ekosysteemin osapuolille

Viimekädessä liiketoimintaekosysteemin tarkoitus on tuottaa arvoa asiakkaille ja ekosysteemin muille toimijoille. Jätealan liiketoimintaekosysteemissä eri osapuolten roolit vaihtelevat – joissain tilanteissa ollaan kilpailijoita, joskus roolit korostavat toimijoiden yhteistyötä ja joskus toimitaan asiakkaan ja myyjän rooleissa. Arvontuotantoa voi syntyä useissa yhteyksissä näiden eri roolien sisällä.

Blankin (2012) mukaan asiakkaiden oikeiden ongelmien havaitseminen on kaiken liiketoiminnan ja kehittämisen lähtökohta. Samoin arvonmuodostaminen lähtee asiakkaiden tarpeista liikkeelle. Tällöin liiketoimintamalleja voidaan ymmärtää arvodimensioiden arkkitehtuuriksi, missä arvonmuodostuminen ja toimittaminen asiakkaille ovat liiketoimintamallin keskeisiä piirteitä (Jocevski ym. 2020). Arvo voidaan määritellä yksinkertaisesti siten, että asiakas on kokenut saavansa jotain hyödyllistä tai saa positiivisia tunnetiloja palvelun toimituksen jälkeen (ks. Grönroos & Voima 2013). Karkeasti jaoteltuna arvo voi syntyä utilitaarisista perusteista, kuten asioinnin sujuvuudesta, tai hedonistisista, tunnereaktioihin perustuvista reaktioista. Jälkimmäisen arvontuotannon kohdalla voidaan puhua elämysten aikaansaamisesta arvonmuodostuksen perustana.

Kuluttajan näkökulmasta jätehuollon arvonmuodostus näyttäytyy asioinnin sujuvuutena. Jätehuolto tuottaa arvoa ’silloin kun sitä ei huomaa’. Mikäli jäteastia on täynnä tai rikkoutunut, asiakastyytyväisyys ja asiakaskokemus laskee. Toimiala tässä suhteessa muistuttaa esimerkiksi puhelinoperaattoria: kun kaikki toimii niin asiakas saa palvelusta arvoa. Uudet, asiakaslähtöisesti ja palvelumuotoilun keinoin suunnitellut jäteasemat voivat myös tuoda mielihyvää asiakkaille. Asiakaslähtöiset digitaaliset ratkaisut, jotka helpottavat lajittelua, sujuvat asiakasprosessit sekä tyylikäs palveluympäristö voivat tuoda wow-efektin asiakkaalle. Kiertotalous voi olla asiakkaille myös elämys.

Liiketoimintaekosysteemin sisällä yritysten välisessä arvonmuodostuksessa toiminnan tuottavuus voi olla keskeinen arvon lähde. Digitalisaatio yleisesti parantaa tuottavuutta mutta myös asiakkaan aktivointi palvelutilanteessa, esimerkiksi lajittelussa, voi vaikuttaa tuottavuuteen positiivisesti. Asiakkaan osallistumisen aste ja muoto palvelutilanteessa on selkeä tuottavuustekijä.

Itsepalvelu ja asiakkaiden osallistuminen palvelutapahtumassa tuottavuuden kehittäjinä

Asiakkailla ja palveluorganisaatiolla on erilaisia rooleja palvelutilanteissa. Grönroos (2006) on määrittänyt, että palveluorganisaation tehtävä on tarjota resurssit ja puitteet asiakkaan toiminnalle. Toteamus korostaa asiakkaan roolia ja merkitystä palvelukohtaamisissa. Viime vuosina on asiakkaan roolia palveluun liittyvässä arvonmuodostuksessa usein kuvattu value co-creation-käsitteellä. Tässä, hieman optimistisessa, käsitteessä asiakas nähdään aktiivisena toimijana palveluun liittyvässä arvonmuodostuksessa. Usein kuitenkin asiakas voi olla melko passiivinen palvelutilanteessa ja yhdessä tekemistä tai arvon luomista ei juurikaan tapahdu.

Asiakkaan osallistuminen palvelutapahtumaan -käsite (customer participation) on joustavampi termi kuvata ja analysoida asiakkaan roolia, varsinkin kun asiakkaan intressi yleensä on palvelun lopputulemassa ja kulutusprosessissa, ei niinkään osallistumisessa sinällään. Tämä pätee erityisen hyvin juuri jätetoimialan asiakastilanteissa, joissa palvelutapahtuma on lähtökohtaisesti rutiininomainen.

Asiakkaan aktivointi ja osallistumisen edistäminen palvelutilanteessa merkitsee yleensä itsepalveluvetoista palveluratkaisua. Jäte toimialalla kuluttajien kierrätyspalveluja on kehitetty itsepalveluvetoiseen suuntaan esimerkiksi Pohjanmaalla. Itsepalvelua lisäämällä on saavutettu positiivisia tuloksia. Aiempi asiakaspalvelumalli, joka sisälsi henkilökohtaista palvelua, muutettiin täysin itsepalveluvetoiseksi palvelumalliksi ja tulokset olivat positiivisia. Asiointiaika, jolloin asiakkailla oli mahdollisuus tuoda kierrätettävää materiaalia jäteasemalle nousi huomattavasti ja uudessa mallissa se on 24/7-tyyppinen, aiemman noin 8 tunnin sijasta vuorokaudessa. Palvelun saatavuus parani siis huomattavasti. Uudessa mallissa asiakkaat ilmoittivat ja maksoivat tuotavan kierrätysmateriaalin etukäteen digitaalisella alustalla missä myös ohjeistettiin lajittelua. Lopputuloksena palvelun käyttö kasvoi merkittävästi ja asiakastyytyväisyys kasvoi. Myös palvelun tuottavuus tarjoavan yrityksen näkökulmasta parani.

Perinteisesti palvelutapahtumassa korostuu palvelun sosiaalinen ja vuorovaikutuksellinen ulottuvuus. Kun asiakas toimii itsepalvelutilanteessa, tämä sosiaalinen näkökulma on erittäin rajoittunut. Itsepalvelutilanteissa asiakkaan osallistuminen palvelutapahtumaan on aktiivista ja asiakas on eräänlainen ’palkaton työntekijä’, joka suorittaa osan palvelutehtävästä itse. Yleisesti palvelutapahtuma voidaan määrittää asiakkaan ja palveluyrityksen resurssien integraatiotapatumana (ks. Dong & Sivakumar 2017) ja itsepalvelutilanteissa asiakas tyypillisesti kohdentaa aktiivista panostaan lopputuotoksen aikaansaamiseksi.

Edellisessä esimerkissä asiakkaan aktiivinen osallistuminen palvelutapahtumaan johti positiiviseen arvonmuodostukseen kaikille osapuolille. Asiakastyytyväisyys nousi kasvaneen asiointiajan sekä väljemmän asioinnin takia. Myös yritys sai tuottavuusetuja uuden itsepalveluvetoisemman palvelumallin avulla.

Perinteisesti tuottavuutta tarkastellaan yritysten näkökulmasta ja analyysikohteena on yksinkertaisimmillaan panoksen ja saavutetun tuotoksen välinen suhde. Tuotantotekijöiden mielekästä käyttöä voidaan lisäksi tarkastella rinnasteisella tehokkuus käsitteellä. Usein näissä tarkasteluissa ei huomioida asiakkaan käyttämiä resursseja palvelutilanteessa: palvelu yleisesti vaatii jonkinasteista resurssien käyttöä myös asiakkaan puolelta. Joissain malleissa asiakas- ja yrityskohtainen tuottavuus nivoutuvat toisiinsa ja kun toisen osapuolen resurssointeja kasvatetaan, niin toisessa päässä resurssitarve vähenee (ks. Parasuraman 2011). Näin varmaakin on palveluissa, joissa henkilökohtaisella vuorovaikutuksella on keskeinen rooli palvelutapahtumassa. Digitaalisissa palveluissa, joissa asiakkaan rooli korostuu, vaikutussuhteet tuskin ovat näin suoraviivaisia. Onkin useita esimerkkejä tilanteista, joissa automaatio on johtanut sujuvampaan asiointiin, palveluorganisaatioon vähempään resurssitarpeeseen ja lisäksi parempaan asiakastyytyväisyyteen.

Asiakas arvioi prosessia usein hyödyn ja kustannusten näkökulmasta (ks. Ple 2017) jolloin ajatuksellisesti asiakkaan hyötyjen tulisi olla kustannuksia suuremmat. Termi kustannus ei tarkoita välttämättä rahallista kustannusta, vaan se voi olla esimerkiksi sujuvuutta tai ajansäästöä, mikä luo arvoa asiakkaalle. Itsepalvelulla asiakas voi säästää aikaa ja välttää jonotusta tai digipalveluissa matkat palveluyritykseen säästyvät. On havaittu, että asiakkaat kokevat kontrolloivansa palveluprosessia paremmin itsepalvelutilanteissa sekä kokevat lopputuloksen olevan optimaalisempi, kun he suorittavat palveluun liittyviä tehtäviä itse, kuten itsepalvelutilanteissa tehdään (Mäki & Kokko 2012). Useissa tutkimuksissa on havaittu, että itsepalvelumalleissa asiakaskokemus säilyy hyvänä tai jopa paranee verrattuna perinteiseen palvelumalliin (ks. Mäki & Kokko 2013). Lisäksi yritykset tyypillisesti saavat itsepalvelumallista säästöjä ja toiminta tältä osin tehostuu.

Liiketoimintaekosysteemi innovaatioalusta tulevaisuuden jätehuollolle

Liiketoimintaekosysteemi koostuu erilaisista toimijoista ja heidän välillisistä vuorovaikutussuhteista. Tätä kokonaisuutta voidaan tarkastella myös innovaationäkökulmasta, jolloin liiketoimintaekosysteemi luo perustan innovaatioille ja liiketoimintamallien uudistamiselle. Innovaatioekosysteemi on yksilöiden, kokonaisuuksien, resurssien ja rakenteiden verkosto, jotka katalysoivat uusia tuotteita, ideoita, menetelmiä ja palvelujärjestelmiä (Adner 2006). Adnerin yleisesti käytetyn määritelmän mukaan innovaatioekosysteemi koostuu yhteistyöjärjestelyistä, joiden avulla yritykset yhdistävät yksilölliset tarjontansa yhtenäiseksi, asiakaslähtöiseksi ratkaisuksi (Adner 2006). Käytännössä innovaatiotoiminta liiketoimintaekosysteemin sisällä nojaa usein resurssien jakamiseen ja yhdistämiseen ( Hung-Tai, Ja-Shen & Ya-Wen 2019). Termi innovaatioekosysteemi korostaa erityisesti kykyä luoda arvoa liiketoiminta ekosysteemin sisällä (Lee, Hwy-Chang Moon & Yin 2020).

Jätealan jatkuvassa kehityssyklissä, toimialan disruptiossa ja viranomaissäätelyn muutoksissa, liiketoimintaekosysteemin tarjoaa alustan muutosten ja kehitystoimenpiteiden läpiviemiselle.

Uudistuvan jätetoimialan perusta – kuluttajien ja teknologian symbioosia

Jätehuoltotoimialan tavoitteet kiristyvät erityisesti kierrätysasteen osalta. Tässä muutoksessa katse kääntyy kuluttajaan sekä teknologiaan. Kuluttajien osalta tavoite on kehittyvässä sisälogistiikassa eli kotona tapahtuvassa lajittelussa. Jätealan toimijoiden näkökulmasta kyse on kuluttajien ja asiakkaiden aktivoinnista palvelutapahtumassa. Asiakkaiden toiminta luo epävarmuutta palvelumalleihin, eikä voida varmuudella tietää miten kuluttaja toimii esimerkiksi lajittelutilanteissa. Viestinnällä ja motivoinnilla on keskeinen rooli tämän epävarmuuden vähentämisessä.

Teknologia ja erityisesti tekoälysovellukset mahdollistavat jätteen tunnistamisen, suurten data massojen analysoinnin ja analyysitiedon hyödyntäminen osana palvelukehitystä. Viime kädessä kyse on analyysitiedon keräämisestä ja soveltamisesta esimerkiksi asiakaskokemuksen, asioinnin sujuvuuden tai tuottavuuden parantamisen edistämisessä. Tekoälyperustaiset ratkaisut tulevat tarjoamaan huomattavia tuottavuusloikkia myös jätealan toimijoille. Prosessien automatisointi tekoälyn avustuksella tarjoaa kustannussäästöjä, jolloin työntekijöiden tuottavuus paranee. Lisäksi asiakasprosessit sujuvoituvat kun asiakkaan suorittamasta työstä osa siirtyy tekoälyn tehtäväksi.

Liiketoimintaekosysteemin jäsenten yhteistyö, datan jakamien ja ylipäänsä datan liikkuvuuden varmistaminen ekosysteemin sisällä luo perustan toimialan kehitykselle. Arvonmuodostuksen sisällyttäminen kaikkeen suunnitteluun ja vahvan asiakasnäkökulman edistäminen, myös tekoälyratkaisuissa, luo edellytykset liiketoimintamallien ja koko liiketoimintaekosysteemin uudistamiselle.

Kuva: Shutterstock