Keskimääräinen latausteho on luku, jota ei ole olemassa

Luku, joka ei kuvaa mitään

Latausverkon riittävyydestä puhutaan tehona. EU:n AFIR-asetus asettaa vaatimuksia kilowatteina. Uutisissa kerrotaan, että Suomen latausverkon kokonaisteho on noussut. Ja kun halutaan yksi luku, joka kuvaa verkon laatua, lasketaan keskiarvo.

Keskiarvo on tässä huonompi kuin hyödytön. Se on harhaanjohtava.

Syy on yksinkertainen. Sähköauton latausteho ei ole vapaasti valittava suure vaan seuraa muutamaa teknistä standardia. Kotitalouspistorasiasta saa noin 2 kilowattia, tavallisesta seinälatauslaitteesta 7 tai 11, julkisesta vaihtovirtalaturista 22, vanhemmasta pikalaturista 50 ja uusimmista suurteholatureista 150–350. Väliin jääviä arvoja ei juuri ole, koska niitä ei valmisteta.

Kun tällaisesta joukosta lasketaan keskiarvo, tulos osuu kohtaan, jossa ei ole yhtään laturia. Se on kuin kertoisi, että suomalaisen kengännumero on keskimäärin 41,3 — luku on tosi mutta kuvaa kenkää, jota kukaan ei käytä.

Tässä osassa katson, miltä tehojakauma oikeasti näyttää, kuinka luotettavasti se on kirjattu ja miten latauskapasiteetti on jakautunut operaattorien kesken. Lopputulos on, että kaksi näistä kolmesta kysymyksestä on vastattavissa, ja kolmas paljastaa rekisterin ongelman, jota ei ole aiemmin dokumentoitu.

Ensin: mitä tehokenttä oikeasti sisältää

Jokaisella konnektorilla — siis fyysisellä pistokkeella — on rekisterissä kolme sähköteknistä kenttää: suurin jännite, suurin virta ja suurin teho. Nämä kolme eivät ole toisistaan riippumattomia. Fysiikan mukaan teho on jännitteen ja virran tulo, kolmivaihevirralla kerrottuna vielä noin 1,73:lla.

Tämä antaa harvinaisen mahdollisuuden: aineisto voidaan tarkistaa itseään vastaan. Jos ilmoitettu teho ei vastaa jännitteen ja virran tuloa, jokin kolmesta kentästä on väärin — eikä sen huomaamiseen tarvita mitään ulkoista vertailukohtaa.

sahko <- liitokset |>
  left_join(select(afir_asemat, avain, op_id, op_nimi), by = "avain") |>
  mutate(
    # Kolmivaihevirralla teho = jännite × virta × √3
    kerroin = if_else(virta == "AC_3_PHASE", sqrt(3), 1),
    laskettu_kw = volttia * ampeeria * kerroin / 1000,
    suhde = if_else(laskettu_kw > 0, teho_kw / laskettu_kw, NA_real_),
    puuttuva_sahko = is.na(volttia) | is.na(ampeeria) |
                     volttia == 0 | ampeeria == 0
  )

stopifnot(
  "Suhdeluku puuttuu useammalta kuin puolelta riveistä" =
    mean(is.na(sahko$suhde)) < 0.5
)

sahko_op <- sahko |>
  filter(virta == "AC_3_PHASE") |>
  group_by(op_id, op_nimi) |>
  summarise(
    n = n(),
    puuttuvia = mean(puuttuva_sahko),
    mediaanisuhde = median(suhde, na.rm = TRUE),
    .groups = "drop"
  ) |>
  arrange(desc(n))

Tulos on hämmentävän siisti. Operaattorit jakautuvat kolmeen ryhmään, ja jokaisen ryhmän sisällä käytäntö on lähes täydellisen johdonmukainen.

Ilmoitetun ja lasketun tehon suhde kolmivaihelatureilla, operaattoreittain. Pystyviivat merkitsevät kolmea johdonmukaista tulkintaa. Palkin pituus kertoo konnektorien määrän.

Miten kuvaa luetaan. Vaaka-akselilla on luku, joka kertoo montako kertaa suurempi ilmoitettu teho on kuin jännitteestä ja virrasta laskettu teho. Jos kentät olisivat keskenään johdonmukaiset, kaikki pisteet asettuisivat pystyviivalle 1,00. Pallon koko kertoo, kuinka monta pistoketta kyseisellä operaattorilla on.

Pisteet eivät ole viivalla 1,00. Ne ovat kolmessa rykelmässä.

Ryhmä kohdassa 0,58 ilmoittaa jännitteeksi 230 volttia, joka on yhden vaiheen jännite. Ryhmä kohdassa 1,73 ilmoittaa 400 volttia, joka on kolmen vaiheen välinen jännite. Molemmat luvut ovat teknisesti oikeita — ne vain vastaavat eri kysymykseen. Ja koska kumpikin ryhmä on ilmoittanut tehon oikein, ristiriita paljastuu vasta kun kentät kerrotaan keskenään.

Kaksi operaattoria puuttuu kuvasta kokonaan, koska niiden mediaanisuhde on ääretön: ne ilmoittavat jännitteeksi tai virraksi nollan.

puuttuvat_taulu <- sahko |>
  group_by(op_id, op_nimi) |>
  summarise(n = n(), nollia = sum(puuttuva_sahko), .groups = "drop") |>
  filter(nollia > 0) |>
  mutate(osuus = nollia / n) |>
  arrange(desc(nollia))

osuus_nollia <- mean(sahko$puuttuva_sahko)

Nollalla ilmoitettuja sähköarvoja on 20.4% kaikista pistokkeista. Nolla ei tässä tarkoita nollaa volttia — se tarkoittaa, että kenttä on jätetty täyttämättä ja jokin järjestelmä on korvannut tyhjän arvon nollalla.

Ero on ratkaiseva. Puuttuva tieto on tunnistettavissa puuttuvaksi. Nollaksi muutettu puuttuva tieto ei ole, ja se päätyy laskelmiin oikean arvon paikalle. Jos joku laskee latauskapasiteetin jännitteen ja virran tulona, hän saa näiden kahden operaattorin kohdalla nollan — ja niiden asemat katoavat tilastosta näkymättä.

ImportantMitä tästä seuraa käytännössä

Latausverkon kapasiteettia ei voi laskea rekisterin sähköteknisistä kentistä ilman operaattorikohtaista tulkintaa. Tehokenttä on käyttökelpoinen; jännite ja virta eivät ole.

Tämä ei ole akateeminen huomio. AFIR-asetuksen seuranta perustuu tehoon, ja jos seurantaa tehdään johtamalla teho muista kentistä, tulos riippuu siitä kenen asemia lasketaan. Kolme operaattoria tuottaisi kolme eri vastausta samalla laskukaavalla.

Tehojakauma: kuusi huippua, ei yhtä keskiarvoa

Koska tehokenttä osoittautui ainoaksi luotettavaksi, käytetään sitä.

tehot <- liitokset |>
  filter(!is.na(teho_kw), teho_kw > 0) |>
  left_join(select(afir_asemat, avain, op_id, op_nimi, kunta), by = "avain")

# Kuinka kasautunutta jakauma on? Jos muutama arvo kattaa suuren osan
# havainnoista, keskiarvo on erityisen harhaanjohtava.
kasautuma <- tehot |>
  count(teho_kw, sort = TRUE) |>
  mutate(osuus = n / sum(n), kumulatiivinen = cumsum(osuus))

top10_osuus <- kasautuma$kumulatiivinen[min(10, nrow(kasautuma))]
n_uniikkeja <- nrow(kasautuma)

keskiarvo <- mean(tehot$teho_kw)
mediaani  <- median(tehot$teho_kw)
osuus_lahella_keskiarvoa <- mean(abs(tehot$teho_kw - keskiarvo) < 2)

Aineistossa on 65 eri tehoarvoa, mutta kymmenen yleisintä kattaa 88% kaikista pistokkeista. Jakauma on siis voimakkaasti kasautunut muutamaan standardiarvoon.

Keskiteho on 87.1 kW. Pistokkeita, joiden teho on kahden kilowatin päässä tuosta keskiarvosta, on 0.0%.

Latauspistokkeiden tehojakauma. Ylhäällä koko jakauma, alhaalla sama logaritmisella asteikolla, jolla pienet tehot erottuvat.

Miten alempaa kuvaa luetaan. Vaaka-akseli on venytetty logaritmiseksi, mikä tarkoittaa että samalla matkalla akselilla kuljetaan aina saman kertoimen verran: matka 2:sta 4:ään on yhtä pitkä kuin 100:sta 200:aan. Tämä on tarpeen siksi, että tehot vaihtelevat kahdesta kilowatista kolmeensataan, ja tavallisella asteikolla kaikki pienet tehot puristuisivat vasempaan reunaan yhdeksi tolpaksi.

Huiput osuvat juuri niihin arvoihin, jotka lueteltiin alussa. Tämä ei ole sattumaa vaan seuraus siitä, että latauslaitteita valmistetaan standardeihin.

Osuudet ja niiden epävarmuus

Päättäjää kiinnostaa harvoin yksittäinen pistoke. Häntä kiinnostaa, kuinka suuri osa verkosta on pikalatausta. Luokitellaan siis.

tehot <- tehot |>
  mutate(luokka = case_when(
    teho_kw < 3.7  ~ "Kotitalous (< 3,7 kW)",
    teho_kw < 11   ~ "Hidas AC (3,7–11 kW)",
    teho_kw < 43   ~ "Nopea AC (11–43 kW)",
    teho_kw < 150  ~ "Pikalataus DC (43–150 kW)",
    TRUE           ~ "Suurteho DC (≥ 150 kW)"
  ) |> factor(levels = c("Kotitalous (< 3,7 kW)", "Hidas AC (3,7–11 kW)",
                         "Nopea AC (11–43 kW)", "Pikalataus DC (43–150 kW)",
                         "Suurteho DC (≥ 150 kW)")))

luokka_lkm <- tehot |> count(luokka, .drop = FALSE)

stopifnot(
  "Luokittelu jätti rivejä ulkopuolelle" = sum(luokka_lkm$n) == nrow(tehot)
)

# Dirichlet-posteriori luokkaosuuksille. Jeffreysin priori (alfa = 1/2)
# on heikko eikä vedä tulosta mihinkään suuntaan.
alfa <- luokka_lkm$n + 0.5
naytteet_dir <- rgamma(length(alfa) * 4000, rep(alfa, each = 4000)) |>
  matrix(nrow = 4000)
naytteet_dir <- naytteet_dir / rowSums(naytteet_dir)
colnames(naytteet_dir) <- levels(tehot$luokka)

osuudet_post <- as_tibble(naytteet_dir) |>
  pivot_longer(everything(), names_to = "luokka", values_to = "osuus") |>
  mutate(luokka = factor(luokka, levels = levels(tehot$luokka)))

Latauspistokkeiden jakautuminen teholuokkiin. Piikin leveys kertoo epävarmuuden.

Miten kuvaa luetaan. Jokainen luokka saa oman muotonsa. Muodon korkein kohta on todennäköisin arvo, ja leveys kertoo epävarmuuden. Alla oleva viiva näyttää välin, jolle osuus 95 prosentin todennäköisyydellä osuu.

Tässä tapauksessa muodot ovat hyvin kapeita, koska havaintoja on tuhansia. Epävarmuus osuuksista on pieni — mikä on hyvä uutinen, ja se kannattaa sanoa suoraan. Kaikki epävarmuus ei ole suurta, ja analyysin tehtävä on kertoa kumpi tilanne on käsillä.

NoteFaktalaatikko: paljonko latausinfra vaikuttaa sähköautojen määrään?

Latausinfran rakentamista perustellaan sillä, että se lisää sähköautojen myyntiä. Kysymys on empiirinen, ja siihen on vastattu useissa taloustieteen tutkimuksissa.

Vaikutusta mitataan joustolla: kuinka monta prosenttia sähköautojen rekisteröinnit kasvavat, jos latausasemien määrä kasvaa yhden prosentin.

Springel (2021, American Economic Journal: Economic Policy) tutki Norjan markkinaa vuosina 2010–2015 ja päätyi keskeiseen estimaattiin noin 0,22. Aiempi Yhdysvaltoja koskeva tutkimus (Li ym. 2017) raportoi selvästi suuremman arvon, noin 0,8. Ero ei ole ristiriita vaan seuraus siitä, kuinka kehittynyt verkko on: kun Springelin aineistosta valitaan vastaava verkkotiheys kuin Li ym:n aineistossa, jousto nousee noin 0,54:ään.

Johtopäätös päättäjälle: latausaseman rakentamisen vaikutus riippuu siitä, kuinka paljon asemia jo on. Harvassa verkossa yksi lisäasema vaikuttaa paljon, tiheässä vähän. Sama euro tuottaa eri tuloksen eri paikassa — ja tämä on mitattavissa oleva suure, ei mielipide.

Kapasiteetin keskittyminen

Asemien lukumäärä on huono mittari markkinan rakenteesta, koska asemat ovat erikokoisia. Operaattori, jolla on sata kotitalouspistoketta, näyttää tilastossa suuremmalta kuin operaattori, jolla on kaksikymmentä suurtehulaturia — vaikka jälkimmäinen tuottaa moninkertaisen määrän latausenergiaa.

Katsotaan siis kapasiteettia, ei kappalemääriä.

kapasiteetti_op <- tehot |>
  group_by(op_id, op_nimi) |>
  summarise(
    pistokkeita = n(),
    kw_yhteensa = sum(teho_kw),
    hpc_kw = sum(teho_kw[teho_kw >= 150]),
    .groups = "drop"
  ) |>
  arrange(desc(kw_yhteensa))

# Gini-kerroin: 0 = täysin tasainen, 1 = kaikki yhdellä toimijalla
gini <- function(x) {
  x <- sort(x[!is.na(x)])
  n <- length(x)
  if (n < 2 || sum(x) == 0) return(NA_real_)
  sum((2 * seq_len(n) - n - 1) * x) / (n * sum(x))
}

# Herfindahl-indeksi: markkinaosuuksien neliöiden summa
hhi <- function(x) {
  s <- x / sum(x)
  sum(s^2)
}

gini_kw  <- gini(kapasiteetti_op$kw_yhteensa)
gini_lkm <- gini(kapasiteetti_op$pistokkeita)
hhi_kw   <- hhi(kapasiteetti_op$kw_yhteensa)

# Epävarmuus bootstrapilla: otetaan pistokkeista toistuvia otoksia
# ja lasketaan Gini uudelleen. Näin nähdään, kuinka herkkä luku on.
boot_gini <- map_dbl(1:2000, function(i) {
  otos <- tehot |> slice_sample(n = nrow(tehot), replace = TRUE)
  otos |>
    group_by(op_id) |>
    summarise(kw = sum(teho_kw), .groups = "drop") |>
    pull(kw) |>
    gini()
})

gini_vali <- quantile(boot_gini, c(0.025, 0.975), na.rm = TRUE)

Gini-kerroin kapasiteetille on 0.699 (95 %:n väli 0.584–0.612). Pistokemäärille laskettuna se on 0.693.

Mikä Gini-kerroin on. Se on luku nollan ja ykkösen välillä, joka kertoo kuinka epätasaisesti jokin on jakautunut. Nolla tarkoittaa, että kaikilla operaattoreilla on täsmälleen yhtä paljon kapasiteettia. Ykkönen tarkoittaa, että yhdellä on kaikki ja muilla ei mitään. Sama mittari on tuttu tuloerojen mittaamisesta.

Lorenz-käyrä: kuinka suuri osa latauskapasiteetista on kuinka suurella osalla operaattoreista.

Miten kuvaa luetaan. Operaattorit on asetettu riviin pienimmästä suurimpaan. Vaaka-akselilta luetaan, kuinka suuri osa operaattoreista on mukana, ja pystyakselilta, kuinka suuri osa kapasiteetista heillä yhteensä on.

Katkoviiva kuvaa tilannetta, jossa kaikilla olisi yhtä paljon: puolella operaattoreista olisi puolet kapasiteetista. Mitä alempana varsinainen käyrä kulkee, sitä epätasaisemmin kapasiteetti on jakautunut. Käyrän ja katkoviivan väliin jäävä alue on se, mitä Gini-kerroin mittaa.

Suurimmat operaattorit kapasiteetin mukaan. Tumma osa on suurtehokapasiteettia.

Tilastollinen testi: eroavatko operaattorit toisistaan?

Nyt tullaan kohtaan, jossa testin valinta ratkaisee, ja jossa moni analyysi menee pieleen.

Kysymys on: tarjoavatko eri operaattorit erilaista latausta? Houkutteleva lähestymistapa olisi verrata keskitehoja varianssianalyysillä. Se olisi väärin kolmesta syystä.

Ensinnäkin tehojakauma ei ole normaalijakautunut vaan monihuippuinen, kuten edellä nähtiin. Toiseksi keskiarvo ei kuvaa jakaumaa, jossa on kuusi huippua. Kolmanneksi — ja tämä on tärkein — kysymys ei oikeasti koske keskiarvoja vaan koko jakaumaa. Operaattori, joka tarjoaa pelkkää 22 kW:n latausta, ja operaattori, joka tarjoaa puoliksi 2 kW:ta ja puoliksi 42 kW:ta, voivat päätyä samaan keskiarvoon täysin erilaisella tarjonnalla.

Käytän siksi permutaatiotestiä, joka vertaa jakaumia kokonaisuudessaan.

# Rajataan operaattoreihin, joilla on riittävästi havaintoja
isot_op <- kapasiteetti_op |> filter(pistokkeita >= 50) |> pull(op_id)
testidata <- tehot |> filter(op_id %in% isot_op) |> droplevels()

stopifnot(
  "Vertailtavia operaattoreita alle kaksi" = n_distinct(testidata$op_id) >= 2
)

# Testisuure: luokkajakaumien khiin neliö -etäisyys.
# Nollahypoteesi: kaikilla operaattoreilla sama tehojakauma.
testisuure <- function(op, luokka) {
  taulu <- table(op, luokka)
  suppressWarnings(chisq.test(taulu)$statistic)
}

havaittu <- testisuure(testidata$op_id, testidata$luokka)

perm <- map_dbl(1:2000, function(i) {
  testisuure(sample(testidata$op_id), testidata$luokka)
})

p_arvo <- (sum(perm >= havaittu) + 1) / (length(perm) + 1)

# Efektikoko: Cramérin V kertoo eron suuruuden, p-arvo vain sen olemassaolon
taulu <- table(testidata$op_id, testidata$luokka)
cramers_v <- sqrt(havaittu / (sum(taulu) * (min(dim(taulu)) - 1)))

Testi antaa p-arvoksi alle 0,001 ja Cramérin V:ksi 0,573.

Mitä nämä kaksi lukua tarkoittavat. P-arvo vastaa kysymykseen: jos operaattorit todellisuudessa tarjoaisivat täsmälleen samanlaista latausta, kuinka todennäköisesti näkisimme näin suuren eron pelkän sattuman takia? Pieni p-arvo tarkoittaa, ettei sattuma selitä havaintoa.

P-arvo ei kuitenkaan kerro, kuinka suuri ero on. Riittävän suuressa aineistossa mitättömänkin pieni ero tuottaa pienen p-arvon. Siksi raportoin myös Cramérin V:n, joka on nollan ja ykkösen välinen luku ja kertoo eron voimakkuuden. Nyrkkisääntönä alle 0,1 on heikko, 0,3 kohtalainen ja yli 0,5 vahva yhteys.

Tämä pari — onko eroa ja kuinka suuri se on — pitäisi raportoida aina yhdessä. Pelkkä p-arvo on tavallisimpia tapoja johtaa lukijaa harhaan tilastotieteen keinoin, eikä yleensä tahallisesti.

Vaihtoehtoiset skenaariot: entä jos kapasiteetti olisi jakautunut toisin?

Havaittu jakauma on vain yksi mahdollinen. Sitä kannattaa verrata vaihtoehtoihin, koska vasta vertailu kertoo, onko havaittu tilanne hyvä vai huono.

Rakennan kolme vaihtoehtoista maailmaa, joissa kaikissa on sama määrä pistokkeita ja sama kokonaisteho kuin todellisuudessa. Vain jakautuminen muuttuu.

kok_kw <- sum(tehot$teho_kw)
n_pist <- nrow(tehot)
n_kuntia <- n_distinct(tehot$kunta)

# Todellinen: kapasiteetti kunnittain
todellinen <- tehot |>
  group_by(kunta) |>
  summarise(kw = sum(teho_kw), .groups = "drop")

# Skenaario A: sama kokonaisteho jaettuna tasan kaikkien kuntien kesken
skenaario_tasa <- tibble(
  kunta = todellinen$kunta,
  kw = kok_kw / n_kuntia
)

# Skenaario B: kaikki pistokkeet olisivat 22 kW (nopea AC)
# – sama pistokemäärä, kapasiteetti muuttuu
skenaario_ac <- todellinen |>
  left_join(count(tehot, kunta, name = "n"), by = "kunta") |>
  mutate(kw = n * 22) |>
  select(kunta, kw)

# Skenaario C: sama kokonaisteho, mutta jaettuna pistokemäärän suhteessa
skenaario_suhde <- todellinen |>
  left_join(count(tehot, kunta, name = "n"), by = "kunta") |>
  mutate(kw = kok_kw * n / n_pist) |>
  select(kunta, kw)

vertailu <- bind_rows(
  todellinen      |> mutate(skenaario = "Todellinen"),
  skenaario_tasa  |> mutate(skenaario = "A: tasan kunnittain"),
  skenaario_ac    |> mutate(skenaario = "B: kaikki 22 kW"),
  skenaario_suhde |> mutate(skenaario = "C: pistokemäärän suhteessa")
)

gini_skenaariot <- vertailu |>
  group_by(skenaario) |>
  summarise(gini = gini(kw), kok_kw = sum(kw), .groups = "drop") |>
  arrange(gini)

stopifnot(
  "Skenaarion kokonaisteho poikkeaa todellisesta yli 1 %" =
    all(abs(gini_skenaariot$kok_kw[gini_skenaariot$skenaario != "B: kaikki 22 kW"] /
              kok_kw - 1) < 0.01)
)

Kapasiteetin keskittyminen kunnittain neljässä maailmassa. Alempi arvo tarkoittaa tasaisempaa jakautumista.

Vertailun arvo on siinä, että se erottaa kaksi asiaa, jotka menevät keskustelussa usein sekaisin: kuinka paljon kapasiteettia on ja missä se on. Skenaario A:ssa kapasiteettia on täsmälleen yhtä paljon kuin nyt, mutta se on jaettu kuntien kesken tasan. Skenaario C:ssä se seuraa pistokemäärää.

Todellinen jakautuminen on markkinaehtoisen sijoittelun tulos: laturit rakennetaan sinne, missä niille on kysyntää. Se on taloudellisesti järkevää, mutta se ei ole sama asia kuin kattava verkko. Ero näiden kahden välillä on juuri se, mitä julkinen tuki voi kuroa umpeen — ja ero on mitattavissa.

NoteFaktalaatikko: korvaako latausverkko kantaman?

Sähköauton käytettävyys riippuu kahdesta asiasta: kuinka pitkälle auto pääsee yhdellä latauksella ja kuinka helposti sen voi ladata. Nämä ovat osittain toisensa korvaavia — pidempi kantama vähentää latausverkon tarvetta ja päinvastoin.

Rosales-Tristancho ym. (2024, Transportation Research Part D) kokosi meta-regressiolla useiden kuluttajatutkimusten tulokset ja tarkasteli, kuinka paljon parempaa latausverkkoa kuluttajat vaativat hyväksyäkseen lyhyemmän kantaman.

Keskeinen tulos: korvaavuus toimii vasta, kun kantama ylittää noin 250–300 kilometriä. Sen alapuolella kuluttajat eivät suostu vaihtokauppaan juuri millään latausverkolla. Sen yläpuolella latausinfran parantaminen voi kompensoida lyhyempää kantamaa.

Miksi tämä on olennaista Suomessa. Kylmä sää lyhentää sähköauton kantamaa merkittävästi. Jos talviolosuhteissa merkittävä osa autokannasta putoaa tuon 250–300 kilometrin rajan alapuolelle, latausverkon parantaminen ei enää kompensoi kantamaa samalla tavalla. Verkon riittävyyttä ei siis voi arvioida kesäolosuhteissa ja olettaa tuloksen pätevän ympäri vuoden.

Tämä on myös hyvä esimerkki siitä, miksi käytän mieluummin meta-analyysiä kuin yksittäistä tutkimusta: yksittäinen kuluttajakysely kertoo yhden otoksen mieltymyksistä, meta-analyysi kertoo, mikä tulos toistuu.

Mitä tehojakaumasta jää käteen

Keskiarvo on väärä työkalu. Kun jakaumassa on kuusi huippua, keskiarvo osuu niiden väliin, eikä kuvaa mitään todellista laturia. Jos latausverkon kehitystä seurataan keskitehona, mittari voi nousta samalla kun verkko huononee — riittää että hitaita latureita poistetaan.

Rekisterin sähkötekniset kentät eivät ole vertailukelpoisia. Jännite ja virta on ilmoitettu kolmella eri tavalla, ja osalla ne ovat nollia. Teho on käyttökelpoinen, muut eivät.

Kapasiteetti on keskittyneempää kuin asemamäärä antaa ymmärtää. Kun mitataan kilowatteja eikä kappaleita, kuva markkinan rakenteesta muuttuu.

Vertailu tekee luvusta tulkittavan. Gini-kerroin yksinään ei kerro, onko tilanne hyvä. Vertailu vaihtoehtoisiin jakaumiin kertoo.

Seuraavassa osassa siirrytään verkosta autoihin. Sähköauton kantama ei ole neljäsataa kilometriä, vaan sekin on jakauma — ja se muuttuu vuodenajan mukana enemmän kuin useimmat arvaavat.

---

Mitä tästä on hyötyä yrityksellesi

Tämän postauksen menetelmät eivät liity sähköautoihin. Ne liittyvät siihen, miten mitataan jotain, joka ei ole tasaisesti jakautunut — ja käytännössä mikään liiketoiminnassa ei ole.

Lopeta keskiarvojen raportointi monihuippuisista jakaumista. Jos asiakkaidesi ostokset jakautuvat pieniin täydennysostoihin ja harvoihin suuriin projekteihin, keskimääräinen kauppa ei kuvaa kumpaakaan. Sama koskee toimitusaikoja, käsittelyaikoja, sopimuskokoja ja palvelupyyntöjä. Tarkista jakauman muoto ennen kuin valitset tunnusluvun. Se on yhden histogrammin työ ja säästää vääriltä päätöksiltä.

Laske keskittyminen, älä lukumääriä. Gini-kerroin ja Herfindahl-indeksi ovat yksinkertaisia laskea ja vastaavat kysymykseen, jota kysytään harvoin mutta joka on usein tärkein: kuinka riippuvainen olen harvoista? Sovella niitä asiakaskuntaan (kuinka suuri osa liikevaihdosta on viideltä asiakkaalta), toimittajiin, kanaviin, avainhenkilöiden osaamiseen. Keskittymisluku on riskiluku.

Tee kentille sisäinen ristiriitatarkistus. Tämän postauksen kiinnostavin löydös syntyi siitä, että kolme kenttää liittyy toisiinsa fysiikan lain kautta ja niiden ristiriita paljastui laskemalla. Sama pätee laajemmin: jos tietokannassa on määrä, yksikköhinta ja loppusumma, niiden pitää täsmätä. Jos on alkupäivä, loppupäivä ja kesto, niiden pitää täsmätä. Näiden tarkistusten automatisointi on halpaa, ja ne löytävät virheitä, joita mikään tyyppitarkistus ei löydä — koska jokainen kenttä on erikseen täysin uskottava.

Rakenna vaihtoehtoisia skenaarioita, älä vain kuvaile nykytilaa. Luku “Gini 0,7” ei kerro mitään ilman vertailukohtaa. Luku “Gini 0,7, kun tasajakaumassa se olisi 0,1 ja jos suurin asiakas lähtisi se olisi 0,5” kertoo. Vertailuskenaarion rakentaminen on usein muutaman rivin työ ja tekee raportista päätöksentekokelpoisen.

Ja tärkein: tarkista, tarkoittaako kenttä samaa kaikilla. Löysin rekisteristä kentän, jonka kolme operaattoriryhmää täyttää kolmella eri tavalla — kaikki omasta mielestään oikein. Sama tilanne on useimmissa organisaatioissa, joissa dataa kerätään useasta lähteestä. “Liikevaihto”, “aktiivinen asiakas” ja “toimitettu” tarkoittavat eri järjestelmissä eri asioita, ja yhdistetty raportti summaa niitä yhteen kysymättä. Tämän löytäminen ei vaadi uutta järjestelmää — se vaatii sen, että joku katsoo.

Jos organisaatiossasi raportoidaan keskiarvoja, joiden takana on monihuippuinen jakauma, tai yhdistetään lukuja järjestelmistä, joiden määritelmiä ei ole verrattu, siinä on työtä odottamassa. Teen tätä vuokrattavana Head of Datana ja projektikohtaisesti — hinnasto ja yhteystiedot löytyvät sivustolta.

---

Aineisto: Fintraffic AFIR / Digitraffic, haettu osassa 1. Tutkimuslähteet: Springel (2021), Li ym. (2017), Rosales-Tristancho ym. (2024). Koodi on kokonaisuudessaan tässä postauksessa. Maailma on jakauma.