TEKOÄLYSTÄ APUA PUUKAUPPAAN
Analysoitu historiatieto auttaa tarjousten vertailussa
Puukauppa on osa perinteistä metsänhoitoa, joten lähes jokaiselle metsänomistajalle se tulee jossain vaiheessa eteen. Samalla lähes jokainen metsänomistaja tuntee ainakin jonkun, jolla puukaupat ovat menneet penkin alle. Yleensä vielä niin, ettei rahaa tullutkaan niin paljon kuin tarjouksessa luvattiin. Pieleen menneet puukaupat eivät ole etu myyjälle eivätkä ostajalle. Sana huonosta kokemuksesta kiirii nopeasti ja useampi pieleen mennyt kauppa saattaa saada myyjät myymään puut toisaalle.
Suomessa on arviolta 632 000 metsänomistajaa, joista kaikilla ei ole ensikäden tietoa metsänhoidosta tai puun myynnistä. Pieleen menneissä puukaupoissa myyjä on yleensä heikoilla, ellei vahingon syynä ole mittauksessa tai katkonnassa tapahtunut selvä ja todennettavissa oleva virhe.
Ovatko puustotiedot kunnossa?
Onnistuneiden puukauppojen takana on yleensä mahdollisimman tarkkaan todellisuutta vastannut tarjous. Pieleen menneet kaupat taas usein juontavat juurensa tukki/kuitu-kertymän tai puustomäärän väärästä arviosta tarjousvaiheessa. Myös korjuujäljen laatu on keskeinen puukaupan onnistumisen mittari.
Tarjouspyyntöjen tekemiseen voidaan käyttää metsäsuunnitelmaa tai Metsäkeskuksen kuviotietoja, jotka saadaan Metsään.fi-palvelusta. Ostajaehdokas käy yleensä arvioimassa kohteen, jonka perusteella tarjous tehdään. Joka tapauksessa mahdollisimman ajantasainen ja tarkka metsävaratieto auttaa tarjouksen osumista maaliin.
Metsätiedot inventoitiin aiemmin 10 vuoden välein ja jatkossa kuuden vuoden välein laserkeilauksella ja välissä tietoa ajantasaistetaan muun muassa jätettyjen metsänkäyttöilmoitusten tai kemera-toteutusilmoitusten avulla. Tietoihin jää kuitenkin aukkoja.
Myyjällä on mahdollisuus korjata tätä esimerkiksi ajantasaisen metsäsuunnitelman tai konsultin kanssa tehtävän puunmyyntisuunnitelman avulla. Tämän lisäksi tekoäly ja ajantasainen satelliittidata tarjoavat ratkaisuja ajantasaistukseen. Metsäkeskuksella on jo esimerkiksi käytössä automaattinen hakkuuseuranta. Satelliittidataan perustuvien laskentojen avulla pystytään myös arvioimaan metsävaroja aina puulajitasolla asti sekä esimerkiksi ennustamaan, sopiiko kaupan kohteena oleva puusto tukki- vai kuitupuuksi.
Kuka tarjoaa, mitä ja mistä?
Usein perinteisessä puukaupassa myyjä kiinnittää huomioita nimenomaan tukkien ja kuitupuiden kantohintoihin kiintokuutiometriltä. Saatujen tarjousten kanssa ei kannata kuitenkaan tuijottaa pelkästään yksikköhintaan. Arto Soikkeli Metsänomistajat-lehdessä (2/2020) kirjoittaa, että hyvin moni muukin asia vaikuttaa siihen, mikä lopulta on paras tarjous. Esimerkiksi ensiharvennusta järeämmillä leimikoilla katkonta ja sitä kautta puutavaralajien suhde on merkittävin lopputulokseen vaikuttava tekijä.
Eri yhtiöillä on erilaiset mitta-, katkonta- ja laatuvaatimukset, jotka vaikuttavat tarjouksen lopputulokseen. Varsinkin tarjottavien tukkien läpimittoihin ja pituuksiin kannattaa kiinnittää huomioita. Mittavaatimuksien vertailu on vielä maallikon hallittavissa, mutta tämän jälkeen homma muuttuu haastavammaksi. Vertailua varten pitäisi tietää mitä eri yhtiöt kyseisillä mitoilla korjaavat, millaista vikaisuutta sallitaan ja tarjotaanko erikoispuutavaralajeja (ja onko sitä kannattavaa korjata).
Tekoäly haravoi historiadatan
Suomalaisten metsänhoitoyhdistysten erikoisuus on katkontapankki, jonne kerätään tietoa toteutuneiden puukauppojen katkonnasta ostajittain, järeysluokittain ja hakkuutavoittain jaoteltuina. Toisin sanoen, katkontapankista selviää kuinka ostajat katkovat ostamansa puut. Metsänhoitoyhdistykset ovat jo pitkään ottaneet huomioon katkonnan vaikutukset tarjoukseen vertaillessaan niitä omille asiakkailleen.
Tähän mennessä vertailussa on voitu käsitellä hyvin rajallinen määrä tietoa, mikä on tuonut siihen oman epätarkkuutensa. Mutta koneoppimisen avulla vertailutiedon oikeellisuutta voidaan parantaa merkittävästi. Koneoppimisen ydinajatuksena on, että mitä enemmän tietoja ja eri muuttujia järjestelmä pystyy analysoimaan, sitä tarkemmaksi se muuttuu. Se siis kehittyy koko ajan paremmaksi mitä laajemmin eri muuttujia se voi hyödyntää. Metsänhoitoyhdistysten katkontapankki sisältääkin valtavan määrän tietoa menneistä puukaupoista (yli miljoona korjattua puukuutiometriä), jota koneoppimisen algoritmit pääsevät nyt haravoimaan.
Tämä tarkoittaa sitä, että tekoäly vertailee eri puunostajien aikaisempia katkontatietoja, tehdyn tarjouksen samankaltaisuutta vastaaviin puukauppoihin sekä puukauppojen toteumaa. Tarjousvertailun lisäksi metsänomistajalla on siis mahdollista nähdä kuinka eri puunostajaehdokkaiden tarjoukset ovat aiemmin pitäneet paikkansa.
Tekoälyyn perustuva tarjousten vertailu pääsee tositoimiin tänä syksynä, sillä metsänhoitoyhdistyksille suunnattu LeafPoint-metsäjärjestelmä on juuri otettu tuotantokäyttöön.
Elina Koskimäki
Metsänhoitaja, Tuotepäällikkö (LeafPoint ja WoodsApp)
