Pron jäsenkunta organisaatioiden talousdatan valossa

Datan kuvausta

Huomioitavaa datasta

Suomalaisten organisaatioiden taloustunnuslukudata on kytketty Pron jäsentietoihin. Data mahdollistaa Pron jäsenten työpaikkojen (y-tunnustaso) talouskuvan tuottamisen ajassa (2018-). Talousdata ei ole kattava suhteessa Pron jäsenrekisterin y-tunnuslistaan, etenkin Pron finanssi- ja julkinen sektori ovat puutteellisesti edustettuja. Aikasarjoissa rahamääräiset luvut ovat inflaatiokorjattuja (ellei toisin mainita), joten esim. ao. vuoden nimellinen liikevaihto (LV) on muutettu reaaliseksi liikevaihdoksi. Inflaatio, siis hintatason vuosimuutos, pienentää nimellisiä raha-arvoja. Pron jäsentiedot ovat yleenä vuotta tuoreempia, esim. toimialan työttömyysaste on työttömyysaste vuotta myöhemmin kuin toimialan taloustunnuslukutieto.

Yleisempää toimialojen ym. työn (L) ja pääoman (K) dataa:
Linkki LK-analyysisivustolle

Koko Pro ajassa

Organisaatiot sopimusalatasolla

Yllä kuvassa on y-tunnustasolla sopimusalaryhmän keskimääräistä kuvaa. Y-tunnusdata on otos, alemmassa kuvassa on Pron jäsenmäärän mukaan otosaineiston suurimpia organisaatioita. Joiltakin aloilta on paljon puuttuvia työantajia, erityisesti finanssi ja julkinen sektori on huonosti datapeitetty. Talousmittareiden vuosimuutoksia on painotettu Pron jäsenmäärällä, joten kuvaaja kertoo Pron jäsenten organisaatioiden yleiskuvaa. Esimerkiksi Nokia, joka on liikevaihdon ja henkilöstömäärän mukaan suuryritys, on kuvassa vähäisellä painolla. Vuoden 2018 data on epätarkempi, tähän vuoteen liittyviä tuloksia ei kannata analysoida liian tarkasti.

Jäsensuurimmat organisaatiot

6 jäsensuurinta organisaatiota talousdatan otoksessa

Pron jäsenmäärän osalta suurimpia organisaatioita, joista on saatavilla taloustunnusdataa, Pron jäsensuurimmat organisaatiot ja talousmittarit (avaa uuteen ikkunaan).

Työvoiman ja pääoman vaikutus sopimusalojen liikevaihtoon

Sopimusalaryhmät

Käyttöliittymä, josta näkee miten Pron sopimusalaryhmät poikkeavat L/K -> LV muodostumisessa (avaa yo. kuva omaan ikkunaan)

Yksittäiset sopimusalat

Käyttöliittymä, josta näkee miten Pron sopimusalat (yksittäiset koodit) poikkeavat L/K -> LV muodostumisessa (avaa yo. kuva omaan ikkunaan)

Toimialatarkastelu

Yllä kuvassa on y-tunnustasolla TOL-luokan keskimääräistä kuvaa. Y-tunnusdata on otos, alemmassa kuvassa on Pron jäsenmäärän mukaan otosaineiston suurimpia organisaatioita. Joiltakin aloilta on paljon puuttuvia työantajia, erityisesti finanssi ja julkinen sektori on huonosti datapeitetty. Talousmittareiden vuosimuutoksia on painotettu Pron jäsenmäärällä, joten kuvaaja kertoo Pron jäsenten organisaatioiden yleiskuvaa. Esimerkiksi Nokia, joka on liikevaihdon ja henkilöstömäärän mukaan suuryritys, on kuvassa vähäisellä painolla. Vuoden 2018 data on epätarkempi, tähän vuoteen liittyviä tuloksia ei kannata analysoida liian tarkasti.

Alla voit tutkia talousdatan mittareita toimialaryhmityksen mukaan. Data on Pron jäsenkunnan painotus suomalaisiin organisaatioihin. Data ei sisällä ulkomaisia organisaatioita.

Taulukko tulee tähän

Toimialaan valikoitumisen todennäköisyysmalli

Yksi kiinnostava kysymys on, mitkä taloudelliset tekijät ennustavat parhaiten sitä, miten tilastollisesti todennäköisesti Pron jäsenen y-tunnustyöpaikka kuuluu tiettyyn toimialaan? Todennäköisyyttä selitetään joukolla taustatekijöitä, joiden nimet alla olevassa

toimialatodennäköisyysmallien tulosten graafisessa käyttöliittymässä (avaa uuteen ikkunaan),
ovat oikeassa laidassa LV, miesten osuus Pron jäsenistöstä (PROMIES), Pron jäsenten keski-ikä (PROIKA), y-tunnuksen alueellinen sijainti (vs. muut alueet kuin erikseen valitut), henkilöstökustannukset / hlöstö jne. Graafin vaaka-akselilla on taustatekijän tilastollinen vaikutus (tietyllä standardoidulla kerroinasteikolla) . Positiivinen luku lisää toimialatodennäköisyyttä ja negatiivinen vähentää. Pystyakselilla taas on Pron jäsenmäärä toimialalla. Mitä ylempänä vaikutuskerroin on ja mitä suurempi on vaikutuskertoimen poikkeama nollasta (suuntaan tai toiseen), sitä merkittävämpi taustatekijän rooli on tietyn toimialan ennustamisessa. Graafissa kyse on etsiä kuvan selittäjäjoukon keskuudesta parhaat selittäjät, jotka profiloivat toimialatodennäköisyyttä. Mallinnuksessa tarkoitus on löytää kullekin toimialalle tyypillsiä taustatekijöitä, jotka erottavat toimialaa keskimääräisestä. Esimerkiksi jos toimialaan liittyy positiivinen yhteys LV (liikevaihdon kanssa), niin tämä tarkoittaa, että toimialan organisaatiot (y-tunnukset) ovat keskimääräistä suuremman liikevaihdon organisaatioita.

Graafissa voit tutkia vain yhden taustatekijän osittaisvaikutusta kaikkiin toimialoihin. Tämä onnistuu kovaklikkaamalla kuvan oikean laidan tiettyä tekijää esim. "PROIKA" (muiden vaikutustekijöiden pallukat häipyvät kuvasta). Graafissa on Pron jäsenmäärän ja selittävien tekijöiden osalta kaikkein tärkeimmät korrelaatiot suhteessa toimialan esiintymistodnnäköisyyteen. Jos tiettyä toimialaa ei löydy, niin valittu taustatekijä ei vaikuta toimialaan erityisellä tavalla (analyysissa on käytetty tilastollista mallinvalinta-algortmia, vain SIJAINTI ja HLOKESKIM (organisaation henkilöstömäärä) ovat mukana jokaisessa mallissa (toisaalta eivät välttämättä omaa tilastollisesti vahvaa korrelaatiota). Graafia voi myös zoomata ja rajata hiirellä pienempään osaan.



Yksittäisten toimialojen profilointimallien graafisessa käyttöliittymässä (avaa uuteen ikkunaan),
voit tuplaklikata tietyn kymmenistä toimialoista ja katsoa, mitkä taustatekijät vähentävät/lisäävät toimialan osuutta. Parametrien selityslogiikka on sama kuin aiemmassa mallissa, tarkastelukulma tässä yhdestä toimialasta eri selittäjiin.

Henkilöstömäärän ja pääoman yhteys liikevaihdon kasvuun

Tutkitaan "klassista" panostuotosmallia, jossa tuotos (tässä liikevaihto) on funktio työvoimasta (tässä henkilöstömäärä) ja pääomasta (tässä sidottu pääoma = oma pääoma + korolliset velat), eli
LIIKEVAIHTO = f(HENKILÖSTÖMÄÄRÄ,PÄÄOMA).
Kiinnostavaa on verrata, kumpi tuotannontekijöistä, henkilöstä vai pääoma, ratkaisee enemmän liikevaihdon kasvussa (molempia toki tarvitaan). Mallissa on lisäksi taustamuuttujana organisaation Pron luottamushenkilöverkoston taso. Data koskee vuosia 2018-2021. Tilastollinen mallinnus tehdään vuosimuutosten avulla, joka antaa vahvemman pohjan kausaalipäättelyyn.

Työvoiman ja pääoman vaikutukset liikevaihtoon

Kuvan perusteella klassinen työvoiman ja pääoman malli on:
TUOTOS = 0.4*TYOVOIMA + 0.07*PÄÄOMA + 0.24*(TYOVOIMA*PÄÄOMA) .
Työvoimalla on selvästi suurin vaikutus liikevaihdon kasvuun, pääoma vaikuttaa lähinnä työvoiman kanssa yhdessä (ihminen on siis välttämätön liikevaihdon kannalta). Mielenkiintoista on myös, että sekä Pron LM- että TSV-verkosto lisäävät organisaatioiden liikevaihdon kasvun tasoa. Kuvan alimpana vuosikasvutekijän pylväs kertoo, että datan perusteella tietty pohjakasvu on ollut noin 0.25 % vuodessa (siis 1 vuoden muutos -> 0.25% muutos).

Mallissa on myös tutkittu, millä Pron sopimusaloilla työvoiman ja liikevaihdon kasvu on keskimääräistä suurempi tai pienempi. Seuraavat kaksi graafia ovat pelkästään alojen keskinäisiä vertailuja suhteessa alojen keskiarvoon (nollakohta).

Yllä olevan kuvan perusteella henkilöstömäärän ja liikevaihdon sidos on (ollut) keskimääräistä voimakkaampaa lentoaloilla, teollisuuden pienemmillä aloilla, teknologiateollisuudesa, elintarvikealalla ja yliopistoissa. Lentoalojen havaintoa korostaa korona-aika (tilastollisessa tutkimuksessa muuttujien arvojen iso vaihtelu lisää datan informaatiota-arvoa). Keskimääräistä pienempi yhteys ilmenee etenkin energia-, rahapeli- ja vaatetusteollisuudessa. Negatiivisen vaikutuksen aloille näyttää siis olevan ominaista, että henkilöstömäärän muutos ei vaikuta vahvasti organisaation liikevaihdon muutokseen, liikevaihdolla on muita syytekijöitä.

Katsotaan vielä vastaavasti, miten pääoman muutos vaikuttaa liikevaihtoon Pron sopimusaloilla, pylväät ovat poikkeamia alojen keskimääräisestä.

Kuvasta nähdään, että pääoman vaikutukset sopimusalaryhmittäin poikkeavat varsin paljon vastaavista henkilömäärien vaikutuksista. Esimerkiksi rahapelialalle sidotun pääoman merkitys liikevaihdossa nyt alavertailussa positiivinen.

Muita tilastollisia monimuuttuja-analyyseja

Moniulotteinen tarkastelu

Pääkomponenttianalyysin tuloksia...

Valitse dimensiot:

Henkilöstökulut / henkilö

Mitä henkilöstökulut / henkilö tarkoittaa?
Tunnusluku kertoo yrityksen henkilöstön keskimääräisen
 palkkasumman (sis. eläke- ja henkilösivukulut).
Tunnusluvusta voidaan laskea joko vuosittainen tai kuukausittainen arvo.

Laskusääntö
Henkilöstökulut / henkilö, vuodessa =
Henkilöstökulut (12 kk) / Henkilöstön määrä keskimäärin

Henkilöstökulut / henkilö, kuukaudessa =
Henkilöstökulut (12 kk) / 13 / henkilöstön määrä keskimäärin

Mitä henkilöstökulut / henkilö tarkoittaa? Tunnusluku kertoo yrityksen henkilöstön keskimääräisen palkkasumman (sis. eläke- ja henkilösivukulut). Tunnusluvusta voidaan laskea joko vuosittainen tai kuukausittainen arvo. henkilöstökulut/henkilö

Laskusääntö:
Henkilöstökulut / henkilö, vuodessa = Henkilöstökulut (12 kk) / Henkilöstön määrä keskimäärin
Henkilöstökulut / henkilö, kuukaudessa = Henkilöstökulut (12 kk) / 13 / henkilöstön määrä keskimäärin

Taustatekijöiden osittaisvaikutukset henkilöstökulut/henkilö muuttujaan

Toimialan osittaisvaikutus henkilöstökulut/henkilö

Toimipaikan sijainnin osittaisvaikutus henkilöstökulut/henkilö

Organisaation henkilöstömääräluokan osittaisvaikutus henkilöstökulut/henkilö

Muiden selittävien muuttujien osittaisvaikutukset henkilöstökulut/henkilö