Från och med denna höst behöver statens ämbetsverk inte längre prognostisera sina lönekostnader i Rahakas. I början av oktober tar Statskontoret i bruk en funktion för modellering av löneprognoserna, vilket framför allt kommer att förbättra noggrannheten i de långsiktiga prognoserna och minska den arbetstid som läggs ner på att underhålla prognoserna.
Statskontorets kassaprognosprogram (Rahakas) har nyligen utökats med ett verktyg som möjliggör modellering av kassaflöden. Modelleringsverktygets första ”produktionsuppgift” kommer att vara löneprognoser. Automatiseringen av kassaprognoserna börjar med lönerna, eftersom modelleringen kräver detaljerade historiska uppgifter om föremålet. Om lönerna finns sådana uppgifter i Palkeets betalningssystem.
Införandet av modelleringen innebär för de statliga ämbetsverkens del att Statskontoret tar huvudansvaret för framställandet av löneprognoser. Om inget annat har avtalats kommer löneprognoserna i fortsättningen att produceras vid Statskontoret. Statskontoret informerar ämbetsverken direkt om införandet och uppdaterar samtidigt anvisningarna på Rahakas-användarnas arbetsyta.
Noggrannheten ökar med hundratals miljoner euro
Enligt Statskontorets Jukka Aaltio har det i löneprognoserna som sparats manuellt tidvis funnits skuggområden i anslutning till budgeteringsperioderna samt andra brister på grund av olika orsaker, vilka särskilt förekommit i prognoser för långa perioder.
På bilden nedan jämförs
- utfallet av löneprognoserna 2024 (svart streckad linje)
- prognoser för 2025 som finns i systemet (orange) samt
- prognosen för 2025 som producerats av prognosmodellen (grön)
Bild 1: Jämförelse av en modellerad prognos med utfallet för jämförelseperioden och med en manuell prognos för samma period
Prognoserna för 2025 som finns i systemet skiljer sig kumulativt från utfallet för det föregående året och från den prognos som skapats av modellen. Skillnaden är cirka 250 miljoner euro fram till mitten av augusti. Med andra ord ger modelleringen ett klart mer precist resultat redan under en åtta månader lång granskningsperiod.
”Orsaken till detta är att vissa ämbetsverk inte lämnat in uppgifter om löneprognoser över huvud taget. Modellen är alltså mer exakt redan för att inget ämbetsverks uppgifter fattas”, säger Aaltio.
Statens nettolönekostnader uppgår till 280 miljoner euro per månad, alltså drygt tre miljarder euro per år. Preciseringen är med andra ord inte obetydlig. Ju noggrannare prognosen är, desto effektivare är statens kassaförvaltning, när man till exempel kan dimensionera och schemalägga upplåningsoperationer rätt.
Enligt Statskontorets tidiga observationer fungerar prognostiseringen av lönekostnaderna något bättre för stora ämbetsverk än för små. Enligt Aaltio gagnar modelleringen ändå samtliga ämbetsverk, även om det kan variera vilken modell som är bäst för olika ämbetsverk.
”Svagheten i modelleringen är dess långa reaktionstid när miljön förändras. Modellerna kan naturligtvis inte förutspå omfattande förändringar till exempel till följd av löneavtal eller organisationsförändringar. Uppgifterna om dessa måste sparas som separata variabler”, säger Aaltio.
”Ändå ger övergången till modelleringen oss en mer exakt bild av statens lönekostnader än tidigare.”
Hur fungerar modelleringen?
Arbetet inleds med historiska uppgifter om föremålet för modelleringen, helst ett material som sträcker sig flera år tillbaka i tiden. Uppgifterna delas in i en övningsperiod och en testperiod. Modellens beteende bestäms utifrån uppgifterna från övningsperioden, varefter man jämför de uppgifter som produceras med modellen med de faktiska uppgifterna från testperioden. Prognoser som skapats med olika prognosmodeller kan jämföras och sedan kan man välja den modell som fungerat bäst i respektive situation.
Bild 2: Jämförelse av prognosmodeller i ett ämbetsverks löneprognoser
Hur fungerar löneprognoserna i fortsättningen?
Prognosverktyget ges uppgifterna för den föregående månaden i månadsskiftet. Modellen kombinerar dessa uppgifter med tidigare uppgifter och producerar sedan outtröttligt och pedantiskt en kassaflödesprognos för de följande 15 månaderna (eller 450 dagar).
I följande steg raderar man i kassaprognossystemet den prognos som gjorts under den föregående modelleringsomgången, och ersätter denna med den nyare versionen som modellen skapat. Vilken av modellerna som är bäst följs upp i takt med att informationsmängden i systemet ökar. Om man märker att en annan modell skapar bättre prognoser, kan man byta modell.
Palkeets betalningssystem skickar uppgifterna om lönebeloppen till kassaprognossystemet vanligtvis fem dagar före utbetalningsdagen. Denna information ersätter naturligtvis informationen som fåtts från modelleringsverktyget. Om ämbetsverkets lönebetalningar inte behandlas i Palkeets utbetalningssystem måste den modellerade prognosen i detta skede justeras och uppdateras manuellt.
Ofta behöver man alltså inte göra något manuellt arbete alls med löneprognoserna, vilket för sin del minskar arbetet med att spara kassaprognoser. Prognoserna kan emellertid också preciseras manuellt i användargränssnittet. De belopp som kommit via användargränssnittet tas inte bort eller ändras när modelleringsuppgifterna uppdateras.
Bild 3: Informationskällor för löneprognoser
