Tiedon matka tilastoksi lähtee usein erilaisista rekistereistä. Suomessa tähän on erinomaiset edellytykset. Viranomaisten rekistereihin tallentuvat tiedot muun muassa syntymästä, osoitteista, perhesuhteista, palkoista, yrityksistä, tuloista ja veroista.

Voimmekin tuottaa monet tilastot rekisteritietojen pohjalta. Käytämme tilastojen tekemiseen paljon esimerkiksi Digi- ja viestintäviraston, Verohallinnon sekä Patentti- ja rekisterihallituksen keräämiä aineistoja.

Kaikkea tietoa ei kuitenkaan löydy rekistereistä. Rekisterit eivät kerro esimerkiksi sitä, miten luottavaisesti ihmiset suhtautuvat taloustilanteeseen tai tulevaisuuteensa. Tällaisia tietoja selvitämme kysymällä niitä suoraan ihmisiltä. Kansalaisten lisäksi keräämme tietoja muun muassa yrityksiltä ja oppilaitoksilta.

Ihmiset vastaavat usein Tilastokeskuksen kyselyihin verkkolomakkeilla, mutta jotta saisimme mahdollisimman kattavasti vastauksia, tavoittelemme vastaajia myös haastattelijoiden voimin. Haastattelijamme saavat usein ihmiset ymmärtämään, miten tärkeää on vastata Tilastokeskuksen kyselyihin.

Jotta tilastot edustaisivat kattavasti meitä kaikkia, tarvitsemme vastauksia eri ikäisiltä, eri väestöryhmiltä, eri puolelta Suomea. Mitä useampi vastaa kyselyihimme, sitä luotettavampia tilastoja voimme tehdä.

Yhteiskuntaan syntyy koko ajan uusia aineistoja, joiden hyödyntämismahdollisuuksia tutkimme. Tuoreimpia esimerkkejä uusista tietoaineistoista ovat sähkömarkkinoista tietoa kokoava DataHub sekä ajantasaista tietoa palkoista ja ammateista kokoava tulorekisteri. Hyödynnämme tilastojen tekemiseen myös aineistoja, joita keräämme internetistä verkkoharavoinnin avulla.

Mitä enemmän voimme käyttää muualla yhteiskunnassa syntyviä tietokokonaisuuksia tilastojen tekemiseen, sitä vähemmän meidän täytyy kysyä tietoja ihmisiltä ja organisaatioilta.

Tilastokeskuksessa tiedot tallennetaan valtaviin tietovarantoihin, jossa ne tarkistetaan ja käsitellään tilastokäyttöä varten. Lähtöaineiston laatu vaikuttaa ratkaisevasti siihen, kuinka laadukas tilastosta tulee. Puutteellisista tai virheellisistä tiedoista ei synny luotettavia tuloksia.

Rekisteritiedot korjaamme menetelmällisesti. Myös kansalaisilta ja yrityksiltä kerätyt vastaukset tarkistetaan, ja tarvittaessa pyydämme vastaajia korjaamaan puutteita.

Validointi, editointi, imputointi – määritellyt menetelmät aineistojen parantamiseen

Tietoa validoitaessa pyritään tunnistamaan tiedoista mahdolliset ongelmat, virheet ja ristiriidat, kuten poikkeavat, puuttuvat tai väärin luokitellut havainnot. Aineistot validoidaan yleensä tietyssä järjestyksessä ennalta määriteltyjen sääntöjen mukaisesti.

Tietoaineistoja voidaan myös editoida korvaamalla vääriksi, puuttuviksi, epäluotettaviksi tai vanhentuneiksi todetut tiedot uusilla arvoilla tai poistamalla vanhentuneet tiedot. Termeillä editointi ja imputointi tarkoitetaan laajasti tähän soveltuvia, usein määrättyihin sääntöihin perustuvia menetelmiä.

Aineistojen yhdistäminen

Tilastot syntyvät useimmiten yhdistelemällä eri lähteistä saatuja aineistoja. Esimerkiksi yritystilastojen tekemistä varten täydennämme Verohallinnon tilinpäätösaineistoja suoraan yrityksiltä kerättävillä tiedoilla. Voimme myös yhdistää aineistoihin myös paikkatietoja ja muita luokitustietoja. Kun aineistot on yhdistetty, poistamme aineistoista yksilöivät tunnisteet tietojen luottamuksellisuuden varmistamiseksi.

Muuttujien johtaminen ja painotusten laskeminen

Joitakin tilastoissa julkaistavia tietoja saamme johtamalla niitä aineistoista. Esimerkiksi kotitalouksien kokonaistiedot muodostetaan kotitalouteen kuuluvien henkilöiden tiedoista.

Painotusten avulla voimme korjata esimerkiksi haastattelututkimuksissa vastaamatta jättäneiden osuutta.

Kun tarvittavat tiedot on koostettu tilastoaineistoksi, aloitamme aineiston analysoinnin. Ensin muodostamme alustavat tulokset. Laskemme esimerkiksi indeksejä ja trendikomponentteja.

Arvioimme saatujen tulosten luotettavuutta. Vertaamme tuloksia esimerkiksi aikaisempiin vastaaviin tietoihin tai aihetta koskeviin muihin tietoihin. Jos tuloksissa on epäjohdonmukaisuuksia, selvitämme, mistä ne johtuvat.

Kun analyysi varmistuu, tarkastamme julkaistavaksi aiottujen tietojen tietosuojan. Varmistamme, että julkaistuista tiedoista ei voi tunnistaa yksittäisiä henkilöitä tai esimerkiksi yrityksiä.

Julkaisemme tiedot yleensä tietyin väliajoin, esimerkiksi kuukausittain tai vuosittain. Esimerkiksi väestörakennetilaston tietoja julkaistaan kerran vuodessa ja väestön ennakkotilaston tietoja kerran kuussa. Eri ajankohtina julkaistut tiedot pyritään pitämään vertailukelpoisina, jotta esimerkiksi väestökehitystä on helpompi seurata. Tarkkaan rajatut määritelmät, luokitukset ja toimintatavat auttavat siinä, että vertailukelpoisuus säilyy.

Kerromme verkkosivuillamme, milloin julkaisemme uusia tilastotietoja. Tiedot julkaistaan ennalta ilmoitettuna päivänä verkkosivuillamme ja StatFin-tietokannassamme.

Joskus tilastojen julkaisemisessa saattaa tapahtua virheitä. Pyrimme korjaamaan ne mahdollisimman nopeasti ja viestimme avoimesti korjauksista käyttäjille.

Julkaisemme tilastotiedot ennakkoon julkaisukalenterissa ilmoitettuna ajankohtana tilastojen sivuilla ja StatFin-tietokannassa. Lisäksi verkkosivuillamme julkaistaan asiantuntijoiden kirjoittamia analyyseja muutoksista.

Pyrimme edistämään tilastotiedon käyttöä monipuolisesti. Nostamme ajankohtaisia tilastotietoja esiin esimerkiksi uutiskirjeessämme, tilaisuuksissamme ja sosiaalisessa mediassa. Tarjoamme opastusta ja oppimateriaaleja tilastojen käyttöön, ja osallistumme aktiivisesti yhteiskunnalliseen keskusteluun tuottamiemme tilastojen pohjalta. Tietopalvelumme ja tilastoasiantuntijamme vastaavat asiakkaiden ja tutkijoiden kysymyksiin tiedoista, ja parannamme tietosisältöjä saamamme palautteen pohjalta.

Kaikki verovaroin tuottamamme tilastotiedot ovat käytettävissä verkossa maksutta.