Vi lever i en kultur hvor tall teller. Statistikk har derfor blitt en essensiell del av kunnskapsgrunnlaget for politikkutforming. Det gjelder også for forsknings- og innovasjonspolitikken. Det ligger imidlertid store utfordringer i å definere, innsamle og forstå slik statistikk. Feil bruk kan føre til feil politikk.
Av Per M. Koch, Forskningspolitikk
Forskningspolitikk har tatt en prat med Svein Olav Nås, spesialrådgiver i Forskningsrådet, som nå er Chair for NESTI — OECDs arbeidsgruppe for forsknings- og innovasjonsstatistikk — om de mulighetene og utfordringene som ligger i moderne forsknings- og innovasjonsstatistikk og den måten de brukes på.
I Norge er Nås blant annet koordinator for FORINNPOL, Forskningsrådets program for forsknings- og innovasjonspolitikk, og han har lang erfaring som innovasjonsforsker fra STEP/NIFU STEP.
Dette er en litt lengre utgave av intervjuet publisert i Forskningspolitikk nr. 3/4 2017.
Du har arbeidet opp mot OECD og mot EU, men akkurat nå er du sjef for OECDs statistikkarbeid på dette området. Kan du si noe om hva du gjør?
Akkurat nå er jeg Chair for NESTI eller OECDs «Working Party of National Experts on Science and Technology Indicators», som er det fulle navnet, en arbeidsgruppe under OECDs komité for vitenskap og innovasjon, CSTP.
I CSTP er det departementene som representerer medlemslandene. NESTI er dominert av fageksperter som jobber med det de kaller science and technology indicators. NESTI innhenter informasjon fra medlemslandene, og sammen med medlemslandene utvikler gruppen definisjoner og metoder for hvordan disse dataene skal samles inn.
Hvem er det så som samler dem inn til slutt?
Det varierer litt mellom landene, men i all hovedsak er det snakk om de statistiske sentralbyråene. I noen land er det forskningsinstitutter som gjør jobben. I Norge samler NIFU inn statistikken for forskningsinstitutter og UH-sektoren, mens SSB står for næringslivet.
Og dette gjøres da i henhold til de to store bøkene som OECD publiserer og som du har medansvar for: Frascati-manualen og Oslo-manualen.
På ett vis ble jo NESTI etablert før OECD ble til. Målet var å utvikle Frascati-manualen. Manualen skulle gi en oppskrift på hvordan du definerer og samler inn statistikk om FoU, det vil si forskning og utvikling. Den kom første gang i 1962. Nå har vi nettopp levert den syvende versjonen.
Så har man etter hvert sett at FoU bare er en del av bildet. Det man egentlig ønsker å si noe om, er produksjon og bruk av kunnskap i økonomien og i samfunnet som helhet. Ikke bare i næringslivet, men også i det offentlige og for å løse alle mulige problemer – og fordi kunnskap har en verdi i seg selv. Frascati-manualen forholder seg primært til ny kunnskap som er produsert gjennom forsknings- og utviklingsarbeid. Men det finnes jo mye kunnskap som brukes på andre måter også, for å generere innovasjoner, og det er en av grunnene til at man laget Oslo-manualen som kom første gang i 1992.
Navnet tilsier at den har norske røtter?
Det avgjørende møtet for å etablere enighet om manualen fant sted i Oslo. Keith Smith, som senere ble direktør for det norske forskningsinstituttet STEP-gruppen, var en av dem som førte manualen i pennen, sammen med Mikael Åkerblom fra Finland.
For å si det enkelt har du en bok og en statistikk for forskning og en annen for innovasjon. Men det er mange som blir forvirret over dette. Hva skiller de to, egentlig?
De er jo relatert. Men siden Frascati-manualen for forskning var den første, er det slik at senere manualer refererer seg til den. Frascati forholder seg til det snevreste – det som det er lettest å avgrense.
Men alle tilhørende aktiviteter rundt, som handler om å anvende den nye kunnskapen – de er vanskeligere å avgrense og måle eller lage god statistikk for. Derfor omtales FoU også i Oslo-manualen, men der henviser man til Frascati-manualens definisjoner.
Men innovasjon er jo mer enn FoU, og du trenger ikke nødvendigvis FoU for å gjennomføre innovasjon.
De ulike byråene eller instituttene som står for innsamlingen – de vil distribuere spørreskjema på grunnlag av manualene. Hvem er det som svarer på dette?
Ja, det er riktig at man i stor grad bruker spørreskjema. Men en god del av informasjonen hentes også fra registre. I Norge er det for eksempel etablert et samarbeid med DBH, Databasen for statistikk om høyere utdanning, som henter registerinformasjon fra lærestedene, og rapporterer til FoU-statistikken. I tillegg til det sendes det også ut spørreskjema for informasjon man ikke kan få den veien.
De man spør er de som er forskningsutførende nivå, i forskningsinstitusjoner og næringslivet. Det er de som vet best hva pengene har vært brukt til og hva slags forskning som har vært gjennomført, og de har supplerende informasjon rundt det. På innovasjonssiden går det foreløpig bare til bedriftene.
Man kunne også tenke seg at det gikk til andre som for eksempel enheter i offentlig sektor, eller til NGOer (frivillige organisasjoner), men så langt har disse ikke vært inkludert i innovasjonsstatistikken.
Vi har hatt en diskusjon om hva du egentlig har lært når du får ut disse svarene. Etter at SSB endret måten å samle inn innovasjonsstatistikken på – fra felles skjema for forskning og innovasjon til eget skjema for innovasjon som de fleste andre land – økte rapportert innovasjonsaktivitet fra norske bedrifter dramatisk. Kan vi i det hele tatt stole på noen av disse dataene, når det er så vanskelig for dem som svarer å tolke spørsmålene?
Vi kan ikke stole på noen ting uten å vurdere det. Vi må alltid bruke hodet. Men så lenge du spør på den samme måten i mange land og over tid, vil tallene være sammenlignbare, og du kan bruke tallene til analyser. Konteksten du spør i er veldig viktig for de svarene du får, og det må du ta hensyn til i analysene. Dessuten må vi huske på at før vi startet med disse datainnhentingene, hadde vi svært lite empirisk kunnskap om innovasjon – men det har vi nå.
En feilkilde vi har identifisert er at når man spør om forskning først og så spør om innovasjon, så vil de som skal svare på spørsmål om innovasjon, være farget av at dette er veldig high tech-virksomhet, eller dette er ting som bare er relatert til forskning.
Hvis du bare spør om innovasjon, uten å henvise til forskning, åpner vi i større grad opp for at man kan tenke på innovasjon som det å ta i bruk eksisterende teknologi og bruke det på nye måter for å lage en innovasjon. Da blir terskelen lavere, og da fanger du opp mer av aktivitetene.
Er dette noe av forklaringen på Norges rare posisjon i mange landsammenligninger? Det ser ut som om vi forsker lite, men allikevel har høy produktivitet og verdiskaping.
Det tror jeg egentlig har mest å gjøre med at vi er aktive i bransjer der man forsker relativt lite, ikke bare i Norge, men i andre land. Sammensetninger av bransjer i Norge tilsier at slike bedrifter utgjør en stor del av det norske næringslivet. Støttesystemet som ligger rundt, er godt tilpasset de bransjene vi har. Disse bransjene gjør det godt, og de forsker omtrent så mye som de har behov for.
Nå kan du si at det er mye grunnrente i dette, at vi pumper opp råvarer av ulike slag og lever av det, men dette bidrar i hvert fall til at virksomhetene er lokalisert i Norge, og de gjør det relativt godt.
Så hvis vi forestiller oss at det er behov for en omstilling i økonomien – som for eksempel en nedgang i inntektene fra olje og gass – så kan det tilsi at det kan bli behov for mer forskning i det nye norske næringslivet?
Kanskje, hvis man ønsker å diversifisere i den typen næringer. Men det kan også hende at det ikke er så lurt. Dette er egentlig et åpent spørsmål. Man kunne tenke seg at man for eksempel bygde ut vind- og vannkraft over en lav sko i Norge og etablerte virksomheter som utnyttet denne rene energien. Dette ville ikke nødvendigvis innebære store økninger i næringslivets FoU-aktivitet.
Men hvis det er et mål å øke kunnskaps- og forskningsinnholdet i norsk næringsliv, så er det usannsynlig at man lykkes med det uten at man samtidig endrer næringsstrukturen i retning av næringer som i større grad gjør bruk av forskning.
Så du ser på forskning mer som et middel enn et mål i seg selv?
Ja, absolutt. Men jeg vil være villig til å se på kunnskap og ny kunnskap som et mål i seg selv. Men det kan ikke være det eneste målet. Jeg tenker at vi har et behov for kunnskap vi kan bruke til å løse de problemene vi står overfor.
Hva er det som er de største utfordringene for NESTI akkurat nå – og de største konfliktene?
Vi var nettopp ferdig med en ny utgave av Frascati-manualen, i 2015, og nå skal den implementeres, og det er krevende fordi den nye manualen er mer detaljert når det gjelder å angi hva slags informasjoner vi trenger for å få gode, sammenlignbare tall. Det skal gjøres i en periode hvor det er ganske kraftige restriksjoner på budsjettutviklingen i mange land. Det å gjøre endringer er krevende.
Vi holder også på med å utarbeide en ny Oslo-manual. Den skal være ferdig nå i desember. Vi skal diskutere den på et ekstra møte i Madrid. Det har vært veldig krevende å komme i mål med den prosessen, men jeg tror vi skal få til de resultatene vi ønsker oss. Den frigis sommeren 2018.
Det som har vært spesielt vanskelig, har vært å åpne opp for mer generelle definisjoner som kan brukes utenfor næringslivet. Oslo-manualen har først og fremst vært utviklet for næringslivet. Den startet med å si noe om industri, men har senere utvidet perspektivet til å inkludere tjenesteytende næringer.
Men vi ser jo at det er mye innovasjon i andre sektorer, og vi spør oss hvordan vi kan definere innovasjon på en slik måte at det gjelder i alle sektorer og kan danne grunnlaget for å utvikle indikatorsystemer som også omfatter andre sektorer. Det har vært en krevende øvelse.
I Norden hadde man vel en egen teststudie av innovasjon i offentlig sektor, kalt MEPIN?
Det er riktig, og det arbeidet videreføres i Danmark. I Norge har KS en egen survey som går til enheter i offentlig sektor.
Man kan allikevel spørre seg om survey egentlig er den beste løsningen når det gjelder offentlig sektor. Det er vanskelig å identifisere hva som er de riktige enhetene. Alle er i prinsippet underlagt en stor hierarkisk struktur hvor statsministeren sitter på toppen, og da er det ikke så lett å vite hvem du skal spørre hele veien.
Er innovasjon en ting eller en læringsprosess?
Vi har skilt veldig nøye mellom innovative og innovasjonsaktive foretak. Er du innovasjonsaktiv, er du engasjert i aktiviteter med det formålet å komme til en innovasjon. Men innovasjon har du ikke før du faktisk har realisert noe på et marked eller tatt det i bruk. Så vi skiller mellom innovasjonen og innovasjonsprosessen.
Men hva skjer da om du kjøper inn FoU fra spesialiserte FoU-bedrifter eller forskningsinstitutter? De som kjøper inn, vil kunne forstås som innovasjonsaktive fordi de bruker penger på noe som har til formål å få til innovasjon. Og hvis de faktisk realiserer et produkt eller en ny prosess, så vil de også være innovative.
Men hva med den som leverer FoU-en? Er det også en innovativ bedrift? Jeg vil si at det er en innovasjonsaktiv enhet, fordi de driver med innovasjonsaktiviteter. Så er spørsmålet: Er de innovative i seg selv, for de leverer jo tilsynelatende ikke et produkt i markedet?
Der er vi litt uenige, for jeg mener at det produktet de leverer er det FoU-produktet de leverer til den bedriften som kjøper tjenestene deres. Andre mener at her er det behov for et annet produkt som realiseres av denne bedriften.
Den største utfordringen er imidlertid å finne en god måte å samle inn kvantitative data på — om innsatsen som går med for å lykkes med innovasjon. En del av disse tingene ligger så tett opp til vanlig aktivitet i disse bedriftene – slik som for eksempel anskaffelse av nye maskiner og utstyr, nye råvarer og halvfabrikata, opplæring av personell osv. Det er vanskelig å trekke klare grenser mellom innovasjon og vanlige forretningsaktiviteter.
I tillegg omfatter innovasjon ofte utgiftskategorier det ikke føres regnskaper over, så kvaliteten på de kvantitative dataene vi henter inn har vært mindre gode enn vi gjerne ville ha det.
Vi lever i en kultur hvor vi kan si at tall teller. I offentlig sektor ser vi for eksempel økende krav i retning av å rapportere på tellekanter, for styring og ettersyn av bruk av penger. Det samme gjelder i næringslivet. Kan dette gå galt av sted? Disse indikatorene er jo utviklet over tid, basert på gamle måter å tenke på om forskning, utvikling og innovasjon, som vi ikke lenger tror på. EU-kommisjonens og den norske regjeringens treprosentmål – at tre prosent av BNP bør gå til FoU – er for eksempel basert på den gamle lineære modellen for forskning, der det er forskning og forskningsmiljøer som kommer opp med ideer og innovasjoner, og der innovasjon ikke er noe som kan finne sted overalt i samfunnet. Kan ikke en slik overforenklet bruk av indikatorer føre til en feilallokering av midler?
Jeg er helt enig i at dette kan føre til feil fokus på hva man bør forsøke å oppnå. Men det kan jo skyldes mange ting, både målsettingen som sådan og en misforståelse når det gjelder hva man måler.
Jeg er ikke dermed enig i at alt dette er gammeldagse forståelser av hva som er forskning og innovasjon.
Men de fleste av de indikatorene vi har er jo innsatsindikatorer. Det vi blir avkrevd i dag, og som er mye mer krevende, er å si noe om resultatene og effektene på andre siden, og der sliter vi veldig. Det er ekstremt krevende, fordi det er langt flere faktorer enn de vi har kontroll over som bidrar til utfallet.
Det kan for eksempel være en eller annen ny lov eller regulering som hindrer at noen realiserer et produkt eller en prosess, eller som faktisk bidrar til at det skjer noe nytt.
Dette kan være problemet innenfor en bedrift også, vil jeg tro. Det er ikke gitt at en korrelasjon mellom FoU-investeringer og økt omsetning senere skyldes akkurat denne investeringen.
Ja, det er lange tidsspenn, du har attribusjonsproblemer med videre. Dette ligger jo til grunn for mål- og resultatstyring, og skal det fungere, må du ha gode tall både for innsatssiden og resultatsiden, men også for relasjonen mellom dem. Her tror jeg det fortsatt er veldig mye som gjenstår når det gjelder å forstå og modellere relasjonen mellom innsats og resultater.
Og så ligner jo dette mye på å styre ved å se i speilet, og du må se ganske langt tilbake i speilet, for det kan ta ganske lang tid å generere god statistikk og realisere resultater.
Vi jobber med å få raskere oppdaterte tall, men særlig internasjonale sammenligninger tar tid. Vi kan gjøre bruk av nettbasert informasjon som kommer mye, mye raskere, som for eksempel gjennom bruk av web scraping (høste data fra nettsteder) og big data, og slike data kan gi oss en form for early warning, men de kan også være misvisende.
Jeg tror vi er i ferd med å gå over i en fase hvor vi er nødt til å tenke veldig alternativt rundt hvordan vi skaffer til veie informasjon. Vi kan se på forlagenes databaser for å kartlegge hvor produktive forskerne er, for å gi et annet eksempel. Men det de gjør for næringslivet finner vi ikke der.
Vi har en tendens til å tenke at jo mer jo bedre – jamfør treprosentmålet. Men det kan det jo være god grunn til å stille spørsmålstegn ved også. Like viktig er det jo hva vi forsker på. Er det, for eksempel, riktig å drive så mye petroleumsforskning?Det er jo ikke helt feil å si at hadde det ikke vært for alle forskningsresultatene og den nye teknologien, så hadde vi ikke hatt de klimaproblemene vi har i dag. Men det overser man jo veldig ofte, da.
Hva vi lærer og de nye tingene vi kommer opp med, vil jo ofte spre seg ut i store deler av samfunnet. Vi kan ha en endeløs rekke med aktører som utveksler informasjon og måter å løse problemer på. Er det i det hele tatt mulig å forestille seg at man kan måle alle disse effektene?
Nei, jeg tror ikke det. Vi skal ikke ha den ambisjonen heller. Men vi skal jo ikke gi opp for det. Vi skal ikke tro at vi kan måle alt, men vi skal ha som mål å fange opp så mye vi kan fordi vi trenger å forstå hvordan ny og gammel kunnskap fungerer og tas i bruk.
Av og til kommer utbyttet langt ut i kjeden, men ofte kommer i hvert fall deler av effekten med en gang. Det er en misforståelse at det alltid tar lang tid å se effektene av forskning. Jeg tror det faktisk er slik at med en gang du har fått vite at du har fått finansiert et prosjekt, så begynner virkningene å komme, fordi det sier noe om hva du kan gjøre og hva du ikke kan gjøre, og du begynner å tilpasse deg.
Men det kan også ta kjempelang tid før du ser virkningene, samtidig som virkningene av noen innovasjoner varer i hundrevis av år. Du får ikke fanget alt dette.
Sånn sett kan man jo tenke seg andre måter å fange det som skjer på, slik som fortellinger der du identifiserer en innovasjon og går tilbake i tid for å finne ut hva og hvem det er som har bidratt til at dette skjedde. Men slike hindsight-øvelser har lett for å overdrive de positive sidene, og du ser ikke like lett de negative.
Du er jo også aktivt engasjert i arbeidet med å presentere den statistikken vi her snakker om, i Forskningsrådet og i arbeidet med Indikatorrapporten. Hvilke ambisjoner har du der?
Indikatorrapporten har jo utviklet seg over tid fra å være en ren tabellsamling som sier noe om hvor mye vi investerer i FoU, til å inkludere en rekke andre indikatorer som sier noe både om innsats for å produsere kunnskap mye bredere, for samhandling i systemet og – i den grad vi klarer det – om effekter av det. Og vi inkluderer internasjonale sammenligninger for å forstå oss selv bedre i lys av hva andre gjør.
Dette har nok vært med på å endre vår forståelse av hvordan systemet ser ut i Norge, men etter min mening har vi ikke kommet langt nok i å forstå hva kunnskap er.
Offentlige registerdata kan for eksempel brukes til å analysere spredning av kunnskap i samfunnet.
Vi må også utvikle modellene vi bruker for å analysere og forstå sammenhengen mellom kunnskap og økonomisk utvikling. Der gjøres det altfor lite.
I Forskningsrådet forsøker vi å få på plass midler som kan finansiere forskere rundt oss som kan jobbe med disse problemstillingene. Der trenger vi flere ressurser enn vi har i dag. I tillegg trenger institusjonene å samkjøre sin informasjon og utnytte registerinformasjonen på en mye mer systematisk måte enn det man gjør i dag.
Hovedbilde: Forskningspolitikk intervjuer Svein Olav Nås, OECDs general for forsknings- og innovasjonsstatistikk (bilder: Martin Skulstad)