В много сектори проблемът е, че данните са разпределени между отдели и системи, но все пак възникват в рамките на една организация. В аграрния сектор разпокъсаността започва още преди тази точка. Голяма част от най-търсените данни за устойчивост — използване на почвата, потребление на вода, сеитбооборот, фуражи за животните, емисии от тор — не възникват при самото отчитащо предприятие, а при производители, доставчици и кооперации, които нямат счетоводна или дигитална практика за това. Там, където офис организация може да намери данни в ERP система, аграрно предприятие често трябва първо да прави запитвания до верига от трети страни, които самите не смятат въпроса за свой проблем.
Освен това данните, които са налични вътрешно, обикновено са записани по стопанска единица или по вегетационен сезон, а не по отчетен период. Финансовата година не съвпада с цикъла на реколтата, а фактор на емисии, който важи днес, може вече следващия сезон да се е променил поради друга култура или друга обработка на почвата. По-голямата част от времето, отделено за отчитане на устойчивост, отива не в попълването на цифри, а в разкриването на кого всъщност принадлежат тези цифри.
Първото място е самата верига. Голяма част от емисиите от обхват 3 в аграрния сектор се намират при доставчици, които не водят отчитане на устойчивост и чиито данни — ако съществуват — са в друг формат, на друг език или изобщо не са дигитализирани. Който тук иска да свърже даден показател с източник, открива, че източникът понякога е човек, не система.
Второто място е операцията в собственото предприятие: потреблението на вода, енергия и препарати за растителна защита често се записва на хартия или в отделни Excel таблици по парцел или обор. Тези данни съществуват, но не са възложени на никого като отговорност за целите на отчитането — това е земеделско счетоводство, не счетоводство по CSRD, и двете рядко се съчетават безпроблемно.
Третото място е преводът в измерими единици. Земеползването и почвеният въглерод се записват по много различни начини от различни участници, и превръщането им в единна отчетна единица само по себе си е източник на грешки, ако никой не документира какво допускане е използвано при това.
В ИКТ секторът данните за устойчивост обикновено се намират в дигитални системи, които вече съществуват, и въпросът е предимно за извличането им. В енергийния сектор много данни вече са измерени, защото задължителното измерване и мониторингът са част от стопанската дейност. Аграрният сектор по-често няма тази основа: данните не са скрити в система, те никога не са били систематично записани. Това не прави проблема по-голям или по-малък в сравнение с финансовите услуги или сектора на недвижимите имоти, но е различен по характер: там проблемът обикновено е интеграция между системи, тук по-често е първо регистрация при източника.
Изкушението е голямо да се закупи софтуерен пакет, който автоматизира отчитането за аграрния сектор. Но инструмент, който извлича данни от системи, които не съдържат правилните данни, дава само чисто оформен отчет, изготвен от същите разпокъсани парчета. Преди система да може да сумира нещо, трябва да бъде установено какъв показател принадлежи на какъв източник, кой в или извън собствената организация носи отговорност за него, и какво правило за качество определя дали въведено число е достоверно. Това не е софтуерен въпрос, а въпрос на подредба, и той предхожда всяка система за отчитане.
Data Readiness Scan определя за всеки показател откъде идва — от собствената операция, от производител, от кооперация или от външен източник на данни — и кой във веригата носи отговорност за него. За сектор, в който голяма част от данните възникват извън собствените стени, това собственическо начало често е липсващата част: не самата цифра, а кой отговаря за нея. За да се определи кои показатели за аграрно предприятие са действително релевантни, и кои се отчитат без да имат функция, разграничението, направено в кои показатели наистина ви трябват, когато има няколко бизнес единици, е полезно, както и изходната точка, че показател често вече съществува при една от съществуващите бизнес единици, преди да бъде събран отново.
Веднага след като стане ясно кои показатели трябва да идват от аграрната верига и кой ги предоставя, възниква втори въпрос: колко от работата по събирането, проверката и проследяването на тези данни все още изисква човешки действия, и коя част е достатъчно повтаряема, за да бъде оставена на изкуствен интелект. Работният скенер на FTE TO AI изчислява това по задача, не въз основа на оценка за целия сектор, а въз основа на задачите, които действително се изпълняват в конкретна верига. За сектор, в който голяма част от времето отива в издирване на източници, вместо в тълкуване на цифри, това е отправна точка, за да се види къде автоматизацията носи резултат и къде не.
Скенерът, който картографира тези показатели, източници и собственост за аграрния сектор, е в разработка. Кой желае да получи известие, когато скенерът стане достъпен, може да се запише в списъка на изчакващите.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.