V mnoha sektorech je problém, že data jsou rozptýlena mezi oddělení a systémy, ale vznikají v rámci jedné organizace. V zemědělském sektoru začíná fragmentace už před tímto bodem. Velká část nejžádanějších dat o udržitelnosti — využití půdy, spotřeba vody, rotace plodin, krmivo pro dobytek, emise z hnojiva — nevzniká u samotné vykazující společnosti, ale u pěstitelů, dodavatelů a družstev, které pro to nemají žádnou účetní ani digitální rutinu. Zatímco kancelářská organizace může data dohledat v ERP systému, zemědělský podnik musí často nejprve pátrat u řetězce třetích stran, které tuto otázku samy nepovažují za svůj problém.
K tomu se přidává skutečnost, že data, která jsou interně dostupná, jsou obvykle zaznamenávána podle divize podniku nebo podle vegetační sezóny, nikoli podle vykazovaného období. Účetní rok neprobíhá souběžně s cyklem sklizně, a emisní faktor platný dnes může v příští sezóně již být jiný v důsledku jiné plodiny nebo jiné úpravy půdy. Většina času věnovaného vykazování udržitelnosti nejde na vyplňování čísel, ale na zjišťování, od koho by tato čísla vlastně měla pocházet.
Prvním místem je samotný řetězec. Velká část emisí spadajících do scope 3 v zemědělském sektoru pochází od dodavatelů, kteří nevedou žádné vykazování udržitelnosti a jejichž data — pokud existují — mají jiný formát, jiný jazyk, nebo nejsou digitalizována vůbec. Kdo se zde snaží spojit datový bod se zdrojem, zjistí, že zdrojem je někdy člověk, nikoli systém.
Druhým místem je provoz na vlastním podniku: spotřeba vody, energie a přípravků na ochranu rostlin se často zaznamenává na papíře nebo v samostatných tabulkách Excel podle pozemku nebo stáje. Tato data existují, ale nebyla nikomu přidělena jako odpovědnost pro účely vykazování — jde o zemědělské účetnictví, nikoli o účetnictví podle CSRD, a tyto dva systémy se jen málokdy hladce spojují.
Třetím místem je převod na měřitelné jednotky. Využití půdy a půdní uhlík se zaznamenávají velmi rozdílnými způsoby různými aktéry, a přepočet na jednotnou vykazovací jednotku je sám o sobě zdrojem chyb, pokud nikdo nezaznamená, jaký předpoklad byl při tom použit.
V ICT sektoru se data o udržitelnosti obvykle nacházejí v digitálních systémech, které již existují, a hlavní otázkou je jejich zpřístupnění. V energetickém sektoru je již mnoho dat naměřeno, protože povinnost měření a monitoring jsou součástí provozu podniku. Zemědělský sektor tento základ často postrádá: data nejsou skryta v systému, nikdy nebyla systematicky zaznamenána. To problém nedělá větším ani menším než u finančních služeb nebo v sektoru nemovitostí, ale svou povahou je jiný: tam je problém obvykle integrace mezi systémy, zde je problém často nejprve registrace u zdroje.
Je velké lákavé zakoupit softwarový balík, který automatizuje vykazování pro zemědělský sektor. Ale nástroj, který získává data ze systémů, jež správná data neobsahují, přinese jen úhledně upravenou zprávu založenou na stejných volných konečcích. Před tím, než může systém něco sečíst, musí být stanoveno, který datový bod patří ke kterému zdroji, kdo je za něj odpovědný uvnitř nebo vně vlastní organizace, a jaké pravidlo kvality určuje, zda je zadané číslo důvěryhodné. To není otázka softwaru, ale otázka uspořádání, a ta předchází každému vykazovacímu systému.
Data Readiness Scan zaznamenává u každého datového bodu, odkud pochází — z vlastního provozu, od pěstitele, od družstva nebo z externího datového zdroje — a kdo je za něj v rámci řetězce odpovědný. Pro sektor, kde velká část dat vzniká mimo vlastní zdi, je toto vlastnictví často chybějícím kusem: nikoli číslo samotné, ale kdo za něj ručí. Pro určení, které datové body jsou pro zemědělský podnik skutečně relevantní a které se vykazují, aniž by měly funkci, je užitečné rozlišení uvedené v jaké datové body skutečně potřebujete, pokud existuje více business units, stejně jako výchozí bod, že datový bod již často existuje u jedné z existujících business units, než je znovu shromažďován.
Jakmile je jasné, které datové body v zemědělském řetězci musí pocházet odkud a kdo je dodává, vzniká druhá otázka: jak velká část práce spojené se sběrem, kontrolou a dohledáváním těchto dat ještě vyžaduje lidské úkony, a jaká část je natolik opakovatelná, že ji lze přenechat AI. Pracovní sken od FTE TO AI to vypočítá pro každou úlohu, nikoli na základě odhadu pro celý sektor, ale na základě úloh, které se v konkrétním řetězci skutečně vykonávají. Pro sektor, kde velká část času jde na pátrání po zdrojích místo interpretace čísel, je to výchozí bod pro zjištění, kde automatizace něco přináší a kde nikoli.
Sken, který mapuje tyto datové body, zdroje a vlastnictví pro zemědělský sektor, je ve vývoji. Kdo chce obdržet zprávu, jakmile bude sken k dispozici, se může přihlásit na čekací listinu.
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.