Bootcamp zní jako trénink, pár dní intenzivního programu, po kterém může každý pokračovat dál. To ale není to, co se tím míní. Jde o strukturovaný proces, ve kterém organizace zmapuje svá data o udržitelnosti: jaké datové body existují, odkud pocházejí, kdo za ně odpovídá a jaká pravidla kvality na ně platí. Žádné školení o povinnostech vykazování, žádný workshop o normě. Práce na samotných datech.
Výsledkem je registr datových bodů: přehled každého datového bodu, který organizace potřebuje, s dohledatelným původem od zdrojového systému až po číslo ve zprávě, určeným vlastníkem a pravidly, kterým musí data odpovídat, aby se mohla nazývat spolehlivými. To není zpráva ani přehledový nástroj. Je to podklad, který určuje, zda zpráva, ať jde o jakoukoli zprávu, stojí na něčem pevném. Kde už datový bod existuje je často první otázka, kterou tento proces zodpoví, a ukazuje se, že tato otázka bývá obtížnější, než se čekalo: stejná data se někdy vyskytují na třech místech, ve třech definicích.
Není to zavedení nástroje. Software, který generuje zprávy nad neuspořádaným procesem, produkuje úhlednější zprávy o stejných nespolehlivých číslech. Datový bootcamp předchází tomuto kroku: nejprve se určí, co je datový bod, odkud pochází a kdo za něj odpovídá, teprve poté se přemýšlí o systémech, které tento proces podporují. Není to ani záruka připravenosti na assurance. Vytváří strukturu, která assurance umožňuje, ale zda auditor číslo schválí, závisí na více věcech než na registru. Kdo se tím chce zabývat hlouběji, najde na jak zajistíte, aby byla ESG data ověřitelná pro assurance, kde přesně tato hranice leží.
Častým předpokladem je, že tabulky jsou zdrojem nespolehlivých dat a že systém je řešením. Jde o mylnou představu. Problémem zřídka bývá médium, ale nepřítomnost vlastnictví a dohledatelnosti. Tabulka s jasným vlastníkem, zaznamenaným původem a pravidlem kvality je spolehlivější než drahý systém bez těchto tří věcí. Proč tabulky nejsou problém se tímto zabývá podrobněji. Datový bootcamp se proto nezaměřuje na nahrazování nástrojů, ale na zaznamenání toho, co už existuje, ať se to nachází kdekoli.
Časová investice závisí na počtu datových bodů, počtu zdrojových systémů a míře, do jaké je vlastnictví již přiděleno. Organizace s několika centrálními systémy a malým počtem materiálních datových bodů projde procesem jinak než organizace s desítkami dceřiných společností, každou s vlastními tabulkami a vlastními definicemi. Bez tohoto kontextu nelze uvést pevnou dobu trvání, a kdo očekává konkrétní číslo, nedostane zde odhad naslepo.
Jakmile je každý datový bod dohledatelný ke svému zdroji a má vlastníka, posune se rozhovor. Otázky jako „odkud toto číslo pochází“ a „kdo to může vysvětlit“ pak mají přímou odpověď, místo pátrání v e-mailové korespondenci a starých souborech. To se dotýká nejen letošního vykazování, ale i předání nástupci, novému controllerovi nebo externímu týmu. Co se změní, jakmile je lineage jednou zavedena tento posun popisuje, a kdo přečte váš registr datových bodů, když už tu nebudete ukazuje, proč tato přenositelnost často váží víc než vykazování za aktuální účetní rok.
Častou chybou je snaha udělat registr najednou kompletní pro každý datový bod, který by norma kdy mohla vyžadovat. To vede k projektu, který nikdy neskončí. Datový bootcamp začíná u datových bodů, které organizace skutečně potřebuje, s ohledem na svou materialitu a svůj obor, a odtud se dále rozšiřuje. Jaké datové body skutečně potřebujete je otázka, která stojí na začátku každého procesu, ještě předtím, než někdo začne registr budovat.
Nástroj, který tento proces podporuje, je ve vývoji. Kdo chce už nyní začít s mapováním datových bodů, jejich původu a vlastnictví, může se přihlásit na čekací listinu; nedodává se nic, co ještě neexistuje, ale poptávka se zaznamená pro okamžik, kdy bude nástroj k dispozici.
Registr datových bodů říká, odkud data pocházejí a kdo za ně ručí. Neříká sám o sobě, kolik práce kolem toho, přepisování, kontrolování, slučování zdrojů, musí ještě zůstat lidskou prací. Kdo to chce vědět, může si u FTE TO AI dát vypočítat pracovní scan: ten po jednotlivých úkolech ukáže, jakou část z nich může převzít AI, takže je jasné, kde čas mizí a kde je nadále nutný lidský dohled.
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.