Når bæredygtighedsdata ligger spredt over ERP-systemer, energifakturaer, HR-filer og løsrevne spreadsheets, er den første refleks ofte: hvilket værktøj løser dette. Det spørgsmål lyder praktisk, men springer det skridt over, der afgør, om et værktøj løser noget eller blot flytter det. Et værktøj arbejder med det, De putter i det. Hvis ingen har fastlagt hvilket datapunkt der kommer fra hvilken kilde, hvem der er ansvarlig for det, og hvilke kvalitetsregler der gælder, så importerer værktøjet den uklarhed én til én. Skærmen bliver mere overskuelig, de underliggende tal ikke.
Omkostningerne ved først at købe og først derefter at ordne er ikke altid synlige med det samme, men de er forudsigelige. Et værktøj, der er anskaffet før datapunktregistret er på plads, skal senere ombygges på baggrund af indsigter, der egentlig burde være kommet først: hvilke felter findes der, hvem leverer dem, hvor sidder bruddene i lineage fra kilde til rapportlinje. Denne ombygning tager tid, og i mellemtiden kører organisationen videre på tal, som ingen med sikkerhed kan sige præcis hvor de kommer fra. På hvad et værktøj oven på en uorganiseret proces faktisk koster er den mekanisme uddybet: det er ikke et spørgsmål om et forkert valg, men om et værktøj, der overtager et problem i stedet for at løse det.
Der er endnu en omkostningspost, som mindre handler om penge og mere om tillid. Så snart et rapporteringsværktøj er taget i brug, opstår indtrykket, at data-siden er i orden. Spørgsmål om oprindelse og ejerskab bliver da ikke længere stillet, fordi systemet synes at besvare dem. Netop det er risikoen: en pæn rapport om tal, som ingen kan dokumentere, når en revisor eller tilsynsmyndighed spørger nærmere ind.
Grunden til at det virker først at indrette processen og først derefter vælge et værktøj, er enkel. Hvis datapunktregistret ligger klar først — med kilde, ejer og kvalitetsregel pr. datapunkt — så ved De allerede før anskaffelsen, hvad et værktøj skal kunne. De bedømmer et værktøj på grundlag af Deres egen situation, ikke på grundlag af en demo opbygget omkring et generisk eksempel. Hvilke integrationer der er nødvendige, hvilke felter der skal være obligatoriske, hvem der må ændre hvilken skærm: det følger alt sammen af det arbejde, der allerede er udført, før en leverandør kom i billedet. Mere om dette findes på siden om hvilke funktionelle krav der udspringer af Deres egen proces, før De vælger et værktøj.
Denne rækkefølge forhindrer også en almindelig fejl i selve udvælgelsen. Uden et klart billede af de egne datastrømme vælges et værktøj ofte på baggrund af funktioner, der lyder imponerende, mens ingen kan efterprøve om disse funktioner passer til det eget landskab af systemer og spreadsheets. Hvordan denne efterprøvning ser ud, er beskrevet på siden om hvordan De vælger et værktøj uden bagefter at fortryde anskaffelsen. Kernen er altid den samme: først vide, hvad De har, derefter vælge, hvad De har brug for til det.
De steder, hvor bæredygtighedsdata opstår, varierer stærkt fra branche til branche, og det gør det svært at vælge et værktøj, der passer overalt, uden egen kortlægning. I byggebranchen ligger relevante tal ofte spredt over projektadministration, materialeindkøb og underleverandørrapporter, som beskrevet på siden om hvor bæredygtighedsdata i byggesektoren præcist kommer fra. I installationsbranchen ligger kilderne ofte anderledes, for eksempel ved servicesedler, køretøjsdata og energiforbrug pr. lokation, som uddybet på siden om hvor bæredygtighedsdata i installationsbranchen befinder sig. Den, der ikke først kortlægger disse kilder, risikerer at vælge et værktøj, der er indrettet til en anden slags datalandskab end det eget.
Spørgsmålet om, hvorvidt De først køber et værktøj eller først indretter processen, er i virkeligheden ét spørgsmål betragtet fra to sider. Begge gange kommer det samme svar op til overfladen: uden overblik over hvor dataene opstår, hvem der har ansvaret for dem, og hvilke regler der bestemmer kvaliteten, er ethvert værktøj et gætteri. Det er præcis her, et datapunktregister med source-to-report lineage, ejerskab og kvalitetsregler pr. datapunkt gør forskellen — ikke som en erstatning for et værktøj, men som det grundlag, hvorpå et værktøjsvalg først kan gøres forsvarligt.
Så snart det er klart, hvilke data der findes, og hvor de skal komme fra, opstår et opfølgende spørgsmål: hvor meget af arbejdet med at indsamle, kontrollere og strukturere disse data kan overlades til automatiseret støtte. Arbejdsscanningen fra FTE TO AI beregner pr. opgave, hvilken del af den, der kan overtages af AI, så det bliver synligt, hvor mennesker stadig er nødvendige, og hvor gentageligt arbejde kan tages ud af hænderne. Denne scanning passer ind på det tidspunkt, hvor processen først er indrettet: da bliver det synligt ikke kun, hvad der skal ske, men også hvem eller hvad, der bedst kan gøre det.
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.