Et dobbelt datapunkt bemærkes sjældent på navnet. To rækker i registeret hedder for det meste noget forskelligt — 'energiforbrug kontor' og 'elforbrug afdeling DK' — mens de henviser til den samme måler, den samme faktura eller den samme kilde. Dubleringen ligger ikke i teksten, men i oprindelsen. Den, der kun søger på navn, finder ikke duplikaterne.
Et datapunktregister er ikke en liste over rapporteringslinjer, men et register over de underliggende data: for hvert datapunkt definitionen, kilden, ejeren og vejen fra kilde til rapport. Hvert datapunkt får en fast plads med fire faste felter: hvad det er, hvor det kommer fra, hvem der er ansvarlig for det, og hvilke bearbejdninger der er udført på det, før det ender i en rapport. Uden disse fire felter er et register en ordliste, ikke et kontrolmiddel.
Spørgsmålet hvad er source-to-report mapping beskriver dette tredje trin i detaljer: den rute et tal tilbagelægger fra kildesystem til rapportlinje. Den samme rute er det redskab, hvormed dubleringer bliver synlige. Two datapunkter med forskelligt navn, men en identisk kilde-til-rapport-linje, er det samme datapunkt, opført to gange.
Dobbelte datapunkter opstår for det meste ikke af skødesløshed, men af organisationsstruktur. Et facility-team registrerer energiforbrug til bygningsdriften, et bæredygtighedsteam registrerer det samme forbrug til CSRD-rapporteringen. Begge teams arbejder fra deres eget regneark, med deres egen navngivning, uden overblik over hinandens registrering. Ved flere afdelinger eller forretningsenheder mangfoldiggør dette mønster sig: hver enhed registrerer sammenlignelige data under sit eget label.
Siden hvor findes et datapunkt allerede hos flere forretningsenheder handler om netop denne mekanisme: før De tilføjer et datapunkt til registeret, er det første spørgsmål, om det allerede findes et sted i organisationen, blot under et andet navn eller hos en anden afdeling. At stille dette spørgsmål før registrering forebygger en stor del af de dubleringer, der ellers skal opspores bagefter.
Den pålidelige måde at genkende en dublering på er ikke at sammenligne beskrivelser, men at sammenligne kilder. To datapunkter, der kommer fra det samme system, den samme tabel eller den samme eksportfil, med samme opgørelsesdato og samme enhed, er kandidat til sammenlægning — også selvom navngivningen ikke afspejler det. Omvendt gælder: to datapunkter med et sammenligneligt navn, men en anden kilde, er muligvis ikke en dublering, men to selvstændige målinger, der tilfældigvis ligner hinanden.
Denne skelnen kan kun foretages, hvis registeret fastlægger kilden for hvert datapunkt, og ikke kun den endelige værdi. Et register, der kun samler tal uden oprindelse, kan ikke opspore dubleringer — det kan i bedste fald ane dem.
Udover kilden er ejerskab et andet tegn. Når to datapunkter deler den samme kilde, men er registreret hos forskellige ejere, er det i sig selv ikke et problem — det kan pege på et datapunkt, der bruges af flere afdelinger. Det bliver dog et signal, når begge ejere uafhængigt af hinanden udfører de samme bearbejdninger, uden at vide af hinandens arbejde. Så er det ikke datapunktet, der er dobbelt, men processen omkring det.
Spørgsmålet hvilke bearbejdninger findes mellem kilde og rapport er relevant her: to datapunkter med samme kilde, men forskellige bearbejdninger, giver muligvis forskellige tal, mens de i rapporten står under den samme benævnelse. Det er en mere risikofyldt situation end en simpel dublering, fordi tallene kan afvige fra hinanden, uden at nogen bemærker det.
At opspore dobbelte datapunkter er ikke en éngangsøvelse, der ender på et fast tidspunkt. Ved en voksende organisation, nye systemer eller ændrede rapporteringsgrænser opstår nye kandidater til dublering. Siden hvornår er et register færdigt beskriver, at et register ikke er komplet på en fast dato, men på det tidspunkt, hvor hvert datapunkt har en kilde, en ejer og en kontrollerbar rute til rapporten — inklusive kontrollen af, om det datapunkt allerede fandtes andetsteds.
Hos organisationer med flere forretningsenheder er spørgsmålet hvilke datapunkter har De egentlig brug for hos flere forretningsenheder et godt udgangspunkt, fordi dette spørgsmål bestemmer registerets omfang, før søgningen efter dubleringer begynder. Et mindre, mere skarpt afgrænset register indeholder naturligt mindre plads til overlap.
At gennemsøge kilder, ejere og bearbejdninger manuelt for at finde dubleringer er præcis den type arbejde, der lader sig afgrænse i gentagelige trin: at lægge data side om side, at signalere overensstemmelser, at udarbejde et forslag til sammenlægning til bedømmelse. For organisationer, der vil vide, hvilken del af dette sammenligningsarbejde der kan overdrages til en AI-anvendelse, og hvilken del der stadig kræver bedømmelse af et menneske, beregner arbejdsscanen fra FTE TO AI dette på opgaveniveau. Scanen giver ikke en vurdering af Deres register, men en opdeling af de opgaver, der forekommer i det — et udgangspunkt, før De vælger, hvordan De organiserer opsporingen af dubleringer.
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.