Så snart bæredygtighedsdata kommer fra mere end én business unit, opstår problemet før registret overhovedet findes. Hver unit har egne systemer, egne spreadsheets, egne definitioner af hvad et datapunkt betyder. Et register, der ikke ordner det, tæller senere den samme strøm tre gange eller mangler den helt.
Et datapunktregister er ikke en liste over rapporteringsemner, men et register på niveau med det enkelte datapunkt: scope 2-udledningen fra afdeling A, antallet af FTE med tidsbegrænset kontrakt hos unit B, vandforbruget på lokation C. For hvert datapunkt bør det være registreret, hvad det præcist måler, i hvilken enhed, over hvilken periode og for hvilken enhed (entitet). Uden disse fire elementer kan et datapunkt ikke spores og er derfor ikke kontrollerbart.
Derudover indeholder registret for hvert datapunkt kilden: det system, den fil eller den person, tallet kommer fra. Det er ikke altid så enkelt, som det lyder. Ved flere business units sker det regelmæssigt, at et datapunkt bliver udfyldt, uden at nogen kan pege på, hvor det kommer fra; hvad De gør med et datapunkt uden en påviselig kilde er derfor et spørgsmål, registret selv skal kunne besvare, ikke noget der undersøges bagefter.
Fristelsen ved flere business units er at lade hver unit levere en liste separat og derefter sammenlægge disse lister. Det virker ikke, fordi units sjældent bruger samme definitioner. Den ene unit rapporterer energiforbrug pr. afdeling, den anden pr. produktionslinje. Den ene tæller vikarer med i personalebestanden, den anden ikke. Når disse lister sammenlægges uden først at ensrette definitionerne, opstår dubletter, der ikke kan genkendes som dubletter.
Den rækkefølge, der virker: fastslå først hvilke datapunkter i organisationen som helhed rent faktisk er relevante, uafhængigt af hvilken unit der leverer dem. Det er et spørgsmål om nødvendighed, ikke om tilgængelighed — hvilke datapunkter De rent faktisk har brug for er et andet spørgsmål end hvilke datapunkter der allerede findes et sted i et spreadsheet. Først derefter fastlægges for hvert datapunkt, hvilken unit, hvilket system og hvilken person der er kilden. Sådan opstår et enkelt register med én definition pr. datapunkt, hvor flere units leverer input, uden at datapunktet selv fordobles.
Genkendelse af dubletter er derefter stadig nødvendig, for selv med gode definitioner kan to units ubevidst registrere det samme underliggende faktum under et andet navn. Hvordan De bemærker det — hvordan De genkender et dobbelt datapunkt mellem business units — er en kontrol, der udføres på selve registret, ikke på den rapport, der senere følger af det.
En ofte gjort fejl er at tildele ejerskab på unitniveau: unit A er ansvarlig for alle data fra unit A. Det virker, så længe enhederne er overskuelige, men ved flere business units med overlappende processer — en fælles indkøbsafdeling, en central vognpark — bliver den tildeling hurtigt uklar. Bedre er ejerskab pr. datapunkt: ét navn, der kan forklare, hvor tallet kommer fra, hvad enheden er, og hvornår det senest er opdateret. Det navn behøver ikke være den, der taster tallet ind, men skal være den, der kender kilden.
Hvor mange af de eksisterende datapunkter, der allerede har en sådan påviselig kilde, er som regel det første spørgsmål, der dukker op, så snart dette gennemgås systematisk. Hvor mange af Deres datapunkter har en kilde er præcis det spørgsmål, der skal besvares separat for hver business unit, fordi svaret kan variere betydeligt mellem units.
Ved flere business units er fristelsen at vente til alle units har lige stor dybde, før registret betragtes som færdigt. Det er ikke en realistisk målestok. Et register er færdigt, når det for hvert datapunkt er klart, hvem ejeren er, hvad kilden er, og hvilken kvalitetsregel der gælder for det — også hvis svaret for nogle datapunkter foreløbig er "ukendt kilde, handling hos unit X". Ufuldstændighed, der er synlig og tildelt, er brugbar; ufuldstændighed, der forbliver skjult bag et udfyldt tal, er det ikke. Hvad denne målestok præcist indebærer, er beskrevet under hvornår et register er færdigt ved flere business units.
Hvor meget tid det tager at opstille et sådant register, afhænger af antallet af business units, antallet af systemer pr. unit og i hvilken grad definitionerne allerede stemmer overens. For en organisation med et par units og overskuelige kilder er det betydeligt mindre arbejde end for en organisation med snesevis af units på forskellige ERP-systemer. En indikation af, hvor det arbejde kommer fra, findes under hvor lang tid det tager at få et emne på plads.
At opstille og opdatere et datapunktregister over flere business units består af en række genkendelige opgaver: efterspørge definitioner, spore kilder, udpege ejere, opspore dubletter. En del af det arbejde er tilstrækkeligt gentageligt til at automatisere, en anden del kræver vurdering, der skal forblive hos et menneske. Arbejdsscanningen fra FTE TO AI beregner for hver opgave, hvor stor en del af arbejdet der kan overtages af AI, så det bliver tydeligt, hvor der stadig er brug for mandetimer, og hvor det ikke er tilfældet.
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.