En signalafvigelse er en regel, der siger: hvis denne værdi falder uden for dette område, er der noget, nogen skal se på. Det lyder enkelt, men spørgsmålet falder i tre dele, der skal besvares hver for sig. Hvad er en gyldig værdi. Hvad er en afvigelse fra den værdi. Og hvem får indsigt i det. Uden disse tre er et signal ikke mere end et tal, der står et sted.
De kan ikke definere en afvigelse uden først at vide, hvad der er normalt. For et energiforbrug pr. lokation er det et område, der afhænger af areal, åbningstider og sæson. For et medarbejderantal er det et område, der afhænger af enhedens størrelse. Denne bandbredde skal ligge fast pr. datapunkt, før et signal har betydning. Hvordan De fastlægger og dokumenterer denne bandbredde, er beskrevet på hvad er en gyldig værdi, og hvem bemærker det, hvis det går galt. Uden dette skridt indstiller De et signal på en værdi, der selv aldrig er blevet afprøvet, og så signalerer De egentlig ingenting.
Et signal kan reagere på forskellige ting. Der er den hårde grænse: en værdi, der falder uden for et fysisk eller logisk muligt område, som et negativt antal medarbejdere. Der er den bløde grænse: en værdi, der ligger inden for det mulige, men afviger kraftigt fra tidligere perioder, som en fordobling af vandforbruget uden klar anledning. Og der er den sammenlignende afvigelse: en værdi, der afviger fra en sammenlignelig enhed, som en lokation der rapporterer tre gange så meget affald som en lokation af samme størrelse. Hver af disse tre kræver en anden regel og en anden type kildedata at sammenligne med. En mellemmand, der kun ser på den seneste værdi, ser ofte kun den første type. Den anden og tredje kræver, at De har historiske eller sammenlignelige data inden for rækkevidde, hvilket er en grund til at tage det med allerede ved opsætningen af datapunktregisteret.
En afvigelse, der ikke lander nogen steder, er ikke et signal, men en logpost. For hvert signal skal det ligge fast, hvem den første modtager er: det er som regel den, der leverer datapunktet, ikke den, der udarbejder rapporten. Den leverende afdeling kan kontrollere en årsag, mens påmindelsen stadig er ny. Ved rapporteringsfristen er den kontekst ofte forsvundet. Desuden skal det ligge fast, hvad der sker, hvis den første modtager ikke reagerer: går signalet efter en periode videre til en anden person, eller bliver det liggende. Dette spørgsmål hænger direkte sammen med det ejerskab, De tidligere har fastlagt pr. datapunkt, og med de kontroller, der gælder for dette datapunkt — se hvilke kontroller hører til et datapunkt, og hvem bemærker det hvis for, hvordan signalering og kontrol hænger sammen.
En afvigelse kan være en fejl, men kan også være en reel forandring: en fusion, en ny lokation, et ændret rapporteringsår. En signalregel, der ikke tillader dette skøn, fører til to problemer. Brugere, der får for mange falske signaler, ignorerer på et tidspunkt alle signaler. Brugere, der får for få signaler, går glip af netop den afvigelse, der har betydning. Begge er en form for skinpræcision: det ser ud, som om systemet holder vagt, mens det i praksis ikke filtrerer noget længere. Hvordan De forebygger dette ved indstilling af tærskelværdier, står på hvordan forebygger De skinpræcision. En del af løsningen er at kræve en begrundelse ved afvisning af et signal: ikke for at kontrollere, hvem der gjorde noget forkert, men for at se om selve tærsklen skal justeres.
En signalregel, der er identisk for hele organisationen, overser det faktum, at enheder nogle gange arbejder med forskellige definitioner af, hvad de måler, selv om datapunktet hedder det samme alle steder. En lokation, der afgrænser scope 3-emissioner bredere end en anden, vil vise andre værdier, uden at der er noget i vejen. En signalregel, der ikke tager højde for dette, giver falske afvigelser ved hver sammenligning mellem enheder. På hvad gør De med definitioner, der varierer pr. enhed står, hvordan De dokumenterer denne forskel, så signalreglen kan tage højde for den i stedet for at forveksle den med en fejl.
At indstille en signalafvigelse kræver ingen software; det kræver, at De pr. datapunkt ved, hvad der er gyldigt, hvad en afvigelse er, og hvem der ser det. Det er præcis den type arbejde, som Data Readiness Scan kortlægger: datapunktregisteret, de tilhørende kvalitetsregler og ejerskabet, så et signal kan bygge på noget i stedet for en løs formel i et regneark. Selve scanningen er under udvikling; den, der allerede nu vil arbejde med dette, kan melde sig til ventelisten.
Når denne struktur står der, opstår et opfølgende spørgsmål: hvem skal se disse signaler dagligt, og hvilken del af dette kontrolarbejde er repetitivt nok til at overlade til en maskine. Dette spørgsmål hører ikke til på denne side, men til FTE TO AI's arbejdsscanning, der pr. opgave beregner, hvilken del af arbejdet der kan overtages af AI. For gennemgang af rutinemæssige afvigelser, forespørgsel om en årsag hos en fast gruppe af dataleverandører og føring af en signal-logbog er dette ofte et relevant spørgsmål.
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.