Et udslipstal med tre decimaler efter kommaet giver et indtryk af præcision. Men præcision siger intet om pålidelighed. Et tal kan være beregnet til flere decimaler og alligevel være baseret på en forkert enhed, en udløbet konverteringsfaktor eller et skøn, som nogen indtastede for år tilbage og som aldrig siden er kontrolleret. Skinnøjagtighed er netop det: et tal, der ser mere eksakt ud end det er.
Dette sker ikke fordi mennesker er sløsede. Det sker fordi en rapport er det sidste trin i en lang kæde, og for enden af den kæde er det ikke længere til at se, hvad der er sket undervejs. Et regneark med tre decimaler ser ens ud, uanset om kildeværdien var et målt tal eller et rent gæt. Uden regler, der fastlægger, hvad en gyldig værdi er, forbliver den forskel usynlig.
Hvert datapunkt har grænser, inden for hvilke en værdi er plausibel. Et energiforbrug pr. lokation kan ikke være negativt. En emissionsfaktor ændrer sig ikke hvert kvartal med en faktor ti. Et medarbejderantal afviger ikke med tusinder fra måneden før uden en påviselig grund. Dette er ikke komplicerede statistiske modeller, det er enkle, fastlæggelige grænser pr. datapunkt.
Spørgsmålet om, hvad en gyldig værdi er, kan ikke besvares ens alle steder. Hvad der tæller som et acceptabelt spænd for det ene datapunkt, er for bredt eller for stramt for et andet. Det valg hører til datapunktet selv, ligesom spørgsmålet om hvad en gyldig værdi er, og hvem der bemærker det, når det går galt. Uden at dette valg gøres eksplicit, betragtes hver indkommende værdi tavst som god, selv når den ikke er det.
Udover en fast grænse findes der et andet lag: afvigelser, der ikke er ugyldige, men som dog er påfaldende. En værdi, der ligger inden for det tilladte spænd, men som afviger stærkt fra tidligere perioders mønster, er ikke forkert, men er dog et signal, som nogen bør se på.
Forskellen mellem en hård afvisning og et signal er et bevidst valg. En gyldig-værdi-kontrol blokerer; et signal beder om opmærksomhed uden at blokere. Begge er nødvendige, og begge bør være fastlagt på datapunktniveau, med spørgsmålet om hvordan man indstiller en signalafvigelse, og hvem der bemærker det, når det sker som udgangspunkt. Uden denne fastlæggelse er det tilfældigt, hvem der bemærker en afvigende værdi, og hvornår.
En regel uden en modtager er en regel, som ingen læser. Hvis en værdi falder uden for grænsen eller udløser et signal, skal det være fastlagt, hvem der får det at se: indtasteren, data owneren, den controller, der behandler tallet videre. Uden dette trin forsvinder en afvigelse i en logfil, som ingen konsulterer, og en registreret fejl bliver til en fejl, der ikke bliver bemærket.
Det er også her, mange kontrolmekanismer i praksis går i stå. Der indstilles en regel, men det er ikke fastlagt, hvem der reagerer på den. Reglen findes, meddelelsen vises, og der sker ikke noget. Hvilke kontroller der hører til et datapunkt, og hvem der ser dem, hænger sammen med det bredere overblik over hvilke kontroller der hører til et datapunkt, og hvem der bemærker det, når noget går galt. En kontrol, som ingen ser, er i praksis ikke nogen kontrol.
Der findes systemer, der automatisk registrerer afvigelser og sender meddelelser. Disse systemer er nyttige, men de løser ingenting, hvis de underliggende spørgsmål ikke er besvaret: hvad er en gyldig værdi for dette specifikke datapunkt, hvad er et signal, og hvem er den udpegede modtager. Et værktøj, der kører på regler, som ingen har tænkt igennem, producerer meddelelser, som ingen tager seriøst, eller advarsler, der systematisk ignoreres. Resultatet ligner kontrol, men er det ikke.
Det er grunden til, at disse spørgsmål først skal besvares på datapunktniveau, før et system kan udføre dem. Reglen hører til datapunktet, ikke til den software, der tilfældigvis overvåger det.
Skinnøjagtighed opstår ofte i kombination med et andet problem: dele af organisationen, der definerer et datapunkt forskelligt. Hvis den ene afdeling medregner kvadratmeter kontorareal, og den anden ikke gør det, er en kontrol af plausible værdier ikke nok, fordi værdierne indbyrdes ikke er sammenlignelige. Hvad man gør ved definitioner, der varierer pr. afdeling, og hvordan det hænger sammen med kontrollen af gyldige værdier, er beskrevet på siden om forskellige definitioner og det tilhørende kontrolspørgsmål. Den, der indstiller kvalitetsregler uden først at se på dette definitionsspørgsmål, kontrollerer måske plausible værdier, som faktisk ikke er sammenlignelige.
Denne scan kortlægger pr. datapunkt, hvad en gyldig værdi er, hvad et signal er, og hvem den udpegede modtager er. Dette overblik er ikke slutpunktet, men startpunktet: det fastlægger, hvor der på nuværende tidspunkt ikke findes nogen regel, hvor der findes en regel uden modtager, og hvor selve definitionen af et datapunkt allerede skaber forvirring mellem afdelinger. Så snart dette billede findes, kan man se, hvilke kontroller der vejer tungest, og hvor opmærksomheden først bør rettes hen.
Når dette overblik ligger fast, kan et andet spørgsmål besvares: hvilken del af det arbejde, der nu stadig udføres manuelt, kan efter denne indeling overdrages til en automatiseret proces. Det er dét, FTE TO AI's arbejdsscan er til: den beregner for hver opgave, hvilken del af arbejdet der kan overtages af AI, ikke som en erstatning for de kvalitetsregler, der er fastlagt her, men som et næste skridt efter det overblik, der dermed opstår.
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.