Der er et spørgsmål, som stort set altid ligger og lurer under enhver bæredygtighedsrapport, også efter rapporten er offentliggjort: hvor kommer dette tal fra. Ikke konklusionen, ikke teksten omkring det, men selve tallet. Hvem har indtastet det, hvilket system eller hvilket regneark ligger bag, og om nogen stadig kan påvise det uden at skulle ringe til tre kolleger.
Hos mange organisationer er svaret vagt. Der er en rapport, der er tal, men linjen tilbage til kilden er gået tabt et sted undervejs. Det er ikke nødvendigvis et tegn på sløseri. Det er en konsekvens af, hvordan bæredygtighedsdata som regel opstår: spredt ud over afdelinger, systemer og mennesker, der med de bedste intentioner har leveret deres del, uden at der er ét sted, hvor det hele samles.
Et datapunktregister er ikke en rapport og ikke et dashboard. Det er et overblik: for hvert datapunkt registreres, hvad det er, hvor det kommer fra, hvem der er ejer, og hvilke regler afgør, om en værdi er gyldig. For CO2-udslip, energiforbrug, personaletal eller forsyningskædedata gør det tilgangsmæssigt kun lidt forskel. Spørgsmålet er altid det samme: findes der en påviselig kilde, og er der nogen, som bærer ansvaret for den.
Hvad registeret ikke gør, er at korrigere den kilde. Hvis et tal stammer fra et regneark, som ingen længere fuldt ud forstår, dokumenterer registeret det faktum. Det løser det ikke. Registreringen synliggør, hvor de svage led sidder, så en organisation kan afgøre, hvad der herefter er nødvendigt. Det er en beskeden påstand, men en, der holder.
Fristelsen er stor til først at anskaffe et værktøj, der genererer rapporter eller udfylder spørgeskemaer, og først senere kigge på de underliggende data. Det virker mod hensigten. Et værktøj, der placeres oven på en uorganiseret proces, producerer pænere rapporter om de samme upålidelige tal. Det bagvedliggende spørgsmål, om datapunktet kan spores tilbage til en kilde og en ejer, forbliver da ubesvaret. Det ser bare mere overbevisende ud, end det er.
Derfor starter scanningen ved datapunktregisteret, sporbarheden fra kilde til rapporteringspunkt og ejerskabsspørgsmålet, ikke ved software, der lægges ovenpå det. Hvad datamodenhed er, og hvordan man måler den er reelt det samme spørgsmål i en anden form: ikke om der findes en rapport, men om organisationen ved, hvor dens tal kommer fra, og hvor solidt dette grundlag er.
Det er ikke sådan, at en scanning på én gang giver et komplet overblik over alle en organisations datapunkter. Den første gennemgang registrerer, hvad der er kendt, og lige så vigtigt, hvad der endnu ikke er kendt. Nogle kilder er tydelige: en energiregning, et HR-system. Andre er mindre entydige, som et skøn, der engang blev foretaget og siden er blevet fastholdt som en fast værdi, uden at nogen længere ved, hvilken antagelse det byggede på.
Scanningen påstår heller ikke, at ethvert datapunkt til sidst kan gøres assurance-klart inden for en fast tidsfrist. Hvor lang tid det tager, afhænger af, hvor mange systemer der er involveret, hvor mange ejere der stadig skal udpeges, og hvor spredte kilderne er. Et indtryk af hvor lang tid det tager at få et emne bragt i orden hjælper med at danne det skøn, uden at det bliver et løfte om en bestemt gennemløbstid.
Og scanningen går ikke ud fra den antagelse, at regneark er problemet. Ofte er et regneark blot det sted, hvor manglen på struktur bliver synlig; spørgsmålet hvorfor regneark ikke er problemet forklarer, hvorfor udskiftning af selve redskabet sjældent løser den underliggende sag.
I praksis er CO2 ofte det første emne, hvor dette spørgsmål bliver stillet skarpt, ganske enkelt fordi det som regel er det mest spredte og mest afledte tal i en rapportering. Der er en grund til, at CO2 som regel er det første emne at begynde med, og den grund siger noget om, hvordan datapunkter bevæger sig gennem en organisation, fra måleraflæsning til rapporteringslinje.
Scanningen, som beskrevet her, er under opbygning. Hvad der findes nu: en måde at se på tingene og en struktur til at stille spørgsmål, som de fleste organisationer endnu ikke stiller systematisk. Den, der lige nu har brug for denne arbejdsmetode, kan tilmelde sig ventelisten. Det er ikke en venteliste til en vag fremtid, men til et instrument, der stadig færdiggøres, og vi foretrækker at skrive det ærligt frem for at udbyde noget, der endnu ikke står fuldt færdigt.
Når det står klart, hvilke datapunkter der har en kilde, og hvilke der ikke har, følger der naturligt et andet spørgsmål: hvor meget af arbejdet med at kontrollere, ajourføre og spore disse kilder skal egentlig udføres af mennesker, og hvor meget kan et system overtage. Det er et andet spørgsmål end det, denne side besvarer, men det er et logisk næste skridt. FTE TO AI's arbejdsscanning beregner pr. opgave, hvor stor en del af arbejdet der kan overtages af AI, og giver dermed et billede af, hvor mennesker bruger tid på arbejde, som, når data først er i orden, i vid udstrækning kan forløbe automatiseret.
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.