En organisation med flere business units tæller ofte den samme bæredygtighedsdata flere gange, uden at nogen bemærker det. Energiforbruget for en lokation står i en Excel-fil hos facility manageren, i et rapporteringsværktøj hos business unit'en og i en aggregeringstabel hos koncernen. Tre steder, tre muligvis forskellige tal, og ingen der med sikkerhed kan sige, hvilket der er det korrekte.
Dette er ingen undtagelse. Det er den normale tilstand for bæredygtighedsdata i en organisation, der er vokset per business unit, hvor hver enhed har opbygget sine egne systemer, definitioner og spreadsheets, før rapportering blev et fælles anliggende.
Et datapunktregister registrerer for hvert datapunkt: hvad det er, hvor det kommer fra, hvem der er ejeren, og hvilke kvalitetsregler der gælder for det. Hos en organisation med flere business units betyder dette, at De ikke blot registrerer, at der findes et datapunkt "energiforbrug", men også hvor dette datapunkt registreres hos hver business unit, i hvilket system, af hvem, og med hvilken definition.
Så snart dette står side om side, bliver det synligt, om business units måler det samme. Ofte viser det sig, at den ene registrerer forbrug i kWh og den anden i en omregnet CO2-værdi, eller at omfanget af "energiforbrug" hos den ene enhed kun omfatter elektricitet og hos den anden også gas. Datapunktet hedder det samme, men er indholdsmæssigt ikke sammenligneligt. Denne forskel finder De ikke ved at kigge på en rapport. Den finder De ved at lægge kilden, definitionen og ejerskabet for hver enhed side om side.
Registeret fylder sig ikke selv. Nogen skal for hver business unit afklare, hvilke datapunkter der registreres, i hvilket system, og på grundlag af hvilken kilde. Det er inventeringsarbejde: forespørge hos ejeren af hvert system, spore hvert tals oprindelse tilbage til den oprindelige registrering, og notere hvad De finder, også når det er uklart eller inkonsistent.
Den måde, De strukturerer denne inventering på, afgør, om overlapning bliver synlig eller forbliver skjult. En tilgang per business unit, isoleret fra hinanden, giver fem registre, der ikke kan sammenlignes. En tilgang per datapunkt, tværs gennem alle enheder, giver det overblik, De har brug for. Hvordan De opbygger dette, er beskrevet i hvordan De opstiller et datapunktregister hos flere business units. Det handler om en struktur, der viser dubletter i stedet for at strukturen selv opretholder dubleringen.
Et datapunktregister er ikke komplet, blot fordi der står en liste med datapunkter. Det er komplet, når hvert datapunkt har en kilde, der kan spores, en ejer, der tager ansvar, og en fastlagt definition, der kan sammenlignes med andre business units. Uden det kan De se en overlapning, men ikke fastslå, om denne overlapning er et problem eller et bevidst valg.
Spørgsmålet om, hvor mange af Deres datapunkter der faktisk opfylder denne betingelse, er i praksis ofte mindre end forventet. Nogle datapunkter har ingen påviselig kilde, kun et tal, der år efter år er overtaget fra den forrige rapport. Hvordan De kortlægger dette antal, kan De læse om under hvor mange af Deres datapunkter har en påviselig kilde. Og hvis De skulle møde et datapunkt, hvor der simpelthen ikke kan findes en kilde, selv ikke efter forespørgsel, er der beskrevet en separat fremgangsmåde i hvad De gør med et datapunkt uden kilde hos flere business units.
Det tidspunkt, hvor registeret er "færdigt", er ikke et fast punkt i tiden, men en status per datapunkt. Nogle datapunkter er hurtigt i orden, andre kræver flere runder med forespørgsel og verificering. Hvad dette betyder for Deres planlægning, kan De læse under hvornår et register er færdigt hos flere business units.
Når De først ser, at tre business units registrerer det samme datapunkt, opstår det næste spørgsmål: er det en dublering, De kan rydde op i, eller er det tre datapunkter, der tilfældigvis har samme navn, men et andet omfang? Denne sondring kan ikke altid foretages med det samme, og det at foretage denne sondring er centralt i genkendelsen af et dobbelt datapunkt hos flere business units, hvilket videreudvikles på hvordan De genkender et dobbelt datapunkt hos flere business units. Dette er arbejde, der handler om præcision: at lægge definitionen, omfanget og beregningsreglen for hvert eksemplar side om side, før De konkluderer, at det er det samme datapunkt.
Kortlægningen af datapunkter, kilder og ejerskab over flere business units er tilbagevendende arbejde: nye rapporteringsperioder, ny lovgivning og organisationsændringer kræver gentagelse af den samme forespørgsel. En del af dette arbejde, som at lægge definitioner side om side eller opspore en kilde i et system, er repetitivt nok til at undersøge, om AI kan overtage en del af det. FTE TO AI beregner per opgave, hvilken del af arbejdet der kommer i betragtning til dette, med werkscan som udgangspunkt for at se på dette for Deres situation.
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.