Detailhandlen har en egenskab, der gør dens bæredygtighedsdata mere vanskelig end hos en virksomhed med en enkelt produktionslokation: den største del af påvirkningen opstår ikke i egne bygninger, men hos andre. En detailhandler sælger produkter, der er fremstillet andre steder, transporteret af parter, der ikke er i egen ansættelse, og pakket i materialer valgt af leverandører. De egne butikker og distributionscentre udgør kun en del af det samlede billede. Resten befinder sig i en kæde af leverandører, logistikvirksomheder og til tider deres egne underleverandører igen. Den, der søger en detailorganisations bæredygtighedsdata, søger derfor i vid udstrækning data, der ikke er målt af den egen organisation.
Den mest tilgængelige del af dataene hører til den egen ejendomsportefølje: energiforbrug i butikker, distributionscentre og kontorer, som ofte kan findes i fakturaer fra energileverandører eller i bygningsstyringssystemer. Hos en kæde med mange filialer bliver dette hurtigt en samling af enkeltstående kontrakter, målerstande og fakturaer pr. lokation, forvaltet af forskellige regionschefer eller et facility-team. Dataene findes, men er så spredt over så mange lokationer, at ingen automatisk samler det til en helhed.
Transportdata — brændstofforbrug fra egne vognparker, men især fra indlejede transportører — ligger for en stor del uden for organisationen. En detailhandler, der outsourcer transport, får fakturaer og til tider rapporter fra transportøren, men sjældent i et format, der passer til den egen rapporteringsbehov. Disse data skal indhentes, oversættes og kobles til interne volumener, hvilket tilføjer et manuelt trin, der let går tabt mellem indkøb, logistik og bæredygtighed.
Den største del af en detailhandlers klimapåvirkning ligger som regel i produktionen af de sålgte varer, langt før den egen dør. Disse data kommer, hvis de overhovedet er tilgængelige, fra leverandører, der selv anvender forskellige målemetoder, eller via generiske branchegennemsnit, som indkøb eller bæredygtighed engang har fundet. Hos et sortiment med mange forskellige produkter og leverandører opstår et regneark med data af varierende kvalitet: nogle tal er målt, andre estimeret, andre igen overtaget fra en gammel rapport. Ingen i organisationen har et fuldstændigt overblik over, hvilket tal der kommer hvorfra.
Emballagedata — vægt, materiale, genanvendelighed — registreres ofte af indkøb eller packaging-specialister, pr. produktkategori eller leverandørkontrakt. Affaldsdata fra butikker og distributionscentre kommer igen fra affaldsbehandlere, med egne rapporteringsformer og måleenheder. Begge strømme lander sjældent i samme system som energi- eller transportdataene, hvilket betyder, at den, der vil have et fuldstændigt billede, skal gå gennem flere afdelinger for at samle puslespillets dele.
Udover klimadata kræver bæredygtighedsrapportering også sociale indikatorer: personaleomsætning, diversitet, arbejdsvilkår i kæden. For den egen organisation ligger dette som regel hos HR, i systemer, der ikke er indrettet med bæredygtighedsrapportering i tankerne. For kæden — arbejdsforhold hos leverandører — er dataene ofte endnu mere sparsomme og afhængige af audits eller certificeringer, der ikke udføres på samme måde hvert år.
Den røde tråd i detailhandlen er, at data sjældent opstår på ét sted og næsten aldrig forvaltes på ét sted. For hvert datapunkt er spørgsmålet relevant: kommer dette fra et eget system eller fra en tredjepart, hvem har leveret det, hvordan er det målt, og hvornår er det senest opdateret. Uden et register, der besvarer disse spørgsmål, forbliver dataene bag en rapport en samling løse filer, hvis oprindelse ingen med sikkerhed kan påvise. Netop dette register er, hvad Data Readiness Scan er rettet mod: ikke rapporten selv, men lineage pr. datapunkt, ejerskabet og de kvalitetsregler, der afgør, om et tal holder.
Den udfordring, der er beskrevet her, går igen i lignende form i andre sektorer, dog med andre tyngdepunkter. Hos en restaurationsvirksomhed ligger vægten på fødevarestrømme og energiforbrug pr. afdeling, hos en it-virksomhed på datacentre og udstyrsforbrug, og hos en ejendomsvirksomhed på bygningers energipræstation gennem hele deres levetid. I hver af disse sektorer gælder det samme grundspørgsmål: hvor opstår tallet, og hvem kan stå til ansvar for det.
Data Readiness Scan fra csrdready.net er i øjeblikket under opbygning. Den, der allerede nu vil tænke med om, hvordan et datapunktregister for en organisation med mange filialer og en lang leverandørkæde bør se ud, kan tilmelde sig ventelisten. Der sælges på nuværende tidspunkt intet, kun reserveres en plads til, når værktøjet bliver tilgængeligt.
Så snart overblikket over datapunkter, kilder og ejere begynder at falde på plads, opstår et opfølgende spørgsmål: hvilken del af indsamlingen, kontrollen og opdateringen af disse data er manuelt arbejde, og hvilken del kan udføres med støtte fra AI. FTE TO AI tilbyder til dette formål en arbejdsscan, der pr. opgave beregner, hvilken del af arbejdet der kan overtages, en tilføjelse, der først bliver meningsfuld, når det er klart, hvilke opgaver der præcis findes, og hvor de kommer fra.
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.