IT-sektoren adskiller sig fra sektorer med fabrikker, vognparker eller bygninger. En softwarevirksomhed har ingen højovne og for det meste heller ikke egen erhvervsbygning af betydning. Det gør sektoren umiddelbart let i emissioner, men bæredygtighedsdataen er ikke forsvundet — den er blot flyttet. Den befinder sig ikke i egne aktiver, men i leverandørkæden, i kontrakter med cloududbydere og i det udstyr, medarbejderne bruger. Den, der i IT-sektoren kun kigger på sit eget kontor, går glip af den største del af historien.
For mange IT-virksomheder har tyngdepunktet for klimapåvirkningen flyttet sig til den regnekapacitet, de indkøber. Den, der bruger AWS, Azure, Google Cloud eller en lokal hostingpartner, køber i realiteten energiforbrug, der genereres og redegøres for et andet sted. Dataen om dette findes for det meste ikke i et internt system, men i fakturaer, serviceaftaler og de bæredygtighedsrapporter, cloududbyderne selv offentliggør. Nogle udbydere leverer emissionstal pr. kunde eller pr. workload, andre kun et generelt gennemsnit. Forskellen mellem disse to afgør, hvor præcist en virksomhed kan dokumentere sin egen cloudrelaterede udledning — og denne forskel er ofte ukendt for den, der udarbejder rapporten.
Det andet sted, hvor bæredygtighedsdata hober sig op, er udstyr: bærbare computere, servere, netværksudstyr, telefoner. Denne data opstår på flere tidspunkter i livscyklussen. Ved indkøb ligger information om materialeforbrug og fremstillingsemissioner hos leverandøren, ofte i et produktpas eller en miljøerklæring, der ikke rutinemæssigt bliver indhentet. Under brug genererer IT-driften data om energiforbrug fra datacentre og serverrum, nogle gange i facility management-systemer, andre gange i IT-asset management-værktøjer, der ikke kommunikerer med økonomifunktionen. Ved bortskaffelse opstår igen ny data: genbrugsprocenter, genanvendelsescertifikater, kontrakter med behandlere af elektronisk affald. Tre faser, tre slags kilder, og sjældent ét sted, hvor de mødes.
Virksomheder, der primært leverer software eller digitale tjenester, har en yderligere komplikation: deres produkt har i sig selv intet fysisk fodaftryk, men det kører på en infrastruktur, der har det. Spørgsmålet om, hvilken del af cloud-udledningen der kan tilskrives hvilket produkt eller hvilken kunde, kræver allokeringsmetoder, der ofte endnu ikke er fastlagt. Den, der rapporterer om dette, skal først afgøre, hvilket datapunkt der udgør grundlaget — regnekraft, lagring, datatrafik — før der overhovedet er noget at måle. Det er et metodisk valg, der ligger uden for selve rapporten, men som går forud for den.
Fordi sektoren er arbejdsintensiv og har relativt få fysiske aktiver, vejer personalerelaterede poster ofte tungere end i industrisektorer: transport til og fra arbejde, hjemmearbejde, forretningsrejser, energien fra kontorbygninger, der nogle gange deles med andre lejere. Denne data er spredt over HR-systemer, rejsebookingplatforme, facility-udbydere og nogle gange i regneark, der føres af en enkelt medarbejder. Volumen pr. post er lille, men antallet af kilder er stort, og det gør konsolideringen mere tidskrævende, end omfanget umiddelbart antyder.
I sektorer som byggeriet eller ejendomssektoren er dataen ofte koncentreret omkring et begrænset antal fysiske lokationer eller projekter. I IT-sektoren gælder det omvendte: dataen er tyndt spredt ud over mange små, digitale og kontraktuelle kilder. Det kræver en anden tilgang ved opbygningen af et datapunktregister — man skal ikke starte ved bygninger eller maskiner, men ved kontrakter, systemer og spørgsmålet om, hvem i organisationen der administrerer hvilken del af kæden.
Også i en IT-virksomhed med flere forretningsenheder — for eksempel en separat cloud-, konsulent- og softwareafdeling — går det samme spørgsmål igen: hvilke datapunkter har man egentlig brug for ved flere forretningsenheder, og hvor i organisationen findes datapunktet allerede. Før man igen spørger efter cloudforbrug eller hardwarebeholdning, er det værd at undersøge, om dette allerede registreres et sted, for eksempel via hvor findes et datapunkt allerede ved flere forretningsenheder. Det forhindrer, at hver enhed opbygger sin egen, let afvigende version af det samme tal.
Fristelsen ved fragmenteret data er at anskaffe et værktøj, der gør alt overskueligt, som det første. Et værktøj, der sættes på en uorganiseret proces, giver dog primært en pænere udseende rapport om tal, der underliggende stadig ikke stemmer. At få klarhed over, hvor hvert datapunkt kommer fra, hvem der er ansvarlig for det, og hvilke kvalitetsregler der gælder for det, er det skridt, der går forud for valg af systemer, ikke det, der følger efter.
Så snart det er klart, hvilke datapunkter der findes, hvor de kommer fra, og hvem der administrerer dem, opstår der også et overblik over, hvor meget manuelt arbejde der stadig ligger omkring dem: at skrive af, kontrollere, spore op hos en kollega. Det er præcis den type arbejde, som FTE TO AI med en arbejdsscanning pr. opgave beregner, hvor stor en del AI kan overtage, som et supplement til den indsigt, et datapunktregister allerede giver.
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.