Transportsektoren har en egenskab, som få andre sektorer deler: den største del af CO2-udslippet opstår uden for kontoret, spredt over køretøjer, ruter og underleverandører, som ikke alle befinder sig i det samme system. Hvor en kontorbygning er relativt nem at måle, består et transportfirmas vognpark af titallige til hundredvis af individuelle bevægelige kilder, hver med sit eget brændstofforbrug, belægningsgrad og rute. Udslippet ligger ikke i en bygning, men i en sammentælling af ture, og den sammentælling skal komme fra flere systemer på samme tid.
Dertil kommer et andet lag: en betydelig del af kilometerne køres ofte ikke af det eget vognpark, men af underleverandører, chartertransportører eller kædepartnere. Dette udslip falder i de fleste tilfælde under scope 3, og oplysningerne om det er sjældent standardmæssigt tilgængelige. Et transportfirma, der vil have sine bæredygtighedsdata i orden, skal derfor ikke kun gennemgå sine egne systemer, men også have aftaler om, hvad underleverandører skal levere, og i hvilken form.
Brændstofforbrug er som regel udgangspunktet og samtidig den mest fragmenterede del. Tankkortdata, boordcomputere, telematiksystemer og manuelle tankbeviser findes ofte side om side, med forskellige opløsninger og forskellige definitioner af, hvad en 'tur' er. En boordcomputer registrerer per køretøj, en tankkortleverandør fakturerer per kort, og de to følger ikke automatisk hinanden.
Planlægnings- og TMS-software (transport management-systemer) indeholder oplysninger om belægningsgrad, returture og tomme kilometer, som er nødvendige for at kunne fordele udslip per forsendelse eller per kunde. Disse systemer er primært bygget til operationel planlægning, ikke til bæredygtighedsrapportering, hvilket betyder, at de nødvendige felter nogle gange findes, men ikke i det format, som en CSRD-rapportering kræver.
HR- og personalesystemer indeholder oplysninger om pendling og, hos firmaer med egne værksteder, om energiforbrug i erhvervsbygninger. Facility-afdelinger administrerer ofte separat energikontrakterne for kontorer, ladestandere og andre ejendomme. Og så er der mappen med kontrakter og aftaler med underleverandører, hvor der nogle gange - og nogle gange ikke - står noget om brændstoftypen eller den type køretøj, der bruges.
I mange transportfirmaer er der ingen person, der overskuer alle ovenstående kilder. Planlægningsafdelingen kender turene, vognparkforvalteren kender brændstofforbruget, indkøb kender underleverandørerne, og finans skal til sidst omsætte det til et rapporteringstal. Uden et klart ejerskab per datapunkt opstår risikoen for, at ingen føler sig ansvarlig for et tals korrekthed, og at det først under udarbejdelsen af rapporten går op for en, at en kilde mangler eller ikke stemmer.
Dette er et genkendeligt mønster: også i den forretningsmæssige servicesektor og i detailhandlen ligger data spredt over afdelinger, der hver kun har en del af billedet, uden at nogen overvåger helheden. I transport kommer den yderligere komplikation, at en væsentlig del af kilderne fysisk befinder sig uden for virksomheden, i køretøjer og hos partnere.
Det er fristende at ville løse denne fragmentering med software, der automatisk samler telematik, tankkortdata og TMS-data. Sådan software kan være nyttig, men kun hvis det på forhånd er klart, hvilket datapunkt der skal komme fra hvilken kilde, hvem der kontrollerer det datapunkt, og hvilken kvalitetsregel der afgør, om en værdi er troværdig. Et værktøj, der lægges på toppen af en uorganiseret proces, producerer en pænere rapportering om de samme upålidelige tal. Rækkefølgen er derfor først registret over datapunkter og deres oprindelse, og først derefter eventuelt et system, der automatiserer den strøm.
Data Readiness Scan kortlægger for et transportfirma, hvilket datapunkt der kommer fra hvilket system: brændstofforbrug per køretøj eller per tur, belægningsgrad fra TMS'et, energiforbrug fra lokationer, og de oplysninger, underleverandører leverer eller netop ikke leverer. Per datapunkt registreres, hvem der er ejer, og hvilken regel afgør, om værdien er plausibel, så det ved en kontrol er klart, hvor et tal stammer fra, og hvem der kan spørges om det. Dette arbejde handler ikke om selve rapporten og ikke om at besvare spørgeskemaer fra kunder eller banker, men om det datalag, der ligger forud for det.
Scanningen er under opbygning. Den, der er interesseret i dette, kan tilmelde sig ventelisten; der sælges nu ikke noget, som endnu ikke er færdigt.
Så snart det er klart, hvilke datapunkter der findes, hvem der forvalter dem, og hvilket system de kommer fra, opstår naturligt et opfølgende spørgsmål: hvilken del af indsamlingen og kontrollen af disse datapunkter er håndarbejde, der forbliver hos en planlægger eller controller, og hvilken del er repetitiv nok til at automatisere. Det samme spørgsmål gør sig gældende i sektorer som uddannelsessektoren og landbrugssektoren, hvor operationelle data er lige så spredte som i transport. FTE TO AI's arbejdsscan beregner per opgave, hvilken del af arbejdet der kan overtages af AI, og passer dermed til det tidspunkt, hvor datapunktregistret fra Data Readiness Scan er klar: først ved hvor data befinder sig og hvem der er ansvarlig for det, derefter først se på, hvilken del af vedligeholdelsen heraf der kan automatiseres.
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.