Næsten alle organisationer, der begynder med bæredygtighedsdata, begynder ved CO2. Ikke fordi et regelsæt foreskriver den rækkefølge, men fordi CO2 er det emne, hvor der findes flest færdige beregningsmetoder, hvor de fleste eksterne benchmarks er tilgængelige, og hvor de fleste softwareleverandører har et dashboard klar. Energiforbrug, brændstof, vognpark, det er tal, der ofte allerede er registreret et sted til et andet formål, som regel fakturering. De er genbrugt, ikke indsamlet.
Det gør CO2 til det nemmeste emne at vise, ikke det mest komplette. Sociale data, kædeoplysninger og biodiversitetsindikatorer har sjældent en tilsvarende infrastruktur. Der findes ingen faktura, som allerede indeholder svaret. Den, der kun kigger på CO2, ser altså kun en fraktion af datalandskabet og drager nogle gange den konklusion, at resten nok også kommer i orden. Det er ikke konstateret, det er antaget.
Et CO2-tal, der stemmer med et eksternt benchmark, er ikke bevis for, at de underliggende data er kontrollerbare. Tallet kan komme fra et regneark, som en enkelt person administrerer, med en omregningsfaktor, som ingen længere kan spore tilbage til kilden. Det stemmer, indtil den person holder ferie eller forlader organisationen. Det er et andet problem end tallet selv: det er et spørgsmål om ejerskab og oprindelse, ikke om regnekunst. Hvordan dette ejerskab som standard fastlægges, er beskrevet i hvem læser jeres datapunktregister, hvis I ikke længere er der.
Den scan, vi bygger, handler ikke om CO2-tallet selv. Den handler om spørgsmålet, hvor det tal kommer fra, hvem der leverer det, hvilke bearbejdninger det gennemgår, før det står i en rapport, og hvilken kontrol der findes for det. Det kalder vi lineage: ruten fra kildesystem til rapportlinje, pr. datapunkt. For CO2 kan denne rute ofte stadig rekonstrueres, fordi kilden som regel er en faktura eller en målerstand. For andre emner er denne rute oftere uklar, og det er præcis dér, risikoen ligger, som et CO2-dashboard ikke viser.
Antagelsen om, at en CO2-tilgang kan kopieres til andre emner, er delvist rigtig. Strukturen — datapunktregister, oprindelse, ejerskab, kvalitetsregel — er den samme for hvert emne. Men datakilderne er det ikke. En medarbejderundersøgelse har en anden fejlfølsomhed end en energifaktura. Et leverandørspørgeskema har en anden opdateringsfrekvens end en målerstand. Den, der kopierer CO2-processen én til én til sociale indikatorer eller kædeindikatorer, løber ind i huller, som ikke fandtes ved CO2, simpelthen fordi der ikke findes en tilsvarende kilde.
Dette er også grunden til, at et værktøj, der er indrettet til CO2-rapportering, ikke automatisk fungerer til resten af emnet. Spørgsmålet om, hvorvidt en organisation er klar til det, afhænger ikke af værktøjet, men af hvor meget der allerede er fastlagt om kilder, ejere og kontrolpunkter. Hvordan denne beredskab kan måles, er uddybet i hvad er datamodenhed, og hvordan måler man den. For den, der tror, at regneark er kernen af problemet: det er en misforståelse, som behandles separat i hvorfor regneark ikke er problemet, for problemet ligger sjældent i filformatet og oftere i en manglende fastlagt oprindelse.
Så snart en revisor eller assurance-udbyder kommer ind i billedet, bliver forskellen mellem et godt CO2-dashboard og et godt datapunktregister øjeblikkeligt synlig. Assurance spørger ikke om sluttallet, men om vejen dertil: hvilken kilde, hvilken bearbejdning, hvilken kontrol. Et CO2-tal, der stemmer, men ikke kan spores tilbage, er for assurance lige så problematisk som et tal, der endnu ikke stemmer. Hvordan denne kontrollerbarhed pr. datapunkt opbygges, er beskrevet i hvordan gør I esg-data kontrollerbare for assurance. Dette arbejde er for CO2 ofte allerede delvist udført, netop fordi der allerede fandtes infrastruktur. For resten af rapporteringen skal det som regel stadig påbegyndes.
Denne metode afgør ikke, hvilket emne en organisation først bør tage sig af, og siger ikke noget om, hvorvidt CO2 indholdsmæssigt er det vigtigste emne. Det er et andet valg, med andre overvejelser. Hvad scanen derimod gør, er at give klarhed om tilstanden af data bag hvert emne for sig, så et valg af rækkefølge er baseret på, hvad der allerede er på plads, og ikke på, hvad der var nemmest at vise. Den, der overvejer dette forløb, kan tilmelde sig ventelisten; scanen er under udvikling og udbydes endnu ikke som et færdigt produkt. Hvad der ændrer sig, når lineagen for et emne først er fastlagt, er beskrevet i hvad ændrer sig, når lineagen først er på plads.
At kortlægge datapunkter, kilder og ejerskab er delvist håndarbejde, og delvist arbejde, der kan accelereres, når strukturen først står fast: at genkende mønstre i kilder, at udfylde standardfelter, at signalere manglende koblinger. Hvilken del af dette arbejde der kan overdrages til AI, og hvilken del der forbliver menneskeligt arbejde, er præcis, hvad arbejdsscanen fra FTE TO AI giver svar på, udregnet pr. opgave.
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.