Der er et fast øjeblik i næsten enhver samtale om bæredygtighedsdata: nogen peger på regnearket. For mange faneblade, for meget håndarbejde, for stor risiko for fejl. Konklusionen ligger lige for: udskift regnearket med et system, og problemet er løst. Den konklusion drages som regel for hurtigt.
Et regneark er en overflade. Det viser tal, lægger dem sammen, kobler dem til hinanden. Det, det ikke gør, er at forklare hvor et tal kommer fra, hvem der er ansvarlig for det, eller om det stadig stemmer overens med den definition, der blev fastlagt for to år siden. Disse spørgsmål er ikke stillet til regnearket — de er aldrig blevet nedskrevet nogen steder. Regnearket får skylden for noget, der allerede er gået galt tidligere: ved indsamlingen, ved afskrivningen, ved antagelsen om at en kollega nok vidste, hvilket tal der var tale om.
Udskift regnearket med en softwarepakke, og disse spørgsmål forbliver ubesvarede. Systemet viser da et pænere overblik over den samme usikkerhed. Rapporteringen fremstår mere professionel; de underliggende data er ikke blevet mere pålidelige. Det er faldgruben: at købe et værktøj, før det er klart, hvad det værktøj skal skabe orden i.
Som regel drejer det sig om tre ting, der er vokset uafhængigt af hinanden. Der findes ikke et aktuelt overblik over, hvilke datapunkter en organisation har brug for — det overblik blev engang lavet til en gammel rapporteringsstandard og er ikke blevet opdateret. Der findes ingen fastlagt linje fra kilde til rapporttal, hvilket betyder, at ingen med sikkerhed kan sige, om et tal stammer fra det ene system eller det andet, eller fra et skøn, som nogen engang indtastede, fordi de rigtige data ikke var tilgængelige. Og der er ingen ejer pr. datapunkt — den person, der leverer tallet, er ikke automatisk den, der kan forklare, hvor det kommer fra, eller hvad kvaliteten af det er.
Disse tre ting har intet med regneark at gøre. De ville forårsage det samme problem i ethvert system. Et regneark gør dem blot mere synlige, fordi der ikke ligger et lag ovenpå, som skjuler rodet.
Et datapunktregister med source-to-report lineage fastlægger, hvor et datapunkt kommer fra, hvem der har ansvaret for det, og hvilke kvalitetsregler der gælder for det. Det er nyttigt, og det er også begrænset. Registret viser ikke en indholdsmæssig vurdering af, om et tal er korrekt — det viser, om vejen til det tal kan spores. To organisationer med samme register kan alligevel score forskelligt på datakvalitet, fordi den ene organisation har en kilde, der i sig selv er unøjagtig, og den anden ikke har det. Registret gør den forskel synlig; det løser den ikke.
Også vigtigt: ikke alle datapunkter har brug for lige meget lineage. For nogle tal er en simpel, veldokumenteret kilde tilstrækkelig; for andre er der brug for mere detalje, fordi der er flere trin mellem kilde og rapport. Hvilke datapunkter en organisation reelt har brug for, afhænger af rapporteringsforpligtelsen og branchen, og det er noget andet end at antage, at alt fortjener lige meget opmærksomhed. Hvor mange af de eksisterende datapunkter der allerede har en kilde, varierer stærkt fra organisation til organisation — hos den ene ligger det fast i en ERP-kobling, hos den anden i hukommelsen hos én medarbejder.
At opbygge et register og lineage er ikke et spørgsmål om at tænde for et system. Det handler om at undersøge, emne for emne, hvor et tal opstår, hvem der ser på det, før det når rapporten, og hvad der sker, hvis den person ikke længere er der. Det arbejde varierer fra emne til emne: for det ene emne ligger kilden allerede klar, for det andet skal den stadig findes eller genopbygges. Den, der spekulerer på, hvor lang tid det tager pr. emne, finder et mere realistisk svar i indikationen af gennemløbstid pr. emne end i en værktøjsdemo, der lover, at det hele foregår automatisk.
Denne tilgang giver ikke en rapport — det er en anden slags redskab, med disse data som grundlag. Det, den derimod giver, er en struktur, der forbliver stående, også når regnearket udskiftes, også når den medarbejder, der vidste alt, forlader organisationen. Hvad det i praksis betyder for den, der senere ser på registret, er beskrevet i hvem der læser jeres datapunktregister, når den, der udarbejdede det, ikke længere er der, og hvad der ændrer sig, når lineage én gang er fastlagt, findes under konsekvenserne af én gang fastlagt lineage.
Regneark er ikke problemet, men de er det første synlige symptom. Den, der udskifter regnearket uden først at vide, hvilke datapunkter der reelt betyder noget, hvilken kilde der hører til, og hvem der har ansvaret, flytter blot problemet over i et dyrere system. Det, der så står tilbage, er spørgsmålet, som går forud for dette arbejde: hvilke datapunkter der reelt er nødvendige for rapporteringsforpligtelsen, og om en del af dem måske allerede findes et sted i organisationen, uden at nogen ved det, som beskrevet i hvor et datapunkt muligvis allerede findes.
Dette er arbejde, som mennesker i dag stort set udfører manuelt: at opspore kilder, sammenligne definitioner, forespørge om ejerskab. En del af dette udredningsarbejde kan struktureres og fremskyndes med AI, en del kan ikke — den forskel er netop det, arbejdsscanningen fra FTE TO AI ser på. Arbejdsscanningen beregner pr. opgave, hvilken del af arbejdet der kan overtages af AI, og giver dermed et mere realistisk billede end antagelsen om, at et værktøj løser problemet i sin helhed.
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.