Et datapunkt får først betydning, når det står fast, hvad der må og ikke må indtastes. Energiforbruget for en lokation kan ikke være negativt. En procentsats kommer ikke over hundrede. En emissionsfaktor bør ligge inden for et bestemt interval, afhængigt af den kilde, der er anvendt. Uden disse grænser kan enhver værdi, der indtastes, strømme videre til rapporten, også selvom den er resultatet af en forkert enhed, et forkert komma eller en forvekslet kolonne.
En gyldig værdi er altså ikke en kvalitetsbedømmelse af tallets indhold. Det er en teknisk grænse: et interval, en type, en obligatorisk enhed, en relation til et andet datapunkt. Denne grænse fastlægger De per datapunkt, ikke per rapport. Det er forskellen mellem en kontrol, som en person udfører manuelt én gang om året, og en regel, der ligger fast ved siden af datapunktet selv, så hver indtastning skal passere den.
Ikke enhver afvigelse er en fejl. Et forbrug, der i år afviger kraftigt fra sidste år, kan være en fejl, men også resultatet af en renovering, en overtagelse eller en anden måleperiode. Derfor er det nyttigt at skelne mellem to typer regler.
Den første type er en hård grænse: en værdi, der simpelthen ikke kan forekomme. Negativ hvor det ikke kan være negativt, en procentsats over hundrede, en dato i fremtiden. Disse værdier bør De stoppe, før de går videre.
Den anden type er et signal: en værdi, der kan forekomme, men afviger fra det, De ville forvente. En kraftig stigning i forhold til sidste år, et tal, der ligger langt uden for intervallet for sammenlignelige lokationer, en indtastning, der kommer ind præcis på deadline uden begrundelse. Et signal blokerer intet. Det anmoder om et blik på det, og eventuelt om en forklaring, før tallet går videre. Hvordan De opsætter og skelner mellem disse to typer regler, er beskrevet på siden om opsætning af en signalafvigelse per datapunkt.
En regel, der udløses, men som ingen ser, er ingen regel. Til hvert datapunkt hører derfor ikke kun en grænseværdi, men også et navn: hvem der er ejer af dette datapunkt, og hvem der får signalet at se, når værdien afviger. Ved et datapunkt uden ejer forsvinder et signal i et system, som ingen kontrollerer, eller i et regneark, der først åbnes igen ved årsafslutningen.
Dette ejerskab behøver ikke være kompliceret. Det handler om et navn ved siden af datapunktet, ikke om en proces. Men uden dette navn er en kvalitetsregel en regel på papir. Hvilke kontroller der naturligt hører til hvilken type datapunkt, og hvorfor ikke hvert datapunkt har brug for samme kontrol, kan De læse på siden om hvilke kontroller der hører til et datapunkt.
Et datapunkts grænser kommer ikke ud af det blå. De følger af datapunktets definition: hvad det måler, i hvilken enhed, over hvilken periode, for hvilken del af organisationen. Hvis denne definition varierer per enhed — den ene lokation regner i kvadratmeter gulvareal, den anden i bruttogulvareal — så varierer også, hvad der er en gyldig værdi, og en grænse, der passer for den ene lokation, bliver ubrugelig for den anden. Hvordan De håndterer dette, står på siden om hvad De gør med definitioner, der varierer per enhed.
Der er også en anden fælde: en grænseværdi, der antyder, at et tal er mere præcist end kilden tillader. En emissionsfaktor med fire decimaler bag et skøn, der er nøjagtigt til to cifre, skaber en præcision, der ikke findes. Kvalitetsregler bør fange denne skinpræcision i stedet for at bekræfte den, hvilket er nærmere beskrevet på siden om forebyggelse af skinpræcision.
Det er fristende at anskaffe et værktøj, der automatisk kontrollerer for fejl. Men et værktøj, der lægges over på en uorganiseret proces, kontrollerer regler, der endnu ikke er fastlagt, mod datapunkter, som ingen er ejer af, på grundlag af definitioner, der varierer per enhed. Resultatet er en pænere rapport om tal, der stadig ikke er kontrolleret.
Data Readiness Scan fastlægger derfor først, hvad der findes: datapunktregisteret, oprindelsen af hvert tal, ejerskabet, og de regler, der bestemmer, hvad en gyldig værdi er, og hvad et signal er. Det er arbejde, der nu ofte ligger spredt i regneark, mailudveksling og hovedet på nogle få personer. Værktøjet, der understøtter dette, er under udvikling; den, der allerede nu vil i gang med dette, kan tilmelde sig ventelisten.
Når det først er klart, hvilke regler og kontroller der hører til hvilket datapunkt, opstår også et godt billede af, hvilken del af dette kontrolarbejde der er gentagelig, og hvilken del der kræver vurdering. Denne skelnen står centralt i arbejdsscanningen fra FTE TO AI, som per opgave udregner, hvilken del af arbejdet AI kan overtage, og hvilken del der forbliver hos et menneske.
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.