Kennisbank

Hvad er en gyldig værdi — og hvem opdager det, når det går skævt?

Et tal i en bæredygtighedsrapportering kommer et sted fra: en måler, en faktura, et skøn, en eksport fra et system. I det øjeblik det tal indtastes, kopieres eller overføres, er der som regel ingen, der kontrollerer, om det er korrekt. Ikke fordi ingen ønsker det, men fordi der ikke er fastlagt en regel, der fortæller, hvad en gyldig værdi egentlig er for det pågældende datapunkt.

En gyldig værdi er ikke en mening

"Er dette tal korrekt" er ikke et spørgsmål, man kan besvare på fornemmelse, i hvert fald ikke ved hundreder af datapunkter spredt over regneark og systemer. En gyldig værdi er noget, der er defineret på forhånd: et interval, en enhed, et forhold til et andet datapunkt, en forventet retning i forhold til året før. Uden den definition er enhver værdi i princippet gyldig, og det er netop problemet. Et forbrugstal, der er ti gange for højt, fordi enheden er overført forkert, falder da ikke i øjnene — det står der bare, ligesom alle de andre tal.

At fastlægge, hvad der er gyldigt, er en af byggestenene sammen med datapunktregisteret og kildedata: hvilke kontroller der hører til et datapunkt, og hvem der har overblik over dem. Det handler ikke om strengere Excel-formler, men om at fastlægge pr. datapunkt, hvad der er acceptabelt og ikke acceptabelt, og hvorfor.

Et signal er noget andet end en fejl

Ikke enhver afvigelse er en fejl, og ikke enhver fejl udløser et signal. En værdi kan ligge uden for det forventede interval uden at være forkert — en fabrik, der midlertidigt ligger stille, en fusion, der forstyrrer tallene. Omvendt kan en værdi se helt normal ud og alligevel være forkert, for eksempel fordi to dele af organisationen anvender forskellige udgangspunkter for, hvad de måler. Et signal er derfor ikke en dom, det er en indikation på, at nogen bør se på det.

Spørgsmålet er så: under hvilken betingelse udløses et sådant signal, og hvor følsomt er det indstillet. Sat for bredt, og afvigelser glider igennem. Sat for stramt, og alle ignorerer meldingen, fordi der er for mange. Hvordan denne tærskel fastsættes pr. datapunkt, afhænger af datapunktet selv og af, hvad der logisk kan variere. Dette emne behandles separat i hvordan man indstiller en signalafvigelse, og hvem der ser på det.

Hvem opdager det — og er det tilfældigt

Det centrale spørgsmål på denne side er ikke kun, hvad en gyldig værdi er, men hvem der opdager det, når en værdi ikke er det. I mange organisationer er svaret: ingen, indtil en ekstern part stiller et spørgsmål under kontrollen af rapporteringen. På det tidspunkt er det allerede sent, og udarbejderen skal tilbage til kilden for at rekonstruere, hvad der er sket.

En kvalitetsregel uden ejer er ikke en regel, det er en observation. Til hvert datapunkt hører derfor ikke kun en grænseværdi, men også et navn: hvem får meldingen, hvem vurderer, om det er en fejl eller en forklarlig undtagelse, og hvem registrerer den forklaring, så den næste person, der bruger datapunktet, ikke skal undersøge det igen. Uden den tildeling afhænger det af tilfældigheder, om nogen ser signalet, før tallet går videre i kæden.

Denne tildeling er direkte forbundet med et andet problem, der ofte dukker op sammen med kvalitetsregler: teams, der udfylder det samme begreb forskelligt. Hvad der er en gyldig værdi for den ene afdeling, kan for en anden udløse et signal, simpelthen fordi definitionen er forskellig. Det berører spørgsmålet om hvad man gør med definitioner, der varierer mellem dele af organisationen. Uden en entydig definition er en kvalitetsregel i bedste fald et gæt.

Hvorfor dette ikke begynder i et værktøj

Det er fristende at løse dette spørgsmål ved at anskaffe et værktøj, der automatisk signalerer. Men et værktøj kan kun signalere på grundlag af regler, der er indtastet, og disse regler repræsenterer viden, som ofte kun findes i en enkelt persons hoved — kollegaen, der ved, at dette tal normalt ligger mellem to grænser, eller at den anden værdi altid bliver gennemgået af en bestemt person. At registrere den viden først, pr. datapunkt, er et andet arbejde end at vælge et system. Den rækkefølge, det bedst sker i, er beskrevet i først købe et værktøj eller først indrette processen.

Fra kvalitetsregler til arbejdsbelastning

Så snart det pr. datapunkt er fastlagt, hvad en gyldig værdi er, hvem der vurderer et signal, og hvem der forklarer en afvigelse, opstår der et billede af det arbejde, der faktisk foregår omkring data — kontrollere, sammenligne, spørge, registrere. Det billede kan bruges til et andet spørgsmål: hvilken del af disse opgaver gentager sig på en måde, der egner sig til automatisering, og hvilken del kræver en vurdering, der hører til hos et menneske. Arbejdsscanen fra FTE TO AI beregner pr. opgave, hvilken del af arbejdet AI kan overtage, baseret på hvordan det arbejde er indrettet nu — ikke baseret på et skøn på forhånd.