Et spreadsheet med energiforbrug, rejsedata eller indkøbsdata er sjældent slutpunktet. Før et tal står i en bæredygtighedsrapport, er det blevet indtastet på ny, lagt sammen, omregnet, filtreret og nogle gange rettet manuelt. Hvert trin er et sted, hvor noget kan afvige fra kilden, og hvert trin, der ikke er dokumenteret, er et trin, som ingen efterfølgende kan gøre rede for.
Den almindelige rute fra kilde til rapport består af en række genkendelige bearbejdninger. Data overføres fra et kildedokument, ofte med et manuelt kopieringstrin. Derefter normaliseres dataene: enheder bringes i overensstemmelse med hinanden, notationer justeres, manglende værdier udfyldes eller estimeres. Herefter følger aggregering, hvor tal fra forskellige lokationer, perioder eller afdelinger samles til ét tal. Undervejs finder der rettelser sted: en fejlagtig række justeres, en afviger fjernes, en antagelse anvendes på et tomt felt. I slutningen af den kæde står det tal, der optræder i rapporten.
Problemet er ikke, at disse bearbejdninger finder sted. Normalisering og aggregering er nødvendige for at gøre spreadsheetdata brugbare. Problemet er, at disse trin som regel kun findes i hovedet på én medarbejder, eller i bedste fald i en e-mailkorrespondance, som ingen længere kan finde.
Hvis et tal i en rapport bliver draget i tvivl, skal det kunne spores, hvor det kommer fra, og hvad der er sket med det. Uden den sporbarhed bliver hvert spørgsmål om et tal en søgning: hvem har justeret denne række, på hvilket grundlag, og er den samme bearbejdning også anvendt året før. Ved normalisering handler det for eksempel om spørgsmål som: hvilken omregningsfaktor er brugt, og er den faktor ændret siden. Ved aggregering handler det om: hvilke kilder er lagt sammen, og er en lokation ved en fejl talt dobbelt eller ligefrem sprunget over.
Et spreadsheet uden dokumenterede bearbejdninger kan året efter give et andet tal ved samme kildedata, simpelthen fordi en anden person udfører normaliseringen eller fortolker en rettelse anderledes. Det er ikke svindel, det er en mangel på en dokumenteret proces. Konsekvensen er den samme: tallet kan ikke reproduceres.
Nogle organisationer tror, at en ændringslogbog i spreadsheetet er tilstrækkelig. En logbog registrerer, at noget er ændret, men ikke hvorfor, af hvem i hvilken rolle, og på baggrund af hvilken regel. Forskellen mellem en logbog og en audit trail ligger i den kontekst: en audit trail gør en bearbejdning mulig at gøre rede for, en logbog registrerer blot, at noget er sket.
Mangel på et værktøj er ingen undskyldning for at springe lineage over. Også uden specialiseret software er det muligt at dokumentere pr. datapunkt, hvilken kilde det kommer fra, hvilke bearbejdninger der er anvendt på det, og hvem der har udført disse bearbejdninger. Det kan gøres med en fast struktur ved siden af selve spreadsheetet: et register, hvor kilde, bearbejdning og ansvarlig står samlet. Hvordan det ser ud uden brug af et værktøj, er beskrevet på siden om at opsætte lineage uden værktøj.
Hvert bearbejdningstrin har en ejer. Ikke kun af det endelige datapunkt, men af selve bearbejdningen: hvem har bestemt, at denne normaliseringsregel skal anvendes, og hvem må ændre den regel. Det ejerskab er ofte ikke fastlagt. Der er to spørgsmål, som skal skelnes fra hinanden: hvem der ejer definitionen af et datapunkt, altså hvad tallet præcist betyder, og hvem der ejer processen bagved, altså hvem der er ansvarlig for den vej, hvorigennem det bliver til. Uden at have fastlagt disse to forbliver en bearbejdning en individuel vane i stedet for en organisatorisk proces.
Data Readiness Scan kortlægger disse bearbejdninger: hvilke trin der finder sted mellem kilde og rapport, hvem der udfører dem, og hvilke regler der ligger bag. Det er ikke et rapporteringsværktøj og ikke et spørgeskema, men en registrering af den proces, der går forud for tallet.
Når det først er klart, hvilke bearbejdninger der finder sted mellem spreadsheet og rapport, opstår også et overblik over, hvilke af disse trin der er repetitive og regelstyrede, og dermed kan overvejes til at blive indrettet anderledes. FTE TO AI's arbejdsscan beregner for hver opgave, hvor stor en del af arbejdet der kan overtages af AI, og forbinder sig dermed netop til de bearbejdninger, der er beskrevet her: normalisering, aggregering og korrektion er trin, der - hvis de først er dokumenteret - kan vurderes i forhold til dette spørgsmål.
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.