Et datapunkt uden kontrol er et tal, der tilfældigvis står et sted. Det kan være korrekt, det kan være en tastefejl, det kan være en gammel version af et tal, der i mellemtiden er opdateret i en anden fil. Uden kontrol ser De ikke forskellen. Spørgsmålet om hvilke kontroller der hører til et datapunkt, er dermed ikke et teknisk detalje, men et af kernespørgsmålene inden for databehandling til bæredygtighedsrapportering.
En kontrol på et datapunkt består af mere end en grænseværdi i et regneark. Der er i kernen tre ting, der skal være fastlagt, og de bør defineres separat fra hinanden.
For det første: hvad er en gyldig værdi. Et energiforbrug kan ikke være negativt. En procentdel skal ligge mellem 0 og 100. Et antal medarbejdere er et helt tal. Dette lyder selvfølgeligt, men i praksis bliver dette sjældent fastlagt eksplicit per datapunkt — det sidder i hovedet på den, der engang oprettede regnearket, og forsvinder, så snart den person skifter funktion. Hvad en gyldig værdi præcis er, og hvad De gør, hvis en værdi falder uden for den, er beskrevet på siden om gyldige værdier og hvem der bemærker det, hvis det går skævt.
For det andet: hvad er et signal. En gyldig værdi er ikke det samme som en plausibel værdi. Et forbrug, der ligger inden for de tilladte grænser, men er tre gange så højt som sidste år, er gyldigt og samtidig et signal, som nogen bør se på. Et signal er derfor ikke en hård afvisning, men en indikation: dette afviger fra mønsteret, se på det, før det strømmer videre til rapporten. Hvordan De indstiller en sådan afvigelse og, mindst lige så vigtigt, hvem der får den at se, er beskrevet på siden om indstilling af en signalafvigelse og hvem der bemærker det.
For det tredje: hvem ser det. En kontrol, der ikke når nogen, eksisterer ikke i praksis, selv om den står på papir. Hvis en værdi falder uden for grænsen, eller et signal går af, skal det være fastlagt, hvem der får meddelelsen, inden for hvilken tidsfrist, og hvad der sker, hvis vedkommende ikke reagerer. Dette er som regel den del, der mangler: reglen findes, men ejerskabet af opfølgningen gør ikke.
I de fleste organisationer kører bæredygtighedsdata på regneark, der er groet ud af en første rapporteringsforpligtelse. Der var tidspres, der var en deadline, og der var en, der oprettede et faneblad. Kontroller findes ofte informelt: en, der kender tallet, bemærker en mærkelig afviger. Det fungerer, indtil den person er på ferie, skifter job, eller datapunktet vokser fra ti til hundrede linjer.
Følgen er, at organisationer ofte først opdager, at der ikke var nogen kontrol, efter en fejl allerede stod i rapporten. På det tidspunkt handler spørgsmålet ikke længere om, hvilke kontroller der burde have været, men om hvordan rapporten skal rettes — et dyrere og mere synligt spørgsmål end nødvendigt.
Der findes systemer, der automatisk registrerer grænseværdier og afvigelser. Disse systemer er nyttige, men kun hvis de underliggende spørgsmål allerede er besvaret: hvad er en gyldig værdi for dette specifikke datapunkt, hvad tæller her som et signal, og hvem er ejeren, der får meddelelsen. Et værktøj, der lægges oven på en uorganiseret proces, producerer primært meddelelser, som ingen tager sig af, eller grænser, der er indstillet vilkårligt, fordi ingen havde tid til at gennemtænke dem ordentligt. Kontrollen ser da automatiseret ud, men er det ikke reelt. Det er den samme faldgrube som skinpræcision: et tal med mange decimaler, der antyder en præcision, den underliggende data ikke har. Hvordan De forhindrer dette, og hvem der skal holde øje med det, kan De læse på siden om at forhindre skinpræcision og hvem der bemærker det.
En kontrol, der kun eksisterer på rapporteringstidspunktet, kommer for sent. Hvis en værdi først kontrolleres, når rapporten samles, er chancen lille for, at der stadig er tid til at rette kilden — presset ligger da på at nå deadlinen, ikke på at rette dataen. En kontrol bør derfor høre til datapunktet selv, på det tidspunkt det indtastes eller opdateres, med en ejer, der ser det, før tallet går videre i kæden.
Det er præcis, hvad datapunktregistret i Data Readiness Scan handler om: ikke at bygge rapporten op, men at fastlægge per datapunkt, hvad en gyldig værdi er, hvad et signal er, og hvem ejeren er, der ser det. Et fuldstændigt overblik over hvilke kontroller der hører til hvilket datapunkt, og hvordan ejerskab er placeret, findes samlet på siden der kombinerer kontroller og ejerskab per datapunkt. Den, der desuden kæmper med definitioner, der udfyldes lidt forskelligt per land, mærke eller afdeling, finder tilgangen til det på siden om håndtering af forskellige definitioner per afdeling.
At udarbejde gyldige værdier, signaler og ejerskab per datapunkt er præcis den type arbejde, der delvist er regelmæssigt af karakter og delvist kræver vurdering. Hvilken del af det, der kan overtages af AI, og hvilken del et menneske skal fortsætte med at gøre, er ikke et skøn, men en beregning. FTE TO AI tilbyder til det arbejdsscanningen: den beregner per opgave, hvilken del af arbejdet der kan overtages af AI, så De ikke gætter, men tæller.
Data Readiness Scan er under opbygning. Den, der ønsker at få kontrollaget omkring sine datapunkter tænkt med, så snart dette er tilgængeligt, kan tilmelde sig ventelisten.
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.