Ved flere business units opstår der ofte et spørgsmål, som ingen kan besvare præcist: hvilke datapunkter er egentlig nødvendige, og hvilke bliver indsamlet, fordi de også blev efterspurgt sidste år. Uden register vokser spørgelisten i takt med angsten for at overse noget. Med et register bliver det synligt, hvad hver unit faktisk leverer, hvor det kommer fra, og om svaret på spørgsmålet er det samme datapunkt som ved unit'en i nærheden.
Et datapunktregister er ikke en rapporteringsskabelon og ikke en spørgeliste. Det er en liste over datapunkter med for hvert punkt: definitionen, enheden, kilden, ejeren og kvalitetsreglen, som det skal opfylde. For en organisation med flere business units betyder dette, at hvert datapunkt kan spores til et konkret sted i et konkret system, hos en konkret ansvarlig person. Ikke 'scope 2-emissioner pr. unit', men 'kWh-forbrug fra faktura X, indtastet af Y, sporbar til Z'.
Spørgsmålet om hvilke datapunkter der virkelig er nødvendige, kan ikke besvares på én gang. Det følger af at kombinere det, der allerede findes. Et overblik over hvor et datapunkt allerede findes ved flere business units viser, hvilken del af spørgsmålet der allerede besvares af eksisterende systemer, og hvilken del der stadig ligger løst i spreadsheets eller ikke bliver registreret nogen steder. Først når det billede står klart, bliver det tydeligt, hvilke datapunkter der faktisk skal efterspørges, og hvilke der er blevet overflødige.
At udarbejde et register begynder ikke med et system, men med en liste af spørgsmål: hvilke datapunkter bruges nu, af hvem, og på baggrund af hvilken kilde. Det er en organisatorisk øvelse, ikke en teknisk. En trinvis fremgangsmåde for udarbejdelse af et datapunktregister ved flere business units beskriver, hvordan den kortlægning typisk forløber: pr. unit, pr. datapunkt, med kilde og ejer angivet.
Under den kortlægning dukker to tilbagevendende problemer op. Det første er datapunktet uden tydelig kilde: et tal, som er blevet videregivet i årevis, men som ingen længere kan pege på, hvor det kommer fra. En fremgangsmåde for et datapunkt uden påviselig kilde ved flere business units beskæftiger sig med, hvad der så skal gøres: ikke bare overtage datapunktet, men først rekonstruere kilden eller markere datapunktet som upålideligt, indtil det kan gøres.
Det andet problem er det dobbelte datapunkt: to business units, der under andre navne og med andre enheder leverer det samme underliggende data. En metode til at identificere et dobbelt datapunkt ved flere business units hjælper med at synliggøre dette, så registret ikke registrerer den samme virkelighed to gange under to forskellige etiketter.
Et datapunkt i registret er først komplet, når fire ting er på plads: definitionen er entydig, kilden kan påvises, ejeren er kendt, og der findes en kvalitetsregel, der afgør, hvornår en værdi anses for gyldig. Mangler et af disse fire, er datapunktet endnu ikke klar, uanset hvor mange gange det allerede er blevet leveret.
Dette gælder i lige så høj grad for spørgsmålet om, hvorvidt registret som helhed er færdigt. Et register er ikke komplet, fordi der står en lang liste af datapunkter i det, men fordi hvert datapunkt på listen kan spores, og hver unit ved, hvilken del af listen der gælder for den. En test for hvornår et register er færdigt ved flere business units beskriver den grænse: ikke fuldstændighed i antal, men fuldstændighed i sporbarhed.
En brugbar indikator i den forbindelse er ganske enkelt, hvor mange af datapunkterne der allerede har en kilde. En måling af hvor mange af Deres datapunkter der har en kilde giver et første indblik i, hvor langt organisationen faktisk er, uafhængigt af hvordan rapporten eller spørgelisten ser ud dette år.
Det er fristende først at anskaffe software, der indsamler, validerer og rapporterer datapunkter. Den rækkefølge virker mod hensigten, når den underliggende proces endnu ikke er organiseret: et værktøj oven på en uorganiseret dataindsamling producerer pænere rapporter om tal, der stadig ikke kan spores. Registret — hvem leverer hvad, fra hvilken kilde, efter hvilken regel — bør stå der først. Først da har et værktøj noget pålideligt at køre på.
Så snart registret står, og det for hvert datapunkt er klart, hvem der leverer det, fra hvilken kilde og efter hvilken regel, bliver et andet spørgsmål relevant: hvilken del af den leveringsproces kræver stadig menneskeligt arbejde, og hvilken del er repetitiv nok til at overlade til et system. Arbejdsscanen fra FTE TO AI beregner pr. opgave, hvilken del af arbejdet der kan overtages af AI, og kan på baggrund af registret pr. datapunkt angive, hvor manuel indtastning, kontrol eller overdragelse kan vige for et automatiseret trin.
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.