Sustainability Data Readiness
Tallene stemmer på papiret. Der står en pæn tabel, med et totalbeløb per del og en sum for koncernen. Men den, der spørger videre — hvor kommer dette tal fra, hvem har leveret det, hvilken definition er brugt — får tre forskellige svar fra tre forskellige mennesker. Den ene afdeling tæller scope 2 anderledes end den anden. Det regneark, der blev brugt sidste år, kan ikke længere findes. Ingen ved med sikkerhed, om dette tal er opbygget, som assurance-partneren senere vil kræve at se det. Det er ikke en regnefejl, det er et fundament, der aldrig er blevet lagt.
Kernen er Data Readiness Scan med et datapunktregister som rygrad. Det register stiller op mod hinanden, hvad der er nødvendigt for de valgte emner, og hvad der allerede findes i organisationen — ikke et skøn, men en liste, der følger af de væsentlige emner, der er udpeget.
Omkring det register findes source-to-report-mapperen: et udfyldeligt lineage-værktøj efter en fast input-proces-output-struktur. Per datapunkt fastlægges, hvor det kommer fra, hvilke bearbejdninger det gennemgår, før det ender i rapporten, og hvem der er ansvarlig for hvad via en RACI. Dertil hører kvalitetsregler — gyldige værdier, signalafvigelser — der synliggør, når et tal falder uden for linjen, før det forsvinder i konsolideringen.
Ud af den designede proces følger en generator for funktionelle krav. Det er den omvending, der ofte mangler i processen: ikke først købe et værktøj og bøje processen efter det, men først fastlægge processen og derefter se, hvilke krav der følger af den for eventuel software.
Den, der foretrækker at arbejde med vejledning, kan følge det tredages databootcamp — som regel med CO2 som første emne. Det er et rute 2/3-produkt fra partneren. Den underliggende designskabelon findes også i værktøjet, så den, der hellere selv styrer, kan gennemgå samme forløb på egen hånd.
Alt, hvad registret og mapperen leverer, kan spores tilbage til det, der er udfyldt: hvilken kilde, hvilken bearbejdning, hvilken ejer, hvilken regel. Der estimeres ikke noget ekstra, og der rundes ikke af til et præstationstal. Det, der kommer ud, er en struktur — ikke en vurdering af, hvor god eller dårlig dataen er, men en præcis anvisning af, hvor fundamenterne mangler, og hvor de allerede står. Hvordan disse trin præcist griber ind i hinanden, fra emnevalg til gentagen måling, er beskrevet på Hvordan det virker; hvad der konkret ligger på bordet efter hvert trin, står på Resultater.
Vælge emner. Væsentlige emner udvælges, om nødvendigt som udgangspunkt fra esgia.
Opbygge register. Registergeneratoren opstiller de datapunkter, der hører til disse emner.
Udfylde lineage og RACI. Per datapunkt fastlægges kilde, bearbejdninger, ejerskab og kvalitetsregler.
Readiness-rapport og gentagen måling. Der følger en indikation af rækkefølge og gennemløbstid per emne, og hele forløbet er tænkt til at blive målt periodisk igen — datakvalitet er ikke et øjebliksbillede.
Det er ikke et rapporteringsværktøj. Rapporten selv, under VSME eller CSRD, forbliver esgias arbejdsområde; her rapporteres der ikke, her lægges fundamentet for det.
Det er ikke et spørgeskemaværktøj. Den, der skal besvare et spørgeskema fra en kunde eller kædepartner, skal henvende sig til supplia eller esgreply.
Det er ikke en bevist track record. Der er ingen udførte forløb at henvise til — det passer til et værktøj, der stadig er i venteliste-status. Redskabet strukturerer processen og synliggør, hvor de løse ender findes; det beviser intet om resultatet og garanterer intet i forhold til assurance.
Rute 1 — gør det selv. Bootcamp-skabelonen per emne, en registereksport og en controls-tjekliste som forberedelse til assurance, alt sammen til at gennemgå selv.
Rute 2 — delvis vejledning. Partneren kører bootcampene; værktøjet forbliver stedet, hvor registret og lineagen er fastlagt.
Rute 3 — outsourcing. Fuld opsætning hos partneren, på FTE TO AIs egen maskine.
Den, der ønsker flere eksempler på, hvordan et register eller lineage-kort ser ud i praksis, finder baggrund i kundskabsbanken.
Et register og et lineage-kort ændrer først noget, når de bliver til, hvem der udfører hvilken opgave, hvor meget tid det tager, og i hvilket system det sker. Det er præcis der, hvor FTE TO AIs arbejdsscan begynder: ikke ved dataen, men ved det arbejde, der er nødvendigt for at få den data i orden.
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.