Fragen Sie fünf Einheiten nach derselben Größe — zum Beispiel die Anzahl der Vollzeitäquivalente, den Kraftstoffverbrauch eines Fuhrparks oder abgeschriebenes Material — und Sie erhalten fünf Berechnungen, die jeweils etwas anders laufen. Die eine Niederlassung zählt Zeitarbeitskräfte mit, die andere nicht. Die eine Fabrik rechnet in Litern, die andere hat das bereits in Liter pro Fahrzeug pro Jahr umgerechnet und liefert damit eine andere Art von Zahl als gefragt. Auf dem Papier heißt es alles dieselbe Metrik. In Wirklichkeit sind es unterschiedliche Definitionen, die zufällig in derselben Spalte stehen.
Das ist kein Eingabefehler. Niemand hat etwas falsch eingetippt. Das Problem liegt eine Ebene früher: Es wurde nie festgelegt, was der gültige Wert für diesen Datenpunkt genau ist, und so füllt jede Einheit die Lücke mit ihrer eigenen Logik. Was ein gültiger Wert ist und was nicht, ist ausgeführt auf was ein gültiger Wert ist — die Frage, die jedem Vergleich zwischen Einheiten vorausgehen sollte.
Die zentrale Frage ist nicht, ob Abweichungen vorkommen — die kommen immer vor — sondern wer sie sieht, bevor die Zahl in einem Bericht steht. In vielen Organisationen ist die Antwort: niemand, bis eine externe Partei oder ein Wirtschaftsprüfer eine Zahl bemerkt, die nicht zum Vorjahr passt. Dann ist die Frage bereits zu spät gestellt.
Ein Datenpunkt ohne Signalabweichung hat keine Möglichkeit, sich selbst verdächtig zu machen. Eine Zahl, die dreimal so hoch ist wie im Vorjahr, fällt nicht automatisch auf, wenn keine Bandbreite festgelegt ist, innerhalb der ein Wert plausibel ist. Wie Sie diese Bandbreite bestimmen — fester Prozentsatz, historische Streuung, ein Schwellenwert pro Einheit — ist ausgeführt auf wie Sie eine Signalabweichung einstellen. Die Frage ist nicht kompliziert, aber sie muss gestellt worden sein, pro Datenpunkt, bevor der Datenpunkt ausgefüllt wird.
Eine Signalabweichung fängt den extremen Fall auf: die Zahl, die eindeutig nicht stimmt. Aber die meisten Definitionsunterschiede zwischen Einheiten sind subtiler als das. Eine Niederlassung, die Zeitarbeitskräfte mitzählt, liefert keine absurde Zahl — sie liefert eine Zahl, die völlig normal aussieht, und genau dadurch fällt sie nicht auf.
Deshalb gehört zu jedem Datenpunkt mehr als eine Kontrolle: ein Bereich, innerhalb dessen der Wert liegen muss, eine Einheit, die feststeht, eine Belegvorschrift, die angibt, welcher Dokumenttyp als Nachweis gilt, und eine Beschreibung dessen, was in die Zählung gehört und was nicht. Welche Kombination von Kontrollen erforderlich ist, unterscheidet sich pro Datenpunkt und pro Organisation — eine F&E-Ausgabe erfordert andere Absicherungen als ein Emissionsfaktor. Eine Übersicht darüber, welche Kontrollen zu welchem Datenpunkttyp gehören, finden Sie auf welche Kontrollen zu einem Datenpunkt gehören. Ohne diese Kombination entsteht Scheingenauigkeit: eine Zahl mit zwei Dezimalstellen, die aus fünf Definitionen zusammengesetzt ist, die nicht zueinander passen. Woher diese Scheingenauigkeit kommt und wie Sie sie erkennen, steht auf wie Sie Scheingenauigkeit verhindern.
Eine Definition, die auf Papier festliegt, ist nicht automatisch eine Definition, die angewendet wird. Jemand muss die Frage beantworten, wenn eine Einheit einen Grenzfall vorlegt: Zählt diese Zusammenarbeitsform als Vollzeitäquivalent oder nicht, fällt dieser Lieferant unter Scope 3 oder nicht. Ohne benannten Eigentümer fällt diese Frage zurück auf denjenigen, der zufällig am nächsten am Formular sitzt, und dann verschiebt sich die Definition wieder, stillschweigend, pro Einheit.
Der Data Readiness Scan legt pro Datenpunkt fest, was der gültige Wert ist, welche Signalabweichung gilt, welche Kontrollen zu diesem spezifischen Datenpunkt gehören, und wer Eigentümer der Definition ist. Das ist kein Berichterstattungstool und kein Fragebogen — es ist das Register, das festhält, was unter dem Bericht liegt, sodass ein Unterschied zwischen Einheiten sichtbar wird, bevor die Zahl zusammengezählt wird.
Es gibt Systeme, die diese Kontrollen durchführen können. Aber ein System, das über fünf verschiedenen, nie festgelegten Definitionen läuft, führt diese Kontrollen anhand von Regeln aus, die niemand vereinbart hat. Das Ergebnis ist eine übersichtliche Oberfläche mit unzuverlässigen Zahlen darin. Warum die Reihenfolge — zuerst die Definition, dann das Werkzeug — von Bedeutung ist, steht auf zuerst ein Tool kaufen oder zuerst den Prozess einrichten. Und welche Anforderungen ein Tool eigentlich erfüllen muss, ergibt sich nicht aus einer Anbieterliste, sondern aus Ihrem eigenen Prozess — siehe welche funktionalen Anforderungen aus Ihrem eigenen Prozess folgen.
Der Data Readiness Scan befindet sich im Aufbau. Wer bereits jetzt mit Definitionen kämpft, die sich pro Einheit unterscheiden, kann sich für die Warteliste anmelden und wird informiert, sobald das Instrument verfügbar ist.
Sobald feststeht, was ein gültiger Wert ist, wer die Definition bewacht und welche Kontrolle zu welchem Datenpunkt gehört, wird auch sichtbar, welcher Teil dieser Arbeit Wiederholung ist: dieselben Quelldokumente nach derselben Regel prüfen, dieselbe Bandbreite bei jeder neuen Eingabe testen. Das ist Arbeit, die sich, einmal explizit gemacht, berechnen lässt. Der Werkscan von FTE TO AI berechnet pro Aufgabe, welcher Teil der Arbeit von KI übernommen werden kann — nicht als Ersatz für den Eigentümer, der über die Definition entscheidet, sondern als Möglichkeit, zu erkennen, wo Kontrolle und Wiederholung voneinander zu unterscheiden sind.
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.