Ein Datenpunkt erhält erst Bedeutung, wenn feststeht, was eingegeben werden darf und was nicht. Der Energieverbrauch eines Standorts kann nicht negativ sein. Ein Prozentsatz kommt nicht über hundert. Ein Emissionsfaktor sollte innerhalb einer bestimmten Bandbreite liegen, abhängig von der herangezogenen Quelle. Ohne diese Grenzen kann jeder eingegebene Wert in den Bericht durchfließen, auch wenn er das Ergebnis einer falschen Einheit, eines falschen Kommas oder einer vertauschten Spalte ist.
Ein gültiger Wert ist also kein Qualitätsurteil über den Inhalt der Zahl. Es ist eine technische Grenze: ein Bereich, ein Typ, eine verbindliche Einheit, eine Beziehung zu einem anderen Datenpunkt. Diese Grenze legen Sie je Datenpunkt fest, nicht je Bericht. Das ist der Unterschied zwischen einer Kontrolle, die einmal pro Jahr jemand manuell durchführt, und einer Regel, die neben dem Datenpunkt selbst festliegt, sodass jede Eingabe daran vorbeigeht.
Nicht jede Abweichung ist ein Fehler. Ein Verbrauch, der dieses Jahr stark vom Vorjahr abweicht, kann ein Fehler sein, aber auch die Folge eines Umbaus, einer Übernahme oder eines anderen Messzeitraums. Deshalb ist es sinnvoll, zwischen zwei Arten von Regeln zu unterscheiden.
Die erste Art ist eine harte Grenze: ein Wert, der schlicht nicht möglich ist. Negativ, wo das nicht sein kann, ein Prozentsatz über hundert, ein Datum in der Zukunft. Diese Werte sollten Sie aufhalten, bevor sie weitergehen.
Die zweite Art ist ein Signal: ein Wert, der möglich ist, aber von dem abweicht, was Sie erwarten würden. Ein starker Anstieg gegenüber dem Vorjahr, eine Zahl, die weit außerhalb der Bandbreite vergleichbarer Standorte liegt, eine Eingabe, die genau zur Deadline ohne Begründung eintrifft. Ein Signal blockiert nichts. Es fragt um einen Blick darauf, und gegebenenfalls um eine Erläuterung, bevor die Zahl weitergeht. Wie Sie diese zwei Arten von Regeln einrichten und voneinander unterscheiden, steht beschrieben auf der Seite über die Einstellung einer Signalabweichung je Datenpunkt.
Eine Regel, die anschlägt, aber von niemandem gesehen wird, ist keine Regel. Zu jedem Datenpunkt gehört also nicht nur ein Grenzwert, sondern auch ein Name: wer der Eigentümer dieses Datenpunkts ist, und wer das Signal zu Gesicht bekommt, wenn der Wert abweicht. Bei einem Datenpunkt ohne Eigentümer verschwindet ein Signal in einem System, das niemand kontrolliert, oder in einer Tabelle, die erst beim Jahresabschluss wieder geöffnet wird.
Dieses Eigentümerschaft muss nicht kompliziert sein. Es geht um einen Namen neben dem Datenpunkt, nicht um einen Prozess. Aber ohne diesen Namen ist eine Qualitätsregel eine Regel auf dem Papier. Welche Kontrollen logischerweise zu welchem Typ Datenpunkt gehören, und warum nicht jeder Datenpunkt dieselbe Kontrolle benötigt, lesen Sie auf der Seite über welche Kontrollen zu einem Datenpunkt gehören.
Die Grenzen eines Datenpunkts kommen nicht aus dem Nichts. Sie folgen aus der Definition des Datenpunkts: was er misst, in welcher Einheit, über welchen Zeitraum, für welchen Organisationsteil. Wenn diese Definition je Teil unterschiedlich ist — der eine Standort rechnet in Quadratmetern Bodenfläche, der andere in Bruttogeschossfläche — dann unterscheidet sich auch, was ein gültiger Wert ist, und eine Grenze, die für den einen Standort stimmt, wird für den anderen unbrauchbar. Wie Sie damit umgehen, steht auf der Seite über was Sie mit Definitionen tun, die je Teil unterschiedlich sind.
Es gibt noch eine andere Falle: einen Grenzwert, der suggeriert, dass eine Zahl präziser ist, als die Quelle erlaubt. Ein Emissionsfaktor mit vier Dezimalstellen hinter einer Schätzung, die auf zwei Stellen genau ist, erweckt eine Genauigkeit, die nicht da ist. Qualitätsregeln sollten diese Scheingenauigkeit auffangen, statt sie zu bestätigen, ein Thema, das weiter ausgearbeitet wird auf der Seite über das Vermeiden von Scheingenauigkeit.
Es ist verlockend, ein Tool anzuschaffen, das automatisch auf Fehler kontrolliert. Aber ein Tool, das auf einen unorganisierten Prozess gelegt wird, kontrolliert Regeln, die noch nicht festgelegt sind, gegen Datenpunkte, für die niemand Eigentümer ist, auf Basis von Definitionen, die je Teil unterschiedlich sind. Das Ergebnis ist ein ordentlicherer Bericht über Zahlen, die immer noch nicht kontrolliert sind.
Der Data Readiness Scan legt deshalb zunächst fest, was vorhanden ist: das Datenpunktregister, die Herkunft jeder Zahl, das Eigentümerschaft und die Regeln, die bestimmen, was ein gültiger Wert ist und was ein Signal ist. Das ist Arbeit, die jetzt oft noch verstreut in Tabellen, E-Mail-Verläufen und im Kopf einiger Personen steckt. Das Tool, das dies unterstützt, befindet sich im Aufbau; wer sich jetzt schon damit befassen möchte, kann sich für die Warteliste anmelden.
Wenn einmal klar ist, welche Regeln und Kontrollen zu welchem Datenpunkt gehören, entsteht auch ein gutes Bild davon, welcher Teil dieser Kontrollarbeit wiederholbar ist und welcher Teil Beurteilung erfordert. Diese Unterscheidung steht im Mittelpunkt des Werkscans von FTE TO AI, der je Aufgabe berechnet, welcher Teil der Arbeit von KI übernommen werden kann und welcher Teil bei einem Menschen bleibt.
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.