Bei mehreren Business Units entsteht oft eine Frage, die niemand genau beantworten kann: welche Datenpunkte sind eigentlich nötig, und welche werden erhoben, weil sie letztes Jahr auch schon abgefragt wurden. Ohne Register wächst die Fragenliste mit der Angst, etwas zu übersehen. Mit einem Register wird sichtbar, was jede Unit tatsächlich liefert, woher das stammt und ob die Antwort auf die Frage derselbe Datenpunkt ist wie bei der Unit daneben.
Ein Datenpunktregister ist keine Berichtsvorlage und kein Fragebogen. Es ist eine Liste von Datenpunkten mit je Punkt: der Definition, der Einheit, der Quelle, dem Eigentümer und der Qualitätsregel, der er entsprechen muss. Für eine Organisation mit mehreren Business Units bedeutet dies, dass jeder Datenpunkt auf einen konkreten Ort in einem konkreten System zurückzuführen ist, bei einer konkreten verantwortlichen Person. Nicht „Scope-2-Emissionen pro Unit“, sondern „kWh-Verbrauch aus Rechnung X, eingegeben von Y, rückführbar auf Z“.
Die Frage, welche Datenpunkte wirklich nötig sind, lässt sich nicht in einem Schritt beantworten. Sie ergibt sich aus der Kombination dessen, was bereits existiert. Ein Überblick darüber, wo ein Datenpunkt bei mehreren Business Units bereits existiert zeigt, welcher Teil der Frage bereits durch bestehende Systeme beantwortet wird und welcher Teil noch lose in Tabellen liegt oder nirgends festgehalten wird. Erst wenn dieses Bild vorliegt, wird deutlich, welche Datenpunkte tatsächlich abgefragt werden müssen und welche überflüssig geworden sind.
Das Erstellen eines Registers beginnt nicht bei einem System, sondern bei einer Liste von Fragen: welche Datenpunkte werden derzeit genutzt, von wem, und auf Grundlage welcher Quelle. Das ist eine organisatorische Übung, keine technische. Ein schrittweises Vorgehen zum Erstellen eines Datenpunktregisters bei mehreren Business Units beschreibt, wie diese Bestandsaufnahme meist abläuft: pro Unit, pro Datenpunkt, mit Quelle und Eigentümer dazu.
Bei dieser Bestandsaufnahme tauchen zwei wiederkehrende Probleme auf. Das erste ist der Datenpunkt ohne eindeutige Quelle: eine Zahl, die schon jahrelang weitergegeben wird, deren Herkunft aber niemand mehr benennen kann. Ein Vorgehen für einen Datenpunkt ohne feststellbare Quelle bei mehreren Business Units geht darauf ein, was dann zu tun ist: den Datenpunkt nicht einfach übernehmen, sondern zunächst die Quelle rekonstruieren oder den Datenpunkt als unzuverlässig kennzeichnen, bis das möglich ist.
Das zweite Problem ist der doppelte Datenpunkt: zwei Business Units, die unter anderen Namen und anderen Einheiten dasselbe zugrunde liegende Datum liefern. Eine Methode, um einen doppelten Datenpunkt bei mehreren Business Units zu erkennen hilft, das sichtbar zu machen, sodass das Register nicht dieselbe Realität zweimal unter zwei Bezeichnungen festhält.
Ein Datenpunkt im Register ist erst vollständig, wenn vier Dinge feststehen: die Definition ist eindeutig, die Quelle ist feststellbar, der Eigentümer ist bekannt und es gibt eine Qualitätsregel, die bestimmt, wann ein Wert als gültig gilt. Fehlt eines dieser vier Elemente, ist der Datenpunkt noch nicht fertig, wie oft er auch schon geliefert wurde.
Das gilt ebenso für die Frage, ob das Register als Ganzes fertig ist. Ein Register ist nicht vollständig, weil eine lange Liste von Datenpunkten darin steht, sondern weil jeder Datenpunkt auf dieser Liste rückführbar ist und jede Unit weiß, welcher Teil der Liste auf sie zutrifft. Ein Test dafür, wann ein Register bei mehreren Business Units fertig ist beschreibt diese Grenze: nicht Vollständigkeit in der Anzahl, sondern Vollständigkeit in der Rückführbarkeit.
Ein brauchbarer Indikator dabei ist einfach, wie viele der Datenpunkte bereits eine Quelle haben. Eine Messung, wie viele Ihrer Datenpunkte eine Quelle haben gibt ein erstes Bild davon, wie weit die Organisation tatsächlich ist, unabhängig davon, wie der Bericht oder der Fragebogen dieses Jahr aussieht.
Es ist verlockend, zuerst Software anzuschaffen, die Datenpunkte sammelt, validiert und meldet. Diese Reihenfolge wirkt sich negativ aus, wenn der zugrunde liegende Prozess noch nicht organisiert ist: ein Tool über einer unorganisierten Datenerhebung erzeugt ordentlichere Berichte über Zahlen, die immer noch nicht rückführbar sind. Das Register — wer liefert was, aus welcher Quelle, nach welcher Regel — sollte zuerst stehen. Erst dann hat ein Tool etwas Verlässliches, worauf es aufsetzen kann.
Sobald das Register steht und pro Datenpunkt klar ist, wer ihn liefert, aus welcher Quelle und nach welcher Regel, wird eine andere Frage relevant: welcher Teil dieses Lieferprozesses noch Handarbeit erfordert, und welcher Teil repetitiv genug ist, um einem System überlassen zu werden. Der Werkscan von FTE TO AI berechnet pro Aufgabe, welcher Teil der Arbeit von KI übernommen werden kann, und kann auf Grundlage des Registers pro Datenpunkt angeben, wo manuelle Eingabe, Kontrolle oder Übergabe einem automatisierten Schritt Platz macht.
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.