Μόλις τα δεδομένα βιωσιμότητας προέρχονται από περισσότερες από μία επιχειρηματικές μονάδες, το πρόβλημα δημιουργείται πριν υπάρξει το μητρώο. Κάθε μονάδα έχει τα δικά της συστήματα, τα δικά της υπολογιστικά φύλλα, τους δικούς της ορισμούς για το τι σημαίνει ένα σημείο δεδομένων. Ένα μητρώο που δεν τα οργανώνει, θα καταλήξει να μετρά την ίδια ροή τρεις φορές ή να τη χάσει εντελώς.
Ένα μητρώο σημείων δεδομένων δεν είναι λίστα θεμάτων αναφοράς, αλλά μητρώο στο επίπεδο του μεμονωμένου σημείου δεδομένων: οι εκπομπές scope 2 της εγκατάστασης Α, ο αριθμός fte με σύμβαση ορισμένου χρόνου στη μονάδα Β, η κατανάλωση νερού της τοποθεσίας Γ. Για κάθε σημείο δεδομένων πρέπει να είναι καταγεγραμμένο τι ακριβώς μετρά, σε ποια μονάδα μέτρησης, για ποια περίοδο και για ποια οντότητα. Χωρίς αυτά τα τέσσερα στοιχεία, ένα σημείο δεδομένων δεν είναι ανιχνεύσιμο και άρα δεν είναι ελέγξιμο.
Επιπλέον, το μητρώο περιέχει για κάθε σημείο δεδομένων την πηγή: το σύστημα, το αρχείο ή το άτομο από όπου προέρχεται ο αριθμός. Αυτό δεν είναι πάντα τόσο απλό όσο ακούγεται. Σε περιπτώσεις με πολλές επιχειρηματικές μονάδες συμβαίνει τακτικά ένα σημείο δεδομένων να συμπληρώνεται χωρίς κανείς να μπορεί να υποδείξει από πού προέρχεται· τι κάνετε με ένα σημείο δεδομένων χωρίς εντοπίσιμη πηγή είναι επομένως ένα ερώτημα που πρέπει να μπορεί να απαντήσει το ίδιο το μητρώο, όχι κάτι που διερευνάται εκ των υστέρων.
Ο πειρασμός με πολλές επιχειρηματικές μονάδες είναι να αφήσετε κάθε μονάδα να παραδώσει ξεχωριστά μια λίστα και να συγχωνεύσετε αυτές τις λίστες αργότερα. Αυτό δεν λειτουργεί, επειδή οι μονάδες σπάνια χρησιμοποιούν τους ίδιους ορισμούς. Η μία μονάδα αναφέρει την κατανάλωση ενέργειας ανά εγκατάσταση, η άλλη ανά γραμμή παραγωγής. Η μία υπολογίζει τους προσωρινά απασχολούμενους στο προσωπικό, η άλλη όχι. Όταν αυτές οι λίστες συγχωνεύονται χωρίς πρώτα να εναρμονιστούν οι ορισμοί, προκύπτουν διπλασιασμοί που δεν αναγνωρίζονται ως τέτοιοι.
Η σειρά που λειτουργεί: πρώτα καθορίζεται ποια σημεία δεδομένων έχουν πραγματικά σημασία για τον οργανισμό ως σύνολο, ανεξάρτητα από ποια μονάδα τα παραδίδει. Αυτό είναι ερώτημα αναγκαιότητας, όχι διαθεσιμότητας — ποια σημεία δεδομένων χρειάζεστε πραγματικά είναι διαφορετικό ερώτημα από ποια σημεία δεδομένων βρίσκονται ήδη κάπου σε ένα υπολογιστικό φύλλο. Μόνο μετά καθορίζεται για κάθε σημείο δεδομένων ποια μονάδα, ποιο σύστημα και ποιο άτομο αποτελεί την πηγή. Έτσι προκύπτει ένα μητρώο με έναν ορισμό ανά σημείο δεδομένων, στο οποίο πολλές μονάδες παρέχουν δεδομένα εισόδου χωρίς το ίδιο το σημείο δεδομένων να διπλασιάζεται.
Η αναγνώριση διπλασιασμών παραμένει απαραίτητη στη συνέχεια, γιατί ακόμη και με καλούς ορισμούς, δύο μονάδες μπορούν ασυναίσθητα να καταγράψουν το ίδιο υποκείμενο γεγονός με διαφορετικό όνομα. Πώς το εντοπίζετε αυτό — πώς αναγνωρίζετε ένα διπλό σημείο δεδομένων μεταξύ επιχειρηματικών μονάδων — είναι ένας έλεγχος που διενεργείται στο ίδιο το μητρώο, όχι στην αναφορά που προκύπτει αργότερα από αυτό.
Ένα συχνό λάθος είναι η ανάθεση ιδιοκτησίας στο επίπεδο της μονάδας: η μονάδα Α είναι υπεύθυνη για όλα τα δεδομένα από τη μονάδα Α. Αυτό λειτουργεί όσο οι μονάδες παραμένουν εύκολα διαχειρίσιμες, αλλά σε περιπτώσεις με πολλές επιχειρηματικές μονάδες με επικαλυπτόμενες διαδικασίες — ένα κοινό τμήμα προμηθειών, ένας κεντρικός στόλος οχημάτων — αυτή η ανάθεση γίνεται σύντομα ασαφής. Καλύτερη προσέγγιση είναι η ιδιοκτησία ανά σημείο δεδομένων: ένα όνομα που μπορεί να εξηγήσει από πού προέρχεται ο αριθμός, ποια είναι η μονάδα μέτρησης και πότε ενημερώθηκε τελευταία. Αυτό το όνομα δεν χρειάζεται να είναι το άτομο που πληκτρολογεί τον αριθμό, αλλά πρέπει να είναι το άτομο που γνωρίζει την πηγή.
Πόσα από τα υπάρχοντα σημεία δεδομένων έχουν ήδη μια τέτοια εντοπίσιμη πηγή, είναι συνήθως το πρώτο ερώτημα που προκύπτει μόλις αυτό εξεταστεί συστηματικά. Πόσα από τα σημεία δεδομένων σας έχουν πηγή είναι ακριβώς το ερώτημα που πρέπει να απαντηθεί ξεχωριστά για κάθε επιχειρηματική μονάδα, επειδή η απάντηση μπορεί να διαφέρει σημαντικά μεταξύ μονάδων.
Σε περιπτώσεις με πολλές επιχειρηματικές μονάδες, υπάρχει ο πειρασμός να περιμένετε μέχρι όλες οι μονάδες να έχουν την ίδια εμβάθυνση πριν το μητρώο θεωρηθεί έτοιμο. Αυτό δεν είναι ρεαλιστικό κριτήριο. Ένα μητρώο είναι έτοιμο όταν για κάθε σημείο δεδομένων είναι σαφές ποιος είναι ο ιδιοκτήτης, ποια είναι η πηγή και ποιος κανόνας ποιότητας ισχύει — ακόμη και όταν η απάντηση για ορισμένα σημεία δεδομένων είναι προσωρινά «άγνωστη πηγή, ενέργεια από μονάδα Χ». Η ατέλεια που είναι ορατή και έχει ανατεθεί είναι διαχειρίσιμη· η ατέλεια που παραμένει κρυμμένη πίσω από έναν συμπληρωμένο αριθμό, δεν είναι. Τι σημαίνει ακριβώς αυτό το κριτήριο, αναλύεται στο πότε είναι έτοιμο ένα μητρώο με πολλές επιχειρηματικές μονάδες.
Πόσο χρόνο απαιτεί η κατάρτιση ενός τέτοιου μητρώου, εξαρτάται από τον αριθμό των επιχειρηματικών μονάδων, τον αριθμό των συστημάτων ανά μονάδα και τον βαθμό στον οποίο οι ορισμοί ήδη συμφωνούν μεταξύ τους. Σε έναν οργανισμό με λίγες μονάδες και εύκολα διαχειρίσιμες πηγές, αυτό είναι σημαντικά λιγότερη δουλειά από έναν οργανισμό με δεκάδες μονάδες σε διαφορετικά συστήματα ERP. Μια ένδειξη για το από πού προέρχεται αυτή η δουλειά βρίσκεται στο πόσο χρόνο χρειάζεται για να τακτοποιηθεί ένα θέμα.
Η κατάρτιση και η διατήρηση ενός μητρώου σημείων δεδομένων σε πολλές επιχειρηματικές μονάδες αποτελείται από μια σειρά αναγνωρίσιμων εργασιών: αναζήτηση ορισμών, εντοπισμός πηγών, ανάθεση ιδιοκτητών, εντοπισμός διπλασιασμών. Ένα μέρος αυτής της δουλειάς είναι αρκετά επαναλαμβανόμενο για να αυτοματοποιηθεί, ένα άλλο μέρος απαιτεί κρίση που πρέπει να παραμείνει σε άνθρωπο. Η εργασιακή σάρωση της FTE TO AI υπολογίζει ανά εργασία ποιο μέρος αυτής της δουλειάς μπορεί να αναλάβει η AI, ώστε να γίνεται σαφές πού εξακολουθούν να απαιτούνται ανθρωποώρες και πού όχι.
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.