Ένας οργανισμός με πολλές επιχειρησιακές μονάδες καταγράφει συχνά τα ίδια δεδομένα βιωσιμότητας περισσότερες από μία φορές, χωρίς κανείς να το αντιλαμβάνεται. Η ενεργειακή κατανάλωση μιας εγκατάστασης βρίσκεται σε ένα αρχείο Excel του υπεύθυνου εγκαταστάσεων, σε ένα εργαλείο αναφοράς της επιχειρησιακής μονάδας και σε έναν πίνακα συγκέντρωσης του ομίλου. Τρία σημεία, τρεις πιθανώς διαφορετικοί αριθμοί, και κανείς που μπορεί να πει με βεβαιότητα ποιος είναι ο ορθός.
Αυτό δεν είναι εξαίρεση. Είναι η φυσιολογική κατάσταση των δεδομένων βιωσιμότητας σε έναν οργανισμό που έχει αναπτυχθεί ανά επιχειρησιακή μονάδα, όπου κάθε τμήμα έχει δημιουργήσει τα δικά του συστήματα, ορισμούς και υπολογιστικά φύλλα προτού η αναφορά γίνει κοινό θέμα.
Ένα μητρώο σημείων δεδομένων καταγράφει ανά σημείο δεδομένων: τι είναι, από πού προέρχεται, ποιος είναι ο ιδιοκτήτης και ποιοι κανόνες ποιότητας ισχύουν γι' αυτό. Σε έναν οργανισμό με πολλές επιχειρησιακές μονάδες αυτό σημαίνει ότι δεν καταγράφετε απλώς ότι υπάρχει ένα σημείο δεδομένων «ενεργειακή κατανάλωση», αλλά και πού καταγράφεται αυτό το σημείο δεδομένων ανά επιχειρησιακή μονάδα, σε ποιο σύστημα, από ποιον, και με ποιον ορισμό.
Μόλις αυτό τοποθετηθεί δίπλα-δίπλα, γίνεται ορατό αν οι επιχειρησιακές μονάδες μετρούν το ίδιο πράγμα. Συχνά αποδεικνύεται ότι η μία καταγράφει την κατανάλωση σε kWh και η άλλη σε μετατρεπόμενη τιμή CO2, ή ότι το εύρος της «ενεργειακής κατανάλωσης» στη μία μονάδα περιλαμβάνει μόνο ηλεκτρισμό και στην άλλη και φυσικό αέριο. Το σημείο δεδομένων ονομάζεται το ίδιο, αλλά ουσιαστικά δεν είναι συγκρίσιμο. Αυτή τη διαφορά δεν τη βρίσκετε κοιτάζοντας μια αναφορά. Τη βρίσκετε τοποθετώντας την πηγή, τον ορισμό και τον ιδιοκτήτη ανά μονάδα δίπλα-δίπλα.
Το μητρώο δεν γεμίζει από μόνο του. Κάποιος πρέπει να ζητήσει από κάθε επιχειρησιακή μονάδα ποια σημεία δεδομένων καταγράφονται, σε ποιο σύστημα, και με βάση ποια πηγή. Αυτή είναι εργασία απογραφής: επαφή με τον ιδιοκτήτη κάθε συστήματος, αναγωγή της προέλευσης κάθε αριθμού στην αρχική καταγραφή, και καταγραφή αυτού που βρίσκετε, ακόμη και όταν αυτό είναι ασαφές ή ασυνεπές.
Ο τρόπος με τον οποίο δομείτε αυτή την απογραφή καθορίζει αν η αλληλεπικάλυψη γίνεται ορατή ή παραμένει κρυμμένη. Μια προσέγγιση ανά επιχειρησιακή μονάδα, ξεχωριστά η μία από την άλλη, δίνει πέντε μητρώα που δεν είναι συγκρίσιμα. Μια προσέγγιση ανά σημείο δεδομένων, εγκάρσια σε όλες τις μονάδες, δίνει την επισκόπηση που χρειάζεστε. Πώς το οργανώνετε αυτό περιγράφεται στο πώς καταρτίζετε ένα μητρώο σημείων δεδομένων σε πολλές επιχειρησιακές μονάδες. Πρόκειται για μια δομή που αναδεικνύει την επικάλυψη, αντί η ίδια η δομή να τη διαιωνίζει.
Ένα μητρώο σημείων δεδομένων δεν είναι πλήρες μόλις υπάρχει μια λίστα με σημεία δεδομένων. Είναι πλήρες μόλις κάθε σημείο δεδομένων έχει μια πηγή που μπορεί να ανιχνευθεί, έναν ιδιοκτήτη που αναλαμβάνει την ευθύνη, και έναν καταγεγραμμένο ορισμό που μπορεί να συγκριθεί με άλλες επιχειρησιακές μονάδες. Χωρίς αυτό μπορείτε να δείτε μια αλληλεπικάλυψη, αλλά όχι να διαπιστώσετε αν αυτή η αλληλεπικάλυψη είναι πρόβλημα ή συνειδητή επιλογή.
Το ερώτημα πόσα από τα σημεία δεδομένων σας πληρούν πράγματι αυτή την προϋπόθεση είναι στην πράξη συχνά μικρότερο από όσο θα ελπίζατε. Ορισμένα σημεία δεδομένων δεν έχουν εντοπίσιμη πηγή, μόνο έναν αριθμό που επαναλαμβάνεται εδώ και χρόνια από την προηγούμενη αναφορά. Πώς χαρτογραφείτε αυτόν τον αριθμό διαβάζετε στο πόσα από τα σημεία δεδομένων σας έχουν εντοπίσιμη πηγή. Και για την περίπτωση που συναντήσετε ένα σημείο δεδομένων για το οποίο απλά δεν βρίσκεται πηγή, ούτε μετά από έρευνα, υπάρχει ξεχωριστή προσέγγιση περιγραφή στο τι κάνετε με ένα σημείο δεδομένων χωρίς πηγή σε πολλές επιχειρησιακές μονάδες.
Η στιγμή κατά την οποία το μητρώο είναι «έτοιμο» δεν είναι ένα σταθερό σημείο στο χρόνο, αλλά μια κατάσταση ανά σημείο δεδομένων. Ορισμένα σημεία δεδομένων τακτοποιούνται γρήγορα, άλλα απαιτούν πολλούς γύρους έρευνας και επαλήθευσης. Τι σημαίνει αυτό για τον σχεδιασμό σας θα βρείτε στο πότε είναι έτοιμο ένα μητρώο σε πολλές επιχειρησιακές μονάδες.
Όταν διαπιστώσετε ότι τρεις επιχειρησιακές μονάδες καταγράφουν το ίδιο σημείο δεδομένων, προκύπτει το επόμενο ερώτημα: πρόκειται για διπλασιασμό που μπορείτε να εξαλείψετε, ή για τρία σημεία δεδομένων που τυχαίνει να έχουν την ίδια ονομασία αλλά διαφορετικό εύρος; Αυτή η διάκριση δεν είναι πάντα αμέσως εμφανής, και η κατάστρωσή της βρίσκεται στο επίκεντρο της αναγνώρισης ενός διπλού σημείου δεδομένων σε πολλές επιχειρησιακές μονάδες, όπως αναπτύσσεται περαιτέρω στο πώς αναγνωρίζετε ένα διπλό σημείο δεδομένων σε πολλές επιχειρησιακές μονάδες. Αυτή είναι εργασία που περιστρέφεται γύρω από την ακρίβεια: τοποθετώντας δίπλα-δίπλα τον ορισμό, το εύρος και τον κανόνα υπολογισμού κάθε παραδείγματος προτού καταλήξετε ότι πρόκειται για το ίδιο σημείο δεδομένων.
Η χαρτογράφηση σημείων δεδομένων, πηγών και ιδιοκτησίας σε πολλές επιχειρησιακές μονάδες είναι επαναλαμβανόμενη εργασία: νέες περίοδοι αναφοράς, νέες κανονιστικές ρυθμίσεις και οργανωτικές αλλαγές απαιτούν επανάληψη της ίδιας διαδικασίας έρευνας. Ένα μέρος αυτής της εργασίας, όπως η σύγκριση ορισμών δίπλα-δίπλα ή ο εντοπισμός μιας πηγής σε ένα σύστημα, είναι αρκετά επαναλαμβανόμενο ώστε να αξίζει να διερευνηθεί αν η AI μπορεί να αναλάβει ένα μέρος του. Η FTE TO AI υπολογίζει ανά εργασία ποιο μέρος της εργασίας είναι κατάλληλο για αυτό, με τη σάρωση εργασίας ως σημείο εκκίνησης για να το εξετάσετε αυτό για τη δική σας κατάσταση.
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.