Una cifra en un informe de sostenibilidad viene de algún sitio: un medidor, una factura, una estimación, una exportación de un sistema. En el momento en que esa cifra se introduce, se copia o se traslada, normalmente no hay nadie que compruebe si es correcta. No porque nadie lo quiera, sino porque no se ha establecido ninguna regla que indique qué es realmente un valor válido para ese punto de datos concreto.
"¿Es correcta esta cifra?" no es una pregunta que alguien pueda responder por intuición, y menos aún con cientos de puntos de datos repartidos en hojas de cálculo y sistemas. Un valor válido es algo que se ha definido de antemano: un rango, una unidad, una proporción respecto a otro punto de datos, una dirección esperada en comparación con el año anterior. Sin esa definición, cualquier valor es en principio válido, y ese es precisamente el problema. Una cifra de consumo que es diez veces demasiado alta porque la unidad se ha trasladado incorrectamente no destaca entonces — simplemente figura ahí, como todas las demás cifras.
Establecer qué es válido es uno de los pilares junto al registro de puntos de datos y los datos de origen: qué controles corresponden a un punto de datos y quién tiene visión sobre ello. Esto no es cuestión de fórmulas de Excel más estrictas, sino de establecer por punto de datos qué es aceptable y qué no, y por qué.
No toda desviación es un error, y no todo error genera una señal. Un valor puede estar fuera del rango esperado sin ser incorrecto — una fábrica que está temporalmente parada, una fusión que distorsiona las cifras. A la inversa, un valor puede parecer completamente normal y sin embargo ser incorrecto, por ejemplo porque dos partes de la organización utilizan un criterio diferente sobre qué miden. Una señal, por tanto, no es un juicio, es una indicación de que alguien debe revisarlo.
La pregunta entonces es: bajo qué condición se activa dicha señal, y con qué sensibilidad está configurada. Configurada de forma demasiado amplia, y las desviaciones se le escapan. Demasiado estricta, y todo el mundo ignora la alerta porque hay demasiadas. Cómo se determina ese umbral por punto de datos depende del propio punto de datos y de lo que lógicamente puede fluctuar. Este tema se aborda por separado en cómo configura una desviación de señal y quién la revisa entonces.
La cuestión central de esta página no es solo qué es un valor válido, sino quién detecta cuando un valor no lo es. En muchas organizaciones la respuesta es: nadie, hasta que una parte externa plantea una pregunta durante la revisión del informe. En ese momento ya es tarde, y quien elabora el informe debe volver a la fuente para reconstruir qué ha pasado.
Una regla de calidad sin propietario no es una regla, es una observación. Por tanto, a cada punto de datos no solo le corresponde un valor límite, sino también un nombre: quién recibe la alerta, quién evalúa si se trata de un error o de una excepción justificable, y quién registra esa explicación para que la siguiente persona que use el punto de datos no tenga que volver a investigarlo. Sin esa asignación, depende del azar que alguien vea la señal antes de que la cifra avance más en la cadena.
Esta asignación está directamente relacionada con otro problema que suele surgir junto a las reglas de calidad: equipos que interpretan el mismo concepto de forma diferente. Lo que es un valor válido para una parte de la organización puede generar una señal para otra, simplemente porque la definición difiere. Esto se relaciona con la pregunta qué hace usted con las definiciones que difieren según la parte de la organización. Sin una definición unívoca, una regla de calidad es, en el mejor de los casos, una suposición.
Es tentador resolver esta cuestión adquiriendo una herramienta que señale automáticamente. Pero una herramienta solo puede señalar en base a reglas introducidas, y esas reglas representan un conocimiento que ahora a menudo solo existe en la cabeza de alguien — el compañero que sabe que esta cifra suele estar entre dos límites, o que ese otro valor siempre lo revisa una persona concreta. Registrar primero ese conocimiento, por punto de datos, es un trabajo distinto de seleccionar un sistema. El orden en que esto se hace mejor se describe en comprar primero una herramienta o diseñar primero el proceso.
En cuanto se establece por punto de datos qué es un valor válido, quién evalúa una señal y quién explica una desviación, surge una imagen del trabajo que realmente se realiza en torno a los datos — comprobar, comparar, preguntar, registrar. Esa imagen es útil para otra cuestión: qué parte de esas tareas se repite de una manera que se presta a la automatización, y qué parte requiere un juicio que corresponde a una persona. El escáner de trabajo de FTE TO AI calcula por tarea qué parte del trabajo puede asumir la IA, en función de cómo está organizado ese trabajo ahora — no en base a una estimación previa.
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.