Un dato sin control es una cifra que casualmente figura en algún lugar. Puede ser correcta, puede ser un error de tecleo, puede ser una versión antigua de una cifra que entretanto se ha actualizado en otro archivo. Sin control, usted no ve la diferencia. La pregunta de qué controles corresponden a un dato no es, por tanto, un detalle técnico, sino una de las cuestiones centrales de la gestión de datos para la información de sostenibilidad.
Un control sobre un dato consiste en algo más que un valor límite en una hoja de cálculo. En esencia hay tres cosas que deben quedar fijadas, y deben definirse por separado.
En primer lugar: qué es un valor válido. Un consumo energético no puede ser negativo. Un porcentaje debe situarse entre 0 y 100. Un número de empleados es un número entero. Esto suena evidente, pero en la práctica rara vez se fija explícitamente por dato: está en la cabeza de quien creó en su momento la hoja de cálculo, y desaparece en cuanto esa persona cambia de función. Qué es exactamente un valor válido y qué hacer cuando un valor queda fuera de ese rango se explica en la página sobre valores válidos y quién lo nota cuando algo va mal.
En segundo lugar: qué es una señal. Un valor válido no es lo mismo que un valor plausible. Un consumo que se sitúa dentro de los límites permitidos pero que es tres veces superior al del año pasado es válido y, al mismo tiempo, una señal que alguien debe revisar. Una señal no es, por tanto, un rechazo definitivo, sino un indicio: esto se desvía del patrón, revíselo antes de que fluya hacia el informe. Cómo se configura una desviación de este tipo y, no menos importante, quién la ve, se explica en la página sobre cómo configurar una desviación de señal y quién lo nota.
En tercer lugar: quién lo ve. Un control que no llega a nadie no existe en la práctica, aunque figure sobre el papel. Si un valor queda fuera del límite o se dispara una señal, debe estar establecido quién recibe la notificación, en qué plazo, y qué ocurre si esa persona no responde. Este es habitualmente el elemento que falta: la regla existe, pero no la responsabilidad del seguimiento.
En la mayoría de las organizaciones, los datos de sostenibilidad funcionan sobre hojas de cálculo que han crecido a partir de una primera obligación de reportar. Había presión, había una fecha límite, y había alguien que creó una pestaña. Los controles suelen ser informales: alguien que conoce la cifra se fija en un valor atípico. Eso funciona hasta que esa persona está de vacaciones, cambia de trabajo, o el dato crece de diez a cien líneas.
El resultado es que las organizaciones a menudo solo notan que no había control después de que un error ya figuraba en el informe. En ese momento, la pregunta ya no es qué controles deberían haber existido, sino cómo corregir el informe, una cuestión más costosa y más visible de lo que habría sido necesario.
Existen sistemas que detectan automáticamente valores límite y desviaciones. Esos sistemas son útiles, pero solo si las preguntas subyacentes ya están respondidas: qué es un valor válido para este dato específico, qué cuenta aquí como señal, y quién es el responsable que recibe la notificación. Una herramienta que se aplica sobre un proceso desorganizado produce sobre todo notificaciones que nadie atiende, o límites establecidos de forma arbitraria porque nadie tuvo tiempo de pensarlos bien. El control parece entonces automatizado, pero no lo es en el fondo. Es la misma trampa que la falsa precisión: una cifra con muchos decimales que sugiere una exactitud que los datos subyacentes no tienen. Cómo evitarlo y quién debe participar en ello puede leerlo en la página sobre cómo evitar la falsa precisión y quién lo nota.
Un control que solo existe en el momento de reportar llega demasiado tarde. Si un valor solo se comprueba cuando se elabora el informe, es poco probable que quede tiempo para corregir la fuente: la presión se centra entonces en cumplir el plazo, no en corregir los datos. Un control debe, por tanto, corresponder al propio dato, en el momento en que se introduce o se actualiza, con un responsable que lo vea antes de que la cifra siga avanzando por la cadena.
Esto es precisamente el eje del registro de datos del Data Readiness Scan: no montar el informe, sino fijar por dato qué es un valor válido, qué es una señal, y quién es el responsable que lo ve. Encontrará un resumen completo de qué controles corresponden a qué dato y cómo se asigna la responsabilidad en la página que combina controles y responsabilidad por dato. Quien además tenga dificultades con definiciones que se aplican de forma algo distinta según el país, la marca o la unidad, encontrará el enfoque para ello en la página sobre cómo tratar definiciones que difieren por unidad.
Elaborar los valores válidos, las señales y la responsabilidad por dato es precisamente el tipo de trabajo que es en parte de naturaleza regular y en parte requiere criterio. Qué parte de ello puede asumir la IA y qué parte debe seguir haciendo una persona no es una estimación, sino un cálculo. FTE TO AI ofrece para ello el escáner de trabajo: calcula por tarea qué parte del trabajo puede asumir la IA, de modo que usted no adivine, sino que cuente.
El Data Readiness Scan está en construcción. Quien desee que la capa de control alrededor de sus datos se tenga en cuenta en cuanto esté disponible puede inscribirse en la lista de espera.
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.