Küsige viielt osakonnalt sama suuruse kohta — näiteks töötajate arvu täistööajale taandatuna, sõidukipargi kütusekulu või mahakantud materjali kohta — ja saate viis arutluskäiku, mis kulgevad kõik veidi erinevalt. Üks üksus loeb ka renditöötajad kaasa, teine ei loe. Üks tehas arvestab liitrites, teine on selle juba ümber arvutanud liitriteks sõiduki kohta aastas ja annab seega täiesti erineva näitaja kui küsitud oli. Paberil kannavad kõik samu mõõdiku nime. Tegelikkuses on need erinevad definitsioonid, mis juhtumisi asuvad samas tulbas.
See ei ole sisestusviga. Keegi ei ole midagi valesti trükkinud. Probleem peitub kihis, mis eelneb sellele: kunagi ei ole kindlaks määratud, mis on selle andmepunkti kehtiv väärtus täpsemalt, ja seega täidab igaüks osakond selle lünga oma loogikaga. Mis on kehtiv väärtus ja mis ei ole, on lahti kirjutatud lehel milline väärtus on kehtiv — küsimus, mis peaks eelnema igale osakondade vahelisele võrdlusele.
Peamine küsimus ei ole, kas kõrvalekaldeid esineb — need esinevad alati — vaid kes märkab neid enne, kui number jõuab aruandesse. Paljudes organisatsioonides on vastus: mitte keegi, kuni väline osapool või audiitor märkab numbrit, mis ei klapi eelmise aastaga. Sel hetkel on küsimus juba liiga hilja esitatud.
Andmepunktil, millele ei ole seatud kõrvalekalde signaali, ei ole viisi ennast kahtlaseks muuta. Number, mis on kolm korda suurem kui eelmisel aastal, ei paista automaatselt silma, kui ei ole kindlaks määratud vahemikku, mille sees on väärtus usutav. Kuidas seda vahemikku määrata — kindel protsent, ajalooline hajuvus, künnis ühiku kohta — on lahti kirjutatud lehel kuidas seada kõrvalekalde signaal. Küsimus ei ole keeruline, aga see peab olema esitatud, andmepunkti kohta, enne kui andmepunkt täidetakse.
Kõrvalekalde signaal tabab äärmusliku juhtumi: numbri, mis selgelt ei klapi. Kuid enamik definitsioonierinevusi osakondade vahel on peenemad kui see. Üksus, mis loeb renditöötajad kaasa, ei annab tulemuseks absurdset numbrit — see annab numbri, mis näeb välja täiesti normaalne, ja just seetõttu jääb see märkamatuks.
Seetõttu peaks igal andmepunktil olema rohkem kui üks kontroll: vahemik, kuhu väärtus peab jääma, kindlaks määratud ühik, allika nõue, mis näitab, mis liiki dokument kehtib alusena, ja kirjeldus sellest, mis kuulub ja mis ei kuulu arvestusse. Milline kontrollide kombinatsioon on vajalik, erineb andmepunktist ja organisatsioonist — teadus- ja arenduskulu vajab teistsuguseid tagatisi kui heitekoefitsient. Ülevaade selle kohta, milliseid kontrolle vajab milline andmepunktitüüp, on lehel millised kontrollid kuuluvad andmepunkti juurde. Selle kombinatsiooni puudumisel tekib näiline täpsus: number kahe komakohaga, mis on kokku pandud viiest definitsioonist, mis ei klapi omavahel. Kust see näiline täpsus tuleb ja kuidas seda tuvastada, on lehel kuidas vältida näilikku täpsust.
Definitsioon, mis on paberil kindlaks määratud, ei ole automaatselt definitsioon, mida rakendatakse. Keegi peab vastama küsimusele, kui osakond toob esile piiripealse juhtumi: kas see koostöövorm loetakse täistööaja ekvivalendina või mitte, kas see tarnija kuulub scope 3 alla või mitte. Määratud omaniku puudumisel langeb see küsimus selle õlule, kes juhtumisi on vormile kõige lähemal, ja siis nihkub definitsioon jälle, vaikimisi, osakonniti.
Data Readiness Scan määrab igale andmepunktile kindlaks, mis on kehtiv väärtus, milline kõrvalekalde signaal kehtib, millised kontrollid kuuluvad selle konkreetse andmepunkti juurde ja kes on definitsiooni omanik. See ei ole aruandlustööriist ega küsimustik — see on register, mis fikseerib, mis on aruande all, nii et erinevus osakondade vahel muutub nähtavaks enne, kui number kokku liidetakse.
On olemas süsteeme, mis saavad need kontrollid teostada. Kuid süsteem, mis töötab viie erineva, kunagi kindlaks määramata definitsiooni peal, teeb need kontrollid reeglite alusel, milles keegi ei ole kokku leppinud. Tulemus on korralik kasutajaliides, mille sees on ebausaldusväärsed numbrid. Miks järjekord — esmalt definitsioon, seejärel tööriist — on oluline, on lahti kirjutatud lehel kas esmalt ostta tööriist või esmalt korraldada protsess. Ja millised nõuded tööriist tegelikult peab täitma, ei tulene tarnijate nimekirjast, vaid teie enda protsessist — vaadake millised funktsionaalsed nõuded tulenevad teie enda protsessist.
Data Readiness Scan on ehitamisel. Kes juba praegu tegeleb definitsioonidega, mis erinevad osakonniti, saab registreeruda ootenimekirja ja saab teavituse, kui instrument on saadaval.
Kui on kord kindlaks määratud, mis on kehtiv väärtus, kes valvab definitsiooni ja milline kontroll kuulub millise andmepunkti juurde, muutub nähtavaks ka see, milline osa sellest tööst on kordamine: samade lähtedokumentide kontrollimine sama reegli alusel, sama vahemiku testimine iga uue sisestuse puhul. See on töö, mis, kord selgelt sõnastatuna, on välja arvutatav. FTE TO AI töövoo skaneerimine arvutab ülesande kaupa välja, milline osa tööst on AI-ga üle võetav — mitte omaniku asendajana, kes definitsiooni üle otsustab, vaid viisina näha, kus kontroll ja kordamine on üksteisest eristatavad.
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.