Tämä kysymys ei tavallisesti tule ensimmäisenä. Ensin kysytään, mitä työkalu maksaa, tai mikä alusta toimittaa raportit nopeimmin. Kysymys läpimenoajasta tulee vasta, kun joku tajuaa, että raportti on vain niin hyvä kuin sen alla oleva data, ja että sen datan on tultava jostakin, se on laskettava ja tarkistettava jonkun, joka on siitä vastuussa.
Tähän kysymykseen ei ole yhtä kiinteää vastausta, ja kaikki, jotka antavat sellaisen, myyvät jotakin. Sen sijaan voimme selittää, mihin aika kuluu, jotta voitte itse arvioida, mikä on realistista teidän organisaatiollenne.
Ensimmäinen tekijä on lähteiden määrä, joiden läpi datapiste kulkee. Päästöluku, joka tulee suoraan yhdestä energialaskusta, on eri asia kuin päästöluku, joka on koottu ostodatasta, muuntokertoimia sisältävästä laskentataulukosta ja toimittajan arviosta, joka ei itsekään tarkalleen tiedä, mistä hänen lukunsa on peräisin. Mitä enemmän välivaiheita, sitä enemmän aikaa kuluu lähteen ja raportin välisen datapolun kartoittamiseen.
Toinen tekijä on omistajuus. Jos datapisteestä on selvää, kuka sen toimittaa, kuka sen tarkistaa ja kuka on vastuussa poikkeamista, laatusääntöjen laatiminen sujuu suhteellisen nopeasti. Jos tätä kysymystä ei ole koskaan esitetty ja vastaus vaihtelee osastoittain, sen selvittäminen, kuka on vastuussa mistä, vie usein enemmän aikaa kuin sääntöjen käyttöönotto itsessään.
Kolmas tekijä on se, kuinka suuri osa prosessista tapahtuu nykyisin manuaalisesti. Datapisteellä, joka kulkee kopioimalla ja liittämällä kolmen laskentataulukon välillä, on enemmän riskikohtia kuin datapisteellä, joka tulee automaattisesti järjestelmästä. Ei siksi, että laskentataulukot olisivat lähtökohtaisesti ongelma — miksi laskentataulukot eivät ole ongelma selittää, että sekainen laskentataulukko on usein oire prosessista, jota ei ole koskaan dokumentoitu — vaan siksi, että joka manuaalinen vaihe on kohta, jossa jokin voi mennä pieleen kenenkään huomaamatta.
Suurin osa organisaatioista, jotka käyvät läpi tämän prosessin, aloittaa CO2-päästöistä. Ei siksi, että aihe olisi tärkein, vaan koska se on usein rajatuin aihe: laskentamenetelmät ovat selkeät, ja tärkeimmät lähteet — energia, polttoaine, matkustaminen — on tavallisesti jo rekisteröity jonnekin. Miksi CO2 on tavallisesti ensimmäinen aihe kuvaa tätä valintaa tarkemmin. CO2:n kohdalla datapisterekisterin, datapolun ja omistajuuden rakentaminen voi edistyä nopeammin kuin aiheessa kuten biodiversiteetti tai työolot toimitusketjussa, jossa lähteet puuttuvat useammin tai niitä ei ole koskaan järjestelmällisesti dokumentoitu.
Tämä ei tarkoita, että CO2 olisi taatusti nopeammin valmis. Se kuitenkin selittää, miksi monet organisaatiot eivät aloita siitä sattumalta: se on aihe, jossa on jo eniten olemassa olevaa, mille rakentaa.
Tämän prosessin läpimenoaika ei ole kiinteä sprintti, jolla on päättymispäivä. Se ei ole asia, joka viedään päätökseen yhden päivän työpajassa, eikä se ole asia, joka on valmis kertaluonteisen harjoituksen jälkeen ja jota ei enää koskaan tarvitse käsitellä. Laatusääntöjä on ylläpidettävä, omistajuus muuttuu, kun ihmiset vaihtavat tehtäviä, ja uudet raportointivelvoitteet tuovat toisinaan mukanaan uusia datapisteitä, joiden on kuljettava läpi samat vaiheet uudelleen.
Mikä sen sijaan on realistista: organisaatio, joka saa rajatulle määrälle datapisteitä selväksi, mistä data tulee, kuka siitä on vastuussa ja mitä tarkastuksia sillä on, saa sen jälkeen mallin, jota on nopeampaa soveltaa muihin aiheisiin. Ensimmäinen kierros on tavallisesti hitain, ei siksi, että aihe olisi monimutkaisempi, vaan koska työskentelytapa on vielä löydettävä.
Ennen kuin kysymykseen läpimenoajasta voi vastata mielekkäästi, auttaa tietää, missä organisaationne nyt on. Mitä on datakypsyys ja miten sitä mitataan kuvaa, miten voitte arvioida tätä tekemättä olettamuksia siitä, missä teidän pitäisi jo olla. Organisaatio, jossa kukaan ei tiedä, kuka toimittaa luvun, aloittaa eri pisteestä kuin organisaatio, jossa se on jo kirjattu, mutta tarkastukset puuttuvat. Molemmat voivat käydä läpi tämän prosessin, mutta aika-arvio on erilainen.
Osa tämän prosessin viivästyksestä ei johdu ajattelutyöstä, vaan sitä ympäröivästä suorittavasta työstä: lukujen uudelleen kirjoittamisesta, lähteiden läpikäymisestä, tilanteiden seurannasta. Tämä on sellaista työtä, josta osan voi siirtää tekoälyn tehtäväksi menettämättä hallintaa omistajuudesta ja laatusäännöistä. Jos haluatte tietää, mikä osa tästä työstä teidän organisaatiossanne soveltuu siihen, FTE TO AI:n työscan antaa siitä arvion tehtäväkohtaisesti.
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.