Datapisterekisteri on luettelo kaikista kestävyysdatapisteistä, joita organisaationne tarvitsee, ja siinä on kunkin datapisteen kohdalla lähde, omistaja ja tila. Se ei ole raportointimalli eikä kyselylomake. Se on kirjanpito, joka tallentaa, mistä luku on peräisin, ennen kuin kukaan kysyy sitä.
Kunkin datapisteen kohdalla on vähintään tallennettava seuraavat tiedot: datapisteen nimi ja määritelmä, lähdejärjestelmät tai asiakirjat, joista se on peräisin, henkilö tai osasto, joka vastaa sen oikeellisuudesta, päivitystiheys, ja käsittelyvaiheet, joita datapiste käy läpi lähteestä raportointiin. Viimeksi mainittu on usein heikoin kohta: mitkä käsittelyvaiheet ovat lähteen ja raportin välissä ratkaisee, pysyykö luku jäljitettävänä vai menettääkö se logiikkansa matkalla.
Rekisteri, josta puuttuvat nämä kentät, on vain nimiluettelo. Rekisteri, jossa nämä kentät ovat mukana, on työkalu, jolla voitte tiedustella, korjata ja osoittaa, mistä luku on peräisin.
Ensimmäinen kysymys ei ole, mitä datapistettä voitte kerätä, vaan mitä datapistettä tarvitsette. Organisaatioissa, joilla on useita toimipaikkoja, brändejä tai liiketoimintayksiköitä, tämä kysymys vaihtelee osaston mukaan: mitä datapisteitä todella tarvitsette useissa liiketoimintayksiköissä on eri kysymys kuin se, mitä datapisteitä on yhteensä liikkeellä. Rekisteri, joka kerää kaiken, mitä on koskaan toimitettu, saastuu datapisteistä, joita kukaan ei enää käytä tai jotka esiintyvät kaksinkertaisina toisella nimellä.
Aloittakaa siksi raportointitarpeesta, ei olemassa olevista laskentataulukoista. Tästä tarpeesta työskentelette taaksepäin lähteisiin. Tätä prosessia kutsutaan source-to-report-kartoitukseksi, ja se, mitä source-to-report-kartoitus tarkalleen tarkoittaa, ratkaisee, kuinka paljon työtä rekisterin laatiminen vaatii. Mitä enemmän välivaiheita lähteen ja raportin välillä, sitä enemmän on tallennettava.
Täyttäminen ei tapahdu yhden henkilön toimesta pöydän ääressä. Se vaatii keskusteluja niiden ihmisten kanssa, jotka hallinnoivat lähdejärjestelmiä: kiinteistöpäällikön, joka seuraa energiankulutusta, HR-osaston, joka rekisteröi vaihtuvuuslukuja, hankintaosaston, joka kerää toimittajadataa. Kukin heistä tietää jotain, joka ei löydy mistään muualta, ja juuri se on tallennettava rekisteriin.
Tämän prosessin aikana nousee säännöllisesti esiin datapiste, jonka alkuperää kukaan ei enää tiedä. Se on ollut raportissa vuosia, mutta alkuperäinen lähde on korvattu, sen toimittanut henkilö on lähtenyt, tai määritelmä on muuttunut matkan varrella kenenkään sitä kirjaamatta. Kysymys mitä tehdä datapisteelle, jolla ei ole lähdettä ei ole silloin teoreettinen vaan ajankohtainen, ja vastaus ratkaisee, säilyykö kyseinen datapiste rekisterissä luotettavana, alustavana tai uudelleentarkasteltavana.
Toinen toistuva ongelma on päällekkäisyys. Kaksi osastoa toimittaa toisistaan riippumatta luvun, joka tosiasiassa mittaa samaa asiaa, mutta eri nimellä tai hieman eri rajauksella. Miten tunnistatte päällekkäisen datapisteen on siksi vaihe, jota ei voi ohittaa: tämän tarkistuksen puuttuessa lasketaan välillä kahteen kertaan asia, jonka olisi pitänyt laskea vain kerran, tai raportoidaan kaksi toisensa kanssa ristiriitaista lukua.
Rekisteri ei ole kunnossa sen vuoksi, että se tuntuu täydelliseltä. Se on kunnossa, kun kukin datapiste on jäljitettävissä lähteeseen, sillä on omistaja, jota voidaan lähestyä, ja sillä on laatusääntö, joka määrittää, mikä on kelvollinen arvo. Ilman tätä sääntöä kukaan ei tiedä, on poikkeama virhe vai todellinen muutos.
Kysymys siitä, milloin työ on valmis, on hankalampi kuin se vaikuttaa. Rekisteri ei ole koskaan lopullisesti valmis, koska lähteet muuttuvat, työntekijät lähtevät ja raportointivelvoitteet muuttuvat. Mutta on olemassa hetki, jolloin rekisteri on käyttökelpoinen: kun jokainen raportin datapiste on jäljitettävissä tallennettuun lähteeseen ja omistajaan, kenelle ei tarvitse soittaa sen selvittämiseksi. Milloin rekisteri on valmis kuvaa tätä rajaa, ja se on täydellisyyttä matalampi mutta ensiluonnosta korkeampi.
Rekisterin laatiminen on suurelta osin manuaalista työtä: lähteiden tiedustelua, määritelmien yhteensovittamista, omistajuuden kirjaamista. Osa näistä vaiheista on riittävän toistuvaa tunnistettavaksi — toimitettujen tiedostojen yhdistäminen, puuttuvien arvojen havaitseminen, luvun tarkistaminen vasten tallennettua sääntöä. Se, mikä osa tästä työstä voidaan siirtää AI:lle ja mikä osa jää riippuvaiseksi ihmisen arviosta, on juuri se, mitä varten FTE TO AI:n työskannaus on tehty: se laskee tehtäväkohtaisesti, mikä osa työstä on siirrettävissä, jotta ette arvaa vaan lasketa.
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.