Päästöluku, jossa on kolme desimaalia pilkun jälkeen, herättää vaikutelman tarkkuudesta. Mutta tarkkuus ei kerro mitään luotettavuudesta. Luku on voitu laskea desimaalin tarkkuudella ja silti se voi perustua väärään yksikköön, vanhentuneeseen muuntokertoimeen tai arvioon, jonka joku syötti vuosia sitten ja jota ei ole sen jälkeen enää tarkistettu. Näennäistarkkuus on juuri tätä: luku, joka näyttää tarkemmalta kuin se todellisuudessa on.
Tämä ei tapahdu siksi, että ihmiset olisivat huolimattomia. Se tapahtuu siksi, että raportti on pitkän ketjun viimeinen vaihe, ja tuon ketjun päässä ei enää näy, mitä matkan varrella on tapahtunut. Laskentataulukko, jossa on kolme desimaalia, näyttää samalta riippumatta siitä, oliko lähtöarvo mitattu luku vai suuntaa-antava arvaus. Ilman sääntöjä, jotka määrittelevät, mikä on kelvollinen arvo, tämä ero jää näkymättömäksi.
Jokaisella datapisteellä on rajat, joiden sisällä arvo on uskottava. Toimipisteen energiankulutus ei voi olla negatiivinen. Päästökerroin ei muutu joka vuosineljännes kymmenkertaiseksi. Henkilöstömäärä ei poikkea tuhansilla edellisestä kuukaudesta ilman havaittavaa syytä. Nämä eivät ole monimutkaisia tilastollisia malleja, vaan yksinkertaisia, kirjattavissa olevia rajoja kutakin datapistettä kohti.
Kysymykseen siitä, mikä on kelvollinen arvo, ei voida vastata samalla tavalla kaikkialla. Se, mikä lasketaan hyväksyttäväksi vaihteluväliksi yhdelle datapisteelle, on liian väljä tai liian tiukka toiselle. Tämä valinta kuuluu itse datapisteeseen, aivan kuten kysymys siitä, mikä on kelvollinen arvo ja kuka huomaa, jos jokin menee pieleen. Jos tätä valintaa ei tehdä näkyväksi, jokainen sisään tuleva arvo hyväksytään hiljaisesti kelvolliseksi, vaikka se ei sitä olisikaan.
Tiukan rajan lisäksi on toinen taso: poikkeamat, jotka eivät ole virheellisiä, mutta jotka silti erottuvat. Arvo, joka pysyy sallitun vaihteluvälin sisällä mutta poikkeaa selvästi edellisten kausien kaavasta, ei ole väärä, mutta se on signaali, jonka jonkun pitäisi tarkistaa.
Ero tiukan hylkäämisen ja signaalin välillä on tietoinen valinta. Kelvollisen arvon tarkistus estää; signaali herättää huomiota estämättä. Molempia tarvitaan, ja molemmat tulisi kirjata datapisteen tasolla, lähtökohtana kysymys siitä, miten signaalipoikkeama asetetaan ja kuka huomaa, jos se tapahtuu. Ilman tätä kirjausta jää sattuman varaan, kuka huomaa poikkeavan arvon ja milloin.
Sääntö ilman vastaanottajaa on sääntö, jota kukaan ei lue. Jos arvo ylittää rajan tai antaa signaalin, on oltava kirjattuna, kuka saa sen tietoonsa: syöttäjä, data owner tai kontrolleri, joka käsittelee lukua eteenpäin. Ilman tätä vaihetta poikkeama katoaa lokitiedostoon, jota kukaan ei tarkista, ja havaittu virhe muuttuu huomaamattomaksi virheeksi.
Tässä kohtaa moni valvontamekanismi käytännössä pysähtyy. Sääntö asetetaan, mutta kukaan ei ole vastuussa siihen reagoimisesta. Sääntö on olemassa, ilmoitus tulee, eikä mitään tapahdu. Se, mitkä tarkistukset kuuluvat mihinkin datapisteeseen ja kuka ne näkee, liittyy laajempaan kokonaiskuvaan siitä, mitkä tarkistukset kuuluvat datapisteeseen ja kuka huomaa, jos jokin menee pieleen. Tarkistus, jota kukaan ei näe, ei käytännössä ole tarkistus lainkaan.
On olemassa järjestelmiä, jotka havaitsevat poikkeamat automaattisesti ja lähettävät ilmoituksia. Nämä järjestelmät ovat hyödyllisiä, mutta ne eivät ratkaise mitään, jos taustalla olevia kysymyksiä ei ole vastattu: mikä on kelvollinen arvo juuri tälle datapisteelle, mikä on signaali, ja kuka on nimetty vastaanottaja. Työkalu, joka toimii säännöillä, joita kukaan ei ole harkinnut, tuottaa ilmoituksia, joita kukaan ei ota vakavasti, tai varoituksia, jotka jätetään järjestelmällisesti huomiotta. Lopputulos muistuttaa valvontaa, mutta ei sitä ole.
Juuri siksi näihin kysymyksiin on vastattava ensin datapistetasolla, ennen kuin järjestelmä voi ne toteuttaa. Sääntö kuuluu datapisteeseen, ei ohjelmistoon, joka sattuu sitä valvomaan.
Näennäistarkkuus syntyy usein yhdessä toisen ongelman kanssa: organisaation osat määrittelevät datapisteen eri tavoin. Jos yksi toimipiste laskee toimistotilan neliömetrit mukaan ja toinen ei, kelvollisten arvojen tarkistus ei riitä, koska arvot eivät ole keskenään vertailukelpoisia. Se, mitä tehdä määritelmille, jotka vaihtelevat yksiköittäin, ja miten tämä liittyy kelvollisten arvojen tarkistukseen, on kuvattu sivulla, joka käsittelee toisistaan poikkeavia määritelmiä ja niihin liittyvää tarkistuskysymystä. Se, joka asettaa laatusäännöt tarkastelematta ensin tätä määritelmäkysymystä, saattaa tarkistaa uskottavia arvoja, jotka eivät tosiasiassa ole keskenään vertailukelpoisia.
Tämä skannaus kartoittaa datapisteittäin, mikä on kelvollinen arvo, mikä on signaali, ja kuka on nimetty vastaanottaja. Tämä kokonaiskuva ei ole päätepiste, vaan lähtökohta: se osoittaa, missä ei tällä hetkellä ole sääntöä lainkaan, missä sääntö on olemassa ilman vastaanottajaa, ja missä datapisteen määritelmä itsessään jo aiheuttaa sekaannusta yksiköiden välillä. Kun tämä kuva on olemassa, nähdään, mitkä tarkistukset kantavat eniten painoa ja mihin huomio tulisi ensin kohdistaa.
Kun tämä kokonaiskuva on saatu kasaan, voidaan vastata toiseen kysymykseen: mikä osa nyt vielä manuaalisesti tehtävästä työstä voidaan tämän jaottelun jälkeen siirtää automatisoidulle prosessille. Tähän tarkoitukseen on FTE TO AI:n työskannaus: se laskee tehtäväkohtaisesti, mikä osa työstä on siirrettävissä tekoälylle, ei korvaamaan tässä määriteltyjä laatusääntöjä, vaan jatkovaiheena syntyvälle kokonaiskuvalle.
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.