Organisaatio, jolla on useita liiketoimintayksiköitä, laskee usein samat kestävyystiedot moneen kertaan, kenenkään huomaamatta. Toimipisteen energiankulutus löytyy tilapalvelupäällikön Excel-tiedostosta, liiketoimintayksikön raportointityökalusta ja konsernin yhdistelytaulukosta. Kolme paikkaa, kolme mahdollisesti eri lukua, ja kukaan ei voi varmuudella sanoa, mikä niistä on oikea.
Tämä ei ole poikkeus. Se on normaali tila kestävyystiedoille organisaatiossa, joka on kasvanut liiketoimintayksikkö kerrallaan, ja jossa jokainen yksikkö on rakentanut omat järjestelmänsä, määritelmänsä ja taulukkolaskentansa ennen kuin raportoinnista tuli yhteinen asia.
Datapisterekisteri kirjaa jokaisesta datapisteestä: mikä se on, mistä se on peräisin, kuka on omistaja ja mitä laatusääntöjä siihen sovelletaan. Kun organisaatiolla on useita liiketoimintayksiköitä, tämä tarkoittaa, että ei riitä kirjata, että datapiste "energiankulutus" on olemassa, vaan myös se, missä kohtaa kyseinen datapiste kirjataan jokaisessa liiketoimintayksikössä, missä järjestelmässä, kenen toimesta ja millä määritelmällä.
Kun tämä asetetaan rinnakkain, käy ilmi, mittaavatko liiketoimintayksiköt samaa asiaa. Usein osoittautuu, että yksi kirjaa kulutuksen kWh:ssa ja toinen muunnettuna CO2-arvona, tai että "energiankulutuksen" laajuus kattaa yhdessä yksikössä vain sähkön ja toisessa myös kaasun. Datapisteellä on sama nimi, mutta sisällöltään se ei ole vertailukelpoinen. Tätä eroa ei löydä katsomalla raporttia. Sen löytää asettamalla lähteen, määritelmän ja omistajan rinnakkain yksiköittäin.
Rekisteri ei täyty itsestään. Jonkun on kysyttävä kultakin liiketoimintayksiköltä, mitkä datapisteet kirjataan, missä järjestelmässä ja mihin lähteeseen perustuen. Se on inventointityötä: kunkin järjestelmän omistajalta kysyminen, jokaisen luvun alkuperän jäljittäminen takaisin alkuperäiseen kirjaukseen, ja sen kirjaaminen, mitä löytyy, myös silloin, kun se on epäselvää tai epäjohdonmukaista.
Tapa, jolla tämän inventoinnin rakentaa, ratkaisee, tuleeko päällekkäisyys näkyväksi vai pysyykö se piilossa. Lähestymistapa, joka käsittelee liiketoimintayksiköt toisistaan erillään, tuottaa viisi rekisteriä, joita ei voi verrata toisiinsa. Lähestymistapa, joka käsittelee datapisteitä kaikkien yksiköiden läpi, tuottaa yleiskuvan, jota tarvitsee. Miten tämän rakentaa, on kuvattu kohdassa miten datapisterekisteri laaditaan useissa liiketoimintayksiköissä. Kyse on rakenteesta, joka tekee päällekkäisyyden näkyväksi sen sijaan, että rakenne itse ylläpitäisi päällekkäisyyttä.
Datapisterekisteri ei ole valmis, kun siinä on lista datapisteistä. Se on valmis, kun jokaisella datapisteellä on jäljitettävissä oleva lähde, omistaja, joka ottaa vastuun, ja kirjattu määritelmä, joka on vertailukelpoinen muiden liiketoimintayksiköiden kanssa. Ilman tätä päällekkäisyyden voi nähdä, mutta ei voi todeta, onko se ongelma vai tietoinen valinta.
Kysymys siitä, kuinka moni datapisteistä täyttää tämän ehdon todellisuudessa, on käytännössä usein pienempi kuin toivottiin. Joillain datapisteillä ei ole osoitettavissa olevaa lähdettä, vain luku, jota on kopioitu edellisestä raportista vuosien ajan. Miten tämän määrän kartoittaa, löytyy kohdasta kuinka monella datapisteellä on osoitettavissa oleva lähde. Ja siltä varalta, että vastaan tulee datapiste, jolle lähdettä ei yksinkertaisesti löydy, ei myöskään kysymisen jälkeen, erillinen lähestymistapa on kuvattu kohdassa mitä tehdä datapisteelle, jolla ei ole lähdettä useissa liiketoimintayksiköissä.
Hetki, jolloin rekisteri on "valmis", ei ole kiinteä ajankohta, vaan tila kutakin datapistettä kohden. Osa datapisteistä saadaan kuntoon nopeasti, toiset vaativat useita kysely- ja tarkistuskierroksia. Mitä tämä tarkoittaa suunnittelun kannalta, löytyy kohdasta milloin rekisteri on valmis useissa liiketoimintayksiköissä.
Kun on nähnyt, että kolme liiketoimintayksikköä kirjaa saman datapisteen, seuraava kysymys on: onko kyse päällekkäisyydestä, jonka voi poistaa, vai kolmesta datapisteestä, joilla sattuu olemaan sama nimi mutta eri laajuus? Tätä eroa ei voi aina tehdä välittömästi, ja sen tekeminen on keskeistä, kun tunnistetaan kaksinkertainen datapiste useissa liiketoimintayksiköissä, mitä käsitellään tarkemmin kohdassa miten tunnistaa kaksinkertainen datapiste useissa liiketoimintayksiköissä. Tämä on työtä, joka vaatii tarkkuutta: kunkin esiintymän määritelmän, laajuuden ja laskentasäännön asettaminen rinnakkain ennen kuin päätellään, että kyse on samasta datapisteestä.
Datapisteiden, lähteiden ja omistajuuden kartoittaminen useissa liiketoimintayksiköissä on toistuvaa työtä: uudet raportointikaudet, uusi lainsäädäntö ja organisaatiomuutokset vaativat saman kyselyn toistamista. Osa tästä työstä, kuten määritelmien rinnakkain asettaminen tai lähteen jäljittäminen järjestelmästä, on riittävän toistuvaa, jotta kannattaa tutkia, voisiko AI ottaa osan siitä hoitaakseen. FTE TO AI laskee tehtäväkohtaisesti, mikä osa työstä soveltuu tähän, ja työscan toimii lähtökohtana tämän tarkastelemiseksi omassa tilanteessa.
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.