Monilla toimialoilla ongelmana on, että data on hajautunut osastojen ja järjestelmien kesken, mutta syntyy kuitenkin yhden organisaation sisällä. Maatalousalalla hajanaisuus alkaa jo ennen tätä pistettä. Suuri osa kysytyimmästä kestävyysdatasta — maankäyttö, vedenkulutus, viljelykierto, eläinrehu, lannasta syntyvät päästöt — ei synny raportoivassa yrityksessä itsessään, vaan viljelijöillä, toimittajilla ja osuuskunnilla, joilla ei ole tähän kirjanpidollista tai digitaalista rutiinia. Siinä missä toimistoyritys löytää datan ERP-järjestelmästä, maatalousyrityksen on usein ensin tiedusteltava asiaa kolmansien osapuolten ketjulta, jotka eivät itse pidä kysymystä omana ongelmanaan.
Lisäksi se data, joka on sisäisesti saatavilla, on tavallisesti tallennettu yrityksen osan tai kasvukauden mukaan, ei raportointikauden mukaan. Tilikausi ei kulje samassa tahdissa sadonkorjuukierron kanssa, ja tänään voimassa oleva päästökerroin voi seuraavana kasvukautena olla jo muuttunut eri viljelykasvin tai maanmuokkauksen myötä. Suurin osa kestävyysraportointiin käytetystä ajasta ei kulu lukujen täyttämiseen, vaan sen selvittämiseen, keneltä näiden lukujen pitäisi ylipäätään tulla.
Ensimmäinen kohta on ketju itse. Suuri osa maatalousalan scope 3 -päästöistä on toimittajilla, joilla ei ole kestävyysraportointia ja joiden data — jos sitä on — on eri formaatissa, eri kielellä tai ei digitalisoitu ollenkaan. Kun datapistettä yritetään yhdistää lähteeseen, huomataan, että lähde on toisinaan henkilö, ei järjestelmä.
Toinen kohta on toiminta omassa yrityksessä: veden, energian ja kasvinsuojeluaineiden kulutusta seurataan usein paperilla tai erillisissä Excel-taulukoissa lohkoittain tai navetoittain. Tämä data on olemassa, mutta sitä ei ole osoitettu kenenkään vastuulle raportointitarkoituksiin — se on maatilan kirjanpitoa, ei CSRD-kirjanpitoa, ja näiden kahden välillä on harvoin saumaton yhteys.
Kolmas kohta on muuntaminen mitattaviin yksiköihin. Maankäyttöä ja maaperän hiiltä kirjataan eri toimijoiden kesken hyvin eri tavoin, ja muuntaminen yhtenäiseen raportointiyksikköön on itsessään virhelähde, jos kukaan ei kirjaa, mitä oletusta muunnoksessa käytettiin.
ICT-alalla kestävyysdata sijaitsee tavallisesti järjestelmissä, jotka ovat jo olemassa, ja kysymys on lähinnä sen saatavuudesta. Energia-alalla suuri osa datasta on jo mitattu, koska mittausvelvollisuus ja seuranta ovat osa liiketoimintaa. Maatalousalalta tämä perusta puuttuu useammin: data ei ole piilossa järjestelmässä, sitä ei ole koskaan järjestelmällisesti kirjattu. Tämä ei tee ongelmasta suurempaa tai pienempää kuin finanssialalla tai kiinteistöalalla, mutta luonteeltaan erilaisen: siellä ongelma on tavallisesti järjestelmien välinen integraatio, tässä kyse on usein ensin rekisteröinnistä lähteellä.
Houkutus on suuri ostaa ohjelmistopaketti, joka automatisoi maatalousalan raportoinnin. Mutta työkalu, joka hakee dataa järjestelmistä, joissa oikeaa dataa ei ole, tuottaa vain siististi muotoillun raportin samoista irrallisista langanpäistä. Ennen kuin järjestelmä voi laskea mitään yhteen, on määriteltävä, mikä datapiste kuuluu millekin lähteelle, kuka organisaation sisällä tai ulkopuolella on siitä vastuussa, ja mikä laatusääntö määrittää, onko syötetty luku uskottava. Tämä ei ole ohjelmistokysymys, vaan järjestämiskysymys, ja se edeltää mitä tahansa raportointijärjestelmää.
Data Readiness Scan kirjaa jokaisesta datapisteestä, mistä se tulee — omasta toiminnasta, viljelijältä, osuuskunnalta tai ulkoisesta tietolähteestä — ja kuka ketjun sisällä on siitä vastuussa. Toimialalle, jossa suuri osa datasta syntyy oman organisaation ulkopuolella, tämä omistajuus on usein puuttuva osa: ei itse luku, vaan kuka siitä vastaa. Sen määrittämiseksi, mitkä datapisteet ovat maatalousyritykselle todella olennaisia ja mitkä raportoidaan vaikka niillä ei ole funktiota, on hyödyllinen erottelu, joka tehdään kohdassa mitä datapisteitä todella tarvitsette, kun toimintaan kuuluu useita liiketoimintayksiköitä, samoin kuin lähtökohta, että datapiste on usein jo olemassa yhdessä olemassa olevista liiketoimintayksiköistä ennen kuin se kerätään uudelleen.
Kun on selvää, mistä maatalousketjun datapisteiden tulee tulla ja kuka ne toimittaa, syntyy toinen kysymys: kuinka suuri osa datan keräämiseen, tarkistamiseen ja jäljittämiseen liittyvästä työstä vaatii yhä ihmisen toimenpiteitä, ja mikä osa on riittävän toistuvaa jätettäväksi tekoälyn hoidettavaksi. FTE TO AI:n työskentelyskannaus laskee tämän tehtäväkohtaisesti, ei koko toimialan arvion perusteella vaan niiden tehtävien perusteella, joita tietyssä ketjussa todellisuudessa suoritetaan. Toimialalle, jolla suuri osa ajasta kuluu lähteiden jäljittämiseen sen sijaan, että kuluisi lukujen tulkitsemiseen, tämä on kiinnekohta, jonka avulla nähdään, missä automatisointi tuo hyötyä ja missä ei.
Skannaus, joka kartoittaa nämä datapisteet, lähteet ja omistajuuden maatalousalalle, on kehitteillä. Se, joka haluaa saada ilmoituksen skannauksen valmistuttua, voi ilmoittautua odotuslistalle.
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.