ICT-sektori eroaa sektoreista, joilla on tehtaita, ajoneuvokantoja tai rakennuksia. Ohjelmistoyrityksellä ei ole korkeauuneja ja tavallisesti ei myöskään omaa merkittävää toimitilaa. Tämä tekee sektorista ensi silmäyksellä vähäpäästöisen, mutta kestävyysdata ei ole kadonnut — se on siirtynyt. Se ei sijaitse omissa omaisuuserissä, vaan toimittajaketjussa, pilvipalveluntarjoajien kanssa tehdyissä sopimuksissa ja työntekijöiden käyttämissä laitteissa. Se, joka ICT-alalla katsoo vain omaa toimistoa, jää vaille suurimmasta osasta kokonaiskuvaa.
Monelle ICT-yritykselle ilmastovaikutuksen painopiste on siirtynyt ostettuun laskentakapasiteettiin. Se, joka käyttää AWS:ää, Azurea, Google Cloudia tai paikallista hosting-toimijaa, ostaa käytännössä energiankulutusta, joka tuotetaan ja raportoidaan muualla. Tästä koskeva data ei tavallisesti sijaitse sisäisessä järjestelmässä, vaan laskuissa, palvelusopimuksissa ja niissä kestävyysraporteissa, joita pilvipalveluntarjoajat itse julkaisevat. Osa toimittajista tarjoaa päästölukuja asiakas- tai työkuormakohtaisesti, toiset vain yleisen keskiarvon. Näiden kahden ero määrittää, miten tarkasti yritys voi perustella oman pilvipalveluihin liittyvän päästönsä — ja tätä eroa ei useinkaan tunneta raportin laatijan taholla.
Toinen paikka, jonne kestävyysdata kertyy, on laitteisto: kannettavat tietokoneet, palvelimet, verkkolaitteet, puhelimet. Tätä dataa syntyy useassa vaiheessa elinkaaren aikana. Hankintavaiheessa materiaalinkäyttöä ja valmistuksen päästöjä koskeva tieto on toimittajalla, usein tuotepassissa tai ympäristöselosteessa, jota ei vakiona pyydetä. Käytön aikana IT-hallinto tuottaa tietoa datakeskusten ja palvelinhuoneiden energiankulutuksesta, joskus kiinteistöjärjestelmissä, joskus IT-omaisuudenhallintatyökaluissa, jotka eivät kommunikoi talousosaston kanssa. Hävittämisvaiheessa syntyy uutta dataa: uudelleenkäyttöasteet, kierrätystodistukset, sopimukset elektroniikkajätteen käsittelijöiden kanssa. Kolme vaihetta, kolme erilaista lähdetyyppiä, ja harvoin yhtä paikkaa, jossa ne kohtaavat.
Yrityksillä, jotka tuottavat ensisijaisesti ohjelmistoja tai digitaalisia palveluita, on lisäkomplikaatio: itse tuotteella ei ole fyysistä jalanjälkeä, mutta se toimii infrastruktuurilla, jolla sellainen on. Kysymys siitä, mikä osa pilvipäästöistä kohdistetaan mille tuotteelle tai asiakkaalle, vaatii allokaatiomenetelmiä, joita ei usein ole vielä määritelty. Sen, joka tästä raportoi, on ensin päätettävä, mikä datapiste muodostaa perustan — laskentateho, tallennustila, dataliikenne — ennen kuin mitään on mahdollista mitata. Tämä on metodologinen valinta, joka on erillinen raportista, mutta edeltää sitä.
Koska sektori on työvoimavaltainen ja siinä on suhteellisen vähän fyysistä omaisuutta, henkilöstöön liittyvät erät painavat usein enemmän kuin teollisuussektoreilla: työmatkat, etätyö, liikematkat, toimistotilojen energia, joita joskus jaetaan muiden vuokralaisten kanssa. Tämä data on hajautunut HR-järjestelmiin, matkanvarausalustoihin, kiinteistöpalveluntarjoajiin ja joskus yksittäisen työntekijän ylläpitämiin laskentataulukoihin. Volyymi per erä on pieni, mutta lähteiden määrä on suuri, ja se tekee konsolidoinnista aikaa vievämpää kuin laajuus antaisi olettaa.
Sektoreilla kuten rakennusalalla tai kiinteistöalalla data on usein keskittynyt rajalliseen määrään fyysisiä sijainteja tai hankkeita. ICT-sektorilla asia on päinvastoin: data on levittynyt ohuena kerroksena moneen pieneen, digitaaliseen ja sopimusperusteiseen lähteeseen. Tämä vaatii erilaisen lähestymistavan datapisterekisterin laadinnassa — ei aloiteta rakennuksista tai koneista, vaan sopimuksista, järjestelmistä ja kysymyksestä, kuka organisaatiossa hallinnoi mitä osaa ketjusta.
Myös ICT-yrityksen sisällä, jossa on useita liiketoimintayksiköitä — esimerkiksi erillinen pilvi-, konsultointi- ja ohjelmistohaara — toistuu sama kysymys: mitä datapisteitä tarvitaan todella useammassa liiketoimintayksikössä ja missä organisaatiossa tämä datapiste jo olemassa on. Ennen kuin uudelleen kysytään pilvenkäyttöä tai laitteistoinventaaria, kannattaa selvittää, ylläpidetäänkö tätä tietoa jo jossain, esimerkiksi kohdasta missä datapiste on jo olemassa useammassa liiketoimintayksikössä. Tämä estää sitä, että jokainen yksikkö rakentaa oman, hieman poikkeavan versionsa samasta luvusta.
Hajanaisen datan houkutus on hankkia ensin työkalu, joka tekee kaikesta selkeän. Työkalu, joka asetetaan järjestäytymättömän prosessin päälle, tuottaa kuitenkin lähinnä siistimmän näköisen raportin luvuista, jotka pohjimmiltaan eivät vielä täsmää. Ensin on selvitettävä, mistä kukin datapiste tulee, kuka on siitä vastuussa ja mitä laatusääntöjä siihen sovelletaan — tämä vaihe edeltää järjestelmävalintoja, ei seuraa niitä.
Kun on selvää, mitä datapisteitä on olemassa, mistä ne tulevat ja kuka niitä hallinnoi, syntyy myös näkymä siihen, kuinka paljon manuaalista työtä niiden ympärillä yhä on: uudelleenkirjoittamista, tarkistamista, kollegalta selvittämistä. Juuri tällaista työtä FTE TO AI laskee tehtäväkohtaisen työskannauksen avulla — kuinka suuri osa siitä voidaan siirtää tekoälyn hoidettavaksi, täydentäen näkemystä, jonka datapisterekisteri jo tuottaa.
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.