Kuljetusalalla on ominaisuus, jota harva muu toimiala jakaa: suurin osa CO2-päästöistä syntyy toimiston ulkopuolella, hajautettuna ajoneuvoihin, ajoihin ja alihankkijoihin, jotka eivät kaikki ole samassa järjestelmässä. Siinä missä toimistorakennus on suhteellisen helppo mitata, kuljetusyrityksen ajoneuvokanta koostuu kymmenistä tai sadoista yksittäisistä liikkuvista lähteistä, joilla kaikilla on omat polttoaineenkulutuksensa, kuormitusasteensa ja reittinsä. Päästöt eivät ole rakennuksessa vaan ajojen summassa, ja tämän summan on tultava useista järjestelmistä samanaikaisesti.
Tämän päälle tulee toinen kerros: merkittävä osa kilometreistä ajetaan usein ei omalla ajoneuvokannalla, vaan alihankkijoiden, tilausliikenteen harjoittajien tai ketjukumppanien toimesta. Näiden päästöt kuuluvat useimmiten scope 3 -luokkaan, ja tiedot niistä ovat harvoin vakiomuotoisesti saatavilla. Kuljetusyrityksen, joka haluaa saada kestävyysdatansa kuntoon, on siis etsittävä tietoa omien järjestelmiensä lisäksi myös sovittava siitä, mitä alihankkijat toimittavat ja missä muodossa.
Polttoaineenkulutus on tavallisesti lähtökohta ja samalla hajanaisin osa-alue. Tankkauskorttitiedot, ajotietokoneet, telematiikkajärjestelmät ja käsin täytetyt tankkauskuitit ovat usein olemassa rinnakkain, eri resoluutioilla ja eri määritelmillä siitä, mikä on 'ajo'. Ajotietokone kirjaa tietoa ajoneuvokohtaisesti, tankkauskortin toimittaja laskuttaa korttikohtaisesti, ja näiden kaksi ei automaattisesti täsmää.
Suunnittelu- ja TMS-ohjelmistot (kuljetuksenhallintajärjestelmät) sisältävät tietoa kuormitusasteesta, paluuajoista ja tyhjistä kilometreistä, joita tarvitaan päästöjen kohdistamiseksi lähetys- tai asiakaskohtaisesti. Näitä järjestelmiä on rakennettu ensisijaisesti operatiivista suunnittelua varten, ei kestävyysraportointia varten, minkä seurauksena tarvittavat kentät ovat siellä joskus olemassa, mutta eivät siinä muodossa, jota CSRD-raportointi edellyttää.
HR- ja henkilöstöjärjestelmät sisältävät tietoa työmatkaliikenteestä ja, omia korjaamoita omaavissa yrityksissä, yritysrakennusten energiankulutuksesta. Kiinteistöosastot hallinnoivat usein erikseen toimistojen, latausasemien ja muun kiinteistön energiasopimuksia. Ja lisäksi on kansio alihankkijoiden sopimuksista ja sovinnoista, joissa on joskus, joskus ei, mainittu käytettävä polttoainetyyppi tai ajoneuvotyyppi.
Monessa kuljetusyrityksessä ei ole ketään, joka hallitsisi kaikkia edellä mainittuja lähteitä. Suunnitteluosasto tuntee ajot, ajoneuvokannan hallinnoija tuntee polttoaineenkulutuksen, hankinta tuntee alihankkijat, ja taloushallinnon on lopulta tehtävä siitä raportointiluku. Ilman selkeää omistajuutta datapisteittäin syntyy riski, että kukaan ei tunne itseään vastuulliseksi luvun oikeellisuudesta, ja että vasta raportin laatimisen yhteydessä paljastuu, että lähde puuttuu tai ei täsmää.
Tämä on tunnistettava kuvio: myös liike-elämän palveluissa ja vähittäiskaupassa data on hajautunut osastoille, joilla on kullakin osa kokonaiskuvasta, ilman että kukaan valvoo kokonaisuutta. Kuljetusalalla tähän lisätään se komplikaatio, että merkittävä osa lähteistä sijaitsee fyysisesti yrityksen ulkopuolella, ajoneuvoissa ja kumppaneiden luona.
On houkuttelevaa haluta ratkaista tämä hajanaisuus ohjelmistolla, joka yhdistää telematiikan, tankkauskorttitiedot ja TMS-datan automaattisesti. Tällainen ohjelmisto voi olla hyödyllinen, mutta vain jos etukäteen on selvää, mistä lähteestä minkä datapisteen tulisi tulla, kuka valvoo tätä datapistettä ja mikä laatusääntö määrittää, onko arvo uskottava. Työkalu, joka asetetaan järjestämättömän prosessin päälle, tuottaa siistimmän raportin samoista epäluotettavista luvuista. Järjestys on siis ensin datapisteiden ja niiden alkuperän rekisteri, ja vasta sen jälkeen mahdollisesti järjestelmä, joka automatisoi tämän tietovirran.
Data Readiness Scan kartoittaa kuljetusyritykselle, mistä järjestelmästä mikä datapiste tulee: polttoaineenkulutus ajoneuvo- tai ajokohtaisesti, kuormitusaste TMS:stä, toimipisteiden energiankulutus, ja tiedot, joita alihankkijat toimittavat tai juuri eivät toimita. Kunkin datapisteen kohdalla kirjataan, kuka on omistaja ja mikä sääntö määrittää, onko arvo uskottava, jotta tarkastuksen yhteydessä on selvää, mistä luku on peräisin ja keneltä sitä voidaan kysyä. Tämä työ ei koske itse raporttia eikä asiakkaiden tai pankkien kyselylomakkeisiin vastaamista, vaan sitä data-kerrosta, joka edeltää sitä.
Skannaus on rakenteilla. Kiinnostuneet voivat ilmoittautua jonotuslistalle; nyt ei myydä mitään, joka ei ole vielä valmis.
Kun on selvää, mitä datapisteitä on, kuka niitä hallinnoi ja mistä järjestelmästä ne tulevat, syntyy luonnollisesti jatkokysymys: mikä osa näiden datapisteiden keräämisestä ja tarkistamisesta on käsityötä, joka jää suunnittelijan tai controllerin tehtäväksi, ja mikä osa on tarpeeksi toistuvaa automatisoitavaksi. Sama kysymys on ajankohtainen toimialoilla kuten koulutus ja maatalousala, joissa operatiivinen tieto on yhtä hajautunutta kuin kuljetusalalla. FTE TO AI:n työskannaus laskee tehtäväkohtaisesti, mikä osa työstä on siirrettävissä AI:lle, ja liittyy siten siihen hetkeen, kun Data Readiness Scanin datapisterekisteri on valmis: ensin on tiedettävä, missä data sijaitsee ja kuka siitä vastaa, vasta sen jälkeen voidaan katsoa, mikä osa sen ylläpidosta voidaan automatisoida.
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.