Asianajotoimistolla, tilintarkastustoimistolla tai konsulttiyrityksellä ei ole tuotantolinjaa, merkittävää ajoneuvokantaa eikä yleensä omaa tuotantotilaa. Päästöt eivät sijaitse koneissa vaan ihmisissä: toimistorakennuksissa, kannettavissa tietokoneissa, työmatkoissa ja muilta hankituissa palveluissa. Kun teollisuusyritys voi mitata suurimman osan päästöistään omien seiniensä sisäpuolella, liike-elämän palveluissa suurin osa sijaitsee juuri niiden seinien ulkopuolella. Se siirtää kysymyksen suunnasta "mitä me päästämme" suuntaan "mitä ympärillämme olevat tahot päästävät", ja juuri se siirtymä on kohta, jossa data muuttuu hankalaksi.
Oman kiinteistön perustiedot löytyvät usein vielä: energialaskut kiinteistöhallinnosta, palvelusopimukset kiinteistönhoitajalta, vuokrasopimukset taloushallinnosta. Mutta kun laajuus kasvaa, data hajoaa osastoille, jotka eivät välttämättä puhu keskenään. Matkakulut ja kuittaukset ovat HR- tai kulujärjestelmässä, usein erottelematta lento-, juna- tai automatkaa. IT-palvelujen, pilvitallennuksen ja ohjelmistolisenssien hankinta kulkee hankintaosaston tai erillisten osastokohtaisten sopimusten kautta, ja laskuissa ei mainita toimittajan energiankulutusta. Paperinkulutus, painotyöt ja catering ovat kiinteistöhallinnon vastuulla. Vuokratyöntekijät ja freelancerit ovat joskus mukana henkilöstölukuissa ja joskus eivät, riippuen siitä, miten HR-hallinto on järjestetty.
Suurin erä, muilta yrityksiltä ostetut palvelut, on tavallisesti epämääräisin. Konsulttiyritys, joka käyttää alihankkijoita, tilintarkastustoimisto, joka ulkoistaa työtä toiselle toimistolle, lakitiimi, joka palkkaa ulkopuolisia asiantuntijoita: tämä palveluketju synnyttää päästöjä, joita ei missään tallenneta automaattisesti, koska lasku näyttää vain summan, ei alkuperää.
Koska mitään laitetta ei mittaa jatkuvasti, kestävyysdata liike-elämän palveluissa syntyy usein manuaalisen keräämisen kautta: joku pyytää laskuja kiinteistöhallinnolta, pyytää matkadataa HR:ltä, pyytää hankintatietoja hankintaosastolta, ja liittää sen kaiken yhteen laskentataulukkoon. Tästä laskentataulukosta tulee tosiasiallinen totuuden järjestelmä, vaikka kukaan ei pysty osoittamaan, kuka hallinnoi minkä luvun lähdettä tai kuinka usein sitä päivitetään. Seuraavalla raportointikierroksella työ tehdään usein uudelleen, hieman eri lähdevalikoimalla, minkä seurauksena lukuja on vaikea vertailla vuodesta toiseen.
Houkutus on hankkia raportointityökalu heti, kun kyselylomakkeet alkavat tulla. Mutta työkalu, joka asetetaan hajautetun, manuaalisen keräämisen päälle, tekee tuloksesta ennen kaikkea selkeämmän, ei luotettavamman. Perimmäinen kysymys jää tällöin vastaamatta: kuka omistaa matkadatapisteen, mistä kiinteistön energialuku on peräisin, mikä laatusääntö määrittää, lasketaanko poissuljettu freelancer mukaan vai ei. Ellei ole rekisteriä, jossa kerrotaan jokaisen datapisteen kohdalla, missä se syntyy, kuka sitä hallinnoi ja mikä sääntö valvoo sen laatua, jokainen raportti jää tilannekuvaksi siitä, mitä joku pystyi keräämään sen kuukauden aikana.
csrdready.net:n Data Readiness Scan kartoittaa tämän rekisterin nimenomaan tälle sektorille: kunkin datapisteen lähdejärjestelmät, tien lähteestä raporttiin, organisaation sisäisen omistajan ja säännön, joka määrittää, onko arvo oikea. Toimistopohjaiselle organisaatiolle tämä tarkoittaa usein yhdistelmää kiinteistöjärjestelmiä, HR-hallintoa, hankintaa ja manuaalista syöttöä, joilla kaikilla on oma rytminsä ja oma vastuuhenkilönsä. Skannaus tallentaa tämän yhdistelmän, jotta sitä ei keksitä uudelleen jokaisena vuonna.
Tapa, jolla tämä hajanaisuus syntyy, vaihtelee sektorista riippuen. Ken haluaa verrata, miltä tämä näyttää vastaavissa kysymyksissä, voi tutustua energia- ja hankintadatan hajautumiseen vähittäiskaupassa, asiakasmatkojen ja palvelindatan rooliin ict-alalla, tai sijoitusdatan ja oman liiketoiminnan kietoutumiseen finanssialan palveluntarjoajilla. Kaavat eroavat toisistaan, mutta ydin on aina sama: data syntyy järjestelmissä, joita ei ole rakennettu raportointia silmällä pitäen.
Data Readiness Scania rakennetaan juuri nyt. Toimivaa tuotetta ei ole vielä olemassa käytettäväksi tänään, eikä tässä myydä mitään, mitä ei vielä ole olemassa. Ken haluaa määrittää omalle organisaatiolleen, mistä datapisterekisterin tulisi alkaa, voi ilmoittautua jonotuslistalle ja saa tiedon, kun skannaus on saatavilla.
Kun on selvää, mikä datapiste tulee mistä järjestelmästä ja kuka siitä vastaa, huomio siirtyy usein kysymykseen, kuinka suuri osa itse keräämistyöstä on edelleen tehtävä manuaalisesti. Laskujen pyytäminen, laskentataulukoiden yhdistäminen ja lukujen tarkistaminen ovat tehtäviä, jotka voidaan jakaa osaan, joka seuraa kiinteää kaavaa, ja osaan, joka vaatii harkintaa. FTE TO AI laskee tehtäväkohtaisesti, kuinka suuri osa tästä työstä voidaan siirtää AI:lle, jatkoaskeleena sen jälkeen, kun datapisterekisteri on olemassa.
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.