Bootcamp kuulostaa koulutukselta, muutaman päivän intensiiviseltä ohjelmalta, jonka jälkeen kaikki jatkavat eteenpäin. Sitä tässä ei tarkoiteta. Kyse on jäsennellystä prosessista, jossa organisaatio kartoittaa kestävyysdatansa: mitä datapisteitä on, mistä ne ovat peräisin, kuka niistä vastaa ja mitä laatusääntöjä niihin sovelletaan. Ei koulutusta raportointivelvoitteista, ei työpajaa standardista. Työtä itse datan parissa.
Tuloksena on datapisterekisteri: yleiskatsaus jokaisesta datapisteestä, jonka organisaatio tarvitsee, kunkin datapisteen kohdalla alkuperä jäljitettynä lähdejärjestelmästä raportointilukuun asti, nimetty vastuuhenkilö ja säännöt, joita datan on täytettävä ollakseen luotettavaa. Se ei ole raportti eikä hallintapaneeli. Se on perusta, joka määrittää seisooko raportti, mikä tahansa raportti, tukevalla pohjalla. Missä datapiste on jo olemassa on usein ensimmäinen kysymys, johon tämä prosessi vastaa, ja se kysymys osoittautuu säännöllisesti odotettua vaikeammaksi: sama data on joskus kolmessa paikassa, kolmella eri määritelmällä.
Se ei ole työkalun käyttöönotto. Ohjelmisto, joka tuottaa raportteja jäsentymättömän prosessin päälle, tuottaa siistimpiä raportteja samoista epäluotettavista luvuista. Databootcamp edeltää tätä vaihetta: ensin määritetään mikä datapiste on, mistä se on peräisin ja kuka siitä vastaa, ja vasta sitten pohditaan järjestelmiä, jotka tukevat kyseistä prosessia. Se ei myöskään ole tae assurance-valmiudesta. Se luo rakenteen, joka tekee assurancen mahdolliseksi, mutta hyväksyykö tilintarkastaja luvun, riippuu muustakin kuin rekisteristä. Ken haluaa syventyä tähän, löytää sivulta miten teette ESG-datasta tarkastettavaa assurancea varten, missä tarkalleen tämä raja kulkee.
Yleinen oletus on, että laskentataulukot ovat epäluotettavan datan lähde ja että järjestelmä on ratkaisu. Se on virhekäsitys. Ongelma on harvoin väline, vaan omistajuuden ja jäljitettävyyden puuttuminen. Laskentataulukko, jolla on selkeä omistaja, dokumentoitu alkuperä ja laatusääntö, on luotettavampi kuin kallis järjestelmä ilman näitä kolmea asiaa. Miksi laskentataulukot eivät ole ongelma käsittelee tätä tarkemmin. Databootcamp keskittyy siksi ei työkalujen korvaamiseen, vaan sen dokumentointiin, mitä on jo olemassa, riippumatta missä se sijaitsee.
Ajankäyttö riippuu datapisteiden määrästä, lähdejärjestelmien määrästä ja siitä, missä määrin omistajuus on jo osoitettu. Organisaatio, jolla on muutama keskeinen järjestelmä ja pieni määrä olennaisia datapisteitä, käy prosessin läpi eri tavalla kuin organisaatio, jolla on kymmeniä tytäryhtiöitä, joilla kullakin on omat laskentataulukkonsa ja omat määritelmänsä. Kiinteää läpimenoaikaa ei voi antaa ilman tätä kontekstia, ja ken odottaa konkreettista lukua, ei saa tässä mitään ilmaan heitettyä arviota.
Kun jokainen datapiste on jäljitettävissä lähteeseensä ja sillä on omistaja, keskustelu muuttuu. Kysymyksiin kuten "mistä tämä luku on peräisin" ja "kuka voi selittää tämän" on silloin suora vastaus etsimisen sijaan sähköpostiketjujen ja vanhojen tiedostojen läpi. Tämä koskee paitsi tämän vuoden raportointia, myös siirtymistä seuraajalle, uudelle controllerille tai ulkoiselle tiimille. Mikä muuttuu, kun lineage on kerran paikallaan kuvaa tätä muutosta, ja kuka lukee datapisterekisterinne, kun te ette ole enää siellä osoittaa, miksi tämä siirrettävyys painaa usein enemmän kuin kuluvan tilikauden raportointi.
Yleinen virhe on halu tehdä rekisteristä kerralla täydellinen jokaiselle datapisteelle, jota jokin standardi voisi joskus vaatia. Se johtaa projektiin, joka ei koskaan valmistu. Databootcamp alkaa datapisteistä, joita organisaatio todella tarvitsee, ottaen huomioon sen olennaisuuden ja toimialan, ja laajenee siitä eteenpäin. Mitä datapisteitä todella tarvitsette on kysymys, joka on jokaisen prosessin alussa, ennen kuin kukaan alkaa rakentaa rekisteriä.
Tätä prosessia tukeva työkalu on kehitteillä. Ken haluaa jo nyt aloittaa datapisteiden, alkuperän ja omistajuuden kartoittamisen, voi ilmoittautua jonotuslistalle; mitään ei toimiteta, mitä ei vielä ole olemassa, mutta tarve kirjataan sitä varten, kun väline tulee saataville.
Datapisterekisteri kertoo, mistä data on peräisin ja kuka siitä vastaa. Se ei kerro itsestään, kuinka paljon sen ympärillä olevasta työstä, uudelleenkirjoittamisesta, tarkastamisesta, lähteiden yhdistämisestä, on jatkossakin pysyttävä ihmistyönä. Ken haluaa tietää tämän, voi teettää FTE TO AI:lla työscanin: se kartoittaa tehtävittäin, kuinka suuri osa siitä voidaan siirtää tekoälylle, jolloin selviää, mistä aikaa vapautuu ja missä inhimillinen valvonta on edelleen tarpeen.
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.