Kestävyysraportoinnin luku on peräisin jostakin: mittarista, laskusta, arviosta, järjestelmästä tehdystä viennistä. Sillä hetkellä, kun kyseinen luku syötetään, kopioidaan tai siirretään, ei yleensä ole ketään, joka tarkistaa, pitääkö se paikkansa. Ei siksi, ettei kukaan haluaisi sitä, vaan koska ei ole vahvistettu sääntöä, joka kertoisi, mikä kyseiselle nimenomaiselle datapisteelle on kelvollinen arvo.
"Onko tämä luku oikein" ei ole kysymys, jonka joku voi vastata mutu-tuntumalla, varsinkaan kun kyse on sadoista datapisteistä, jotka on hajautettu taulukkolaskentaohjelmiin ja järjestelmiin. Kelvollinen arvo on jotain, joka on määritelty etukäteen: vaihteluväli, yksikkö, suhde toiseen datapisteeseen, odotettu suunta edelliseen vuoteen verrattuna. Ilman tätä määritelmää on periaatteessa jokainen arvo kelvollinen, ja juuri se on ongelma. Kulutusluku, joka on kymmenkertainen sen takia, että yksikkö on siirretty väärin, ei silloin pistä silmään — se on siellä vain, kuten kaikki muutkin luvut.
Sen vahvistaminen, mikä on kelvollista, on yksi rakennuspalikoista datapisterekisterin ja lähdetietojen rinnalla: mitkä tarkistukset kuuluvat datapisteeseen ja kenellä on siitä näkyvyys. Kyse ei ole tiukemmista Excel-kaavoista, vaan siitä, että datapisteittäin vahvistetaan, mikä on hyväksyttävää ja mikä ei, ja miksi.
Jokainen poikkeama ei ole virhe, ja jokainen virhe ei anna signaalia. Arvo voi jäädä odotetun vaihteluvälin ulkopuolelle olematta virheellinen — tehtaan tilapäinen seisokki, fuusio, joka häiritsee lukuja. Toisaalta arvo voi näyttää täysin normaalilta ja olla silti väärä, esimerkiksi siksi, että organisaation kaksi osaa käyttävät eri lähtökohtaa sille, mitä ne mittaavat. Signaali ei siis ole tuomio, se on viite siitä, että joku katsoo asiaa tarkemmin.
Kysymys on siis: millä ehdolla tällainen signaali laukeaa, ja miten herkäksi se on säädetty. Liian löyhästi asetettuna poikkeamat livahtavat läpi. Liian tiukasti, ja kaikki jättävät ilmoituksen huomiotta, koska niitä on liikaa. Se, miten tämä kynnys määritetään datapisteittäin, riippuu itse datapisteestä ja siitä, mikä loogisesti voi vaihdella. Tätä aihetta käsitellään erikseen kohdassa miten asetetaan signaalipoikkeama ja kuka sitä sitten tarkkailee.
Tämän sivun keskeinen kysymys ei ole vain se, mikä on kelvollinen arvo, vaan se, kuka huomaa, kun arvo ei ole sitä. Monissa organisaatioissa vastaus on: ei kukaan, ennen kuin ulkopuolinen taho esittää kysymyksen raportoinnin tarkastuksen yhteydessä. Siinä vaiheessa on jo myöhäistä, ja laatijan on palattava lähteeseen selvittämään, mitä on tapahtunut.
Laatusääntö vaille omistajaa ei ole sääntö, se on havainto. Kuhunkin datapisteeseen kuuluu siis raja-arvon lisäksi myös nimi: kuka saa ilmoituksen, kuka arvioi, on kyseessä virhe tai selitettävissä oleva poikkeus, ja kuka kirjaa selityksen ylös, jotta seuraavan datapistettä käyttävän henkilön ei tarvitse selvittää asiaa uudelleen. Ilman tätä vastuunjakoa on sattumanvaraista, huomaako joku signaalin ennen kuin luku etenee ketjussa pidemmälle.
Tämä vastuunjako liittyy suoraan toiseen ongelmaan, joka usein nousee esiin laatusääntöjen rinnalla: tiimit, jotka tulkitsevat samaa käsitettä eri tavoin. Se, mikä on kelvollinen arvo yhdelle organisaation osalle, voi toiselle osalle tuottaa signaalin, yksinkertaisesti koska määritelmä on eri. Tämä liittyy kysymykseen mitä tehdä määritelmillä, jotka vaihtelevat organisaation osan mukaan. Ilman yhtenäistä määritelmää laatusääntö on parhaimmillaankin arvaus.
On houkuttelevaa ratkaista tämä kysymys hankkimalla työkalu, joka signaloi automaattisesti. Mutta työkalu voi signaloida vain sellaisten sääntöjen perusteella, jotka on syötetty siihen, ja nämä säännöt edustavat tietoa, joka nyt usein on vain jonkun päässä — kollega, joka tietää, että tämä luku on tavallisesti kahden rajan välissä, tai että tuota toista arvoa tarkistaa aina tietty henkilö. Tämän tiedon vahvistaminen ensin, datapisteittäin, on eri työtä kuin järjestelmän valitseminen. Järjestys, jossa tämä kannattaa tehdä parhaiten, on kuvattu kohdassa ostetaanko työkalu ensin vai järjestetäänkö prosessi ensin.
Kun datapisteittäin on vahvistettu, mikä on kelvollinen arvo, kuka arvioi signaalin ja kuka selittää poikkeaman, syntyy kuva siitä työstä, jota data-asioiden ympärillä tosiasiassa tehdään — tarkistaminen, vertailu, tiedustelu, kirjaaminen. Tämä kuva on hyödyllinen toisen kysymyksen kannalta: mikä osa näistä tehtävistä toistuu tavalla, joka soveltuu automatisointiin, ja mikä osa vaatii arviointia, joka kuuluu ihmiselle. FTE TO AI:n työscan laskee tehtäväkohtaisesti, minkä osan työstä AI voi ottaa hoitaakseen, sen perusteella, miten kyseinen työ on nyt järjestetty — ei etukäteisarvion perusteella.
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.