Useiden liiketoimintayksiköiden tapauksessa syntyy usein kysymys, johon kukaan ei osaa tarkalleen vastata: mitä datapisteitä nyt oikeastaan tarvitaan, ja mitä kerätään vain koska niitä kysyttiin viime vuonnakin. Ilman rekisteriä kysymyslista kasvaa sen pelon mukana, että jotain jää huomaamatta. Rekisterin avulla käy näkyväksi, mitä kukin yksikkö tosiasiallisesti toimittaa, mistä se on peräisin ja onko vastaus kysymykseen sama datapiste kuin vierekkäisellä yksiköllä.
Datapisterekisteri ei ole raportointimalli eikä kysymyslista. Se on lista datapisteistä, joista kunkin kohdalla on: määritelmä, yksikkö, lähde, omistaja ja laatusääntö, jota sen on noudatettava. Useita liiketoimintayksiköitä käsittävälle organisaatiolle tämä tarkoittaa, että jokainen datapiste on jäljitettävissä konkreettiseen paikkaan konkreettisessa järjestelmässä, konkreettisen vastuuhenkilön luona. Ei 'scope 2 -päästöt yksikköä kohden', vaan 'kWh-kulutus laskusta X, syöttänyt Y, jäljitettävissä Z:aan'.
Kysymykseen siitä, mitä datapisteitä todella tarvitaan, ei voi vastata kerralla. Se seuraa siitä, että yhdistetään se, mitä jo on olemassa. Yleiskatsaus siihen, missä datapiste on jo olemassa useiden liiketoimintayksiköiden tapauksessa osoittaa, mikä osa kysymyksestä on jo olemassa olevien järjestelmien vastaamana, ja mikä osa on vielä hajallaan taulukkolaskentaohjelmissa tai ei ole missään kirjattuna. Vasta kun tämä kuva on olemassa, käy selväksi, mitä datapisteitä todella pitää kysyä ja mitkä ovat käyneet tarpeettomiksi.
Rekisterin laatiminen ei ala järjestelmästä, vaan kysymyslistasta: mitä datapisteitä nyt käytetään, kenen toimesta ja mihin lähteeseen perustuen. Se on organisatorinen tehtävä, ei tekninen. Vaiheittainen lähestymistapa datapisterekisterin laatimiseen useiden liiketoimintayksiköiden tapauksessa kuvaa, miten tämä kartoitus tavallisesti etenee: yksikkö kerrallaan, datapiste kerrallaan, lähteen ja omistajan kanssa.
Tässä kartoituksessa nousee esiin kaksi toistuvaa ongelmaa. Ensimmäinen on datapiste, jolla ei ole selkeää lähdettä: luku, joka on vuosia toimitettu eteenpäin, mutta jonka alkuperää kukaan ei enää osaa osoittaa. Lähestymistapa datapisteeseen, jolla ei ole osoitettavissa olevaa lähdettä, useiden liiketoimintayksiköiden tapauksessa käsittelee, mitä tällöin tulee tehdä: datapistettä ei oteta suoraan käyttöön, vaan lähde rekonstruoidaan ensin tai datapiste merkitään epäluotettavaksi siihen asti kunnes se on mahdollista.
Toinen ongelma on kaksinkertainen datapiste: kaksi liiketoimintayksikköä, jotka toimittavat toisilla nimillä ja toisilla yksiköillä samaa taustalla olevaa tietoa. Tapa tunnistaa kaksinkertainen datapiste useiden liiketoimintayksiköiden tapauksessa auttaa tekemään tämän näkyväksi, jotta rekisteri ei kirjaa samaa todellisuutta kahdesti kahdella eri nimikkeellä.
Rekisterissä oleva datapiste on täydellinen vasta, kun neljä asiaa on varmistettu: määritelmä on yksiselitteinen, lähde on osoitettavissa, omistaja on tiedossa ja on olemassa laatusääntö, joka määrittää, milloin arvoa pidetään pätevänä. Jos jokin näistä neljästä puuttuu, datapiste ei ole vielä valmis, vaikka sitä olisi kuinka monta kertaa toimitettu.
Sama koskee kysymystä siitä, onko rekisteri kokonaisuutena valmis. Rekisteri ei ole täydellinen sen takia, että siinä on pitkä lista datapisteitä, vaan koska jokainen listan datapiste on jäljitettävissä ja jokainen yksikkö tietää, mikä osa listasta koskee sitä. Testi sille, milloin rekisteri on valmis useiden liiketoimintayksiköiden tapauksessa kuvaa tämän rajan: ei täydellisyyttä määrässä, vaan täydellisyyttä jäljitettävyydessä.
Käyttökelpoinen indikaattori tässä on yksinkertaisesti se, kuinka monella datapisteestä on jo lähde. Mittaus siitä, kuinka monella datapisteistänne on lähde antaa ensimmäisen kuvan siitä, missä vaiheessa organisaatio todellisuudessa on, riippumatta siltä, miltä raportti tai kysymyslista näyttää tänä vuonna.
On houkuttelevaa hankkia ensin ohjelmisto, joka kerää, validoi ja raportoi datapisteitä. Tämä järjestys toimii päinvastoin, kun taustalla oleva prosessi ei ole vielä järjestetty: työkalu järjestämättömän tiedonkeruun päälle tuottaa siistimpiä raportteja luvuista, jotka ovat edelleen jäljittämättömiä. Rekisterin — kuka toimittaa mitä, mistä lähteestä, minkä säännön mukaan — kuuluu olla ensin paikallaan. Vasta sitten työkalulla on jotain luotettavaa, minkä päälle toimia.
Kun rekisteri on paikallaan ja jokaisen datapisteen kohdalla on selvää, kuka sen toimittaa, mistä lähteestä ja minkä säännön mukaan, tulee ajankohtaiseksi toinen kysymys: mikä osa tästä toimitusprosessista vaatii yhä ihmistyötä, ja mikä osa on riittävän toisteista jätettäväksi järjestelmän hoidettavaksi. FTE TO AI:n työskannaus laskee tehtävittäin, mikä osa työstä voidaan siirtää tekoälyn tehtäväksi, ja voi rekisterin pohjalta osoittaa datapistekohtaisesti, missä manuaalinen syöttö, tarkistus tai siirto väistyy automatisoidun vaiheen tieltä.
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.