Un bootcamp fait penser à une formation, quelques jours de programme intensif après lesquels chacun peut reprendre son travail. Ce n'est pas ce dont il est question ici. Il s'agit d'un parcours structuré au cours duquel une organisation cartographie ses données de durabilité : quels points de données existent, d'où ils proviennent, qui en est responsable et quelles règles de qualité leur sont applicables. Pas de formation sur les obligations de reporting, pas d'atelier sur la norme. Un travail sur les données elles-mêmes.
Le résultat est un registre des points de données : un aperçu de chaque point de données dont l'organisation a besoin, avec pour chaque point de données l'origine retracée depuis le système source jusqu'au chiffre de reporting, un propriétaire désigné et les règles auxquelles les données doivent répondre pour être qualifiées de fiables. Ce n'est ni un rapport ni un tableau de bord. C'est la couche sous-jacente qui déterminera si un rapport, quel qu'il soit, repose sur une base solide. Où un point de données existe-t-il déjà est souvent la première question à laquelle ce parcours répond, et cette question s'avère régulièrement plus complexe que prévu : les mêmes données se trouvent parfois à trois endroits, selon trois définitions.
Ce n'est pas la mise en œuvre d'un outil. Un logiciel qui génère des rapports au-dessus d'un processus désorganisé produit des rapports plus soignés sur les mêmes chiffres peu fiables. Le databootcamp précède cette étape : d'abord déterminer ce qu'est un point de données, d'où il provient et qui en est responsable, et ensuite seulement réfléchir aux systèmes qui soutiennent ce processus. Ce n'est pas non plus une garantie de préparation à l'assurance. Il apporte la structure qui rend l'assurance possible, mais qu'un auditeur approuve un chiffre dépend de bien plus qu'un registre. Ceux qui souhaitent approfondir ce sujet trouveront sur comment rendre les données ESG contrôlables pour l'assurance où se situe exactement cette limite.
Une hypothèse fréquente veut que les feuilles de calcul soient la source de données peu fiables et qu'un système en soit la solution. C'est une idée fausse. Le problème est rarement le support, c'est l'absence de responsabilité et de traçabilité. Une feuille de calcul avec un propriétaire clair, une origine documentée et une règle de qualité est plus fiable qu'un système coûteux dépourvu de ces trois éléments. Pourquoi les feuilles de calcul ne sont pas le problème développe ce point. Le databootcamp ne vise donc pas à remplacer des outils, mais à documenter ce qui existe déjà, où que cela se trouve.
L'investissement en temps dépend du nombre de points de données, du nombre de systèmes sources et du degré auquel la responsabilité a déjà été attribuée. Une organisation disposant de quelques systèmes centraux et d'un petit nombre de points de données matériels parcourt ce processus différemment d'une organisation comptant des dizaines de filiales, chacune avec ses propres feuilles de calcul et ses propres définitions. Il n'existe pas de durée fixe à annoncer sans ce contexte, et ceux qui attendent un chiffre concret ne recevront pas ici une estimation en l'air.
Dès que chaque point de données est retraçable jusqu'à sa source et possède un propriétaire, la conversation change de nature. Des questions comme « d'où vient ce chiffre » et « qui peut l'expliquer » obtiennent alors une réponse directe, au lieu d'une recherche à travers des échanges de courriels et de vieux fichiers. Cela concerne non seulement le reporting de cette année, mais aussi la transmission à un successeur, un nouveau contrôleur ou une équipe externe. Ce qui change une fois la lignée en place décrit ce changement, et qui lira votre registre des points de données quand vous ne serez plus là montre pourquoi cette transmissibilité pèse souvent plus lourd que le reporting de l'exercice en cours.
Une erreur fréquente consiste à vouloir rendre le registre complet en une seule fois pour chaque point de données qu'une norme pourrait un jour exiger. Cela conduit à un projet qui n'aboutit jamais. Le databootcamp commence par les points de données dont l'organisation a réellement besoin, compte tenu de sa matérialité et de son secteur, et s'étend ensuite à partir de là. Quels points de données vous faut-il réellement est la question qui se pose au début de chaque parcours, avant que quiconque ne commence à construire un registre.
L'outil qui soutient ce processus est en cours de développement. Ceux qui souhaitent déjà commencer à cartographier les points de données, leur origine et leur responsabilité peuvent s'inscrire sur la liste d'attente ; rien n'est livré qui n'existe pas encore, mais la demande est bien enregistrée pour le moment où l'instrument sera disponible.
Un registre des points de données indique d'où viennent les données et qui en répond. Il n'indique pas d'emblée quelle part du travail qui l'entoure, la retranscription, la vérification, la fusion des sources, devra encore rester un travail humain. Ceux qui souhaitent le savoir peuvent faire calculer le werkscan chez FTE TO AI : celui-ci indique, par tâche, quelle part peut être reprise par l'IA, afin de clarifier où du temps se libère et où un contrôle humain reste nécessaire.
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.