U mnogim sektorima problem je taj što su podaci raspoređeni po odjelima i sustavima, ali ipak nastaju unutar jedne organizacije. U poljoprivrednom sektoru fragmentacija počinje već prije te točke. Velik dio podataka o održivosti koji se najčešće traže — korištenje tla, potrošnja vode, rotacija usjeva, hrana za životinje, emisije iz gnojiva — ne nastaje kod poduzeća koje izvještava, nego kod uzgajivača, dobavljača i zadruga koje za to nemaju ni računovodstvenu ni digitalnu rutinu. Dok kancelarijska organizacija podatke može pronaći u ERP sustavu, poljoprivredno poduzeće mora često prvo postaviti upit lancu trećih strana koje to pitanje same ne smatraju svojim problemom.
Uz to, podaci koji su interno dostupni obično su zabilježeni po dijelu poslovanja ili po sezoni uzgoja, a ne po razdoblju izvještavanja. Poslovna godina ne poklapa se s ciklusom žetve, a faktor emisije koji vrijedi danas može se već sljedeće sezone promijeniti zbog druge kulture ili druge obrade tla. Najveći dio vremena koje se troši na izvještavanje o održivosti ne odlazi na unos brojki, nego na utvrđivanje od koga te brojke uopće trebaju doći.
Prvo mjesto je sam lanac. Velik dio emisija iz opsega 3 u poljoprivrednom sektoru nalazi se kod dobavljača koji ne vode izvještavanje o održivosti i čiji podaci — ako i postoje — postoje u drugom formatu, na drugom jeziku ili nisu digitalizirani. Onaj koji ovdje želi povezati podatkovnu točku s izvorom otkriva da je izvor nekad osoba, a ne sustav.
Drugo mjesto je operacija u samom poduzeću: potrošnja vode, energije i sredstava za zaštitu bilja često se prati na papiru ili u odvojenim Excel tablicama po parceli ili staji. Ti podaci postoje, ali nisu nikome dodijeljeni kao odgovornost za potrebe izvještavanja — to je poljoprivredno računovodstvo, ne CSRD računovodstvo, i to dvoje se rijetko besprijekorno poklapa.
Treće mjesto je prevođenje u mjerljive jedinice. Korištenje zemljišta i ugljik u tlu bilježe se na veoma različite načine od strane različitih dionika, a preračunavanje u jedinstvenu jedinicu za izvještavanje samo je po sebi izvor pogrešaka ako nitko ne zapisuje koja je pretpostavka pri tome korištena.
U ICT sektoru podaci o održivosti obično se nalaze u digitalnim sustavima koji već postoje, pa se uglavnom radi o otključavanju pristupa. U energetskom sektoru mnogo je podataka već mjereno jer su obveza mjerenja i praćenja dio poslovanja. Poljoprivredni sektor tu osnovu češće nema: podaci nisu skriveni u sustavu, oni nikad nisu bili sustavno zabilježeni. To problem ne čini većim ili manjim nego u financijskim uslugama ili sektoru nekretnina, ali ga čini drugačijim po prirodi: tamo je problem obično integracija između sustava, ovdje je često prvo registracija na izvoru.
Velika je iskušenje kupiti softverski paket koji automatizira izvještavanje za poljoprivredni sektor. Ali alat koji dohvaća podatke iz sustava koji ne sadrže prave podatke, daje samo uredno oblikovano izvješće izgrađeno na istim nepovezanim krajevima. Prije nego što sustav može bilo što zbrojiti, mora biti utvrđeno koja podatkovna točka pripada kojem izvoru, ko je za to odgovoran unutar ili izvan same organizacije, i koje pravilo kvalitete određuje je li uneseni broj vjerodostojan. To nije softversko pitanje nego pitanje uređenja, i ono prethodi svakom sustavu izvještavanja.
Data Readiness Scan po svakoj podatkovnoj točki utvrđuje odakle dolazi — iz vlastite operacije, od uzgajivača, od zadruge ili iz vanjskog izvora podataka — i tko je u lancu za to odgovoran. Za sektor u kojem velik dio podataka nastaje izvan vlastitih zidova, to vlasništvo često je taj nedostajući dio: ne sama brojka, nego tko za nju odgovara. Da bi se utvrdilo koje su podatkovne točke za poljoprivredno poduzeće zapravo relevantne, a koje se izvještavaju bez ikakve funkcije, koristi razlika koja se pravi u koje podatkovne točke vam zapravo trebaju kada postoji više poslovnih jedinica, kao i polazište da podatkovna točka često već postoji kod jedne od postojećih poslovnih jedinica prije nego što se ponovno prikuplja.
Čim je jasno koje podatkovne točke u poljoprivrednom lancu trebaju doći odakle i tko ih dostavlja, nastaje drugo pitanje: koliko posla oko prikupljanja, provjere i praćenja tih podataka još zahtijeva ljudske radnje, a koji dio je dovoljno repetitivan da se prepusti AI-u. Radna skeniranje (werkscan) tvrtke FTE TO AI to izračunava po zadatku, ne na temelju procjene za cijeli sektor, nego na temelju zadataka koji se stvarno izvode u određenom lancu. Za sektor u kojem se mnogo vremena troši na traganje za izvorima umjesto na tumačenje brojki, to je polazna točka za uvid gdje automatizacija donosi rezultat, a gdje ne.
Skeniranje koje mapira te podatkovne točke, izvore i vlasništvo za poljoprivredni sektor još je u razvoju. Onaj koji o tome želi primiti obavijest čim skeniranje postane dostupno, može se prijaviti na listu čekanja.
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.