Maloprodaja ima svojstvo koje njezine podatke o održivosti čini težim za prikupljanje nego kod tvrtke s jednom proizvodnom lokacijom: najveći dio utjecaja ne nastaje u vlastitim zgradama, nego kod drugih. Trgovac prodaje proizvode koji su proizvedeni negdje drugdje, prevezeni od strane strana koje nisu u njegovoj službi, i pakirani u materijale koje su odabrali dobavljači. Vlastite trgovine i distribucijski centri pokrivaju samo dio ukupne slike. Ostatak se nalazi u lancu dobavljača, logističkih pružatelja usluga i, ponekad, njihovih vlastitih podizvođača. Tko traži podatke o održivosti neke maloprodajne organizacije, u velikoj mjeri traži podatke koje vlastita organizacija nije izmjerila.
Najdostupniji dio podataka odnosi se na vlastiti nekretninski otisak: potrošnja energije trgovina, distribucijskih centara i ureda, koja se često nalazi u računima dobavljača energije ili u sustavima za upravljanje zgradama. Kod lanca s mnogo poslovnica ovo brzo postaje zbirka pojedinačnih ugovora, stanja brojila i računa po lokaciji, koje vode različiti regionalni menadžeri ili tim za facility management. Podaci postoje, ali su razasuti po tolikom broju lokacija da ih nitko automatski ne spaja u cjelinu.
Podaci o transportu — potrošnja goriva vlastitog voznog parka, ali prije svega angažiranih prijevoznika — velikim dijelom leže izvan organizacije. Trgovac koji izdvaja transport dobiva račune, a ponekad i izvještaje od prijevoznika, ali rijetko u formatu koji odgovara vlastitim potrebama za izvještavanjem. Te podatke treba zatražiti, prevesti i povezati s internim volumenima, što dodaje ručni korak koji se lako izgubi između nabave, logistike i održivosti.
Najveći dio klimatskog utjecaja trgovca obično se nalazi u proizvodnji prodane robe, daleko izvan vlastitih vrata. Ti podaci, ako su uopće dostupni, dolaze od dobavljača koji koriste vlastite, raznolike metode mjerenja, ili putem generičkih prosjeka za industrijsku granu koje su nabava ili odjel održivosti nekad pronašli. Kod asortimana s mnogo različitih proizvoda i dobavljača nastaje tablica s podacima različite kvalitete: neke brojke su izmjerene, druge procijenjene, treće preuzete iz starog izvještaja. Nitko u organizaciji nema potpun pregled odakle koja brojka dolazi.
Podaci o ambalaži — težina, materijal, mogućnost recikliranja — često se bilježe od strane nabave ili specijalista za pakiranje, po kategoriji proizvoda ili ugovoru s dobavljačem. Podaci o otpadu iz trgovina i distribucijskih centara dolaze pak od tvrtki za obradu otpada, s vlastitim oblicima izvještavanja i mjernim jedinicama. Oba toka rijetko završe u istom sustavu kao podaci o energiji ili transportu, tako da tko želi cjelovitu slike, mora obići više odjela da bi skupio dijelove slagalice.
Osim klimatskih podataka, izvještavanje o održivosti zahtijeva i socijalne pokazatelje: fluktuaciju osoblja, raznolikost, radne uvjete u lancu. Za vlastitu organizaciju ovo se obično nalazi kod HR-a, u sustavima koji nisu osmišljeni s izvještavanjem o održivosti na umu. Za lanac — radne uvjete kod dobavljača — podaci su često još oskudniji i ovise o revizijama ili certifikacijama koje se ne provode svake godine na isti način.
Zajednička nit u maloprodaji je da podaci rijetko nastaju na jednom mjestu i skoro nikada se ne upravljaju na jednom mjestu. Za svaku podatkovnu točku relevantno je pitanje: dolazi li ovo iz vlastitog sustava ili od treće strane, tko je to dostavio, kako je izmjereno, i kada je posljednji put ažurirano. Bez registra koji odgovara na ta pitanja, podaci iza izvještaja ostaju zbirka pojedinačnih datoteka za koje nitko ne može sa sigurnošću utvrditi podrijetlo. Taj registar je upravo ono na što je usmjeren Data Readiness Scan: ne sam izvještaj, nego lineage po podatkovnoj točki, vlasništvo i pravila kvalitete koja određuju je li neka brojka održiva.
Izazov opisan ovdje vraća se u sličnom obliku u drugim sektorima, iako s drugim naglascima. Kod ugostiteljskog poduzeća naglasak je na tokovima hrane i potrošnji energije po poslovnici, kod IT tvrtke na podatkovnim centrima i korištenju opreme, a kod poduzeća u nekretninama na energetskim performansama zgrada kroz čitav njihov životni vijek. U svakom od tih sektora vrijedi isto temeljno pitanje: gdje brojka nastaje, i tko za nju može odgovarati.
Data Readiness Scan tvrtke csrdready.net trenutno se izrađuje. Tko već sada želi razmišljati o tome kako bi registar podatkovnih točaka za organizaciju s mnogo poslovnica i dugim lancem dobavljača trebao izgledati, može se prijaviti na listu čekanja. Trenutno se ništa ne prodaje, samo se rezervira mjesto za trenutak kad alat postane dostupan.
Čim pregled podatkovnih točaka, izvora i vlasnika počne dolaziti u red, nastaje sljedeće pitanje: koji dio prikupljanja, provjere i ažuriranja tih podataka predstavlja ručni rad, a koji dio se može obaviti uz podršku AI-ja. FTE TO AI za to nudi radni scan koji po zadatku izračunava koji se dio posla može preuzeti — dopuna koja postaje smislena tek nakon što je jasno koji zadaci uopće postoje i odakle dolaze.
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.