Brojevi se slažu na papiru. Postoji uredna tablica, s ukupnim iznosom po dijelu i zbrojem za cijelu grupu. Ali onome koji pita dalje — odakle dolazi ovaj broj, tko ga je dostavio, koja je definicija korištena — dobiva tri različita odgovora od tri različite osobe. Jedna poslovna jedinica broji scope 2 drugačije nego druga. Excel tablica koja je korištena prošle godine više se ne može pronaći. Nitko nije siguran da je ovaj broj sastavljen onako kako će partner za assurance kasnije htjeti vidjeti. To nije računska pogreška, to je temelj koji nikada nije postavljen.
Srž je Data Readiness Scan s registrom datapointa kao kosturom. Taj registar postavlja jedno pored drugog ono što je potrebno za odabrane teme i ono što već postoji u organizaciji — nije procjena, već popis koji slijedi iz materijalnih tema koje su određene.
Oko tog registra stoji source-to-report-mapper: alat za lineage koji se popunjava prema fiksnoj strukturi input-proces-output. Za svaki datapoint bilježi se odakle dolazi, koje se obrade na njemu provode prije nego što završi u izvještaju, i tko je za što odgovoran putem RACI modela. Uz to idu i pravila kvalitete — valjane vrijednosti, signalna odstupanja — koja pokazuju kada broj izlazi iz okvira prije nego što nestane u konsolidaciji.
Iz tog osmišljenog procesa slijedi generator funkcionalnih zahtjeva. To je preokret koji u procesu često nedostaje: ne kupiti prvo alat i prilagoditi mu proces, već prvo utvrditi proces i tek onda pogledati koji zahtjevi iz toga slijede za eventualni softver.
Onaj tko radije radi s vodstvom može pohađati trodnevni data bootcamp — obično s CO2 kao prvom temom. To je proizvod rute 2/3 partnera. Predložak za dizajn koji je u podlozi također se nalazi u alatu, tako da onaj tko radije sam upravlja može isti obrazac proći samostalno.
Sve što registar i mapper isporučuju može se pratiti do onoga što je uneseno: koji izvor, koja obrada, koji vlasnik, koje pravilo. Ništa se ne dodatno procjenjuje i ništa se ne zaokružuje u pokazatelj učinka. Ono što izlazi je struktura — ne ocjena o tome koliko su podaci dobri ili loši, već precizna naznaka gdje temelji nedostaju i gdje već stoje. Kako se ti koraci precizno uklapaju jedan u drugi, od odabira teme do ponovnog mjerenja, opisano je na Kako to radi; što konkretno stoji na stolu nakon svakog koraka opisano je na Ishodi.
Odabir tema. Materijalne teme se odabiru, po potrebi kao polazna točka iz esgia.
Izgradnja registra. Generator registra poredaje datapointe koji odgovaraju tim temama.
Popunjavanje lineage-a i RACI-a. Za svaki datapoint bilježe se izvor, obrade, vlasništvo i pravila kvalitete.
Izvještaj o spremnosti i ponovno mjerenje. Slijedi naznaka redoslijeda i trajanja po temi, a cjelina je namijenjena periodičnom ponovnom mjerenju — kvaliteta podataka nije snimka trenutka.
Ovo nije alat za izvještavanje. Sam izvještaj, prema VSME ili CSRD, ostaje područje rada esgia; ovdje se ne izvještava, ovdje se postavlja temelj za to.
Ovo nije alat za upitnike. Onaj tko treba odgovoriti na upitnik klijenta ili partnera u lancu, treba se obratiti supplia ili esgreply.
Ovo nije dokazana referenca. Nema provedenih projekata na koje bi se moglo pozvati — to odgovara alatu koji je još u fazi liste čekanja. Alat strukturira proces i pokazuje gdje su labavi krajevi; ne dokazuje ništa o ishodu i ne garantira ništa prema assurance postupku.
Ruta 1 — samostalno. Predložak bootcampa po temi, izvoz registra i kontrolna lista kao priprema za assurance, sve se može samostalno proći.
Ruta 2 — djelomično vođeno. Partner provodi bootcampove; alat ostaje mjesto gdje su registar i lineage zabilježeni.
Ruta 3 — outsourcing. Potpuno postavljanje kod partnera, na vlastitom sustavu FTE TO AI.
Onaj tko želi više primjera kako registar ili lineage-karta izgledaju u praksi, pozadinu pronalazi u bazi znanja.
Registar i lineage-karta nešto mijenjaju tek kada se prevedu u to tko obavlja koji zadatak, koliko to vremena traje i u kojem se sustavu to odvija. Upravo tu počinje work scan tvrtke FTE TO AI: ne kod podataka, već kod posla koji je potreban da bi ti podaci postali ispravni.
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.