Bootcamp zvuči kao trening, nekoliko dana intenzivnog programa nakon čega svi mogu dalje. To nije ono što se ovdje podrazumijeva. Radi se o strukturiranom procesu u kojem organizacija mapira svoje podatke o održivosti: koje podatkovne točke postoje, odakle dolaze, tko je za njih odgovoran i koja se pravila kvalitete na njih primjenjuju. Nije to trening o obvezama izvještavanja, nije radionica o normi. To je rad na samim podacima.
Rezultat je registar podatkovnih točaka: pregled svake podatkovne točke koju organizacija treba, s podrijetlom svake od njih koje je moguće pratiti od izvornog sustava do brojke u izvještaju, s dodijeljenim vlasnikom i pravilima kojima podaci moraju udovoljavati da bi se smatrali pouzdanima. To nije izvještaj i nije nadzorna ploča. To je temeljni sloj koji određuje stoji li izvještaj, bilo koji izvještaj, na nečemu čvrstom. Gdje već postoji podatkovna točka često je prvo pitanje na koje ovaj proces odgovara, a to se pitanje redovito pokaže težim nego što se očekivalo: isti podaci nekad se nalaze na tri mjesta, u tri definicije.
Nije implementacija alata. Softver koji generira izvještaje iznad neorganiziranog procesa proizvodi urednije izvještaje o istim nepouzdanim brojkama. Databootcamp prethodi tom koraku: prvo se utvrđuje što je podatkovna točka, odakle dolazi i tko je za nju odgovoran, a tek onda se razmišlja o sustavima koji taj proces podupiru. Nije to ni garancija spremnosti za assurance. Uspostavlja strukturu koja assurance čini mogućim, ali odobrava li revizor neku brojku ovisi o više toga od registra. Tko se želi udubiti u to, na kako podatke o ESG-u učiniti provjerljivima za assurance pronalazi gdje se ta granica točno nalazi.
Često se pretpostavlja da su proračunske tablice izvor nepouzdanih podataka i da je sustav rješenje. To je pogrešna pretpostava. Problem rijetko leži u mediju, nego u odsutnosti vlasništva i sljedivosti. Proračunska tablica s jasnim vlasnikom, zabilježenim podrijetlom i pravilom kvalitete pouzdanija je od skupog sustava bez ta tri elementa. Zašto proračunske tablice nisu problem dublje ulazi u ovu temu. Databootcamp se zato ne usmjerava na zamjenu alata, nego na dokumentiranje onoga što već postoji, gdje god se ono nalazilo.
Vremensko ulaganje ovisi o broju podatkovnih točaka, broju izvornih sustava i stupnju u kojem je vlasništvo već dodijeljeno. Organizacija s nekoliko centralnih sustava i malim brojem materijalnih podatkovnih točaka prolazi kroz ovaj proces drugačije nego organizacija s desecima podružnica, svaka sa svojim proračunskim tablicama i svojim definicijama. Bez tog konteksta ne postoji fiksno trajanje koje bi se moglo navesti, i tko očekuje konkretan broj, ovdje ga ne dobiva nabačenog naizust.
Čim je svaka podatkovna točka sljediva do svog izvora i ima vlasnika, razgovor se pomiče. Pitanja kao "odakle dolazi ova brojka" i "tko to može objasniti" tada imaju izravan odgovor, umjesto pretraživanja e-mail razmjena i starih datoteka. To se ne odražava samo na ovogodišnje izvještavanje, nego i na predaju nasljedniku, novom kontroleru ili vanjskom timu. Što se mijenja kada sljedivost jednom postoji opisuje tu promjenu, a tko čita vaš registar podatkovnih točaka kad vas više nema pokazuje zašto ta prenosivost često teži više od izvještavanja za trenutnu poslovnu godinu.
Česta pogreška je htjeti odjednom dovršiti registar za svaku podatkovnu točku koju bi neka norma ikad mogla zatražiti. To vodi do projekta koji nikad ne završava. Databootcamp počinje s podatkovnim točkama koje su organizaciji stvarno potrebne, s obzirom na njezinu materijalnost i njezin sektor, i od tuda se proširuje. Koje podatkovne točke vam stvarno trebaju pitanje je koje stoji na početku svakog procesa, prije nego što tko počne graditi registar.
Alat koji podupire ovaj proces je u razvoju. Tko već sada želi početi s mapiranjem podatkovnih točaka, podrijetla i vlasništva, može se prijaviti na listu čekanja; ne isporučuje se ništa što još ne postoji, ali potreba se bilježi za trenutak kada instrument postane dostupan.
Registar podatkovnih točaka govori odakle podaci dolaze i tko za njih odgovara. Ne govori sam od sebe koliko posla oko toga, prekucavanje, provjeravanje, spajanje izvora, i dalje treba ostati ljudski rad. Tko to želi znati, može kod FTE TO AI zatražiti izradu radne skeniranja: ona po zadatku prikazuje koji njegov dio AI može preuzeti, tako da postaje jasno gdje vrijeme otpada i gdje je ljudski nadzor još potreban.
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.