Egy táblázat energiafogyasztási, utazási vagy beszerzési adatokkal ritkán a végpont. Mielőtt egy szám bekerül egy fenntarthatósági jelentésbe, átgépelik, összeadják, átszámítják, szűrik, és néha kézzel korrigálják. Minden lépés egy olyan hely, ahol valami eltérhet a forrástól, és minden lépés, amelyet nem rögzítenek, egy olyan lépés, amelyet utólag senki nem tud visszakövetni.
A forrástól a jelentésig vezető megszokott útvonal néhány felismerhető műveletből áll. Az adatot átveszik egy forrásdokumentumból, gyakran manuális másolási lépéssel. Ezután következik a normalizálás: mértékegységeket egységesítenek, jelöléseket módosítanak, hiányzó értékeket kitöltenek vagy becsülnek. Ezt követi az aggregálás, amelynek során különböző helyszínek, időszakok vagy részlegek adatait összesítik egy számmá. Közben korrekciók történnek: egy hibás sort módosítanak, egy kiugró értéket eltávolítanak, egy feltételezést ráengednek egy üres cellára. Ennek a láncnak a végén áll a szám, amely a jelentésben megjelenik.
A probléma nem az, hogy ezek a műveletek megtörténnek. A normalizálás és az aggregálás szükséges ahhoz, hogy a táblázatadatok használhatóak legyenek. A probléma az, hogy ezek a lépések rendszerint egyetlen munkatárs fejében élnek, vagy legfeljebb egy e-mail-váltásban, amelyet senki sem talál már meg.
Ha egy jelentésben szereplő szám kétségessé válik, vissza kell tudni követni, honnan származik, és mi történt vele. Ennek a nyomon követhetőségnek a hiányában minden kérdés egy szám kapcsán egy nyomkeresés: ki módosította ezt a sort, milyen alapon, és ugyanazt a műveletet alkalmazták-e az előző évben is. A normalizálás esetében a kérdés például: milyen átszámítási tényezőt használtak, és változott-e ez a tényező azóta. Az aggregálás esetében a kérdés: mely forrásokat adták össze, és nem számoltak-e véletlenül duplán egy helyszínt, vagy éppen kihagyták.
Egy táblázat, amelyben a műveletek nincsenek rögzítve, a következő évben ugyanazokból a forrásadatokból eltérő számot eredményezhet, egyszerűen azért, hogy valaki más végzi a normalizálást, vagy más módon értelmez egy korrekciót. Ez nem csalás, hanem egy rögzített folyamat hiánya. A következmény ugyanaz: a szám nem reprodukálható.
Egyes szervezetek azt gondolják, hogy egy módosítási naplófájl a táblázatban elegendő. Egy naplófájl azt rögzíti, hogy valami megváltozott, de nem azt, hogy miért, ki által milyen szerepkörben, és milyen szabály alapján. A különbség egy naplófájl és egy audit trail között ebben a kontextusban rejlik: egy audit trail egy műveletet visszakövethetővé tesz, egy naplófájl csak azt rögzíti, hogy valami megtörtént.
Egy eszköz hiánya nem indok arra, hogy a lineage-t kihagyják. Speciális szoftver nélkül is lehetséges adatpontonkénti szinten rögzíteni, honnan származik, milyen műveleteket alkalmaztak rá, és ki végezte ezeket a műveleteket. Ez megvalósítható egy állandó struktúrával a táblázat mellett: egy nyilvántartással, amelyben a forrás, a művelet és a felelős egymás mellett szerepel. Hogy ez hogyan néz ki eszköz nélkül, azt a lineage kiépítése eszköz nélkül oldal ismerteti.
Minden műveleti lépéshez tulajdonos tartozik. Nem csak a végső adatponthoz, hanem a művelethez magához: ki határozta meg, hogy ezt a normalizálási szabályt kell alkalmazni, és ki jogosult módosítani ezt a szabályt. Ez a tulajdonjog gyakran nincs rögzítve. Két kérdést kell itt megkülönböztetni: ki birtokolja egy adatpont definícióját, azaz mit jelent pontosan a szám, és ki birtokolja a mögötte álló folyamatot, azaz ki felelős azért az útért, amelyen keresztül létrejön. Ha ezt a kettőt nem rögzítik, egy művelet egyéni szokás marad, nem pedig szervezeti folyamat.
A Data Readiness Scan feltérképezi ezeket a műveleteket: milyen lépések történnek a forrás és a jelentés között, ki végzi azokat, és milyen szabályok állnak mögöttük. Ez nem egy jelentéskészítő eszköz és nem egy kérdőív, hanem a szám elkészülését megelőző folyamat nyilvántartása.
Ha egyszer tisztázódott, milyen műveletek zajlanak a táblázat és a jelentés között, akkor átláthatóvá válik az is, hogy ezek közül a lépések közül melyek ismétlődőek és szabályvezéreltek, és így alkalmasak lehetnek arra, hogy másképp legyenek kialakítva. A FTE TO AI werkscan feladatonként kiszámítja, hogy a munka mely része vehető át AI által, és így pontosan azokra a műveletekre kapcsolódik, amelyeket itt leírtunk: a normalizálás, az aggregálás és a korrekció olyan lépések, amelyek, ha előbb rögzítik őket, ennek a kérdésnek a alapján megítélhetők.
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.