Un datapoint duplicato raramente si nota dal nome. Due righe nel registro hanno solitamente nomi diversi — 'consumo energetico ufficio' e 'consumo elettrico sede NL' — mentre si riferiscono allo stesso contatore, alla stessa fattura o alla stessa fonte. La duplicazione non sta nel testo, ma nella provenienza. Chi cerca solo per nome non trova i duplicati.
Un registro dei datapoint non è un elenco di righe di rendicontazione, ma un registro dei dati sottostanti: per ogni datapoint la definizione, la fonte, il proprietario e il percorso dalla fonte al rapporto. Ogni datapoint ha un posto fisso con quattro campi fissi: cos'è, da dove proviene, chi ne è responsabile e quali elaborazioni ha subito prima di finire in un rapporto. Senza questi quattro campi un registro è un glossario, non uno strumento di controllo.
La domanda cos'è il source-to-report mapping descrive in dettaglio quel terzo passaggio: il percorso che un numero compie dal sistema sorgente alla riga di rapporto. Quello stesso percorso è lo strumento con cui le duplicazioni diventano visibili. Due datapoint con un nome diverso ma una linea sorgente-rapporto identica sono lo stesso datapoint, inserito due volte.
I datapoint duplicati non nascono di solito da disattenzione, ma dalla struttura organizzativa. Un team facility registra il consumo energetico per la gestione degli edifici, un team sostenibilità registra lo stesso consumo per la rendicontazione CSRD. Entrambi i team lavorano dal proprio foglio di calcolo, con una propria denominazione, senza visibilità sulla registrazione dell'altro. Con più sedi o business unit questo schema si moltiplica: ogni unità registra dati simili sotto un'etichetta propria.
La pagina dove esiste già un datapoint in più business unit tratta esattamente questo meccanismo: prima di aggiungere un datapoint al registro, la prima domanda è se esiste già da qualche parte nell'organizzazione, solo sotto un altro nome o presso un altro reparto. Porsi questa domanda prima della registrazione previene gran parte delle duplicazioni che altrimenti devono essere individuate a posteriori.
Il modo affidabile per riconoscere una duplicazione non è confrontare le descrizioni, ma confrontare le fonti. Due datapoint che provengono dallo stesso sistema, dalla stessa tabella o dallo stesso file di esportazione, con la stessa data di riferimento e la stessa unità, sono candidati per l'unificazione — anche se la denominazione non lo lascia trasparire in alcun modo. Viceversa: due datapoint con un nome simile ma una fonte diversa potrebbero non essere una duplicazione, ma due misurazioni distinte che per caso si somigliano.
Questa distinzione è possibile solo se il registro registra la fonte per ogni datapoint, e non solo il valore finale. Un registro che raccoglie solo cifre senza provenienza non può individuare le duplicazioni — al massimo può sospettarle.
Oltre alla fonte, la titolarità è un secondo indizio. Quando due datapoint condividono la stessa fonte ma sono registrati presso proprietari diversi, ciò non è di per sé un problema — può indicare un datapoint utilizzato da più reparti. Diventa un segnale quando entrambi i proprietari eseguono indipendentemente l'uno dall'altro le stesse elaborazioni, senza conoscere il lavoro dell'altro. In quel caso non è il datapoint a essere duplicato, ma il processo che lo circonda.
La domanda quali elaborazioni si trovano tra fonte e rapporto è qui rilevante: due datapoint con la stessa fonte ma elaborazioni diverse possono produrre numeri diversi, mentre nel rapporto compaiono sotto la stessa voce. Si tratta di una situazione più rischiosa di una semplice duplicazione, perché le cifre possono divergere senza che nessuno lo noti.
Individuare i datapoint duplicati non è un esercizio unico che termina in un momento fisso. Con un'organizzazione in crescita, nuovi sistemi o confini di rendicontazione modificati, nascono nuovi candidati alla duplicazione. La pagina quando un registro è completo descrive che un registro non è completo a una data fissa, ma nel momento in cui ogni datapoint ha una fonte, un proprietario e un percorso verificabile verso il rapporto — compreso il controllo se quel datapoint esistesse già altrove.
Per le organizzazioni con più business unit, la domanda di quali datapoint avete realmente bisogno con più business unit è un buon punto di partenza, perché quella domanda determina l'ampiezza del registro prima che inizi la ricerca delle duplicazioni. Un registro più piccolo e definito con maggiore precisione contiene automaticamente meno spazio per la sovrapposizione.
Setacciare manualmente fonti, proprietari ed elaborazioni per trovare duplicazioni è esattamente il tipo di lavoro che si presta a essere scomposto in passaggi ripetibili: confrontare dati, segnalare corrispondenze, elaborare una proposta di unificazione da sottoporre a valutazione. Per le organizzazioni che vogliono sapere quale parte di questo lavoro di confronto è trasferibile a un'applicazione di IA, e quale parte resta soggetta a valutazione umana, la werkscan di FTE TO AI lo calcola a livello di compito. La scan non fornisce un giudizio sul vostro registro, ma una scomposizione dei compiti che contiene — un punto di partenza prima di decidere come organizzare la ricerca delle duplicazioni.
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.