Una cifra di emissioni con tre decimali dopo la virgola suscita l'impressione di precisione. Ma la precisione non dice nulla sull'attendibilità. Un numero può essere calcolato fino alla terza cifra decimale e tuttavia basarsi su un'unità di misura errata, un fattore di conversione superato o una stima che qualcuno ha inserito anni fa e che non è più stata controllata. La falsa precisione è proprio questo: una cifra che appare più esatta di quanto in realtà sia.
Questo non accade perché le persone sono superficiali. Accade perché un rapporto è l'ultimo passaggio di una lunga catena, e alla fine di quella catena non è più visibile cosa sia successo lungo il percorso. Un foglio di calcolo con tre decimali ha lo stesso aspetto, indipendentemente dal fatto che il valore di origine fosse un numero misurato o una stima azzardata. Senza regole che definiscano cosa sia un valore valido, quella differenza resta invisibile.
Ogni punto dato ha dei limiti entro i quali un valore è plausibile. Un consumo energetico per sede non può essere negativo. Un fattore di emissione non cambia ogni trimestre di un fattore dieci. Un numero di dipendenti non si discosta di migliaia di unità rispetto al mese precedente senza una ragione individuabile. Non si tratta di modelli statistici complessi, ma di limiti semplici e definibili per ogni punto dato.
La domanda su cosa sia un valore valido non ha la stessa risposta ovunque. Ciò che conta come un intervallo accettabile per un punto dato può essere troppo ampio o troppo ristretto per un altro. Questa scelta appartiene al punto dato stesso, così come la domanda su cosa sia un valore valido e chi se ne accorge quando qualcosa va storto. Senza rendere questa scelta esplicita, ogni valore che arriva viene tacitamente considerato corretto, anche quando non lo è.
Oltre a un limite rigido, esiste un secondo livello: deviazioni che non sono non valide, ma che sono comunque degne di nota. Un valore che rientra nell'intervallo consentito, ma che si discosta notevolmente dal andamento dei periodi precedenti, non è errato, ma è un segnale che qualcuno dovrebbe esaminare.
La differenza tra un rifiuto rigido e un segnale è una scelta consapevole. Un controllo sul valore valido blocca; un segnale richiede attenzione senza bloccare. Entrambi sono necessari, ed entrambi dovrebbero essere definiti a livello del punto dato, con la domanda su come impostare una deviazione segnalata e chi se ne accorge quando accade come punto di partenza. Senza questa definizione, resta questione di fortuna chi si accorge di un valore anomalo, e quando.
Una regola senza destinatario è una regola che nessuno legge. Se un valore supera il limite o genera un segnale, deve essere stabilito chi lo vedrà: l'operatore che inserisce i dati, il data owner, il controller che elabora ulteriormente la cifra. Senza questo passaggio, una deviazione scompare in un file di log che nessuno consulta, e un errore segnalato si trasforma in un errore inosservato.
Questo è anche il punto in cui molti meccanismi di controllo, nella pratica, si arenano. Viene impostata una regola, ma non viene stabilito chi deve rispondervi. La regola esiste, la notifica appare, e non succede nulla. Quali controlli appartengono a un punto dato e chi li vede è collegato al quadro più ampio di quali controlli appartengono a un punto dato e chi se ne accorge quando qualcosa va storto. Un controllo che nessuno vede non è, nella pratica, un controllo.
Esistono sistemi che rilevano automaticamente le deviazioni e inviano notifiche. Questi sistemi sono utili, ma non risolvono nulla se le domande sottostanti non hanno trovato risposta: cosa è un valore valido per questo specifico punto dato, cosa è un segnale, e chi è il destinatario designato. Uno strumento che funziona secondo regole che nessuno ha ponderato produce notifiche che nessuno prende sul serio o avvisi che vengono strutturalmente ignorati. Il risultato assomiglia al controllo, ma non lo è.
Ecco perché queste domande devono prima trovare risposta a livello del punto dato, prima che un sistema possa eseguirle. La regola appartiene al punto dato, non al software che casualmente lo monitora.
La falsa precisione nasce spesso in combinazione con un altro problema: parti dell'organizzazione che definiscono un punto dato in modo diverso. Se una sede conteggia i metri quadrati di superficie ad uso ufficio e un'altra no, un controllo sui valori plausibili non basta, perché i valori non sono confrontabili tra loro. Cosa fare con definizioni che differiscono tra le varie parti dell'organizzazione e come questo si collega al controllo sui valori validi è descritto nella pagina sulle definizioni divergenti e la relativa domanda di controllo. Chi imposta regole di qualità senza prima esaminare questa questione delle definizioni rischia di controllare valori plausibili che, in realtà, non sono confrontabili tra loro.
Questa scansione mappa, per ogni punto dato, cosa è un valore valido, cosa è un segnale, e chi è il destinatario designato. Questo quadro non è il punto d'arrivo, ma il punto di partenza: stabilisce dove al momento non esiste alcuna regola, dove esiste una regola senza destinatario, e dove la definizione stessa di un punto dato genera già confusione tra le diverse parti dell'organizzazione. Una volta ottenuto questo quadro, si può vedere quali controlli hanno il maggior peso e dove l'attenzione deve concentrarsi in primo luogo.
Una volta disponibile questo quadro, si può rispondere a un'altra domanda: quale parte del lavoro che ora viene ancora svolto manualmente può, dopo questa classificazione, essere trasferita a un processo automatizzato. A questo scopo è destinata la scansione del lavoro di FTE TO AI: essa calcola, per ogni compito, quale parte del lavoro può essere assunta dall'AI, non come sostituzione delle regole di qualità qui stabilite, ma come passo successivo al quadro che ne deriva.
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.