In molti settori il problema è che i dati sono distribuiti tra reparti e sistemi, ma nascono comunque all'interno di un'unica organizzazione. Nel settore agricolo la frammentazione inizia già prima di quel punto. Gran parte dei dati di sostenibilità più richiesti — uso del suolo, consumo d'acqua, rotazione delle colture, alimentazione del bestiame, emissioni da concimi organici — non nasce presso l'azienda che redige il rapporto, ma presso coltivatori, fornitori e cooperative che non hanno una prassi contabile o digitale per questo. Dove un'organizzazione d'ufficio può ritrovare i dati in un sistema ERP, un'azienda agricola deve spesso prima informarsi presso una catena di terze parti che non considerano la domanda come un proprio problema.
A ciò si aggiunge che i dati effettivamente disponibili internamente sono di norma registrati per unità aziendale o per stagione colturale, non per periodo di rendicontazione. Un esercizio fiscale non coincide con un ciclo di raccolta, e un fattore di emissione valido oggi può già essere cambiato la stagione successiva a causa di un'altra coltura o di una diversa lavorazione del terreno. La maggior parte del tempo dedicato alla rendicontazione di sostenibilità non viene impiegato a compilare cifre, ma a scoprire da chi quelle cifre debbano effettivamente provenire.
Il primo punto è la catena stessa. Gran parte delle emissioni di scope 3 nel settore agricolo si trova presso fornitori che non effettuano rendicontazione di sostenibilità e i cui dati — se esistono — sono in un formato diverso, in un'altra lingua, o non digitalizzati affatto. Chi qui vuole collegare un dato a una fonte scopre che la fonte a volte è una persona, non un sistema.
Il secondo punto è l'operatività della propria azienda: il consumo di acqua, energia e prodotti fitosanitari viene spesso registrato su carta o in fogli Excel separati per parcella o stalla. Questi dati esistono, ma non sono stati assegnati a nessuno come responsabilità per finalità di rendicontazione — è una contabilità agricola, non una contabilità CSRD, e le due raramente si combinano senza attrito.
Il terzo punto è la traduzione in unità misurabili. L'uso del suolo e il carbonio nel terreno vengono registrati in modi molto diversi dai vari attori, e la conversione in un'unità di rendicontazione uniforme è essa stessa fonte di errori se nessuno documenta quale ipotesi sia stata utilizzata.
Nel settore ICT i dati di sostenibilità si trovano di norma in sistemi digitali già esistenti, e si tratta principalmente di renderli accessibili. Nel settore energetico molti dati sono già misurati perché l'obbligo di misurazione e il monitoraggio fanno parte della gestione operativa. Il settore agricolo manca più spesso di questa base: i dati non sono nascosti in un sistema, non sono mai stati registrati in modo sistematico. Ciò non rende il problema più grande o più piccolo rispetto ai servizi finanziari o al settore immobiliare, ma sì di natura diversa: lì il problema è di solito l'integrazione tra sistemi, qui è spesso prima di tutto la registrazione alla fonte.
La tentazione di acquistare un pacchetto software che automatizzi la rendicontazione per il settore agricolo è grande. Ma uno strumento che recupera dati da sistemi che non contengono i dati corretti produce solo un rapporto ben formattato basato sugli stessi capi sciolti. Prima che un sistema possa somministrare qualcosa, deve essere stabilito quale dato appartenga a quale fonte, chi — all'interno o all'esterno della propria organizzazione — ne sia responsabile, e quale regola di qualità determini se un numero inserito sia plausibile. Non è una questione di software ma una questione di ordinamento, e questa precede qualsiasi sistema di rendicontazione.
La Data Readiness Scan documenta per ogni dato da dove proviene — dalla propria operatività, da un coltivatore, da una cooperativa o da una fonte esterna — e chi nella catena ne è responsabile. Per un settore in cui molti dati nascono fuori dalle proprie mura, quella proprietà è spesso l'elemento mancante: non la cifra in sé, ma chi ne risponde. Per determinare quali dati siano effettivamente rilevanti per un'azienda agricola, e quali vengano rendicontati senza avere una funzione, è utile la distinzione fatta in quali dati vi servono davvero se ci sono più business unit, così come il principio secondo cui un dato spesso esiste già presso una delle business unit esistenti prima di essere raccolto di nuovo.
Una volta chiaro quali dati devono provenire dalla catena agricola e chi li fornisce, sorge una seconda domanda: quanto del lavoro necessario per raccogliere, controllare e ricondurre quei dati richiede ancora interventi umani, e quale parte è sufficientemente ripetitiva da poter essere affidata all'IA. La work scan di FTE TO AI calcola questo per singola attività, non sulla base di una stima per l'intero settore ma sulla base dei compiti effettivamente svolti in una catena specifica. Per un settore in cui molto tempo viene dedicato a rintracciare le fonti piuttosto che a interpretare le cifre, questo è un punto di partenza per vedere dove l'automazione porta un vantaggio e dove no.
La scan che mappa questi dati, fonti e responsabilità per il settore agricolo è in fase di sviluppo. Chi desidera essere avvisato quando la scan sarà disponibile può iscriversi alla lista d'attesa.
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.