Een bootcamp klinkt als een training, een paar dagen intensief programma waarna iedereen weer verder kan. Dat is niet wat hier wordt bedoeld. Het gaat om een gestructureerd traject waarin een organisatie haar duurzaamheidsdata in kaart brengt: welke datapunten er zijn, waar ze vandaan komen, wie ervoor verantwoordelijk is en welke kwaliteitsregels erop van toepassing zijn. Geen training over rapportageverplichtingen, geen workshop over de norm. Werk aan de data zelf.
Het resultaat is een datapuntregister: een overzicht van elk datapunt dat de organisatie nodig heeft, met per datapunt de herkomst herleid van bronsysteem tot rapportagecijfer, een aangewezen eigenaar en de regels waaraan de data moet voldoen om betrouwbaar te heten. Dat is geen rapport en geen dashboard. Het is de onderlaag die bepaalt of een rapport, welk rapport dan ook, op iets stevigs staat. Waar bestaat een datapunt al is vaak de eerste vraag die dit traject beantwoordt, en die vraag blijkt regelmatig lastiger dan verwacht: dezelfde data staat soms op drie plekken, in drie definities.
Het is geen implementatie van een tool. Software die rapporten genereert boven een ongeorganiseerd proces produceert nettere rapporten over dezelfde onbetrouwbare cijfers. Het databootcamp gaat aan die stap vooraf: eerst vaststellen wat een datapunt is, waar het vandaan komt en wie erop aanspreekbaar is, dan pas nadenken over systemen die dat proces ondersteunen. Het is ook geen garantie voor assurance-gereedheid. Het brengt de structuur aan die assurance mogelijk maakt, maar of een accountant een cijfer goedkeurt hangt af van meer dan een register. Wie zich daarin wil verdiepen, vindt op hoe maakt u ESG-data controleerbaar voor assurance waar die grens precies ligt.
Een veelgehoorde aanname is dat spreadsheets de bron van onbetrouwbare data zijn en dat een systeem de oplossing is. Dat is een misvatting. Het probleem is zelden het medium, het is de afwezigheid van eigenaarschap en herleidbaarheid. Een spreadsheet met een duidelijke eigenaar, een vastgelegde herkomst en een kwaliteitsregel is betrouwbaarder dan een duur systeem zonder die drie dingen. Waarom spreadsheets niet het probleem zijn gaat hier verder op in. Het databootcamp richt zich daarom niet op het vervangen van tools, maar op het vastleggen van wat er nu al is, waar het ook staat.
De tijdsinvestering hangt af van het aantal datapunten, het aantal bronsystemen en de mate waarin eigenaarschap al is toegewezen. Een organisatie met een paar centrale systemen en een klein aantal materiële datapunten doorloopt het traject anders dan een organisatie met tientallen dochters, elk met eigen spreadsheets en eigen definities. Er is geen vaste doorlooptijd te noemen zonder die context, en wie een concreet getal verwacht, krijgt hier geen slag in de lucht voorgeschoteld.
Zodra elk datapunt herleidbaar is tot zijn bron en een eigenaar heeft, verschuift het gesprek. Vragen als "waar komt dit cijfer vandaan" en "wie kan dit uitleggen" hebben dan een direct antwoord, in plaats van een zoektocht door mailwisselingen en oude bestanden. Dat raakt niet alleen de rapportage van dit jaar, maar ook de overdracht naar een opvolger, een nieuwe controller of een extern team. Wat verandert er als de lineage eenmaal staat beschrijft die verschuiving, en wie leest uw datapuntregister als u er niet meer bent laat zien waarom die overdraagbaarheid vaak zwaarder weegt dan de rapportage van het huidige boekjaar.
Een veelgemaakte fout is het register in één keer compleet willen maken voor elk datapunt dat een norm ooit zou kunnen vragen. Dat leidt tot een project dat nooit afkomt. Het databootcamp begint bij de datapunten die de organisatie werkelijk nodig heeft, gegeven haar materialiteit en haar sector, en breidt van daaruit uit. Welke datapunten heeft u werkelijk nodig is de vraag die aan het begin van elk traject staat, voordat er iemand aan een register begint te bouwen.
De tool die dit proces ondersteunt is in ontwikkeling. Wie nu al wil starten met het in kaart brengen van datapunten, herkomst en eigenaarschap, kan zich aanmelden voor de wachtlijst; er wordt niets geleverd dat er nog niet is, maar de vraag wordt wel genoteerd voor het moment dat het instrument beschikbaar komt.
Een datapuntregister vertelt waar de data vandaan komt en wie ervoor instaat. Het vertelt niet vanzelf hoeveel van het werk daaromheen, het overtypen, het controleren, het samenvoegen van bronnen, straks nog mensenwerk moet blijven. Wie dat wil weten, kan bij FTE TO AI de werkscan laten uitrekenen: die brengt per taak in beeld welk deel ervan door AI is over te nemen, zodat duidelijk wordt waar tijd wegvalt en waar menselijke controle nodig blijft.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.