Daugelyje sektorių problema yra ta, kad duomenys yra išskaidyti tarp skyrių ir sistemų, tačiau atsiranda vienos organizacijos viduje. Agrariniame sektoriuje susmulkinimas pradeda dar prieš šį tašką. Didelė dalis dažniausiai reikalaujamų tvarumo duomenų — dirvožemio naudojimas, vandens sąnaudos, sėjomaina, gyvulių pašarai, emisijos iš mėšlo — atsiranda ne pačioje ataskaitas teikiančioje įmonėje, o pas augintojus, tiekėjus ir kooperatyvus, kurie neturi tam nei apskaitos, nei skaitmeninės rutinos. Kur biuro organizacija duomenis gali rasti ERP sistemoje, agrarinei įmonei dažnai pirmiausia reikia teirautis grandinės iš trečiųjų šalių, kurios pačios šio klausimo nelaiko sava problema.
Be to, duomenys, kurie iš tikrųjų yra vidiniai, dažniausiai fiksuojami pagal verslo padalinį ar auginimo sezoną, o ne pagal ataskaitinį laikotarpį. Finansiniai metai nesutampa su derliaus ciklu, o emisijos koeficientas, galiojantis šiandien, kitą sezoną dėl kitos kultūros ar kitokio dirvos apdorojimo gali būti jau pasikeitęs. Didžioji dalis laiko, skiriamo tvarumo ataskaitoms, skiriama ne skaičių įvedimui, o aiškinimuisi, iš kur šie skaičiai iš tikrųjų turėtų atkeliauti.
Pirmoji vieta yra pati grandinė. Didelė dalis 3 aprėpties emisijų agrariniame sektoriuje susikaupia pas tiekėjus, kurie neteikia tvarumo ataskaitų ir kurių duomenys — jei jie egzistuoja — yra kitokiu formatu, kita kalba arba visai nedigitalizuoti. Kas šioje vietoje bando priskirti duomenų tašką šaltiniui, atranda, kad šaltinis kartais yra žmogus, ne sistema.
Druga vieta yra veikla pačioje įmonėje: vandens, energijos ir augalų apsaugos priemonių sąnaudos dažnai fiksuojamos ant popieriaus arba atskirose Excel lentelėse pagal lauką ar tvartą. Šie duomenys egzistuoja, bet nėra priskirti kaip niekieno atsakomybė ataskaitų tikslais — tai ūkininko apskaita, ne CSRD apskaita, ir šie du dalykai retai sklandžiai sutampa.
Trečioji vieta yra vertimas į matuojamus vienetus. Žemės naudojimas ir dirvožemio anglis fiksuojami labai skirtingais būdais įvairių dalyvių, ir perskaičiavimas į vienodą ataskaitos vienetą pats savaime yra klaidų šaltinis, jei niekas nefiksuoja, kokia prielaida buvo naudota.
IT sektoriuje tvarumo duomenys paprastai yra skaitmeninėse sistemose, kurios jau egzistuoja, ir daugiausia klausimas yra apie prieigą prie jų. Energetikos sektoriuje daug duomenų jau yra išmatuota, kadangi matavimo pareiga ir monitoringas yra veiklos dalis. Agrarinis sektorius dažniau neturi šio pagrindo: duomenys nėra paslėpti sistemoje, jie tiesiog niekada nebuvo sistemingai fiksuoti. Tai nepadaro problemos didesnės ar mažesnės nei finansinių paslaugų sektoriuje ar nekilnojamojo turto sektoriuje, bet ji yra kitokio pobūdžio: tuose sektoriuose problema paprastai yra sistemų integracija, čia dažnai pirmiausia — registravimas šaltinyje.
Didelė pagunda įsigyti programinės įrangos paketą, kuris automatizuoja ataskaitas agrariniam sektoriui. Tačiau įrankis, kuris ištraukia duomenis iš sistemų, kuriose nėra tinkamų duomenų, sukurs tik tvarkingai sutvarkytą ataskaitą, paremtą tais pačiais neaiškiais galais. Prieš tai, kai sistema galės ką nors susumuoti, turi būti nustatyta, kuris duomenų taškas priklauso kuriam šaltiniui, kas organizacijos viduje ar už jos ribų už tai atsakingas, ir kokia kokybės taisyklė nustato, ar įvestas skaičius yra tikėtinas. Tai nėra programinės įrangos klausimas, o tvarkos klausimas, ir jis eina prieš bet kokią ataskaitų sistemą.
"Data Readiness Scan" pagal kiekvieną duomenų tašką fiksuoja, iš kur jis atsiranda — iš pačios veiklos, iš augintojo, iš kooperatyvo ar iš išorinio duomenų šaltinio — ir kas grandinėje už tai atsakingas. Sektoriui, kuriame daug duomenų kyla už įmonės sienų, šis nuosavybės klausimas dažnai yra trūkstama dalis: ne pats skaičius, o kas už jį atsako. Norint nustatyti, kurie duomenų taškai agrarinei įmonei iš tikrųjų yra reikšmingi, ir kurie yra pateikiami ataskaitose neturėdami funkcijos, naudingas skirtumas, aprašytas kokių duomenų taškų iš tikrųjų reikia, kai yra keli verslo padaliniai, taip pat principas, kad duomenų taškas dažnai jau egzistuoja vienam iš esamų verslo padalinių, prieš jį iš naujo renkant.
Kai tampa aišku, kurie duomenų taškai agrarinėje grandinėje turi atkeliauti ir kas juos pateikia, kyla antras klausimas: kiek darbo, susijusio su šių duomenų rinkimu, tikrinimu ir atsekimu, dar reikalauja žmogaus veiksmų, ir kokia dalis yra pakankamai pasikartojanti, kad ją būtų galima palikti dirbtiniam intelektui. FTE TO AI darbo skanavimas tai apskaičiuoja pagal užduotį, ne remiantis visam sektoriui skirtu vertinimu, bet remiantis užduotimis, kurios konkrečioje grandinėje iš tikrųjų vykdomos. Sektoriui, kuriame daug laiko skiriama šaltinių aiškinimuisi, o ne skaičių interpretavimui, tai yra atspirties taškas pamatyti, kur automatizavimas duoda naudos, o kur ne.
Skanavimas, kuris žemėlapiuoja šiuos duomenų taškus, šaltinius ir nuosavybę agrariniam sektoriui, yra kūrimo procese. Kas norėtų gauti žinutę, kai skanavimas bus prieinamas, gali užsiregistruoti laukimo sąraše.
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.