Daudzās nozarēs problēma ir tā, ka dati ir izkaisīti pa nodaļām un sistēmām, taču tie tomēr rodas vienas organizācijas ietvaros. Lauksaimniecības nozarē sadrumstalotība sākas jau pirms šī punkta. Liela daļa no visbiežāk pieprasītajiem ilgtspējas datiem — zemes izmantojums, ūdens patēriņš, augu seka, lopbarība, emisijas no kūtsmēsliem — nerodas pašā ziņojošajā uzņēmumā, bet gan pie audzētājiem, piegādātājiem un kooperatīvām, kurām nav grāmatvedības vai digitālas prakses šajā jautājumā. Kur biroja organizācija datus var atrast ERP sistēmā, lauksaimniecības uzņēmumam bieži vispirms jāvēršas pie trešo pušu ķēdes, kas šo jautājumu pašas neuzskata par savu problēmu.
Papildus tam dati, kas ir pieejami iekšēji, parasti tiek fiksēti pēc uzņēmuma vienības vai audzēšanas sezonas, nevis pēc pārskata perioda. Finanšu gads nesakrīt ar ražas ciklu, un emisijas koeficients, kas ir spēkā šodien, nākamajā sezonā, mainoties kultūrai vai augsnes apstrādei, var jau būt cits. Lielākā daļa laika, kas tiek pavadīts ilgtspējas pārskatu sagatavošanā, netiek pavadīta, ievadot skaitļus, bet gan noskaidrojot, no kurienes šiem skaitļiem patiesībā jāceļas.
Pirmā vieta ir pati ķēde. Liela daļa 3. tvēruma emisiju lauksaimniecības nozarē rodas pie piegādātājiem, kuri neveic ilgtspējas pārskatu sniegšanu un kuru dati — ja tādi ir — pastāv citā formātā, citā valodā vai vispār nav digitalizēti. Kas šeit vēlas datu punktu sasaistīt ar avotu, atklāj, ka avots dažreiz ir persona, nevis sistēma.
Otrā vieta ir darbība pašā uzņēmumā: ūdens, energijas un augu aizsardzības līdzekļu patēriņš bieži tiek uzskaitīts papīra formā vai atsevišķās Excel tabulās pa laukiem vai kūtīm. Šie dati eksistē, taču tiem nav piešķirta atbildība pārskatu sniegšanas nolūkos — tā ir zemnieka grāmatvedība, nevis CSRD grāmatvedība, un šīs divas reti sakrīt bez šuvēm.
Trešā vieta ir pārtulkošana mērāmās vienībās. Zemes izmantojumu un augsnes ogleklis dažādi dalībnieki fiksē pēc ļoti atšķirīgām metodēm, un pārrēķins uz vienotu pārskata vienību pats par sevi ir kļūdu avots, ja neviens nefiksē, kāds pieņēmums tur ir izmantots.
IKT nozarē ilgtspējas dati parasti atrodas digitālajās sistēmās, kas jau pastāv, un jautājums galvenokārt ir par piekļuvi. Energētikas nozarē daudzi dati jau ir mērīti, jo mērīšanas pienākums un monitorings tur ir uzņēmējdarbības daļa. Lauksaimniecības nozarei šī bāze biežāk trūkst: dati nav paslēpti kādā sistēmā, tie vienkārši nekad nav tikuši sistemātiski fiksēti. Tas nepadara problēmu lielāku vai mazāku nekā finanšu pakalpojumu vai nekustamo īpašumu nozarē, tomēr tā ir citāda pēc būtības: tur problēma parasti ir sistēmu integrācija, šeit tā bieži ir vispirms fiksācija pie avota.
Kārdinājums ir liels iegādāties programmatūras pakotni, kas automatizē lauksaimniecības nozares pārskatus. Taču rīks, kas ievāc datus no sistēmām, kurās pareizo datu vienkārši nav, sniegs tikai glīti noformētu pārskatu, kas balstīts uz tiem pašiem sasaistītiem galiem. Pirms sistēma var kaut ko saskaitīt, jābūt fiksētam, kurš datu punkts pieder kuram avotam, kurš organizācijas ietvaros vai ārpus tās par to ir atbildīgs, un kāds kvalitātes noteikums nosaka, vai ievadītais skaitlis ir ticams. Tas nav programmatūras jautājums, bet kārtošanas jautājums, un tas ir priekšnosacījums jebkurai pārskatu sistēmai.
Data Readiness Scan katram datu punktam fiksē, no kurienes tas nāk — no pašas darbības, no audzētāja, no kooperatīvas vai no ārēja datu avota — un kurš ķēdes ietvaros par to ir atbildīgs. Nozarei, kurā liela daļa datu rodas ārpus pašu sienām, tas piederības jautājums bieži ir trūkstošā daļa: nevis pats skaitlis, bet kurš par to atbild. Lai noteiktu, kuri datu punkti lauksaimniecības uzņēmumam patiesībā ir relevanti un kuri tiek ziņoti bez jebkādas funkcijas, izšķirīgs ir dalījums, kas veikts sadaļā kuri datu punkti jums patiesībā ir nepieciešami, ja ir vairākas biznesa vienības, tāpat kā pamatprincips, ka datu punkts bieži jau pastāv pie kādas no esošajām biznesa vienībām, pirms to atkārtoti ievāc.
Tiklīdz ir skaidrs, kuri datu punkti lauksaimniecības ķēdē jāsaņem un kurš tos piegādā, rodas otrs jautājums: cik daudz no darba, lai šos datus savāktu, pārbaudītu un izsekotu, joprojām prasa cilvēka darbības, un kura daļa ir tik atkārtojama, ka to var uzticēt MI. FTE TO AI darba skenēšana to aprēķina pēc uzdevuma, nevis balstoties uz aplēsi visai nozarei, bet gan uz uzdevumiem, kas konkrētā ķēdē faktiski tiek veikti. Nozarei, kurā daudz laika tiek pavadīts, izsekojot avotus, nevis interpretējot skaitļus, tas ir sākumpunkts, lai redzētu, kur automatizācija dod labumu un kur ne.
Skenēšana, kas kartēs šos datu punktus, avotus un piederību lauksaimniecības nozarei, ir izstrādes procesā. Kas vēlas saņemt paziņojumu, tiklīdz skenēšana būs pieejama, var pierakstīties gaidīšanas sarakstā.
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.