Transporta nozarei ir iezīme, ko dala maz citu nozaru: lielākā daļa CO2 emisiju rodas ārpus biroja, izkliedēta pa transportlīdzekļiem, braucieniem un apakšuzņēmējiem, kas ne visi ietilpst vienā sistēmā. Kamēr biroja ēku ir relatīvi vienkārši mērīt, transporta uzņēmuma autoparks sastāv no desmitiem līdz simtiem individuālu pārvietojošos avotu, katram ar savu degvielas patēriņu, kravas pakāpi un maršrutu. Emisijas neatrodas ēkā, bet gan braucienu summā, un šai summai ir jānāk no vairākām sistēmām vienlaicīgi.
Tam pievienojas otrs slānis: būtiska daļa kilometru bieži tiek nobraukta nevis ar uzņēmuma pašu autoparku, bet gan ar apakšuzņēmēju, čartertransporta uzņēmumu vai ķēdes partneru transportlīdzekļiem. Šīs emisijas vairumā gadījumu ietilpst 3. tvēruma (scope 3) kategorijā, un dati par tām reti ir standarti pieejami. Transporta uzņēmumam, kas vēlas sakārtot savus ilgtspējas datus, tāpēc jāizpēta ne tikai savas sistēmas, bet arī jābūt vienošanām par to, ko un kādā veidā apakšuzņēmēji sniedz.
Degvielas patēriņš parasti ir sākumpunkts un tajā pašā laikā visfragmentētākā daļa. Degvielas kartes dati, borta datori, telemātikas sistēmas un manuāli degvielas kvītis bieži pastāv līdzās, ar dažādu izšķirtspēju un dažādām definīcijām par to, kas ir 'brauciens'. Borta dators reģistrē datus par transportlīdzekli, degvielas kartes piegādātājs izraksta rēķinu par karti, un šie divi automātiski nesaskan.
Plānošanas un TMS programmatūra (transporta pārvaldības sistēmas) satur datus par kravas pakāpi, atgriešanās braucieniem un tukšiem kilometriem, kas ir nepieciešami, lai emisijas varētu attiecināt uz sūtījumu vai klientu. Šīs sistēmas galvenokārt ir izveidotas operatīvai plānošanai, ne ilgtspējas pārskatu sniegšanai, tāpēc nepieciešamie lauki tajās dažreiz ir, bet ne tādā formātā, kādu prasa CSRD pārskats.
Personāla vadības sistēmas satur datus par darījumiem uz darbu un no darba, un uzņēmumiem ar savām darbnīcām — par uzņēmuma ēku energopatēriņu. Saimniecības nodaļas savukārt bieži pārvalda atsevišķi biroju, uzlādes staciju un citu īpašumu energoresursu līgumus. Un tad ir vēl mape ar apakšuzņēmēju līgumiem un vienošanām, kurā dažreiz ir, dažreiz nav informācijas par degvielas veidu vai transportlīdzekļa tipu, kas tiek izmantots.
Daudzos transporta uzņēmumos nav personas, kas pārrauga visus iepriekš minētos avotus. Plānošanas nodaļa zina braucienus, autoparka pārvaldnieks zina degvielas patēriņu, iepirkuma nodaļa zina apakšuzņēmējus, un finanšu nodaļai galu galā no tā jāizveido pārskata skaitlis. Bez skaidra atbildīga īpašnieka katram datu punktam rodas risks, ka neviens nejutīsies atbildīgs par skaitļa precizitāti, un ka trūkstošs vai nesaskanīgs avots atklāsies tikai pārskata sagatavošanas laikā.
Tas ir pazīstams modelis: arī biznesa pakalpojumu sektorā un mazumtirdzniecībā dati ir izkliedēti pa nodaļām, kur katrai ir daļa no kopējā skata, bez tā, ka kāds uzrauga to kopumā. Transporta nozarē tam pievienojas sarežģītība, ka būtiska daļa avotu fiziski atrodas ārpus uzņēmuma — transportlīdzekļos un pie partneriem.
Kārdinoši ir šo fragmentāciju risināt ar programmatūru, kas automātiski apkopo telemātikas, degvielas karšu un TMS datus. Šāda programmatūra var būt noderīga, bet tikai tad, ja iepriekš ir skaidrs, kuram datu punktam vajadzētu nākt no kura avota, kurš šo datu punktu pārbauda un kāds kvalitātes noteikums nosaka, vai vērtība ir uzticama. Rīks, kas tiek uzlikts virs neorganizēta procesa, rada sakoptāku pārskatu par tiem pašiem neuzticamajiem skaitļiem. Tāpēc secība ir šāda: vispirms datu punktu un to izcelsmes reģistrs, un tikai pēc tam, iespējams, sistēma, kas šo plūsmu automatizē.
Data Readiness Scan transporta uzņēmumam apzina, kurš datu punkts nāk no kuras sistēmas: degvielas patēriņš uz transportlīdzekli vai braucienu, kravas pakāpe no TMS, filiāļu energopatēriņš, un dati, kurus apakšuzņēmēji sniedz vai tieši nesniedz. Katram datu punktam tiek fiksēts, kurš ir īpašnieks un kurš noteikums nosaka, vai vērtība ir ticama, lai pārbaudes gadījumā būtu skaidrs, no kurienes skaitlis nāk un kam par to var jautāt. Šis darbs neattiecas uz pašu pārskatu, nedz uz klientu vai banku anketu aizpildīšanu, bet gan uz datu slāni, kas tam ir priekšā.
Skenēšana tiek izstrādāta. Kas par to interesējas, var pieteikties gaidīšanas sarakstā; pašlaik netiek pārdots nekas, kas nav pabeigts.
Tiklīdz ir skaidrs, kādi datu punkti pastāv, kurš tos pārvalda un no kuras sistēmas tie nāk, automātiski rodas nākamais jautājums: kāda daļa no šo datu punktu vākšanas un pārbaudes ir roku darbs, kas paliek pie plānotāja vai kontroliera, un kāda daļa ir pietiekami atkārtojoša, lai to automatizētu. Tas pats jautājums ir aktuāls nozarēs, piemēram, izglītībā un lauksaimniecības sektorā, kur operatīvie dati ir tikpat izkliedēti kā transportā. FTE TO AI darba skenēšana katrai uzdevumam aprēķina, kādu daļu darba var uzņemties AI, un tas sakrīt ar brīdi, kad Data Readiness Scan datu punktu reģistrs ir gatavs: vispirms zināt, kur atrodas dati un kurš par tiem atbild, tikai pēc tam skatīties, kādu daļu no to uzturēšanas var automatizēt.
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.