Advokātu birojam, grāmatvedības birojam vai konsultāciju uzņēmumam nav ražošanas līnijas, nav nozīmīga transporta parka un parasti nav sava ražošanas ēka. Emisijas neveido iekārtas, bet gan cilvēki: biroju ēkas, klēpjdatori, darba braucieni un pakalpojumi, kas tiek iepirkti no citiem. Kamēr rūpniecības uzņēmums lielāko daļu emisiju var mērīt savu sienu robežās, komerciālo pakalpojumu jomā lielākā daļa atrodas tieši ārpus šīm sienām. Tas maina jautājumu no "ko mēs izmešam" uz "ko izmet mūsu apkārtējās puses", un tieši šī pāreja padara datus sarežģītus.
Bāzes dati par pašu ēku bieži vien vēl ir atrodami: energorēķini pie saimniecības pārvaldības, servisa līgumi pie ēkas pārvaldnieka, nomas līgumi pie finanšu nodaļas. Bet, tiklīdz darbības joma paplašinās, dati izkliedējas pa nodaļām, kas ne vienmēr sazinās viena ar otru. Ceļa izdevumi un deklarācijas atrodas HR vai izdevumu sistēmā, bieži bez atšķirības starp lidojumu, vilcienu vai automašīnu. IT pakalpojumu, mākoņa krātuves un programmatūras licenču iepirkums notiek caur iepirkuma nodaļu vai atsevišķiem departamentu līgumiem, kur rēķinos nav minēts piegādātāja energopatēriņš. Papīra patēriņš, iespiešanas darbi un ēdināšana atrodas pie saimniecības nodaļas. Pagaidu darbinieki un pašnodarbinātie dažreiz ir iekļauti personāla skaitļos, dažreiz nav, atkarībā no tā, kā ir organizēta HR administrācija.
Lielākais posms, iepirktie pakalpojumi no citiem uzņēmumiem, parasti ir vismazāk skaidrs. Konsultāciju birojs, kas izmanto apakšuzņēmējus, grāmatvedības birojs, kas darbu nodod citam birojam, juridiskā komanda, kas piesaista ārējos ekspertus – šī pakalpojumu ķēde rada emisijas, kas nekur automātiski netiek reģistrētas, jo rēķinā ir redzama tikai summa, nevis izcelsme.
Tā kā nav ierīces, kas nepārtraukti mēra, ilgtspējas dati komerciālo pakalpojumu jomā bieži rodas manuālas apkopošanas ceļā: kāds pieprasa rēķinus no saimniecības nodaļas, pieprasa ceļa datus no HR, pieprasa iepirkuma datus no iepirkuma nodaļas, un tas viss tiek sasaistīts izklājlapā. Šī izklājlapa kļūst par faktisko patiesības sistēmu, bez tā, ka kāds var norādīt, kurš pārvalda katra skaitļa avotu vai cik bieži tas tiek atjaunināts. Nākamajā pārskata periodā darbs bieži tiek darīts no jauna, ar nedaudz atšķirīgu avotu izvēli, kā rezultātā skaitļus no gada uz gadu ir grūti salīdzināt.
Rodas kārdinājums iegādāties pārskatu veidošanas rīku, tiklīdz sāk pienākt anketas. Bet rīks, kas tiek uzlikts virsū izkliedētai, manuālai apkopošanai, padara rezultātu galvenokārt pārskatāmāku, nevis ticamāku. Pamatjautājums paliek neatbildēts: kurš ir ceļa datu punkta īpašnieks, no kurienes rodas ēkas energopatēriņa skaitlis, kurš kvalitātes noteikums nosaka, vai izslēgts pašnodarbinātais tiek ieskaitīts vai netiek. Bez reģistra, kurā par katru datu punktu ir norādīts, kur tas rodas, kurš to pārvalda un kāds noteikums uzrauga kvalitāti, katrs pārskats paliek tikai momentuzņēmums no tā, ko kāds tajā mēnesī spēja savākt.
csrdready.net Datu gatavības skenēšana (Data Readiness Scan) kartē šo reģistru šai konkrētajai nozarei: par katru datu punktu – avota sistēmas, ceļu no avota līdz pārskatam, īpašnieku organizācijā un noteikumu, kas nosaka, vai vērtība ir pareiza. Biroja organizācijai tas bieži nozīmē kombināciju no saimniecības sistēmām, HR administrācijas, iepirkuma un manuālas ievades, katrai ar savu ritmu un savu pārvaldnieku. Skenēšana fiksē šo kombināciju, lai tā netiktu izgudrota no jauna katru gadu.
Veids, kādā šī izkliedētība rodas, katrā nozarē atšķiras. Kas vēlas salīdzināt, kā tas izskatās līdzīgos jautājumos, var apskatīt energijas un iepirkuma datu izkliedētību mazumtirdzniecībā, klientu ceļojumu un serveru datu lomu IKT nozarē, vai investīciju datu un pašas uzņēmējdarbības savstarpējo saistību finanšu pakalpojumu sniedzēju vidū. Modeļi atšķiras, bet kodols vienmēr ir tas pats: dati, kas rodas sistēmās, kuras nav būvētas ar pārskatu sniegšanu prātā.
Datu gatavības skenēšana (Data Readiness Scan) tagad tiek būvēta. Šobrīd nav funkcionējoša produkta, ko šodien varētu izmantot, un šeit nekas netiek pārdots, kas vēl neeksistē. Kas vēlas savai organizācijai noteikt, kur būtu jāsāk datu punktu reģistrs, var pierakstīties gaidīšanas sarakstā un tiks informēts, tiklīdz skenēšana būs pieejama.
Tiklīdz ir skaidrs, kurš datu punkts nāk no kuras sistēmas un kurš par to ir atbildīgs, uzmanība bieži pāriet uz jautājumu, cik daudz no pašas savākšanas darba vēl jāveic manuāli. Rēķinu pieprasīšana, izklājlapu apvienošana un skaitļu pārbaude ir uzdevumi, kurus var iedalīt daļā, kas seko fiksētam modelim, un daļā, kas prasa izvērtējumu. FTE TO AI aprēķina katram uzdevumam, kādu daļu no šī darba var pārņemt AI, kā nākamo soli pēc tam, kad datu punktu reģistrs ir izveidots.
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.