Bootcamp izklausās pēc apmācības, pāris dienu intensīvas programmas, pēc kuras visi var turpināt tālāk. Tas nav tas, kas ar to tiek domāts. Runa ir par strukturētu procesu, kurā organizācija apzina savus ilgtspējas datus: kādi datu punkti pastāv, no kurienes tie nāk, kurš par tiem atbild un kādi kvalitātes noteikumi tiem piemērojami. Nav apmācības par pārskatu sniegšanas pienākumiem, nav semināra par standartu. Ir darbs pie pašiem datiem.
Rezultāts ir datu punktu reģistrs: pārskats par katru datu punktu, kas organizācijai ir nepieciešams, ar katram datu punktam izsekotu izcelsmi no avota sistēmas līdz pārskata rādītājam, iecelto atbildīgo un noteikumiem, kuriem datiem jāatbilst, lai tos varētu uzskatīt par uzticamiem. Tas nav pārskats un nav informācijas panelis. Tas ir pamats, kas nosaka, vai pārskats, jebkurš pārskats, stāv uz kā stabila. Kur datu punkts jau eksistē bieži ir pirmais jautājums, uz kuru šis process atbild, un tas jautājums regulāri izrādās sarežģītāks nekā gaidīts: tie paši dati dažkārt atrodas trīs vietās, ar trim definīcijām.
Tas nav rīka ieviešana. Programmatūra, kas ģenerē pārskatus virs nesakārtota procesa, rada glītākus pārskatus par tiem pašiem neuzticamiem skaitļiem. Datu bootcamp notiek pirms šī soļa: vispirms noskaidrot, kas ir datu punkts, no kurienes tas nāk un kurš par to ir atbildīgs, tikai pēc tam domāt par sistēmām, kas šo procesu atbalsta. Tas arī nav garantija auditgatavībai (assurance). Tas ievieš struktūru, kas padara auditu iespējamu, bet vai revidents apstiprina konkrētu skaitli, ir atkarīgs no vairāk nekā tikai reģistra. Kas grib šajā tēmā iedziļināties, kā padarīt ESG datus pārbaudāmus auditam apraksta, kur precīzi ir šī robeža.
Bieži dzirdēts pieņēmums ir, ka izklājlapas ir neuzticamu datu avots un ka sistēma ir risinājums. Tas ir maldīgs uzskats. Problēma reti ir medijs, tā ir atbildības un izsekojamības trūkums. Izklājlapa ar skaidru atbildīgo, fiksētu izcelsmi un kvalitātes noteikumu ir uzticamāka nekā dārga sistēma bez šiem trim elementiem. Kāpēc izklājlapas nav problēma šo tēmu attīsta tālāk. Datu bootcamp tāpēc nav vērsts uz rīku aizstāšanu, bet uz to, kas jau pastāv, fiksēšanu, lai arī kur tas atrastos.
Laika ieguldījums ir atkarīgs no datu punktu skaita, avota sistēmu skaita un no tā, cik lielā mērā atbildība jau ir sadalīta. Organizācija ar pāris centrālām sistēmām un nelielu skaitu būtisku datu punktu šo procesu izies citādi nekā organizācija ar desmitiem meitasuzņēmumu, kur katram ir savas izklājlapas un savas definīcijas. Nav iespējams norādīt fiksētu ilgumu bez šī konteksta, un kas sagaida konkrētu skaitli, to šeit nesaņems kā tukšu solījumu.
Tiklīdz katrs datu punkts ir izsekojams līdz savam avotam un tam ir atbildīgais, saruna mainās. Jautājumiem kā "no kurienes nāk šis skaitlis" un "kurš to var izskaidrot" tad ir tiešā atbilde, nevis meklēšana pa e-pasta sarakstēm un vecām datnēm. Tas ietekmē ne vien šī gada pārskatu, bet arī nodošanu pēctecim, jaunam kontrolierim vai ārējai komandai. Kas mainās, tiklīdz izsekojamība ir izveidota aprakstīts šīs pārmaiņas, un kurš lasīs jūsu datu punktu reģistru, kad jūs vairs nebūsiet klāt parāda, kāpēc šī nododamība bieži svarīgāka par pārskatu par kārtējo pārskata gadu.
Biežs kļūdas piemērs ir vēlme reģistru uzreiz padarīt pilnīgu attiecībā uz katru datu punktu, ko standarts jelkad varētu pieprasīt. Tas rada projektu, kas nekad nebeidzas. Datu bootcamp sākas ar datu punktiem, kas organizācijai tiešām ir nepieciešami, ņemot vērā tās būtiskumu un nozari, un no tā tālāk paplašinās. Kādi datu punkti jums tiešām ir nepieciešami ir jautājums, kas ir jāatbild katra procesa sākumā, pirms kāds sāk veidot reģistru.
Rīks, kas atbalsta šo procesu, ir izstrādes stadijā. Kas vēlas jau tagad sākt datu punktu, izcelsmes un atbildības apzināšanu, var pieteikties gaidīšanas sarakstā; nekas netiek piedāvāts, kas jau nav pieejams, bet pieprasījums tiek fiksēts brīdim, kad instruments būs pieejams.
Datu punktu reģistrs pastāsta, no kurienes dati nāk un kurš par tiem atbild. Tas pats no sevis nepastāsta, cik daudz no darba tam apkārt, pārrakstīšanas, pārbaudes, avotu apkopošanas, arī turpmāk paliks manuāls darbs. Kas to vēlas zināt, FTE TO AI var izrēķināt darba skenējumu (werkscan): tas parāda katram uzdevumam, kāda tā daļa var tikt pārņemta ar AI, lai kļūtu skaidrs, kur laiks atbrīvojas un kur vēl vajadzīga cilvēka kontrole.
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.