Kas uzdod šo jautājumu, tam parasti jau kaut kur ir reģistrs, vai tas tikko sācis to veidot, un vēlas zināt, vai šī piepūle atmaksājas. Tas ir pamatots jautājums. Izcelsmes fiksēšana prasa laiku: par katru datu punktu jāizzina, kur skaitlis rodas, kuriem sistēmām un izklājlapām tas iet caur, kas to pielabo un pēc kāda noteikuma tas ir pareizs vai nepareizs. Šo laiku jūs nevēlaties tērēt kaut kam, kas pēc tam nogrimst atvilktnē.
Tas, kas maina, nav pats skaitlis. Izcelsme nemaina neko aprēķina rezultātā. Tā maina, kas var izskaidrot šo rezultātu un cik ilgi tas prasa.
Bez izcelsmes katrs jautājums par datu punktu ir meklēšanas ceļojums. Kāds piezvana iepriekšējam kontrolierim, vai izmeklē e-pasta sarakstes, vai atver desmit cilnes, lai atjaunotu, no kurienes skaitlis nāk. Tas darbojas, kamēr šī persona ir atvaļinājumā, mainusi funkciju vai pametusi uzņēmumu. Tad jautājums kas lasa jūsu datu punktu reģistru, kad jūs vairs nebūsiet nav hipotētisks, bet akūts.
Ar sakārtotu izcelsmi meklēšana pārvēršas norādīšanā. Auditors, jauns kontrolieris, uzraudzības iestāde jautā par skaitļa izcelsmi, un atbilde ir zināma: šī sistēma, šī saite, šis pieņēmums, šis īpašnieks. Tas nav garantija, ka atbilde patiks. Tā ir garantija, ka atbilde eksistē, un ka tā nav atkarīga no tā, kurš tajā dienā gadījumā ir klāt.
Honestāk ir šeit arī pasacīt, ko izcelsme neatrisina. Izcelsmes fiksēšana nepadara slikto datu punktu labu. Ja skaitlis balstās uz aplēsi, kuru neviens vairs nevar pamatot, izcelsme parāda tieši to: aplēsi bez pamatojuma. Tas ir ieguvums, jo iepriekš neviens nezināja, ka tā ir aplēse. Bet pats skaitlis ar to nemainās.
Izcelsme jums arī pati par sevi nepasaka, kuri no jūsu datu punktiem ir patiešām nepieciešami. Dažas organizācijas fiksē simtus datu punktu, jo to prasa šablons, kaut arī daļa no tiem nekad neparādās nevienā atskaitē. Izcelsmes kartēšana to padara redzamu, bet lēmums kaut ko izsvītrot vai paturēt tomēr paliek organizācijas ziņā.
Un izcelsme neatrisina īpašumtiesības, kas nekad nav pastāvējušas. Ja datu punkts nav nevienam piederīgs, tas paliek nevienam piederīgs, pat ja izcelsme ir skaidri fiksēta. Tas, kas maina, ir tas, ka īpašnieka trūkums tagad ir pamanāms, nevis paliek nepamanīts.
Cik daudz mainās, atkarīgs no tā, kur jūs sākat. CO2 skaitļiem izcelsme lielākoties jau ir lielā mērā fiksēta, rēķinos, patēriņa datos vai piegādātāju deklarācijās, kas ir viens no iemesliem, kāpēc CO2 parasti ir pirmā tēma, ar kuru organizācijas sāk. Sociālo vai pārvaldības rādītāju gadījumā avots biežāk ir aplēse, manuāla uzskaite vai pieņēmums, kas nekad nav ticis fiksēts. Tur izcelsme maina vairāk, vienkārši tāpēc, ka ir vairāk atklājams.
Cik daudz laika tas prasa, atkal atkarīgs no tā, cik daudziem datu punktiem jau ir norādāms avots. Organizācija, kurā lielākajai daļai datu punktu jau ir avots, ir gatava ātrāk nekā organizācija, kurai par katru datu punktu vēl jāizzina, no kurienes tas nāk. Šī atšķirība ir arī iemesls, kāpēc nav fiksētas atbildes uz jautājumu, cik ilgi prasa tēmu sakārtot; tas atkarīgs no tā, kas jau ir izveidots un kas jāatjauno.
Typiski maina trīs lietas, tiklīdz izcelsme par katru datu punktu ir fiksēta.
Pirmkārt: revidentu vai uzraudzības iestāžu jautājumi iegūst citu raksturu. Tā vietā, kur bijusi atjaunošana pēc fakta, ir norāde uz fiksētu avotu. Tas nemaina pārbaudes rezultātu, bet maina laiku, kas pārbaudei nepieciešams, un pārliecību, kuru organizācija var izrādīt par saviem skaitļiem.
Otrkārt: izmaiņas sistēmās vai atskaišu standartos kļūst mazāk riskantas. Ja zināts, kurš datu punkts nāk no kuras sistēmas, tad zināts arī, kas mainās, kad šī sistēma tiek nomainīta. Bez šīs zināšanas organizācija to bieži atklāj tikai pēc fakta, kad skaitlis pēkšņi pazūd vai atšķiras.
Treškārt: saruna par kvalitāti pārvēršas no individuālas šaubas uz kopīgu noteikumu. Kur iepriekš kāds pēc sajūtas lēma, vai skaitlis šķiet ticams, tagad ir fiksēts noteikums, kas izskaidro, kad datu punkts ir apstiprināts un kad nav. Tas padara vērtējumu mazāk atkarīgu no tā, kurš gadījumā uz to skatās.
Kad izcelsme ir izveidota, paliek darbs, kas gulstas uz cilvēkiem: datu punktu vērtēšana, izņēmumu apstrāde, avotu aktualizēšana. Dažus no šiem soļiem ir vienkārši atkārtot, un tāpēc tie ir piemēroti nododami sistēmai, citi pastāvīgi prasa vērtēšanu. Kas vēlas zināt, kuru daļu no šī turpmākā darba var nodot AI un kura daļa paliek cilvēku darbs, atradīs FTE TO AI darba skanēšanā izklāstu pa uzdevumiem, atsevišķi no šīs tēmas, bet ar to pašu izejas jautājumu: ko var pārņemt sistēma, un ko nevar.
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.