Een organisatie met meerdere business units telt vaak dezelfde duurzaamheidsdata meerdere keren, zonder dat iemand het merkt. Het energieverbruik van een vestiging staat in een Excel-bestand van de facilitair manager, in een rapportagetool van de business unit en in een aggregatietabel van de groep. Drie plekken, drie mogelijk verschillende getallen, en niemand die met zekerheid kan zeggen welke de juiste is.
Dit is geen uitzondering. Het is de normale staat van duurzaamheidsdata in een organisatie die per business unit is gegroeid, waar ieder onderdeel zijn eigen systemen, definities en spreadsheets heeft opgebouwd voordat rapportage een gezamenlijk onderwerp werd.
Een datapuntregister legt per datapunt vast: wat het is, waar het vandaan komt, wie de eigenaar is en welke kwaliteitsregels erop van toepassing zijn. Bij een organisatie met meerdere business units betekent dit dat u niet alleen registreert dat er een datapunt "energieverbruik" bestaat, maar ook waar dat datapunt per business unit wordt vastgelegd, in welk systeem, door wie, en met welke definitie.
Zodra dat naast elkaar staat, wordt zichtbaar of business units hetzelfde meten. Vaak blijkt dat de een verbruik in kWh registreert en de ander in een omgerekende CO2-waarde, of dat de scope van "energieverbruik" bij de ene unit alleen elektriciteit omvat en bij de andere ook gas. Het datapunt heet hetzelfde, maar is inhoudelijk niet vergelijkbaar. Dat verschil vindt u niet door naar een rapport te kijken. Dat vindt u door de bron, de definitie en de eigenaar per unit naast elkaar te leggen.
Het register vult zich niet vanzelf. Iemand moet per business unit uitvragen welke datapunten worden vastgelegd, in welk systeem, en op basis van welke bron. Dat is inventariserend werk: navragen bij de eigenaar van elk systeem, de herkomst van elk cijfer terugleiden naar de oorspronkelijke registratie, en vastleggen wat u aantreft, ook als dat onduidelijk of inconsistent is.
De manier waarop u die inventarisatie structureert, bepaalt of overlap zichtbaar wordt of verborgen blijft. Een aanpak per business unit los van elkaar levert vijf registers op die niet te vergelijken zijn. Een aanpak per datapunt, dwars door alle units heen, levert het overzicht op dat u nodig heeft. Hoe u dat opzet, staat beschreven in hoe u een datapuntregister opstelt bij meerdere business units. Het gaat om een structuur die dubbeling juist laat zien in plaats van dat die structuur zelf de dubbeling in stand houdt.
Een datapuntregister is niet compleet zodra er een lijst met datapunten staat. Het is compleet zodra elk datapunt een bron heeft die te herleiden is, een eigenaar die verantwoordelijkheid neemt, en een vastgelegde definitie die met andere business units te vergelijken is. Zonder dat kunt u een overlap zien, maar niet vaststellen of die overlap een probleem is of een bewuste keuze.
De vraag hoeveel van uw datapunten daadwerkelijk aan die voorwaarde voldoen, is in de praktijk vaak kleiner dan gehoopt. Sommige datapunten hebben geen aanwijsbare bron, alleen een getal dat al jaren wordt overgenomen uit het vorige rapport. Hoe u dat aantal in kaart brengt, leest u bij hoeveel van uw datapunten een aanwijsbare bron hebben. En voor het geval u een datapunt tegenkomt waar simpelweg geen bron te vinden is, ook niet na uitvragen, is er een aparte aanpak beschreven in wat u doet met een datapunt zonder bron bij meerdere business units.
Het moment waarop het register "af" is, is niet een vast punt in de tijd maar een status per datapunt. Sommige datapunten zijn snel op orde, andere vergen meerdere rondes van uitvragen en verifiëren. Wat dat betekent voor uw planning staat bij wanneer een register af is bij meerdere business units.
Als u eenmaal ziet dat drie business units hetzelfde datapunt vastleggen, ontstaat de volgende vraag: is dat een dubbeling die u kunt opruimen, of zijn het drie datapunten die toevallig dezelfde naam hebben maar een andere scope? Dat onderscheid is niet altijd meteen te maken, en het maken van dat onderscheid staat centraal in het herkennen van een dubbel datapunt bij meerdere business units, wat verder wordt uitgewerkt op hoe u een dubbel datapunt herkent bij meerdere business units. Dit is werk dat draait om precisie: de definitie, de scope en de rekenregel van elk exemplaar naast elkaar leggen voordat u concludeert dat het om hetzelfde datapunt gaat.
Het in kaart brengen van datapunten, bronnen en eigenaarschap over meerdere business units is terugkerend werk: nieuwe rapportageperiodes, nieuwe regelgeving en organisatiewijzigingen vragen om herhaling van dezelfde uitvraag. Een deel van dat werk, zoals het naast elkaar leggen van definities of het opsporen van een bron in een systeem, is repetitief genoeg om te onderzoeken of AI een deel ervan kan overnemen. FTE TO AI rekent per taak uit welk deel van het werk daarvoor in aanmerking komt, met de werkscan als vertrekpunt om dat voor uw situatie te bekijken.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.