Een advocatenkantoor, een accountantskantoor of een adviesbureau heeft geen productielijn, geen wagenpark van betekenis en meestal geen eigen bedrijfshal. De uitstoot zit niet in machines maar in mensen: kantoorgebouwen, laptops, zakelijk verkeer, en de diensten die worden ingekocht bij anderen. Waar een industrieel bedrijf de meeste emissies binnen de eigen muren kan meten, ligt bij zakelijke dienstverlening het grootste deel juist buiten die muren. Dat verschuift de vraag van "wat stoten wij uit" naar "wat stoten de partijen om ons heen uit", en die verschuiving is precies waar de data lastig wordt.
De basisgegevens over het eigen pand zijn vaak nog wel te vinden: energiefacturen bij facilitair beheer, servicecontracten bij de gebouwbeheerder, huurcontracten bij finance. Maar zodra de scope breder wordt, valt de data uiteen over afdelingen die elkaar niet per se spreken. Reiskosten en declaraties zitten in het HR- of expensesysteem, vaak zonder onderscheid tussen vliegreis, trein of auto. Inkoop van IT-diensten, cloudopslag en softwarelicenties loopt via procurement of via losse departementale contracten, met facturen die het energieverbruik van de leverancier niet vermelden. Papierverbruik, drukwerk en catering zitten bij facilitair. Uitzendkrachten en freelancers zitten soms wel en soms niet in de personeelscijfers, afhankelijk van hoe de HR-administratie is ingericht.
De grootste post, de ingekochte diensten van andere bedrijven, is meestal de vaagste. Een adviesbureau dat onderaannemers inzet, een accountantskantoor dat werk uitbesteedt aan een ander kantoor, een juridisch team dat externe deskundigen inhuurt: die keten van dienstverlening genereert emissies die nergens automatisch worden vastgelegd, omdat de factuur alleen het bedrag toont en niet de herkomst.
Omdat er geen apparaat is dat continu meet, ontstaat de duurzaamheidsdata bij zakelijke dienstverlening vaak via handmatige verzameling: iemand vraagt facturen op bij facilitair, vraagt reisdata op bij HR, vraagt inkoopgegevens op bij procurement, en plakt dat samen in een spreadsheet. Die spreadsheet wordt het feitelijke systeem van waarheid, zonder dat iemand kan aanwijzen wie de bron van elk cijfer beheert of hoe vaak die wordt bijgewerkt. Bij een volgende rapportageronde wordt het werk vaak opnieuw gedaan, met een net iets andere selectie van bronnen, waardoor cijfers van jaar tot jaar moeilijk te vergelijken zijn.
De verleiding is om een rapportagetool aan te schaffen zodra de vragenlijsten binnenkomen. Maar een tool die boven een verspreide, handmatige verzameling wordt gelegd, maakt het resultaat vooral overzichtelijker, niet betrouwbaarder. De onderliggende vraag blijft dan onbeantwoord: wie is eigenaar van het reisdatapunt, waar komt het energiecijfer van het pand vandaan, welke kwaliteitsregel bepaalt of een uitgesloten freelancer wel of niet meetelt. Zonder een register waarin per datapunt staat waar het ontstaat, wie het beheert en welke regel de kwaliteit bewaakt, blijft elk rapport een momentopname van wat iemand die maand kon verzamelen.
De Data Readiness Scan van csrdready.net brengt dat register in kaart voor deze specifieke sector: per datapunt de bronsystemen, de weg van bron naar rapport, de eigenaar binnen de organisatie en de regel die bepaalt of de waarde klopt. Voor een kantoororganisatie betekent dat vaak een combinatie van facilitaire systemen, HR-administratie, procurement en handmatige input, allemaal met hun eigen ritme en hun eigen beheerder. De scan legt die combinatie vast zodat die niet elk jaar opnieuw wordt uitgevonden.
De manier waarop die versnippering ontstaat, verschilt per sector. Wie wil vergelijken hoe dat eruitziet bij vergelijkbare vraagstukken, kan kijken naar de spreiding van energie- en inkoopdata in de detailhandel, naar de rol van klantreizen en serverdata in de ict-sector, of naar de verwevenheid van beleggingsdata en eigen bedrijfsvoering bij financiële dienstverleners. De patronen verschillen, maar de kern is steeds dezelfde: data die ontstaat in systemen die niet met rapportage in gedachten zijn gebouwd.
De Data Readiness Scan wordt nu gebouwd. Er is nog geen werkend product om vandaag te doorlopen, en er wordt hier niets verkocht dat nog niet bestaat. Wie voor de eigen organisatie wil vastleggen waar het datapuntregister moet beginnen, kan zich aanmelden voor de wachtlijst en wordt op de hoogte gehouden zodra de scan beschikbaar is.
Zodra duidelijk is welk datapunt uit welk systeem komt en wie daarvoor verantwoordelijk is, verschuift de aandacht vaak naar de vraag hoeveel van het verzamelwerk zelf nog handmatig moet. Het opvragen van facturen, het samenvoegen van spreadsheets en het controleren van cijfers zijn taken die zich laten uitsplitsen naar het deel dat vast patroon volgt en het deel dat beoordeling vraagt. FTE TO AI rekent per taak uit welk deel van dat werk door AI is over te nemen, als vervolgstap nadat het datapuntregister er staat.
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.