Een cijfer in een duurzaamheidsrapportage komt ergens vandaan: een meter, een factuur, een schatting, een export uit een systeem. Op het moment dat dat cijfer wordt ingevoerd, gekopieerd of overgenomen, is er meestal niemand die controleert of het klopt. Niet omdat niemand dat wil, maar omdat er geen regel is vastgelegd die vertelt wat een geldige waarde eigenlijk is voor dat specifieke datapunt.
"Klopt dit getal" is geen vraag die iemand op gevoel kan beantwoorden, zeker niet bij honderden datapunten verspreid over spreadsheets en systemen. Een geldige waarde is iets dat vooraf is gedefinieerd: een bereik, een eenheid, een verhouding tot een ander datapunt, een verwachte richting ten opzichte van vorig jaar. Zonder die definitie is elke waarde in principe geldig, en dat is precies het probleem. Een verbruikscijfer dat tien keer te hoog is doordat de eenheid verkeerd is overgenomen, valt dan niet op — het staat er gewoon, net als alle andere getallen.
Het vastleggen van wat geldig is, is een van de bouwstenen naast het datapuntregister en de brongegevens: welke controles bij een datapunt horen en wie daar zicht op heeft. Dat is niet een kwestie van strengere Excel-formules, maar van per datapunt vastleggen wat wel en niet acceptabel is, en waarom.
Niet elke afwijking is een fout, en niet elke fout geeft een signaal. Een waarde kan buiten het verwachte bereik vallen zonder onjuist te zijn — een fabriek die tijdelijk stilligt, een fusie die de cijfers verstoort. Andersom kan een waarde er volkomen normaal uitzien en toch verkeerd zijn, bijvoorbeeld doordat twee onderdelen van de organisatie een ander uitgangspunt hanteren voor wat ze meten. Een signaal is dus geen oordeel, het is een aanwijzing dat iemand ernaar moet kijken.
De vraag is dan: onder welke voorwaarde slaat zo'n signaal aan, en hoe gevoelig staat het afgesteld. Te ruim ingesteld, en afwijkingen glippen erdoorheen. Te strak, en iedereen negeert de melding omdat er te veel zijn. Hoe die drempel per datapunt wordt bepaald, hangt af van het datapunt zelf en van wat er logischerwijs kan schommelen. Dat onderwerp komt apart aan bod in hoe u een signaalafwijking instelt en wie er dan naar kijkt.
De kernvraag van deze pagina is niet alleen wat een geldige waarde is, maar wie het merkt als een waarde dat niet is. In veel organisaties is het antwoord: niemand, totdat een externe partij bij de controle van de rapportage een vraag stelt. Op dat moment is het al laat, en de opsteller moet terug naar de bron om te reconstrueren wat er is gebeurd.
Een kwaliteitsregel zonder eigenaar is geen regel, het is een observatie. Bij elk datapunt hoort dus niet alleen een grenswaarde, maar ook een naam: wie krijgt de melding, wie beoordeelt of het een fout is of een verklaarbare uitzondering, en wie legt die verklaring vast zodat de volgende persoon die het datapunt gebruikt niet opnieuw hoeft uit te zoeken. Zonder die toewijzing hangt het van toeval af of iemand het signaal ziet voordat het cijfer verder de keten in gaat.
Dit toewijzen is direct verbonden met een ander probleem dat vaak naast kwaliteitsregels opduikt: teams die hetzelfde begrip anders invullen. Wat een geldige waarde is voor het ene onderdeel, kan voor het andere een signaal opleveren, simpelweg omdat de definitie verschilt. Dat raakt aan de vraag wat u doet met definities die per onderdeel van de organisatie verschillen. Zonder eenduidige definitie is een kwaliteitsregel op zijn best een gok.
Het is verleidelijk om deze vraag op te lossen door een tool aan te schaffen die automatisch signaleert. Maar een tool kan alleen signaleren op basis van regels die zijn ingevoerd, en die regels vertegenwoordigen kennis die nu vaak alleen in iemands hoofd zit — de collega die weet dat dit cijfer meestal tussen twee grenzen ligt, of dat die andere waarde altijd wordt nagekeken door een specifieke persoon. Die kennis eerst vastleggen, per datapunt, is ander werk dan een systeem selecteren. De volgorde waarin dat het beste gebeurt, staat beschreven in eerst een tool kopen of eerst het proces inrichten.
Zodra per datapunt is vastgelegd wat een geldige waarde is, wie een signaal beoordeelt en wie een afwijking verklaart, ontstaat een beeld van het werk dat daadwerkelijk gebeurt rond de data — controleren, vergelijken, navragen, vastleggen. Dat beeld is bruikbaar voor een andere vraag: welk deel van die taken herhaalt zich op een manier die zich leent voor automatisering, en welk deel vraagt om beoordeling die bij een mens hoort. De werkscan van FTE TO AI rekent per taak uit welk deel van het werk door AI is over te nemen, op basis van hoe dat werk nu is ingericht — niet op basis van een schatting vooraf.
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.