Gdy dane dotyczące zrównoważonego rozwoju pochodzą z więcej niż jednej jednostki biznesowej, problem powstaje jeszcze zanim rejestr w ogóle istnieje. Każda jednostka ma własne systemy, własne arkusze kalkulacyjne, własne definicje tego, co dany punkt danych oznacza. Rejestr, który tego nie porządkuje, policzy ten sam strumień danych trzykrotnie albo w ogóle go pominie.
Rejestr punktów danych to nie lista tematów raportowych, lecz rejestr na poziomie pojedynczego punktu danych: emisje zakresu 2 z lokalizacji A, liczba FTE z umową tymczasową w jednostce B, zużycie wody w lokalizacji C. Dla każdego punktu danych powinno być zapisane, co dokładnie mierzy, w jakiej jednostce, za jaki okres i dla jakiego podmiotu. Bez tych czterech elementów punkt danych nie jest możliwy do prześledzenia, a więc niemożliwy do zweryfikowania.
Oprócz tego rejestr zawiera dla każdego punktu danych źródło: system, plik lub osobę, od której pochodzi dana liczba. Nie zawsze jest to tak proste, jak się wydaje. Przy wielu jednostkach biznesowych regularnie zdarza się, że punkt danych zostaje wypełniony, a nikt nie potrafi wskazać, skąd pochodzi; co robić z punktem danych bez możliwego do wskazania źródła to zatem pytanie, na które sam rejestr powinien umieć odpowiedzieć, a nie coś, co wyjaśnia się później.
Pokusa przy wielu jednostkach biznesowych polega na tym, by każda jednostka osobno dostarczyła listę, a te listy następnie połączyć. To nie działa, ponieważ jednostki rzadko stosują te same definicje. Jedna jednostka raportuje zużycie energii na lokalizację, inna na linię produkcyjną. Jedna wlicza pracowników tymczasowych do stanu zatrudnienia, inna nie. Gdy takie listy łączy się bez wcześniejszego ujednolicenia definicji, powstają duplikaty, których nie da się rozpoznać jako duplikaty.
Kolejność, która faktycznie działa: najpierw ustalić, które punkty danych mają rzeczywiste znaczenie dla organizacji jako całości, niezależnie od tego, która jednostka je dostarcza. To pytanie o konieczność, nie o dostępność — które punkty danych naprawdę są potrzebne to inne pytanie niż to, które punkty danych już gdzieś znajdują się w arkuszu kalkulacyjnym. Dopiero potem dla każdego punktu danych ustala się, która jednostka, który system i która osoba stanowi źródło. W ten sposób powstaje jeden rejestr z jedną definicją na punkt danych, w którym wiele jednostek dostarcza dane wejściowe, a sam punkt danych się nie powiela.
Rozpoznawanie duplikatów pozostaje potem nadal potrzebne, ponieważ nawet przy dobrych definicjach dwie jednostki mogą nieświadomie rejestrować ten sam leżący u podstaw fakt pod inną nazwą. Jak to zauważyć — jak rozpoznać zdublowany punkt danych między jednostkami biznesowymi — to kontrola przeprowadzana na samym rejestrze, nie na raporcie, który z niego później powstaje.
Często popełnianym błędem jest przypisywanie własności na poziomie jednostki: jednostka A odpowiada za wszystkie dane z jednostki A. To działa, dopóki jednostki pozostają przejrzyste, ale przy wielu jednostkach biznesowych z nakładającymi się procesami — wspólny dział zakupów, centralna flota pojazdów — takie przypisanie szybko staje się niejasne. Lepszym rozwiązaniem jest własność na poziomie punktu danych: jedna osoba, która potrafi wyjaśnić, skąd pochodzi dana liczba, jaka jest jednostka miary i kiedy dane zostały ostatnio zaktualizowane. Ta osoba nie musi być tą, która wprowadza liczbę, ale musi znać źródło.
Ile z istniejących punktów danych ma już takie możliwe do wskazania źródło, to zazwyczaj pierwsze pytanie, które się pojawia, gdy zaczyna się to systematycznie sprawdzać. Ile z pana/pani punktów danych ma źródło to dokładnie pytanie, na które trzeba odpowiedzieć osobno dla każdej jednostki biznesowej, ponieważ odpowiedź może się między jednostkami znacznie różnić.
Przy wielu jednostkach biznesowych istnieje pokusa, by czekać, aż wszystkie jednostki osiągną taki sam poziom szczegółowości, zanim rejestr uzna się za gotowy. To nie jest realistyczne kryterium. Rejestr jest gotowy, gdy dla każdego punktu danych jasne jest, kto jest właścicielem, jakie jest źródło i jaka reguła jakości ma zastosowanie — nawet jeśli odpowiedź dla niektórych punktów danych brzmi na razie „nieznane źródło, działanie po stronie jednostki X”. Niekompletność, która jest widoczna i przypisana, jest do przyjęcia; niekompletność ukryta za wypełnioną liczbą — nie. Co dokładnie oznacza to kryterium, opisano pod kiedy rejestr jest gotowy przy wielu jednostkach biznesowych.
Ile czasu zajmuje sporządzenie takiego rejestru, zależy od liczby jednostek biznesowych, liczby systemów w każdej jednostce oraz stopnia, w jakim definicje już są ze sobą zgodne. W organizacji z kilkoma jednostkami i przejrzystymi źródłami jest to znacznie mniej pracy niż w organizacji z kilkudziesięcioma jednostkami działającymi na różnych systemach ERP. Wskazówkę, skąd bierze się ta praca, można znaleźć pod jak długo trwa uporządkowanie danego tematu.
Tworzenie i utrzymywanie rejestru punktów danych obejmującego wiele jednostek biznesowych składa się z serii rozpoznawalnych zadań: pozyskiwania definicji, ustalania źródeł, wyznaczania właścicieli, wykrywania duplikatów. Część tej pracy jest na tyle powtarzalna, że można ją zautomatyzować, inna część wymaga oceny, która musi pozostać po stronie człowieka. Skan pracy FTE TO AI wylicza dla każdego zadania, jaką część tej pracy może przejąć AI, dzięki czemu staje się jasne, gdzie wciąż potrzebne są godziny pracy ludzkiej, a gdzie nie.
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.