W wielu sektorach problem polega na tym, że dane są rozproszone pomiędzy działami i systemami, ale powstają w ramach jednej organizacji. W sektorze agrarnym rozproszenie zaczyna się już przed tym punktem. Duża część najbardziej poszukiwanych danych dotyczących zrównoważonego rozwoju — użytkowanie gruntów, zużycie wody, rotacja uprawy, pasza dla zwierząt, emisje z obornika — nie powstaje u samego przedsiębiorstwa raportującego, lecz u rolników, dostawców i spółdzielni, które nie mają dla tego żadnej rutyny księgowej czy cyfrowej. Tam, gdzie organizacja biurowa może odnaleźć dane w systemie ERP, przedsiębiorstwo agrarne musi często najpierw zapytać łańcuch podmiotów trzecich, które sam pytanie nie postrzegają jako swojego problemu.
Dodatkowo dane, które są dostępne wewnętrznie, są zwykle zapisane w podziale na jednostkę biznesową lub sezon uprawy, a nie na okres raportowania. Rok obrachunkowy nie pokrywa się z cyklem żniw, a wskaźnik emisji obowiązujący dzisiaj może w następnym sezonie już się zmienić z powodu innej uprawy lub innego sposobu obróbki gleby. Największa część czasu poświęcanego na raportowanie w zakresie zrównoważonego rozwoju nie idzie na wypełnianie liczb, lecz na ustalanie, od kogo te liczby właściwie powinny pochodzić.
Pierwsze miejsce to sam łańcuch dostaw. Duża część emisji zakresu 3 w sektorze agrarnym znajduje się u dostawców, którzy nie prowadzą raportowania w zakresie zrównoważonego rozwoju i których dane — jeśli istnieją — są w innym formacie, w innym języku albo wcale nie są zdigitalizowane. Kto chce tutaj połączyć punkt danych ze źródłem, odkryje, że źródłem jest czasem osoba, a nie system.
Drugie miejsce to działalność operacyjna we własnym przedsiębiorstwie: zużycie wody, energii i środków ochrony roślin jest często rejestrowane na papierze lub w osobnych zestawieniach Excel dla poszczególnych działek czy obiektów. Te dane istnieją, ale nie zostały przypisane nikomu jako odpowiedzialność do celów raportowania — to księgowość gospodarska, nie księgowość CSRD, i te dwie rzeczy rzadko idealnie się pokrywają.
Trzecie miejsce to przełożenie na mierzalne jednostki. Użytkowanie gruntów i węgiel w gruncie są rejestrowane bardzo różnymi sposobami przez różnych aktorów, a przeliczanie na jednolitą jednostkę raportowania jest samo w sobie źródłem błędów, jeśli nikt nie zapisuje, jakie założenie zostało przy tym użyte.
W sektorze ICT dane dotyczące zrównoważonego rozwoju znajdują się zwykle w systemach cyfrowych, które już istnieją, i chodzi tam głównie o ich udostępnienie. W sektorze energetycznym wiele danych jest już zmierzonych, ponieważ obowiązek pomiaru i monitorowanie są tam częścią działalności operacyjnej. Sektorowi agrarnemu częściej brakuje tej podstawy: dane nie są schowane w systemie, one nigdy nie zostały systematycznie zarejestrowane. To nie sprawia, że problem jest większy lub mniejszy niż w sektorze usług finansowych czy sektorze nieruchomości, ale sprawia, że ma inny charakter: tam problemem jest zazwyczaj integracja między systemami, tutaj często najpierw rejestracja u źródła.
Pokusa, aby kupić pakiet oprogramowania, który automatyzuje raportowanie dla sektora agrarnego, jest duża. Jednak narzędzie, które pobiera dane z systemów niezawierających właściwych danych, dostarcza jedynie ładnie sformatowany raport oparty na tych samych luźnych końcach. Zanim system będzie mógł coś zsumować, musi być ustalone, który punkt danych należy do jakiego źródła, kto w ramach lub poza własną organizacją jest za to odpowiedzialny oraz jaka reguła jakości określa, czy wprowadzona liczba jest wiarygodna. To nie jest kwestia oprogramowania, lecz kwestia porządkowania, i ta poprzedza każdy system raportowania.
Data Readiness Scan ustala dla każdego punktu danych, skąd on pochodzi — z własnej działalności operacyjnej, od rolnika, od spółdzielni czy z zewnętrznego źródła danych — oraz kto w ramach łańcucha jest za to odpowiedzialny. Dla sektora, w którym wiele danych powstaje poza własnymi murami, to własność danych jest często brakującym elementem: nie samą liczbą, lecz tym, kto za nią odpowiada. Aby określić, które punkty danych są faktycznie istotne dla przedsiębiorstwa agrarnego, a które są raportowane bez żadnej funkcji, przydatne jest rozróżnienie dokonane w tekście jakich punktów danych naprawdę potrzebuje Pan/Pani, gdy istnieje wiele jednostek biznesowych, podobnie jak zasada, że punkt danych często już istnieje u jednej z istniejących jednostek biznesowych zanim zostanie zebrany ponownie.
Gdy staje się jasne, które punkty danych w łańcuchu agrarnym muszą skąd pochodzić i kto je dostarcza, powstaje drugie pytanie: jaka część pracy związanej ze zbieraniem, kontrolowaniem i śledzeniem tych danych wymaga jeszcze czynności wykonywanych przez ludzi, a jaka część jest wystarczająco powtarzalna, aby powierzyć ją AI. Werkscan od FTE TO AI wylicza to dla każdego zadania, nie na podstawie szacunku dla całego sektora, lecz na podstawie zadań, które są faktycznie wykonywane w konkretnym łańcuchu. Dla sektora, w którym dużo czasu poświęca się na wyszukiwanie źródeł, a nie na interpretację liczb, jest to punkt odniesienia, aby zobaczyć, gdzie automatyzacja przynosi korzyść, a gdzie nie.
Skan, który mapuje te punkty danych, źródła i własność dla sektora agrarnego, jest w fazie rozwoju. Osoby, które chcą otrzymać informację, gdy skan będzie dostępny, mogą zapisać się na listę oczekujących.
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.