Zapytajcie pięć działów o tę samą wielkość — na przykład liczbę fte, zużycie paliwa przez flotę pojazdów czy zamortyzowany sprzęt — i otrzymacie pięć rozumowań, które przebiegają nieco inaczej. Jedna lokalizacja liczy pracowników tymczasowych, druga nie. Jedna fabryka liczy w litrach, druga już przeliczyła to na litry na pojazd rocznie i dostarcza więc inny rodzaj liczby niż wymagany. Na papierze wszystko nazywa się tym samym wskaźnikiem. W rzeczywistości są to różne definicje, które przypadkiem znalazły się w tej samej kolumnie.
To nie jest błąd wprowadzania danych. Nikt niczego źle nie wpisał. Problem leży warstwę wcześniej: nigdy nie zostało ustalone, jaka jest dokładnie prawidłowa wartość dla tego punktu danych, więc każdy dział wypełnia tę pustkę własną logiką. To, co jest wartością prawidłową a co nie, jest opisane na stronie co jest wartością prawidłową — pytanie, które powinno być postawione przed każdym porównaniem między działami.
Kluczowe pytanie nie brzmi, czy odchylenia się zdarzają — bo zawsze się zdarzają — ale kto je zauważa, zanim liczba trafi do raportu. W wielu organizacjach odpowiedź brzmi: nikt, aż zewnętrzna strona lub audytor zauważy liczbę, która nie zgadza się z zeszłym rokiem. Wtedy pytanie zostało postawione już za późno.
Punkt danych bez sygnału odchylenia nie ma sposobu, by wzbudzić podejrzenie samodzielnie. Liczba trzykrotnie wyższa niż w zeszłym roku nie zwraca automatycznie uwagi, jeśli nie ustalono przedziału, w którym wartość jest wiarygodna. Sposób określenia tego przedziału — ustalony procent, rozproszenie historyczne, próg na jednostkę — jest opisany na stronie jak ustalić sygnał odchylenia. Pytanie nie jest skomplikowane, ale musi zostać postawione, dla każdego punktu danych, przed jego wypełnieniem.
Sygnał odchylenia wychwytuje ekstremalny przypadek: liczbę, która w oczywisty sposób jest błędna. Ale większość różnic definicyjnych między działami jest bardziej subtelna. Lokalizacja, która liczy pracowników tymczasowych, nie daje absurdalnej liczby — daje liczbę, która wygląda całkiem normalnie, i właśnie przez to nie zwraca uwagi.
Dlatego każdy punkt danych powinien mieć więcej niż jedną kontrolę: zakres, w którym musi znajdować się wartość, ustaloną jednostkę, wymóg dotyczący źródła wskazujący, jaki typ dokumentu stanowi uzasadnienie, oraz opis tego, co wchodzi w skład liczenia, a co nie. Jaka kombinacja kontroli jest potrzebna, różni się w zależności od punktu danych i organizacji — wydatek na badania i rozwój wymaga innych zabezpieczeń niż współczynnik emisji. Przegląd tego, jakie kontrole odpowiadają jakiemu typowi punktu danych, znajduje się na stronie jakie kontrole odpowiadają danemu punktowi danych. Bez tej kombinacji powstaje fałszywa precyzja: liczba z dwoma miejscami po przecinku, zbudowana z pięciu definicji, które nie są ze sobą zgodne. Skąd pochodzi ta fałszywa precyzja i jak ją rozpoznać, opisano na stronie jak zapobiec fałszywej precyzji.
Definicja ustalona na papierze nie jest automatycznie definicją, która jest stosowana. Ktoś musi odpowiedzieć na pytanie, gdy dział zgłasza przypadek graniczny: czy ta forma współpracy liczy się jako fte czy nie, czy ten dostawca podlega zakresowi 3 czy nie. Bez wyznaczonego właściciela to pytanie trafia do kogoś, kto przypadkiem jest najbliżej formularza, a definicja przesuwa się ponownie, po cichu, w każdym dziale inaczej.
Data Readiness Scan zapisuje dla każdego punktu danych, jaka jest wartość prawidłowa, jaki sygnał odchylenia obowiązuje, jakie kontrole odpowiadają temu konkretnemu punktowi danych oraz kto jest właścicielem definicji. To nie jest narzędzie do raportowania ani ankieta — to rejestr, który zapisuje, co leży pod raportem, tak aby różnica między działami stała się widoczna zanim liczba zostanie zsumowana.
Istnieją systemy, które mogą wykonywać te kontrole. Ale system działający na pięciu różnych, nigdy nieustalonych definicjach, wykonuje te kontrole na podstawie reguł, których nikt nie ustalił. Rezultatem jest przejrzysty interfejs z niewiarygodnymi liczbami w środku. Dlaczego kolejność — najpierw definicja, potem narzędzie — ma znaczenie, opisano na stronie najpierw kupić narzędzie czy najpierw zorganizować proces. A jakie wymagania musi w istocie spełniać narzędzie, nie wynika z listy dostawców, lecz z waszego własnego procesu — zobacz jakie wymagania funkcjonalne wynikają z waszego własnego procesu.
Data Readiness Scan jest w budowie. Kto już teraz zmaga się z definicjami różniącymi się między działami, może zapisać się na listę oczekujących i zostanie poinformowany, gdy instrument będzie dostępny.
Gdy już ustalone jest, co jest wartością prawidłową, kto pilnuje definicji i jaka kontrola odpowiada jakiemu punktowi danych, staje się również widoczne, jaka część tej pracy jest powtórzeniem: sprawdzanie tych samych dokumentów źródłowych według tej samej reguły, testowanie tego samego przedziału przy każdym nowym wprowadzeniu danych. To praca, którą — raz wyrażona jednoznacznie — można obliczyć. Skan pracy FTE TO AI wylicza dla każdego zadania, jaką część pracy można przekazać AI — nie jako zamiennik właściciela, który decyduje o definicji, lecz jako sposób na rozróżnienie kontroli od powtórzenia.
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.