Sustainability Data Readiness
Liczby na papierze się zgadzają. Jest ładna tabela, z sumą na jednostkę i sumą dla całej grupy. Ale kto zapyta dalej — skąd pochodzi ta liczba, kto ją dostarczył, jaka definicja została użyta — dostaje trzy różne odpowiedzi od trzech różnych osób. Jedna lokalizacja liczy scope 2 inaczej niż druga. Arkusz kalkulacyjny użyty w zeszłym roku nie jest już do znalezienia. Nikt nie jest pewien, czy ta liczba została zbudowana tak, jak partner assurance będzie chciał to zobaczyć. To nie jest błąd rachunkowy, to jest fundament, który nigdy nie został położony.
Jądrem jest Data Readiness Scan z rejestrem punktów danych jako kręgosłupem. Ten rejestr zestawia to, co jest potrzebne dla wybranych tematów, z tym, co już jest obecne w organizacji — nie oszacowanie, ale lista wynikająca z wyznaczonych tematów istotnych.
Wokół tego rejestru znajduje się source-to-report-mapper: wypełnialne narzędzie lineage według ustalonej struktury input-proces-output. Dla każdego punktu danych zapisuje się, skąd pochodzi, jakie operacje na nim wykonywane są przed trafieniem do raportu, oraz kto za co odpowiada poprzez RACI. Do tego dołączone są reguły jakości — dopuszczalne wartości, odchylenia sygnałowe — które ujawniają, kiedy liczba wykracza poza normę, zanim zniknie w konsolidacji.
Z tego zaprojektowanego procesu wynika generator wymagań funkcjonalnych. To jest odwrócenie, które w tym procesie często brakuje: nie najpierw kupić narzędzie i naginać do niego proces, ale najpierw zapisać proces, a potem sprawdzić, jakie wymagania z niego wynikają dla ewentualnego oprogramowania.
Kto woli pracować z prowadzeniem, może odbyć trzydniowy databootcamp — zwykle wokół CO2 jako pierwszego tematu. To jest produkt route 2/3 partnera. Leżący pod tym szablon projektowy znajduje się również w narzędziu, tak że kto woli sam kierować, może samodzielnie przejść ten sam schemat.
Wszystko, co dostarcza rejestr i mapper, jest możliwe do sprowadzenia do tego, co zostało wypełnione: jakie źródło, jaka operacja, jaki właściciel, jaka reguła. Nic nie jest doszacowywane i nic nie jest zaokrąglane do wskaźnika efektywności. To, co z tego wynika, to struktura — nie ocena tego, jak dobre czy złe są dane, ale precyzyjne wskazanie, gdzie brakuje fundamentów i gdzie już stoją. Jak te kroki precyzyjnie się łączą, od wyboru tematu do ponownego pomiaru, jest opisane na Jak to działa; co konkretnie leży na stole po każdym kroku, znajduje się na Wyniki.
Wybór tematów. Tematy istotne są wybierane, w razie potrzeby jako punkt wyjścia z esgia.
Budowa rejestru. Generator rejestru zestawia punkty danych należące do tych tematów.
Wypełnienie lineage i RACI. Dla każdego punktu danych zapisuje się źródło, operacje, własność i reguły jakości.
Raport gotowości i ponowny pomiar. Następuje wskazanie kolejności i czasu realizacji dla każdego tematu, a całość jest przeznaczona do okresowego ponownego pomiaru — jakość danych nie jest zdjęciem chwilowym.
To nie jest narzędzie do raportowania. Sam raport, w ramach VSME lub CSRD, pozostaje obszarem działania esgia; tutaj nie raportuje się, tutaj kładzie się dla tego fundament.
To nie jest narzędzie do kwestionariuszy. Kto musi odpowiedzieć na kwestionariusz klienta lub partnera w łańcuchu dostaw, powinien zwrócić się do supplia lub esgreply.
To nie jest udowodniony track record. Nie ma zrealizowanych projektów, do których można się odnieść — to odpowiada narzędziu, które nadal znajduje się w fazie listy oczekujących. Narzędzie strukturyzuje proces i ujawnia, gdzie znajdują się luźne końce; nie udowadnia niczego co do wyniku i nie gwarantuje niczego w kierunku assurance.
Ścieżka 1 — samodzielnie. Szablon bootcamp dla każdego tematu, eksport rejestru i lista kontrolna jako przygotowanie do assurance, wszystko do przejścia samodzielnie.
Ścieżka 2 — częściowo z prowadzeniem. Partner prowadzi bootcampy; narzędzie pozostaje miejscem, gdzie rejestr i lineage są zapisane.
Ścieżka 3 — outsourcing. Pełne wdrożenie u partnera, na własnej maszynie FTE TO AI.
Kto chce więcej przykładów tego, jak rejestr lub mapa lineage wyglądają w praktyce, znajdzie tło w bazie wiedzy.
Rejestr i mapa lineage zmieniają coś tylko wtedy, gdy trafiają w to, kto wykonuje jakie zadanie, ile czasu to zajmuje i w jakim systemie to się dzieje. To jest właśnie miejsce, w którym zaczyna się skan pracy FTE TO AI: nie od danych, ale od pracy potrzebnej, aby te dane doprowadzić do dobrego stanu.
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.