Pergunte a cinco unidades pela mesma grandeza — por exemplo, o número de fte, o consumo de combustível de uma frota, ou material amortizado — e recebe cinco raciocínios que diferem ligeiramente. Uma filial conta os trabalhadores temporários, a outra não. Uma fábrica calcula em litros, a outra já converteu isso para litros por veículo por ano e entrega, portanto, um tipo de número diferente do pedido. No papel, chama-se tudo à mesma métrica. Na realidade, são definições diferentes que por acaso estão na mesma coluna.
Isso não é um erro de introdução de dados. Ninguém escreveu nada errado. O problema está numa camada anterior: nunca ficou definido qual é exatamente o valor válido para este ponto de dados, e por isso cada unidade preenche a lacuna com a sua própria lógica. O que é um valor válido e o que não é está desenvolvido em o que é um valor válido — a pergunta que deveria preceder qualquer comparação entre unidades.
A questão central não é se ocorrem desvios — esses ocorrem sempre — mas quem os deteta antes de o número constar num relatório. Em muitas organizações, a resposta é: ninguém, até uma parte externa ou um auditor detetar um número que não se enquadra no ano anterior. Nesse momento, a pergunta já foi feita demasiado tarde.
Um ponto de dados sem desvio de sinalização não tem forma de se tornar suspeito por si próprio. Um número que é três vezes superior ao do ano anterior não se destaca automaticamente se não estiver definida uma amplitude dentro da qual um valor é plausível. Como determinar essa amplitude — percentagem fixa, dispersão histórica, um limiar por unidade — está desenvolvido em como configurar um desvio de sinalização. A pergunta não é complicada, mas tem de ser feita, por ponto de dados, antes de o ponto de dados ser preenchido.
Um desvio de sinalização capta o caso extremo: o número que claramente não está correto. Mas a maioria das diferenças de definição entre unidades é mais subtil do que isso. Uma filial que conta os trabalhadores temporários não produz um número absurdo — produz um número que parece perfeitamente normal, e é precisamente por isso que não se destaca.
Por isso, cada ponto de dados deve ter mais do que um controlo: um intervalo dentro do qual o valor deve situar-se, uma unidade fixa, um requisito de fonte que indique que tipo de documento serve de comprovativo, e uma descrição do que deve e não deve constar na contagem. A combinação de controlos necessária varia por ponto de dados e por organização — uma despesa de I&D exige garantias diferentes de um fator de emissão. Um resumo de quais controlos correspondem a que tipo de ponto de dados encontra-se em que controlos correspondem a um ponto de dados. Sem essa combinação, surge uma precisão aparente: um número com duas casas decimais construído a partir de cinco definições que não se alinham entre si. De onde vem essa precisão aparente e como a reconhecer encontra-se em como evitar a precisão aparente.
Uma definição registada no papel não é automaticamente uma definição aplicada. Alguém tem de responder à pergunta quando uma unidade apresenta um caso limite: esta forma de colaboração conta como fte ou não, este fornecedor está incluído no âmbito 3 ou não. Sem um responsável designado, essa pergunta recai sobre quem por acaso está mais perto do formulário, e nesse momento a definição volta a deslocar-se, silenciosamente, por unidade.
O Data Readiness Scan regista, por ponto de dados, qual é o valor válido, qual o desvio de sinalização aplicável, quais os controlos correspondentes a esse ponto de dados específico, e quem é o responsável pela definição. Não é uma ferramenta de relatório nem um questionário — é o registo que documenta o que está por baixo do relatório, de forma a que uma diferença entre unidades se torne visível antes de o número ser somado.
Existem sistemas capazes de executar estes controlos. Mas um sistema que opera sobre cinco definições diferentes, nunca registadas, executa esses controlos com base em regras que ninguém acordou. O resultado é uma interface elegante com números pouco fiáveis. Porque é que a ordem — primeiro a definição, depois a ferramenta — é importante, está desenvolvido em comprar primeiro uma ferramenta ou organizar primeiro o processo. E quais os requisitos que uma ferramenta deve efetivamente cumprir não resulta de uma lista de fornecedores, mas do seu próprio processo — ver que requisitos funcionais resultam do seu próprio processo.
O Data Readiness Scan está em construção. Quem já lida com definições que variam por unidade pode inscrever-se na lista de espera e será informado quando o instrumento estiver disponível.
Quando estiver definido o que é um valor válido, quem vigia a definição e que controlo corresponde a que ponto de dados, torna-se também visível qual a parte desse trabalho que é repetição: verificar os mesmos documentos-fonte segundo a mesma regra, testar a mesma amplitude a cada nova introdução. É um trabalho que, uma vez tornado explícito, se pode calcular. O werkscan da FTE TO AI calcula, por tarefa, qual a parte do trabalho que pode ser assumida pela IA — não como substituto do responsável que decide sobre a definição, mas como forma de distinguir entre controlo e repetição.
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.