Întrebați cinci departamente despre aceeași mărime — de exemplu numărul de fte, consumul de combustibil al unui parc auto, sau materialul amortizat — și veți primi cinci raționamente care merg puțin diferit. O filială include lucrătorii temporari, alta nu. O fabrică calculează în litri, alta a convertit deja acest lucru în litri per vehicul per an și livrează astfel un tip diferit de cifră decât cel solicitat. Pe hârtie, toate se numesc aceeași metrică. În realitate, sunt definiții diferite care se întâmplă să apară în aceeași coloană.
Aceasta nu este o eroare de introducere a datelor. Nimeni nu a scris greșit nimic. Problema se află un nivel mai adânc: nu s-a stabilit niciodată exact care este valoarea validă pentru acest punct de date, și astfel fiecare departament umple acest vid cu propria logică. Ce reprezintă o valoare validă și ce nu, este detaliat la ce este o valoare validă — întrebarea care ar trebui să preceadă orice comparație între departamente.
Întrebarea centrală nu este dacă apar abateri — acestea apar întotdeauna — ci cine le observă înainte ca cifra să ajungă într-un raport. În multe organizații, răspunsul este: nimeni, până când o parte externă sau un auditor observă o cifră care nu se corelează cu anul trecut. Atunci întrebarea a fost pusă deja prea târziu.
Un punct de date fără o abatere de semnalizare nu are nicio modalitate de a se face singur suspect. O cifră care este de trei ori mai mare decât anul trecut nu se remarcă automat dacă nu s-a stabilit o marjă de variație în care o valoare este plauzibilă. Modul în care determinați această marjă de variație — procent fix, dispersie istorică, un prag pe unitate — este detaliat la cum configurați o abatere de semnalizare. Întrebarea nu este complicată, dar trebuie să fie pusă, pentru fiecare punct de date, înainte ca acesta să fie completat.
O abatere de semnalizare prinde cazul extrem: cifra care este clar greșită. Dar majoritatea diferențelor de definiție dintre departamente sunt mai subtile decât asta. O filială care include lucrătorii temporari nu produce o cifră absurdă — produce o cifră care pare complet normală, și tocmai din acest motiv nu se remarcă.
De aceea, fiecare punct de date necesită mai mult de un control: un interval în care valoarea trebuie să se încadreze, o unitate care este fixă, o cerință privind sursa care indică ce tip de document este valabil ca dovadă, și o descriere a ceea ce trebuie și nu trebuie inclus în calcul. Combinația de controale necesară diferă în funcție de punctul de date și de organizație — o cheltuială de cercetare-dezvoltare necesită garanții diferite față de un factor de emisie. O prezentare generală a controalelor care corespund fiecărui tip de punct de date se găsește la ce controale corespund unui punct de date. Fără această combinație, apare o precizie falsă: o cifră cu două decimale care este construită din cinci definiții care nu se corelează între ele. De unde provine această precizie falsă și cum o recunoașteți, este detaliat la cum preveniți precizia falsă.
O definiție stabilită pe hârtie nu este automat o definiție care este aplicată. Cineva trebuie să răspundă la întrebare atunci când un departament prezintă un caz limită: contează această formă de colaborare ca fte sau nu, se încadrează acest furnizor în scope 3 sau nu. Fără un proprietar desemnat, această întrebare revine la cel care se întâmplă să fie cel mai apropiat de formular, iar apoi definiția se schimbă din nou, tacit, pe fiecare departament.
Data Readiness Scan stabilește, pentru fiecare punct de date, care este valoarea validă, ce abatere de semnalizare se aplică, ce controale corespund acelui punct de date specific, și cine este proprietarul definiției. Acesta nu este un instrument de raportare și nici un chestionar — este registrul care stabilește ce se află sub raport, astfel încât o diferență între departamente devine vizibilă înainte ca cifra să fie adunată.
Există sisteme care pot efectua aceste controale. Dar un sistem care funcționează peste cinci definiții diferite, niciodată stabilite, execută aceste controale pe baza unor reguli asupra cărora nimeni nu a convenit. Rezultatul este o interfață îngrijită cu cifre nesigure în ea. De ce ordinea — mai întâi definiția, apoi instrumentul — are importanță, este detaliat la întâi cumpărați un instrument sau întâi organizați procesul. Iar ce cerințe trebuie să îndeplinească efectiv un instrument nu rezultă dintr-o listă de furnizori, ci din propriul dumneavoastră proces — vedeți ce cerințe funcționale rezultă din propriul dumneavoastră proces.
Data Readiness Scan este în construcție. Cei care se confruntă deja cu definiții care diferă pe fiecare departament se pot înscrie pe lista de așteptare și vor fi informați imediat ce instrumentul devine disponibil.
Odată stabilit ce reprezintă o valoare validă, cine păzește definiția și ce control corespunde fiecărui punct de date, devine de asemenea vizibil care parte a acestei activități este repetitivă: verificarea aceloraşi documente sursă conform aceleiaşi reguli, testarea aceleiaşi marje de variație la fiecare intrare nouă. Aceasta este o activitate care, odată făcută explicită, poate fi calculată. Scanul de muncă al FTE TO AI calculează, pentru fiecare sarcină, ce parte a activității poate fi preluată de AI — nu ca înlocuire a proprietarului care decide asupra definiției, ci ca modalitate de a vedea unde controlul și repetiția se pot distinge unul de altul.
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.