V mnohých sektoroch je problém taký, že údaje sú rozptýlené medzi oddeleniami a systémami, ale vznikajú v rámci jednej organizácie. V agrárnom sektore začína rozdrobenosť už pred týmto bodom. Veľká časť najviac požadovaných údajov o udržateľnosti — využitie pôdy, spotreba vody, rotácia plodín, krmivo pre dobytok, emisie z hnojiva — nevzniká u samotného vykazujúceho podniku, ale u pestovateľov, dodávateľov a družstiev, ktoré na to nemajú zavedenú účtovnú ani digitálnu rutinu. Kde kancelárska organizácia môže údaje dohľadať v ERP systéme, agrárny podnik sa musí najprv informovať u reťazca tretích strán, ktoré tento problém samy nepovažujú za svoj problém.
K tomu sa pridáva skutočnosť, že údaje, ktoré sú interne k dispozícii, sú väčšinou zaznamenané po jednotlivých organizačných zložkách alebo pestovateľských sezónach, nie podľa vykazovacieho obdobia. Účtovný rok neprebieha súbežne so zberovým cyklom, a emisný faktor, ktorý platí dnes, sa môže v nasledujúcej sezóne zmeniť v dôsledku inej plodiny alebo iného spôsobu obrábania pôdy. Väčšina času venovaného vykazovaniu udržateľnosti sa nevynakladá na vyplňovanie čísel, ale na zisťovanie, od koho by tieto čísla vlastne mali pochádzať.
Prvým miestom je samotný dodávateľský reťazec. Veľká časť emisií scope 3 v agrárnom sektore sa nachádza u dodávateľov, ktorí nevedú vykazovanie udržateľnosti a ktorých údaje — ak vôbec existujú — sú v inom formáte, v inom jazyku alebo vôbec nie digitalizované. Kto sa tu snaží spojiť dátový bod so zdrojom, zistí, že zdrojom je niekedy osoba, nie systém.
Druhým miestom je operácia v rámci vlastného podniku: spotreba vody, energie a prípravkov na ochranu rastlín sa často zaznamenáva na papieri alebo v samostatných excelových prehľadoch podľa parcely alebo stajne. Tieto údaje existujú, ale nikomu neboli pridelené ako zodpovednosť za účely vykazovania — je to poľnohospodárske účtovníctvo, nie CSRD účtovníctvo, a tieto dve veci sa málokedy hladko zosúladia.
Tretím miestom je preklad do merateľných jednotiek. Využitie pôdy a uhlík v pôde zaznamenávajú rôzne subjekty veľmi rôznymi spôsobmi, a prevod na jednotnú vykazovaciu jednotku je sám o sebe zdrojom chýb, ak nikto nezaznamená, aký predpoklad bol pri tom použitý.
V sektore IKT sa údaje o udržateľnosti obvykle nachádzajú v digitálnych systémoch, ktoré už existujú, a ide predovšetkým o ich sprístupnenie. V energetickom sektore je veľa údajov už zmeraných, pretože povinnosť merania a monitorovanie sú tam súčasťou bežnej podnikovej praxe. Agrárnemu sektoru tento základ často chýba: údaje nie sú skryté v systéme, nikdy neboli systematicky zaznamenané. To nerobí problém väčším ani menším než pri finančných službách alebo v sektore nehnuteľností, ale je iný svojou povahou: tam je problém väčšinou integrácia medzi systémami, tu je to často najprv registrácia pri zdroji.
Je veľké lákanie kúpiť softvérový balík, ktorý automatizuje vykazovanie pre agrárny sektor. Ale nástroj, ktorý získava údaje zo systémov, ktoré správne údaje neobsahujú, poskytne iba upravenú správu založenú na tých istých voľných koncoch. Skôr než systém môže niečo spočítať, musí byť zaznamenané, ktorý dátový bod patrí k akému zdroju, kto v rámci alebo mimo vlastnej organizácie je za to zodpovedný, a ktoré kritérium kvality určuje, či je zadané číslo dôveryhodné. To nie je softvérová otázka, ale otázka usporiadania, a tá predchádza každému vykazovaciemu systému.
Data Readiness Scan zaznamenáva pre každý dátový bod, odkiaľ pochádza — z vlastnej operácie, od pestovateľa, od družstva alebo z externého zdroja údajov — a kto v rámci reťazca je za to zodpovedný. Pre sektor, v ktorom veľká časť údajov vzniká mimo vlastných múrov, je toto vlastníctvo často chýbajúcim kúskom: nie samotné číslo, ale kto za neho zodpovedá. Na určenie, ktoré dátové body sú pre agrárny podnik skutočne relevantné a ktoré sa vykazujú bez toho, aby mali nejakú funkciu, je užitočné rozlíšenie uvedené v texte aké dátové body skutočne potrebujete, ak máte viacero obchodných jednotiek, rovnako ako východiskový bod, že dátový bod už často existuje v jednej z existujúcich obchodných jednotiek skôr, než sa znovu zbiera.
Keď je jasné, ktoré dátové body v agrárnom reťazci musia pochádzať odkiaľ a kto ich dodáva, vzniká druhá otázka: koľko z práce spojenej so zberom, kontrolou a spätným dohľadaním týchto údajov ešte vyžaduje ľudské zásahy, a ktorá časť je dostatočne opakovateľná, aby sa mohla prenechať AI. Pracovná škála FTE TO AI to počíta pre každú úlohu osobitne, nie na základe odhadu pre celý sektor, ale na základe úloh, ktoré sa v konkrétnom reťazci skutočne vykonávajú. Pre sektor, v ktorom sa veľa času venuje vyhľadávaniu zdrojov namiesto interpretácie čísel, je to východiskový bod na to, aby bolo vidno, kde automatizácia niečo prináša a kde nie.
Škála, ktorá tieto dátové body, zdroje a zodpovednosť pre agrárny sektor mapuje, je vo vývoji. Kto chce dostať informáciu, keď bude škála k dispozícii, sa môže prihlásiť na čakaciu listinu.
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.