Bootcamp znie ako tréning, pár dní intenzívneho programu, po ktorých môže každý pokračovať ďalej. To tu nie je myslené. Ide o štruktúrovaný proces, v ktorom organizácia mapuje svoje dáta o udržateľnosti: aké datapointy existujú, odkiaľ pochádzajú, kto je za ne zodpovedný a aké kvalitatívne pravidlá na ne platia. Žiadne školenie o povinnostiach vykazovania, žiadny workshop o norme. Práca na samotných dátach.
Výsledkom je register datapointov: prehľad každého datapointu, ktorý organizácia potrebuje, s pôvodom vysledovaným pre každý datapoint od zdrojového systému až po číslo v správe, s určeným vlastníkom a pravidlami, ktoré musia dáta splniť, aby sa mohli považovať za spoľahlivé. Nejde o správu ani o dashboard. Je to spodná vrstva, ktorá určuje, či správa, akákoľvek správa, stojí na niečom pevnom. Kde už datapoint existuje je často prvou otázkou, na ktorú tento proces odpovedá, a táto otázka sa pravidelne ukáže náročnejšia, než sa čakalo: rovnaké dáta sa niekedy nachádzajú na troch miestach, v troch definíciách.
Nejde o implementáciu nástroja. Softvér, ktorý generuje správy nad neusporiadaným procesom, produkuje úhľadnejšie správy o tých istých nespoľahlivých číslach. Databootcamp predchádza tomuto kroku: najskôr sa určí, čo je datapoint, odkiaľ pochádza a kto za neho zodpovedá, až potom sa uvažuje o systémoch, ktoré tento proces podporujú. Nejde ani o záruku pripravenosti na assurance. Vytvára štruktúru, ktorá assurance umožňuje, ale to, či audítor číslo schváli, závisí od viac než len registra. Kto sa chce do tejto témy ponoriť, nájde na ako urobiť ESG dáta kontrolovateľnými pre assurance, kde presne leží táto hranica.
Častým predpokladom je, že tabuľky (spreadsheets) sú zdrojom nespoľahlivých dát a že systém je riešením. Ide o mylnú predstavu. Problémom je len zriedka médium, je to absencia vlastníctva a vysledovateľnosti. Tabuľka s jasným vlastníkom, zaznamenaným pôvodom a kvalitatívnym pravidlom je spoľahlivejšia než drahý systém bez týchto troch vecí. Prečo tabuľky nie sú problémom sa tejto téme venuje podrobnejšie. Databootcamp sa preto nezameriava na nahradenie nástrojov, ale na zaznamenanie toho, čo už existuje, bez ohľadu na to, kde sa to nachádza.
Časová investícia závisí od počtu datapointov, počtu zdrojových systémov a miery, do akej je vlastníctvo už pridelené. Organizácia s pár centrálnymi systémami a malým počtom materiálnych datapointov prechádza procesom inak než organizácia s desiatkami dcérskych spoločností, každá s vlastnými tabuľkami a vlastnými definíciami. Bez tohto kontextu nie je možné uviesť pevnú dobu trvania, a kto očakáva konkrétne číslo, nedostane tu odhad vytiahnutý z rukáva.
Hneď ako je každý datapoint vysledovateľný ku svojmu zdroju a má vlastníka, posunie sa rozhovor. Otázky ako „odkiaľ toto číslo pochádza“ a „kto to vie vysvetliť“ majú potom priamu odpoveď, namiesto pátrania cez e-mailovú komunikáciu a staré súbory. To sa netýka len vykazovania za tento rok, ale aj odovzdania nástupcovi, novému kontrolórovi alebo externému tímu. Čo sa zmení, keď je lineage raz na svojom mieste popisuje tento posun, a kto si prečíta váš register datapointov, keď tu už nebudete ukazuje, prečo táto prenosnosť často váži viac než vykazovanie za súčasný fiškálny rok.
Častou chybou je snaha urobiť register naraz kompletný pre každý datapoint, ktorý by norma mohla niekedy požadovať. To vedie k projektu, ktorý nikdy nie je hotový. Databootcamp začína pri datapointoch, ktoré organizácia skutočne potrebuje, vzhľadom na svoju materialitu a svoj sektor, a odtiaľ sa rozširuje ďalej. Aké datapointy skutočne potrebujete je otázka, ktorá stojí na začiatku každého procesu, ešte predtým, než niekto začne register budovať.
Nástroj, ktorý tento proces podporuje, je vo vývoji. Kto chce už teraz začať s mapovaním datapointov, pôvodu a vlastníctva, môže sa prihlásiť na čakaciu listinu; nedodáva sa nič, čo ešte neexistuje, ale požiadavka sa zaznamená pre moment, keď nástroj bude k dispozícii.
Register datapointov hovorí, odkiaľ dáta pochádzajú a kto za ne ručí. Nehovorí automaticky, koľko z práce okolo toho, prepisovanie, kontrola, zlučovanie zdrojov, musí zostať aj naďalej ľudskou prácou. Kto to chce vedieť, môže si u FTE TO AI dať vypočítať work scan: ten pre každú úlohu ukáže, akú časť z nej môže prevziať AI, takže je jasné, kde ubúda čas a kde je potrebná ľudská kontrola.
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.