Sustainability Data Readiness

Kaj je na mizi: register, zemljevid izvora podatkov in ime pri vsaki številki

Problem ni poročilo, problem je to, kaj se skriva zadaj

Številke se ujemajo na papirju. Je urejena tabela, s skupnim seštevkom po delu in seštevkom za celotno skupino. Toda kdor vpraša naprej — od kod prihaja to število, kdo ga je posredoval, katera definicija je bila uporabljena — dobi tri različne odgovore od treh različnih ljudi. Ena enota šteje scope 2 drugače kot druga. Preglednice, ki je bila uporabljena lansko leto, ni več mogoče najti. Nihče ni prepričan, ali je to število zgrajeno tako, kot bo želel videti partner za zagotavljanje (assurance). To ni napaka v računanju, to je temelj, ki nikoli ni bil postavljen.

Kaj natančno pride iz tega

Jedro je Data Readiness Scan, s registrom datapunkov kot hrbtenico. Ta register postavi drug ob drugega tisto, kar je potrebno za izbrane teme, in tisto, kar je v organizaciji že prisotno — ne ocena, temveč seznam, ki izhaja iz materialnih tem, ki so bile določene.

Okoli tega registra je source-to-report-mapper: orodje za izvor podatkov (lineage), ki ga je mogoče izpolniti po fiksni strukturi vhod-proces-izhod. Za vsak datapunk se zapiše, od kod prihaja, kakšne obdelave se na njem izvajajo, preden pristane v poročilu, in kdo je za kaj odgovoren, preko RACI. Poleg tega gredo zraven pravila kakovosti — veljavne vrednosti, signalna odstopanja — ki pokažejo, kdaj številka pade izven okvirja, še preden izgine v konsolidaciji.

Iz tega zasnovanega procesa izhaja generator funkcionalnih zahtev. To je obrat, ki v procesu pogosto manjka: ne kupiti najprej orodja in proces prilagoditi temu, temveč najprej zapisati proces in šele nato pogledati, katere zahteve iz tega izhajajo za morebitno programsko opremo.

Kdor raje dela z vodenjem, lahko obišče tridnevni data bootcamp — običajno z CO2 kot prvo temo. To je izdelek iz poti 2/3 partnerja. Osnovna zasnovna predloga je tudi v orodju, tako da lahko kdor raje sam usmerja, isti okvir samostojno preide.

Zakaj je vsak izid sledljiv

Vse, kar register in mapper prineseta, je mogoče izpeljati iz tega, kar je bilo vneseno: kateri vir, katera obdelava, kateri lastnik, katero pravilo. Nič se ne dodatno ocenjuje in nič se ne zaokrožuje v številko uspešnosti. Kar pride iz tega, je struktura — ne presoja o tem, kako dobri ali slabi so podatki, temveč natančna oznaka, kje temelji manjkajo in kje že stojijo. Kako se ti koraki natančno prepletajo, od izbire teme do ponovne meritve, je razloženo na Kako deluje; kaj je konkretno na mizi po vsakem koraku, je na Izidi.

Koraki

Izbira tem. Materialne teme se izberejo, po potrebi kot izhodišče iz esgia.

Izgradnja registra. Generator registra postavi v vrsto datapunke, ki spadajo k tem temam.

Vnos izvora podatkov in RACI. Za vsak datapunk se zapišejo vir, obdelave, lastništvo in pravila kakovosti.

Poročilo o pripravljenosti in ponovna meritev. Sledi indikacija vrstnega reda in trajanja po temi, celota pa je namenjena periodičnemu ponovnemu merjenju — kakovost podatkov ni enkraten posnetek stanja.

Kaj to ni

Ni orodje za poročanje. Samo poročilo, po VSME ali CSRD, ostaja delovno področje esgia; tukaj se ne poroča, tukaj se postavlja temelj za to.

Ni orodje za vprašalnike. Kdor mora odgovoriti na vprašalnik stranke ali partnerja v verigi, je na naslovu pri supplia ali esgreply.

Ni izkazana zgodovina uspešnosti. Ni izvedenih projektov, na katere bi se lahko sklicevali — to je skladno z orodjem, ki je še v fazi čakalne liste. Orodje strukturira proces in naredi vidno, kje so ohlapni konci; ne dokazuje ničesar o izidu in ne daje zagotovil v smeri assurance.

Tri poti, en register

Pot 1 — samostojno. Predloga bootcampa po temi, izvoz registra in kontrolni seznam za pripravo na assurance, vse mogoče samostojno izvesti.

Pot 2 — delno vodeno. Partner izvaja bootcampe; orodje ostaja mesto, kjer sta register in izvor podatkov zapisana.

Pot 3 — zunanje izvajanje. Popolna vzpostavitev pri partnerju, na lastnem stroju podjetja FTE TO AI.

Kdor želi več primerov, kako izgleda register ali zemljevid izvora podatkov v praksi, najde ozadje v kennisbank.

Povezava do ur, ki stojijo zadaj

Register in zemljevid izvora podatkov nekaj spremenita šele, ko se prevedeta v to, kdo opravlja katero nalogo, koliko časa to vzame in v katerem sistemu se to dogaja. Prav tam se začne delovni scan podjetja FTE TO AI: ne pri podatkih, temveč pri delu, ki je potrebno, da se ti podatki pripravijo pravilno.