En dubblerad datapunkt syns sällan på namnet. Två rader i registret heter vanligtvis olika — 'energiförbrukning kontor' och 'elförbrukning anläggning NL' — medan de hänvisar till samma mätare, samma faktura eller samma källa. Dubbleringen ligger inte i texten, utan i ursprunget. Den som bara söker på namn hittar inte duplikaten.
Ett datapunktsregister är inte en lista över rapporteringsrader, utan ett register över den underliggande datan: för varje datapunkt definitionen, källan, ägaren och vägen från källa till rapport. Varje datapunkt får en fast plats med fyra fasta fält: vad det är, varifrån det kommer, vem som är ansvarig för det och vilka bearbetningar som har tillämpats på det innan det hamnar i en rapport. Utan dessa fyra fält är ett register en ordlista, inget kontrollmedel.
Frågan vad är source-to-report mapping beskriver det tredje steget i detalj: den väg ett tal färdas från källsystem till rapportrad. Just den vägen är instrumentet som gör dubbleringar synliga. Två datapunkter med olika namn men en identisk källa-till-rapport-linje är samma datapunkt, uppförd två gånger.
Dubblerade datapunkter uppstår sällan av slarv, utan av organisationsstruktur. Ett fastighetsteam registrerar energiförbrukning för byggnadsförvaltningen, ett hållbarhetsteam registrerar samma förbrukning för CSRD-rapporteringen. Båda teamen arbetar utifrån sitt eget kalkylblad, med sin egen namngivning, utan insyn i varandras registrering. Vid flera anläggningar eller affärsenheter mångfaldigas detta mönster: varje enhet registrerar liknande data under en egen etikett.
Sidan var finns en datapunkt redan hos flera affärsenheter handlar om just denna mekanism: innan ni lägger till en datapunkt i registret är den första frågan om den redan finns någonstans i organisationen, bara under ett annat namn eller vid en annan avdelning. Att ställa den frågan före registrering förhindrar en stor del av de dubbleringar som annars måste spåras upp i efterhand.
Det tillförlitliga sättet att känna igen en dubblering är inte att jämföra beskrivningar, utan att jämföra källor. Två datapunkter som kommer från samma system, samma tabell eller samma exportfil, med samma avstämningsdatum och samma enhet, är kandidater för sammanslagning — även om namngivningen inte avslöjar något om detta. Omvänt gäller: två datapunkter med ett liknande namn men en annan källa är eventuellt inte en dubblering, utan två separata mätningar som råkar likna varandra.
Denna distinktion kan bara göras om registret registrerar källan per datapunkt, och inte bara det slutliga värdet. Ett register som endast samlar in siffror utan ursprung kan inte spåra dubbleringar — det kan på sin höjd misstänka dem.
Utöver källan är ägarskap en andra indikation. När två datapunkter delar samma källa men är registrerade hos olika ägare är det i sig inget problem — det kan tyda på en datapunkt som används av flera avdelningar. Det blir dock en signal när båda ägarna oberoende av varandra utför samma bearbetningar, utan att veta om varandras arbete. Då är det inte datapunkten som är dubblerad, utan processen kring den.
Frågan vilka bearbetningar ligger mellan källa och rapport är relevant här: två datapunkter med samma källa men olika bearbetningar kan resultera i olika tal, medan de i rapporten står under samma benämning. Det är en mer riskfylld situation än en enkel dubblering, eftersom siffrorna kan divergera utan att någon märker det.
Att spåra dubblerade datapunkter är ingen engångsövning som avslutas vid en fast tidpunkt. Vid en växande organisation, nya system eller ändrade rapporteringsgränser uppstår nya kandidater för dubblering. Sidan när är ett register klart beskriver att ett register inte är komplett på ett fast datum, utan i det ögonblick varje datapunkt har en källa, en ägare och en kontrollerbar väg till rapporten — inklusive kontrollen av om den datapunkten redan fanns någon annanstans.
För organisationer med flera affärsenheter är frågan vilka datapunkter behöver ni egentligen vid flera affärsenheter en bra utgångspunkt, eftersom den frågan avgör registrets omfattning innan sökandet efter dubbleringar börjar. Ett mindre, mer skarpt avgränsat register innehåller naturligt mindre utrymme för överlappning.
Att manuellt genomsöka källor, ägare och bearbetningar för att hitta dubbleringar är precis den typ av arbete som låter sig avgränsas i repeterbara steg: lägga uppgifter bredvid varandra, signalera överensstämmelser, upprätta ett förslag till sammanslagning för bedömning. För organisationer som vill veta vilken del av detta jämförelsearbete som kan överföras till en AI-tillämpning, och vilken del som fortsatt kräver bedömning av en människa, räknar arbetsscanen från FTE TO AI det ut på uppgiftsnivå. Scanen ger inget omdöme om ert register, utan en uppdelning av de uppgifter som förekommer i det — en utgångspunkt innan ni väljer hur ni organiserar spårningen av dubbleringar.
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.