En energifaktura anger kilowattimmar, ett tankkvitto liter, en fraktsedel tonkilometer. Innan dessa siffror kan stå tillsammans i en hållbarhetsrapport måste någon räkna om dem till en gemensam enhet och ofta till en gemensam emissionsfaktor. Den omräkningen kallas normalisering. Den sker ofta i ett kalkylblad, med en formel som ingen längre kan hitta så snart frågan kommer var ett tal kommer ifrån.
Normalisering är inte en enda handling utan en rad val. Vilken källa levererar det råa värdet. Vilken enhet gäller som standard. Vilken emissionsfaktor eller konverteringsfaktor tillämpas, och från vilken källa eller vilket år kommer den faktorn. Korrigeras det för kalorivärde, för temperatur, för ett annat räkenskapsår. Varje val är ett antagande, och varje antagande avgör resultatet. Två organisationer som normaliserar samma råa data med en annan faktor eller ett annat utgångsår kommer fram till ett annat tal, utan att någon av dem gör något fel.
Problemet uppstår inte vid den första beräkningen. Det uppstår ett år senare, när någon frågar varför siffran för 2023 skiljer sig något från siffran för 2024, eller när en controller vill veta vilken emissionsfaktor som användes för ett specifikt energiflöde. Utan dokumentation blir svaret: det vet vi inte längre, eller: det ska vi ta reda på. Med dokumentation är svaret en hänvisning till den regel som beskriver omräkningen. Skillnaden mellan dessa två situationer är precis vad varför ett revisionsspår är mer än en logg handlar om: ett revisionsspår är inte en rapport i efterhand, det är dokumentationen av valet i det ögonblick det görs.
Normalisering är en av bearbetningarna som sker mellan källa och rapport, tillsammans med summering, filtrering och omfördelning. Vilka bearbetningar det exakt handlar om och i vilken ordning de påverkar data beskrivs i vilka bearbetningar sker mellan källa och rapport när källan är ett kalkylblad. För varje bearbetning gäller samma fråga: går det att fastställa vad som hänt, av vem, utifrån vilken regel. Vid normalisering tillkommer ett extra lager, eftersom regeln själv kan ha en extern källa — en emissionsfaktordatabas som uppdateras årligen. Om den databasen ändras och ingen har dokumenterat vilken version som använts för vilket rapportår, går jämförbarheten av siffror mellan åren inte längre att motivera.
För varje datapunkt som genomgår en normaliseringsomvandling behövs ett antal uppgifter för att göra det steget spårbart. Det råa värdet och dess källa. Målenheten och den använda konverterings- eller emissionsfaktorn, inklusive ursprung och version av den faktorn. Datumet eller perioden som faktorn gäller för. Personen eller systemet som utfört omräkningen. Och platsen i rapporten där den normaliserade siffran hamnar. Detta är i praktiken en specifik form av source-to-report mapping, där inte bara härkomsten av en siffra dokumenteras utan även räkenregeln som förändrat den på vägen. Hur den kartläggningen ser ut när källan är ett kalkylblad beskrivs i vad är source-to-report mapping när källan är ett kalkylblad.
I praktiken finns kunskapen om normaliseringsfaktorer ofta hos en enda medarbetare som vet vilken flik som använder vilken faktor och varför. Så snart den personen har semester, blir sjuk eller byter befattning kan den kunskapen inte längre hämtas fram, bara rekonstrueras — med risken att rekonstruktionen ger ett annat resultat än originalet. Dokumentation oberoende av personen innebär att regeln är spårbar i ett register, inte i ett huvud. Det registret behöver inte vara ett komplicerat system; det kan vara ett fast format som förs för varje kalkylblad. Hur det kan se ut utan att man skaffar ett verktyg för det beskrivs i hur skapar ni lineage utan verktyg, och tillvägagångssättet specifikt för normalisering i kalkylblad i hur dokumenterar ni normalisering när källan är ett kalkylblad.
Det finns verktyg som automatiserar normalisering och visar de använda faktorerna i en översikt. Det är användbart så snart reglerna är kända och antagandena är fastställda. Ett verktyg som normaliserar utifrån en faktor som ingen har kontrollerat, eller som använder en gammal version av en emissionsfaktordatabas utan att någon har uppmärksammat det, ger ett prydligt resultat av en felaktig beräkning. Ordningen är: först fastställa vilken regel som tillämpas och varför, sedan bygga upp ett system som utför den regeln konsekvent.
Att dokumentera normaliseringsregler är i sig en uppgift som tar tid: slå upp faktorer, notera versioner, dokumentera kopplingar mellan råvärde och omräknad siffra. En del av det arbetet är repetitivt och regelstyrt, vilket gör det till en kandidat för stöd av AI. FTE TO AI räknar i arbetsscanen ut per uppgift vilken del av arbetet som kan tas över på det sättet, så att det blir tydligt var människor fortfarande behövs för att göra val och var ett system kan ta över utförandet.
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.