Så snart hållbarhetsdata kommer från mer än en affärsenhet uppstår problemet innan registret finns. Varje enhet har egna system, egna kalkylblad, egna definitioner av vad en datapunkt betyder. Ett register som inte ordnar detta kommer senare att räkna samma flöde tre gånger eller helt missa det.
Ett dataregister är inte en lista med rapporteringsämnen, utan ett register på nivån av den enskilda datapunkten: scope 2-utsläppen från anläggning A, antalet FTE med tillfälligt kontrakt vid enhet B, vattenförbrukningen vid plats C. Per datapunkt ska det vara dokumenterat vad den exakt mäter, i vilken enhet, för vilken period och för vilken entitet. Utan dessa fyra element är en datapunkt inte spårbar och därmed inte kontrollerbar.
Därutöver innehåller registret per datapunkt källan: systemet, filen eller personen varifrån siffran kommer. Det är inte alltid så enkelt som det låter. Vid flera affärsenheter händer det regelbundet att en datapunkt fylls i utan att någon kan peka ut varifrån den kommer; vad ni gör med en datapunkt utan påvisbar källa är därför en fråga som registret självt måste kunna besvara, inte något som utreds efteråt.
Frestelsen vid flera affärsenheter är att låta varje enhet leverera en egen lista separat och sedan slå samman listorna. Det fungerar inte, eftersom enheter sällan använder samma definitioner. Den ena enheten rapporterar energiförbrukning per anläggning, den andra per produktionslinje. Den ena räknar in inhyrd personal i personalstyrkan, den andra inte. När dessa listor slås samman utan att först jämna ut definitionerna, uppstår dubbleringar som inte är igenkännbara som dubbleringar.
Den ordning som fungerar: fastställ först vilka datapunkter som verkligen spelar roll för organisationen som helhet, oavsett vilken enhet som levererar dem. Det är en fråga om nödvändighet, inte om tillgänglighet — vilka datapunkter ni verkligen behöver är en annan fråga än vilka datapunkter som redan finns någonstans i ett kalkylblad. Först därefter bestäms per datapunkt vilken enhet, vilket system och vilken person som är källan. Så uppstår ett register med en definition per datapunkt, där flera enheter levererar indata utan att datapunkten själv dubbleras.
Igenkänning av dubbleringar behövs därefter fortfarande, eftersom även med bra definitioner kan två enheter omedvetet registrera samma underliggande fakta under ett annat namn. Hur ni upptäcker det — hur ni känner igen en dubbel datapunkt mellan affärsenheter — är en kontroll som utförs på registret självt, inte på rapporten som senare följer av det.
Ett vanligt misstag är att tilldela ägarskap på enhetsnivå: enhet A ansvarar för all data från enhet A. Det fungerar så länge enheterna förblir överskådliga, men vid flera affärsenheter med överlappande processer — en delad inköpsavdelning, en central fordonsflotta — blir denna tilldelning snabbt otydlig. Bättre är ägarskap per datapunkt: ett namn som kan förklara varifrån siffran kommer, vad enheten är och när den senast uppdaterades. Det namnet behöver inte vara den som matar in siffran, men väl den som känner till källan.
Hur många av de befintliga datapunkterna som redan har en sådan påvisbar källa är oftast den första fråga som dyker upp så snart detta granskas systematiskt. Hur många av era datapunkter har en källa är precis den fråga som måste besvaras separat per affärsenhet, eftersom svaret kan skilja sig avsevärt mellan enheter.
Vid flera affärsenheter är frestelsen att vänta tills alla enheter har lika stor djupgående noggrannhet innan registret betraktas som klart. Det är ingen realistisk måttstock. Ett register är klart när det för varje datapunkt är tydligt vem ägaren är, vad källan är och vilken kvalitetsregel som gäller — även om det svaret för vissa datapunkter tills vidare är "okänd källa, åtgärd hos enhet X". Ofullständighet som är synlig och tilldelad är hanterbar; ofullständighet som förblir dold bakom en ifylld siffra är det inte. Vad den måttstocken exakt innebär beskrivs under när ett register är klart vid flera affärsenheter.
Hur mycket tid det tar att upprätta ett sådant register beror på antalet affärsenheter, antalet system per enhet och i vilken grad definitioner redan stämmer överens med varandra. I en organisation med några enheter och överskådliga källor är det betydligt mindre arbete än i en organisation med tiotals enheter på olika ERP-system. En indikation på varifrån det arbetet kommer finns under hur lång tid det tar att få ett ämne i ordning.
Att upprätta och underhålla ett dataregister över flera affärsenheter består av en rad igenkännbara uppgifter: efterfråga definitioner, spåra källor, utse ägare, upptäcka dubbleringar. En del av det arbetet är repeterbart nog för att automatiseras, en annan del kräver bedömning som måste ligga kvar hos en människa. FTE TO AI:s arbetsanalys räknar ut per uppgift vilken del av det arbetet som kan tas över av AI, så att det blir tydligt var mantimmar fortfarande behövs och var det inte är fallet.
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.