Kennisbank

Var finns en datapunkt egentligen redan?

Innan en siffra hamnar i en rapport har den redan en historia. Den kommer från en energifaktura, ett HR-system, en Excel-fil som någon uppdaterar varje kvartal, eller en uppskattning som gjordes för tre år sedan och aldrig sedan har reviderats. Frågan "var finns denna datapunkt redan" verkar enkel, men hos de flesta organisationer finns svaret inte dokumenterat någonstans. Det sitter i huvuden, i förra årets mejlkonversationer, eller ingenstans.

Ett datapunktsregister är platsen där det svaret faktiskt finns. Inte som en rapport, utan som administration: för varje datapunkt är det dokumenterat varifrån värdet kommer, vem som är ansvarig för det, och vilka regler värdet måste uppfylla innan ni använder det.

Vad som finns i ett datapunktsregister

Ett register innehåller för varje datapunkt en fast uppsättning fält. Namnet och definitionen av datapunkten, så att två personer inte menar olika saker med samma term. Källsystemen eller dokumenten som värdet kommer från. Ägaren: personen som kan förklara var siffran kommer från och som är kontaktpunkt om den inte stämmer. Bearbetningarna som sker mellan källa och rapportering, från enhetsomvandling till summering över anläggningar. Och kvalitetsreglerna som värdet måste uppfylla, som ett förväntat intervall eller en kontroll mot föregående år.

Detta är inget rapporteringsdokument. Det är lagret därunder: platsen där ni kan slå upp varifrån en siffra kommer, utan att behöva ringa någon.

Hur en datapunkt hamnar i registret

Ett register fylls inte automatiskt. Det börjar med listan över datapunkter ni behöver, och för varje av dessa frågan: finns detta redan någonstans, och var exakt då. För den största delen av datapunkterna är svaret inte en enda källa, utan en rad steg: en export från ett system, en bearbetning i ett kalkylblad, ett manuellt tillägg, och sedan det slutliga värdet. Varje steg i den kedjan bör finnas i registret, inte bara det sista.

Därtill hör två frågor som inte hoppas över. För det första: vem är ägare av denna datapunkt, inte som en formalitet utan som någon som kan svara för värdet. För det andra: vad händer med en datapunkt vars källa inte kan spåras. Det senare händer oftare än förväntat, och vad ni gör med en datapunkt utan källa är en fråga som inte hoppas över genom att kalla den besvärlig.

Att bygga upp detta register är ett separat projekt med en egen ordningsföljd: först identifiera datapunkterna, sedan spåra källorna, sedan utse ägarna, sedan formulera reglerna. Hur ni upprättar ett datapunktsregister beskriver den ordningen steg för steg.

När en datapunkt är korrekt

Att ha en datapunkt i registret är inte samma sak som en datapunkt som är korrekt. Korrekt innebär att källan är spårbar, att bearbetningarna mellan källa och rapportsiffra är kända, och att det finns en regel som resultatet kan kontrolleras mot. Utan dessa tre är en siffra ett antagande med en siffra på.

Bearbetningarna är därvid den del som oftast saknas. En datapunkt går sällan direkt från källa till rapport; det finns oftast en omräkning, en sammanslagning eller en korrigering mellan dem. Vilka bearbetningar som finns mellan källa och rapport är därför en separat fråga vid sidan av frågan var källan själv finns, och dessa två frågor tillsammans utgör vad som kallas source-to-report mapping: den fullständiga vägen från rå källa till rapportsiffra, kartlagd.

Ett andra problem som först blir synligt när ni fyller i registret, är dubblering: samma datapunkt som levereras via två vägar, med två något olika värden. Hur ni identifierar en dubbel datapunkt är då ingen teoretisk fråga utan en praktisk kontroll som ni utför på registret innan ni markerar det som tillförlitligt.

Och eftersom ett register aldrig blir komplett på en gång, finns det en separat fråga för det ögonblick då ni kan sluta söka: när ett register är klart beskriver vad det beror på, i stället för att ange ett fast antal datapunkter eller en deadline.

Vad detta inte löser

Ett datapunktsregister berättar var en datapunkt kommer från och vem som ansvarar för den. Det berättar inte hur mycket tid det tar att samla in dessa uppgifter på nytt varje år, eller vilken del av det insamlingsarbetet som förblir manuellt och vilken del som kan tas över. Så snart registret finns och ni vet vilka steg som upprepas, dyker den frågan automatiskt upp. Arbetsskanningen från FTE TO AI beräknar per uppgift vilken del av arbetet som kan tas över av AI, och ansluter därmed exakt till den punkt där registret slutar: inte var data finns, utan hur mycket arbete det kostar att hämta in den på nytt varje gång.