Kennisbank

Var samma datapunkt förekommer hos flera affärsenheter

En organisation med flera affärsenheter räknar ofta samma hållbarhetsdata flera gånger, utan att någon märker det. Energiförbrukningen för en anläggning står i en Excel-fil hos facilitymanagern, i ett rapporteringsverktyg hos affärsenheten och i en aggregeringstabell hos koncernen. Tre platser, tre möjligen olika siffror, och ingen som med säkerhet kan säga vilken som är rätt.

Detta är inget undantag. Det är normaltillståndet för hållbarhetsdata i en organisation som har vuxit per affärsenhet, där varje del har byggt upp sina egna system, definitioner och kalkylblad innan rapportering blev ett gemensamt ämne.

Vad ett datapunktregister löser här

Ett datapunktregister dokumenterar per datapunkt: vad det är, varifrån det kommer, vem som är ägare och vilka kvalitetsregler som gäller för det. För en organisation med flera affärsenheter innebär detta att ni inte bara registrerar att det finns en datapunkt "energiförbrukning", utan även var den datapunkten dokumenteras per affärsenhet, i vilket system, av vem, och med vilken definition.

Så snart det ställs sida vid sida blir det synligt om affärsenheterna mäter samma sak. Ofta visar det sig att den ena registrerar förbrukning i kWh och den andra i ett omräknat CO2-värde, eller att omfattningen av "energiförbrukning" hos den ena enheten bara omfattar elektricitet och hos den andra även gas. Datapunkten heter samma sak, men är innehållsmässigt inte jämförbar. Den skillnaden hittar ni inte genom att titta på en rapport. Den hittar ni genom att lägga källan, definitionen och ägaren per enhet sida vid sida.

Hur en sådan överlappning hamnar i registret

Registret fylls inte i av sig självt. Någon måste per affärsenhet fråga ut vilka datapunkter som dokumenteras, i vilket system, och utifrån vilken källa. Det är inventerande arbete: fråga ägaren av varje system, spåra ursprunget för varje siffra tillbaka till den ursprungliga registreringen, och dokumentera vad ni hittar, även om det är oklart eller inkonsekvent.

Sättet ni strukturerar den inventeringen på avgör om överlappning blir synlig eller förblir dold. Ett tillvägagångssätt per affärsenhet, oberoende av varandra, ger fem register som inte kan jämföras. Ett tillvägagångssätt per datapunkt, tvärs över alla enheter, ger den överblick ni behöver. Hur ni sätter upp det beskrivs i hur ni upprättar ett datapunktregister med flera affärsenheter. Det handlar om en struktur som just visar dubblering i stället för att strukturen själv upprätthåller dubbleringen.

När ni kan säga att det stämmer

Ett datapunktregister är inte komplett så snart det finns en lista med datapunkter. Det är komplett så snart varje datapunkt har en källa som kan spåras, en ägare som tar ansvar, och en dokumenterad definition som kan jämföras med andra affärsenheter. Utan det kan ni se en överlappning, men inte fastställa om den överlappningen är ett problem eller ett medvetet val.

Frågan om hur många av era datapunkter som faktiskt uppfyller det villkoret är i praktiken ofta mindre än man hoppats. Vissa datapunkter har ingen påvisbar källa, bara en siffra som i åratal har kopierats från föregående rapport. Hur ni kartlägger det antalet kan ni läsa om i hur många av era datapunkter som har en påvisbar källa. Och för det fall ni stöter på en datapunkt där det helt enkelt inte går att hitta någon källa, inte heller efter förfrågan, finns ett separat tillvägagångssätt beskrivet i vad ni gör med en datapunkt utan källa vid flera affärsenheter.

Det ögonblick då registret är "klart" är inte en fast tidpunkt utan en status per datapunkt. Vissa datapunkter kommer snabbt i ordning, andra kräver flera omgångar av förfrågningar och verifiering. Vad det innebär för er planering finns beskrivet i när ett register är klart vid flera affärsenheter.

Att känna igen överlappning är inte samma sak som att lösa överlappning

När ni väl ser att tre affärsenheter dokumenterar samma datapunkt uppstår nästa fråga: är det en dubblering som ni kan rensa bort, eller är det tre datapunkter som råkar ha samma namn men olika omfattning? Den distinktionen går inte alltid att göra direkt, och att göra den distinktionen är centralt för att känna igen en dubbel datapunkt vid flera affärsenheter, vilket utvecklas vidare i hur ni känner igen en dubbel datapunkt vid flera affärsenheter. Detta är arbete som handlar om precision: lägga definitionen, omfattningen och beräkningsregeln för varje exemplar sida vid sida innan ni drar slutsatsen att det rör sig om samma datapunkt.

Efter att registret finns

Att kartlägga datapunkter, källor och ägarskap över flera affärsenheter är återkommande arbete: nya rapporteringsperioder, ny lagstiftning och organisationsförändringar kräver att samma förfrågan upprepas. En del av det arbetet, som att lägga definitioner sida vid sida eller spåra en källa i ett system, är repetitivt nog för att undersöka om AI kan ta över en del av det. FTE TO AI räknar per uppgift ut vilken del av arbetet som kan komma i fråga för det, med arbetsanalysen som utgångspunkt för att titta på det för er situation.