Det finns ett fast moment i nästan varje samtal om hållbarhetsdata: någon pekar på kalkylbladet. För många flikar, för mycket handpåläggning, för stor risk för fel. Slutsatsen ligger nära till hands: byt ut kalkylbladet mot ett system och problemet är löst. Den slutsatsen är oftast dragen för tidigt.
Ett kalkylblad är en yta. Det visar siffror, summerar dem, kopplar dem till varandra. Vad det inte gör är att förklara var en siffra kommer från, vem som är ansvarig för den, eller om den fortfarande stämmer med den definition som fastställdes för två år sedan. Dessa frågor har inte ställts till kalkylbladet — de har aldrig dokumenterats någonstans. Kalkylbladet får skulden för något som redan gått fel tidigare: vid insamlingen, vid omskrivningen, vid antagandet att en kollega visste vilket tal som avsågs.
Byt ut kalkylbladet mot ett mjukvarupaket och dessa frågor förblir obesvarade. Systemet visar då en snyggare översikt av samma osäkerhet. Rapporteringen ser mer professionell ut; den underliggande datan har inte blivit mer tillförlitlig. Det är fallgropen: att köpa ett verktyg innan det är klart vad verktyget ska strukturera.
Oftast handlar det om tre saker som vuxit fram oberoende av varandra. Det finns ingen aktuell översikt över vilka datapunkter en organisation behöver — den översikten togs en gång fram för en gammal rapporteringsstandard och har inte uppdaterats. Det finns ingen dokumenterad linje från källa till rapportsiffra, vilket gör att ingen med säkerhet kan säga om ett tal kommer från det ena systemet eller det andra, eller från en uppskattning som någon en gång fyllde i eftersom den verkliga datan inte var tillgänglig. Och det finns ingen ägare per datapunkt — personen som levererar siffran är inte automatiskt den som kan förklara varifrån den kommer eller vilken kvalitet den har.
Dessa tre saker har ingenting med kalkylblad att göra. De skulle orsaka samma problem i vilket system som helst. Ett kalkylblad gör dem bara mer synliga, eftersom det inte finns något lager ovanpå som döljer röran.
Ett datapunktregister med source-to-report-lineage dokumenterar var en datapunkt kommer från, vem som ansvarar för den och vilka kvalitetsregler som gäller för den. Det är användbart, och det är också begränsat. Registret visar inte en materiell bedömning av om en siffra är korrekt — det visar om vägen till den siffran är spårbar. Två organisationer med samma register kan ändå få olika resultat på datakvalitet, eftersom den ena organisationen har en källa som i sig är inexakt och den andra inte. Registret gör den skillnaden synlig; det löser den inte.
Också viktigt: inte varje datapunkt behöver samma grad av lineage. För vissa siffror räcker en enkel, väldokumenterad källa; för andra behövs mer detalj eftersom det finns fler steg mellan källa och rapport. Vilka datapunkter en organisation verkligen behöver beror på rapporteringsplikten och sektorn, och det är något annat än att anta att allt förtjänar lika mycket uppmärksamhet. Hur många av de befintliga datapunkterna som redan har en källa varierar starkt mellan organisationer — hos den ena finns det dokumenterat i en ERP-koppling, hos den andra bara i minnet hos en enda medarbetare.
Att bygga upp ett register och lineage är inte en fråga om att sätta på ett system. Det handlar om att gå igenom, ämne för ämne, var en siffra uppstår, vem som granskar den innan den når rapporten, och vad som händer när den personen inte längre finns kvar. Det arbetet skiljer sig åt per ämne: för ett ämne finns källan redan klar, för ett annat måste den fortfarande hittas eller rekonstrueras. Den som undrar hur mycket tid det tar per ämne hittar ett mer realistiskt svar i indikationen för genomloppstid per ämne än i en verktygsdemo som lovar att allt sker automatiskt.
Denna metod ger inte en rapport — det gör ett annat verktyg, med denna data som grund. Vad den ger är en struktur som håller även när kalkylbladet byts ut, även när medarbetaren som visste allt slutar. Vad det innebär i praktiken för den som senare ska konsultera registret beskrivs i vem som läser ert datapunktregister när upphovspersonen inte längre finns, och vad som förändras när lineagen en gång fastställts finns beskrivet i konsekvenserna av en fastställd lineage.
Kalkylblad är inte problemet, men de är det första synliga symptomet. Den som byter ut kalkylbladet utan att först veta vilka datapunkter som verkligen spelar roll, vilken källa som hör till dem och vem som ansvarar för dem, flyttar bara problemet till ett dyrare system. Vad som då återstår är den fråga som föregår detta arbete: vilka datapunkter som faktiskt behövs för rapporteringsplikten, och om en del av dem möjligen redan finns någonstans i organisationen utan att någon vet om det, som beskrivs i var en datapunkt eventuellt redan finns.
Detta är arbete som människor idag i stor utsträckning gör manuellt: spåra källor, jämföra definitioner, efterfråga ägarskap. En del av det utredningsarbetet kan struktureras och snabbas upp med AI, en del inte — den skillnaden är exakt vad FTE TO AI:s arbetsscan tittar på. Arbetsscanen räknar ut per uppgift vilken del av arbetet som kan tas över av AI, och ger därmed en mer realistisk bild än antagandet att ett verktyg löser hela problemet.
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.