Ett register börjar oftast som en lista. Någon radar upp alla datapunkter från rapporteringsstandarden, letar upp en ansvarig och kallar det ett register. Det är startpunkten, inte slutpunkten. Frågan "när är detta klart" har ett konkret svar, och det svaret handlar inte om hur många rader listan har.
Ett datapunktsregister är komplett när fyra saker är fastställda för varje datapunkt. För det första definitionen: vad datapunkten exakt mäter, i vilken enhet, över vilken period och vilken scope. För det andra källan: systemet, dokumentet eller personen som siffran kommer ifrån. För det tredje ägaren: vem som är ansvarig för att just den specifika datapunkten är korrekt, inte för rapporteringen som helhet. För det fjärde en kvalitetsregel: en kontroll som visar om värdet är rimligt, till exempel ett intervall, en jämförelse med ett tidigare år, eller en summering som måste stämma.
Om en av dessa fyra saknas för en datapunkt är registret inte klart på den punkten. Det gäller även om datapunkten i sig har rapporterats i flera år. En siffra som har stått i rapporten i tre år kan fortfarande sakna en fastställd källa eller ägare.
Ordningen ni fyller i registret i avgör hur mycket arbete det kräver och hur tillförlitligt det blir. Att börja med rapporteringsstandarden är logiskt, men standarden säger inte vad er organisation faktiskt kan mäta. Därför är det första steget ofta att skilja mellan vad som är obligatoriskt och vad ni redan dokumenterar någonstans: vilka datapunkter ni verkligen behöver om ni arbetar med flera affärsenheter avgör registrets omfattning innan ni börjar med innehållet.
Därefter kommer frågan om var varje datapunkt redan finns. Hos organisationer med flera anläggningar eller affärsenheter finns samma datapunkt ibland på flera ställen, i lite olika form. Var en datapunkt redan finns om ni arbetar med flera affärsenheter är steget som förhindrar att ni samlar in samma data två gånger under två olika namn.
För uppbyggnaden av själva registret, inklusive arbetsordningen och rollfördelningen mellan vem som fyller i och vem som kontrollerar, finns en separat sida som steg för steg beskriver hur ni upprättar ett datapunktsregister om ni arbetar med flera affärsenheter.
I nästan alla register dyker det upp en datapunkt som saknar en tydlig källa. Siffran finns i den tidigare rapporten, men ingen kan peka på var den kom ifrån. Det är ingen anledning att underkänna eller stoppa registret. Det är en kategori som ska hanteras separat: datapunkter utan källa får en status och en plan, inte en gissning som antecknas som källa. Vad ni ska dokumentera i den situationen beskrivs på sidan om vad ni gör med en datapunkt utan källa om ni arbetar med flera affärsenheter. Ett register med tio datapunkter i statusen "källa saknas, åtgärd tilldelad" är längre kommet än ett register där dessa tio datapunkter i tysthet har tilldelats en källa som ingen kan verifiera.
Att peka ut en källa är inte samma sak som att veta hur siffran tar sig från den källan till rapporten. Mellan de två finns ofta en rad bearbetningar: summering, omräkning, korrigering för dubbelräkningar, aggregering över enheter. Om ingen har dokumenterat dessa steg kan samma källdata leda till två olika rapportsiffror hos två olika personer, utan att någon märker det. Denna koppling mellan källa och rapportrad kallas source-to-report mapping, och logiken bakom den beskrivs på vad source-to-report mapping innebär. För mer komplexa datapunkter är det användbart att också veta vilka bearbetningar som exakt finns mellan källa och rapport, så att en kontroll inte bara checkar slutsiffran utan även stegen däremellan.
Ett register kan vara fullständigt ifyllt och ändå inte klart, om kvalitetsreglerna aldrig har testats. Först när någon faktiskt har tillämpat en kvalitetsregel på ett värde, och det värdet har godkänts eller underkänts på grundval av det, vet ni om regeln fungerar. Ett register är alltså först riktigt klart efter minst en omgång där reglerna har använts, inte bara skrivits ner. Det är också det ögonblick då det blir tydligt vilka ägare som faktiskt kan svara på frågor om sin datapunkt, och vilka ägare som bara är ägare på papperet.
Så snart registret, källorna och kvalitetsreglerna är fastställda uppstår en annan typ av fråga: vem utför kontrollerna, vem fyller i de saknade källorna, och vilken del av det arbetet är tillräckligt repetitivt för att automatisera. Det är en fråga om kapacitet, inte om struktur, och för det är FTE TO AI:s arbetsscan avsedd: den räknar per uppgift ut vilken del av arbetet som kan tas över av AI, så att ni vet var människor fortfarande behövs och var de inte behövs.
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.