Fråga fem enheter om samma storhet — till exempel antal heltidsanställda (fte), en fordonsparks bränsleförbrukning, eller avskrivet material — och ni får fem resonemang som löper på lite olika sätt. Den ena verksamheten räknar in inhyrd personal, den andra inte. Den ena fabriken räknar i liter, den andra har redan omvandlat det till liter per fordon per år och levererar därmed en annan typ av tal än det som efterfrågades. På pappret heter det allt samma mätvärde. I verkligheten är det olika definitioner som råkar stå i samma kolumn.
Det är inget inmatningsfel. Ingen har skrivit fel. Problemet ligger ett steg tidigare: det har aldrig fastställts vad det giltiga värdet för denna datapunkt egentligen är, och därför fyller varje enhet tomrummet med sin egen logik. Vad som är ett giltigt värde och vad som inte är det, beskrivs på vad är ett giltigt värde — frågan som bör föregå varje jämförelse mellan enheter.
Kärnfrågan är inte om avvikelser förekommer — de förekommer alltid — utan vem som ser dem innan talet hamnar i en rapport. I många organisationer är svaret: ingen, tills en extern part eller en revisor uppmärksammar ett tal som inte stämmer med föregående år. Då har frågan redan ställts för sent.
En datapunkt utan signalavvikelse har inget sätt att göra sig själv misstänkt. Ett tal som är tre gånger så högt som föregående år uppmärksammas inte automatiskt om det inte finns ett fastställt intervall inom vilket ett värde är rimligt. Hur ni fastställer detta intervall — fast procentsats, historisk spridning, en tröskel per enhet — beskrivs på hur ställer ni in en signalavvikelse. Frågan är inte komplicerad, men den måste ställas, per datapunkt, innan datapunkten fylls i.
En signalavvikelse fångar det extrema fallet: talet som uppenbart inte stämmer. Men de flesta definitionsskillnader mellan enheter är mer subtila än det. En verksamhet som räknar in inhyrd personal ger inte ett absurt tal — den ger ett tal som ser helt normalt ut, och som just därför inte uppmärksammas.
Därför behöver varje datapunkt mer än en kontroll: ett intervall inom vilket värdet måste ligga, en fastställd enhet, ett källkrav som anger vilken dokumenttyp som gäller som underlag, och en beskrivning av vad som ska ingå i räkningen och vad som inte ska. Vilken kombination av kontroller som behövs skiljer sig per datapunkt och per organisation — en fou-utgift kräver andra skyddsåtgärder än en emissionsfaktor. En översikt över vilka kontroller som hör till vilken typ av datapunkt finns på vilka kontroller hör till en datapunkt. Utan denna kombination uppstår skenprecision: ett tal med två decimaler som är uppbyggt av fem definitioner som inte stämmer med varandra. Var denna skenprecision kommer ifrån och hur ni känner igen den beskrivs på hur förhindrar ni skenprecision.
En definition som fastställts på pappret är inte automatiskt en definition som tillämpas. Någon måste besvara frågan när en enhet lägger fram ett gränsfall: räknas denna samarbetsform som fte eller inte, faller denna leverantör under scope 3 eller inte. Utan en utsedd ägare faller den frågan tillbaka på den som råkar sitta närmast formuläret, och då förskjuts definitionen igen, i tysthet, per enhet.
Data Readiness Scan fastställer per datapunkt vad det giltiga värdet är, vilken signalavvikelse som gäller, vilka kontroller som hör till den specifika datapunkten, och vem som är ägare av definitionen. Det är inget rapporteringsverktyg och ingen frågelista — det är registret som fastställer vad som ligger under rapporten, så att en skillnad mellan enheter blir synlig innan talet summeras.
Det finns system som kan utföra dessa kontroller. Men ett system som körs ovanpå fem olika, aldrig fastställda definitioner, utför dessa kontroller utifrån regler som ingen har kommit överens om. Resultatet blir ett snyggt gränssnitt med opålitliga siffror i. Varför ordningen — först definitionen, sedan verktyget — spelar roll beskrivs på köpa ett verktyg först eller organisera processen först. Och vilka krav ett verktyg egentligen måste uppfylla följer inte av en leverantörslista utan av er egen process — se vilka funktionella krav följer av er egen process.
Data Readiness Scan är under uppbyggnad. Den som redan nu brottas med definitioner som skiljer sig per enhet kan anmäla sig till väntelistan och hålls informerad så snart instrumentet är tillgängligt.
När det en gång är fastställt vad ett giltigt värde är, vem som bevakar definitionen och vilken kontroll som hör till vilken datapunkt, blir det också synligt vilken del av det arbetet som är repetition: kontrollera samma källdokument mot samma regel, testa samma intervall vid varje ny inmatning. Det är arbete som, när det en gång görs explicit, kan beräknas. FTE TO AI:s arbetsanalys beräknar per uppgift vilken del av arbetet som kan övertas av AI — inte som ersättning för ägaren som beslutar om definitionen, utan som ett sätt att se var kontroll och repetition kan särskiljas från varandra.
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.