Kennisbank

Vad gör ni med en datapunkt utan källa

Någonstans i processen finns en siffra som ingen längre kan förklara. Scope 2-förbrukningen för en anläggning, antalet fte i ett dotterbolag, mängden avfall per produktionslinje. Talet står i förra årets rapport, men ingen vet längre från vilket system det kom, vem som förde in det, eller om det är summerat eller uppskattat. Detta är inget undantag. Det är en av de vanligaste iakttagelserna så snart en organisation för första gången systematiskt granskar sin hållbarhetsdata.

Frågan är inte retorisk. En datapunkt utan källa är inte per definition fel, men den är obestyrkt. Och obestyrkt data som ändå hamnar i en rapport är en risk som visar sig först i det ögonblick någon — en assurance provider, en tillsynsmyndighet, en kund med egna kedjeförpliktelser — ställer följdfrågor.

Vad ett datapunktregister dokumenterar

Ett datapunktregister är inget rapporteringsverktyg och ingen dashboard. Det är en lista: varje datapunkt som hamnar i en hållbarhetsrapport, med ett antal fasta fält bakom sig. Var kommer den ifrån. Vem äger den. Vilka bearbetningar ligger mellan källan och rapporten. Enligt vilken regel bedöms dess kvalitet. När kontrollerades den senast.

Utan dessa fält är en datapunkt en siffra som råkar stå någonstans. Med dessa fält blir den ett underlag vars ursprung är dokumenterat, och därmed möjligt att kontrollera upprepade gånger. Just den skillnaden är där organisationer fastnar: rapporten finns, den underliggande strukturen gör det inte.

Hur en datapunkt utan källa uppstår

Oftast har det funnits en källa. Någon har en gång hämtat en siffra ur ett ERP-system, lagt den i ett kalkylblad, och en kollega har året efter tagit över den utan att kopiera med ursprunget. Eller siffran är resultatet av en beräkning — en uppskattning baserad på ett genomsnitt, en omvandling från liter till kilo CO2 — där beräkningsregeln inte skrevs ner. Just det förloppet, vilka bearbetningar ligger mellan källa och rapport, är där merparten av informationen försvinner. En siffra som bearbetats tre gånger innan den når rapporten har haft tre tillfällen att förlora sitt ursprung.

Hos organisationer med flera anläggningar eller affärsenheter tillkommer en andra orsak: samma datapunkt finns på flera ställen, i en något annorlunda form, och ingen har någonsin fastställt vilken version som är källdata. Det är en annan fråga än den saknade källan, men de berör varandra: om ni vill veta var en datapunkt redan finns hos flera affärsenheter, stöter ni ofta på exakt samma blinda fläck.

Vad ni gör med datapunkten

En datapunkt utan källa får i registret en status: obekräftad. Inte borttagen, inte tyst antagen som korrekt, men markerad. Från det ögonblicket finns ett val att göra, och det valet beror på vad som står på spel. Är det en datapunkt som i en väsentlighetsanalys bedömts som liten, kan källan spåras vid ett senare tillfälle utan att rapporten väntar på den. Är det en datapunkt som ska genomgå assurance, är källan ett villkor, inte en trevlig bonus.

Sökandet i sig följer en fast rutt: tillbaka till källdokumentet eller källsystemet, längs varje bearbetningssteg, till ägaren som kan bekräfta att siffran är korrekt. Det är precis vad source-to-report mapping innebär: inte att kontrollera siffran, utan att rekonstruera vägen till den. Ibland visar det sig att den vägen inte längre kan rekonstrueras. Då är slutsatsen inte att siffran är fel, utan att den inte kan bevisas — och det är ett annat, och för en rapport lika viktigt, resultat.

När registret är klart

Ett register är inte klart så snart varje datapunkt har en källa. Det är klart så snart varje datapunkt har en ägare som kan kontaktas, en kvalitetsregel den bedöms mot, och en dokumenterad bearbetningshistorik som kan gås igenom på nytt utan att någon behöver kunna den utantill. Vad som exakt ingår i detta, och när ni kan sluta leta efter mer detalj, finns utvecklat på när ett register är klart. För de flesta organisationer är svaret otillfredsställande konkret: det är klart när en ny kollega kan rekonstruera rapporten utan hjälp.

Att spåra upp och åtgärda en datapunkt utan källa är arbete som går att dela in i steg: genomsöka källdokument, spåra bearbetningar, kontakta ägare, dokumentera svar. En del av detta arbete — att genomsöka system efter en saknad siffra, att sammanställa inlämnade bekräftelser — är repetitivt nog för att räkna ut vad AI kan ta över. Arbetsflödesanalysen från FTE TO AI gör det per uppgift: inte i generella uttalanden om automatisering, utan i en konkret bedömning av vilken del av den här typen av sökarbete som kan lämnas till ett system och vilken del som fortsatt kräver ägarskap och bedömning.