Siffrorna stämmer på papper. Det finns en snygg tabell, med en totalsumma per del och en summa för hela gruppen. Men den som gräver vidare — var kommer den här siffran ifrån, vem har lämnat den, vilken definition har använts — får tre olika svar från tre olika personer. Den ena enheten räknar scope 2 på ett annat sätt än den andra. Kalkylbladet som användes förra året går inte längre att hitta. Ingen vet säkert om denna siffra är uppbyggd på det sätt som assurance-partnern förväntas vilja se. Det är inte ett räknefel, det är ett fundament som aldrig har lagts.
Kärnan är Data Readiness Scan med ett datapunktregister som ryggrad. Det registret ställer sida vid sida vad som behövs för de valda ämnena och vad som redan finns i organisationen — ingen uppskattning, utan en lista som följer av de väsentliga ämnena som har utpekats.
Runt det registret finns source-to-report-mapper: ett ifyllningsbart lineage-verktyg enligt en fast input-process-output-struktur. Per datapunkt fastställs var den kommer ifrån, vilka bearbetningar den genomgår innan den hamnar i rapporten, och vem som ansvarar för vad via en RACI. Till detta hör kvalitetsregler — giltiga värden, signalavvikelser — som synliggör när en siffra hamnar utanför linjen innan den försvinner in i konsolideringen.
Från denna designade process följer en generator för funktionella krav. Det är den omvändning som ofta saknas i processen: inte först köpa ett verktyg och forma processen efter det, utan först fastställa processen och därefter se vilka krav som följer av den för eventuell programvara.
Den som föredrar att arbeta med vägledning kan gå den tredagars databootcamp — vanligtvis med CO2 som första ämne. Det är en route 2/3-produkt från partnern. Den underliggande designmallen finns också i verktyget, så att den som föredrar att styra själv kan gå igenom samma mönster på egen hand.
Allt som registret och mappern levererar går att härleda till vad som har fyllts i: vilken källa, vilken bearbetning, vilken ägare, vilken regel. Ingenting uppskattas i efterhand och ingenting avrundas till ett prestationstal. Vad som kommer ut är en struktur — inget omdöme om hur bra eller dålig datan är, men en precis indikation på var fundamenten saknas och var de redan finns. Hur dessa steg exakt hänger ihop, från ämnesval till ommätning, finns utvecklat på Så fungerar det; vad som konkret ligger på bordet efter varje steg finns på Resultat.
Välja ämnen. Väsentliga ämnen väljs ut, om nödvändigt som utgångspunkt från esgia.
Bygga upp register. Registergeneratorn ställer upp datapunkterna som hör till dessa ämnen.
Fylla i lineage och RACI. Per datapunkt fastställs källa, bearbetningar, ägarskap och kvalitetsregler.
Readiness-rapport och ommätning. Det följer en indikation av ordning och genomloppstid per ämne, och helheten är avsedd att mätas om periodiskt — datakvalitet är ingen ögonblicksbild.
Det är inget rapporteringsverktyg. Rapporten själv, enligt VSME eller CSRD, förblir esgias arbetsområde; här rapporteras inte, här läggs fundamentet för det.
Det är inget frågeformulärsverktyg. Den som behöver besvara ett frågeformulär från en kund eller kedjepartner ska vända sig till supplia eller esgreply.
Det är inget bevisat track record. Det finns inga genomförda uppdrag att hänvisa till — det passar en verktygslösning som fortfarande befinner sig i väntelistestadiet. Verktyget strukturerar processen och synliggör var de lösa trådarna finns; det bevisar ingenting om resultatet och garanterar ingenting gentemot assurance.
Väg 1 — göra det själv. Bootcamp-mallen per ämne, en registerexport och en kontrollchecklista som förberedelse för assurance, allt att gå igenom själv.
Väg 2 — delvis begeledd. Partnern kör bootcampen; verktyget förblir platsen där registret och lineagen är fastställda.
Väg 3 — outsourca. Fullständig inrättning hos partnern, på FTE TO AI:s egen maskin.
Den som vill ha fler exempel på hur ett register eller en lineagekarta ser ut i praktiken hittar bakgrund i kunskapsbanken.
Ett register och en lineagekarta förändrar bara något när de landar i vem som gör vilken uppgift, hur mycket tid det tar och i vilket system det sker. Det är precis där FTE TO AI:s arbetsscan börjar: inte vid datan, utan vid arbetet som krävs för att få den datan i ordning.
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.