Ett bootcamp låter som en träning, ett par dagars intensivt program varefter alla kan fortsätta som vanligt. Det är inte vad som avses här. Det handlar om ett strukturerat traject där en organisation kartlägger sin hållbarhetsdata: vilka datapunkter som finns, var de kommer ifrån, vem som är ansvarig för dem och vilka kvalitetsregler som gäller för dem. Ingen träning om rapporteringsskyldigheter, ingen workshop om normen. Arbete med datan själv.
Resultatet är ett datapunktsregister: en översikt över varje datapunkt organisationen behöver, med för varje datapunkt ursprunget spårat från källsystem till rapporteringssiffra, en utsedd ägare och de regler datan måste uppfylla för att kallas tillförlitlig. Det är ingen rapport och ingen dashboard. Det är underlaget som avgör om en rapport, vilken rapport det än gäller, står på något stabilt. Var finns en datapunkt redan är ofta den första frågan detta traject besvarar, och den frågan visar sig regelbundet vara svårare än förväntat: samma data finns ibland på tre ställen, med tre definitioner.
Det är ingen implementering av ett verktyg. Programvara som genererar rapporter ovanpå en oorganiserad process producerar snyggare rapporter om samma otillförlitliga siffror. Databootcampet föregår det steget: först fastställa vad en datapunkt är, var den kommer ifrån och vem som är ansvarig för den, sedan först tänka på system som stöder den processen. Det är heller ingen garanti för assurance-beredskap. Det skapar strukturen som möjliggör assurance, men om en revisor godkänner en siffra beror på mer än ett register. Den som vill fördjupa sig i detta hittar på hur gör ni ESG-data granskningsbar för assurance var den gränsen exakt går.
Ett vanligt antagande är att kalkylblad är källan till otillförlitlig data och att ett system är lösningen. Det är en missuppfattning. Problemet är sällan mediet, det är avsaknaden av ägarskap och spårbarhet. Ett kalkylblad med en tydlig ägare, ett fastställt ursprung och en kvalitetsregel är mer tillförlitligt än ett dyrt system utan dessa tre saker. Varför kalkylblad inte är problemet går vidare in på detta. Databootcampet inriktar sig därför inte på att ersätta verktyg, utan på att dokumentera vad som redan finns, oavsett var det finns.
Tidsinvesteringen beror på antalet datapunkter, antalet källsystem och i vilken grad ägarskap redan är tilldelat. En organisation med ett par centrala system och ett litet antal materiella datapunkter genomgår traject annorlunda än en organisation med tiotals dotterbolag, vardera med egna kalkylblad och egna definitioner. Det går inte att ange en fast genomloppstid utan den kontexten, och den som förväntar sig en konkret siffra får inget löst påstående presenterat här.
Så snart varje datapunkt kan spåras till sin källa och har en ägare, förskjuts samtalet. Frågor som "var kommer den här siffran ifrån" och "vem kan förklara detta" har då ett direkt svar, i stället för ett letande genom mejlkonversationer och gamla filer. Det påverkar inte bara årets rapportering, utan även överlämningen till en efterträdare, en ny controller eller ett externt team. Vad förändras när lineage finns på plats beskriver den förskjutningen, och vem läser ert datapunktsregister när ni inte längre är där visar varför den överförbarheten ofta väger tyngre än rapporteringen för det aktuella räkenskapsåret.
Ett vanligt misstag är att vilja göra registret komplett på en gång för varje datapunkt en norm någon gång skulle kunna kräva. Det leder till ett projekt som aldrig blir klart. Databootcampet börjar med de datapunkter organisationen verkligen behöver, givet dess materialitet och dess sektor, och utökas därifrån. Vilka datapunkter behöver ni verkligen är frågan som står i början av varje traject, innan någon börjar bygga ett register.
Verktyget som stöder denna process är under utveckling. Den som redan nu vill börja kartlägga datapunkter, ursprung och ägarskap kan anmäla sig till väntelistan; ingenting levereras som ännu inte finns, men behovet noteras för det ögonblick instrumentet blir tillgängligt.
Ett datapunktsregister berättar var datan kommer ifrån och vem som ansvarar för den. Det berättar inte automatiskt hur mycket av arbetet runt omkring, avskrivningen, kontrollen, sammanslagningen av källor, som framöver fortfarande måste vara manuellt arbete. Den som vill veta det kan hos FTE TO AI låta göra en arbetsscan: den visar per uppgift vilken del av den som kan tas över av AI, så att det blir tydligt var tid frigörs och var mänsklig kontroll fortfarande 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.