Kennisbank

Vad är ett giltigt värde — och vem märker det när det går fel?

En siffra i en hållbarhetsrapportering kommer någonstans ifrån: en mätare, en faktura, en uppskattning, en export från ett system. I det ögonblick den siffran matas in, kopieras eller tas över är det oftast ingen som kontrollerar om den är korrekt. Inte för att ingen vill det, utan för att det inte finns någon fastlagd regel som säger vad ett giltigt värde egentligen är för den specifika datapunkten.

Ett giltigt värde är ingen åsikt

"Stämmer detta tal" är inte en fråga som någon kan besvara på känsla, i alla fall inte när det handlar om hundratals datapunkter utspridda över kalkylblad och system. Ett giltigt värde är något som är definierat i förväg: ett intervall, en enhet, ett förhållande till en annan datapunkt, en förväntad riktning jämfört med föregående år. Utan den definitionen är i princip varje värde giltigt, och det är precis problemet. En förbrukningssiffra som är tio gånger för hög eftersom enheten är felaktigt överförd sticker då inte ut — den står bara där, precis som alla andra tal.

Att fastställa vad som är giltigt är en av byggstenarna vid sidan av datapunktregistret och källdata: vilka kontroller som hör till en datapunkt och vem som har insyn i det. Det är inte en fråga om striktare Excel-formler, utan om att per datapunkt fastställa vad som är acceptabelt och vad som inte är det, och varför.

En signal är något annat än ett fel

Inte varje avvikelse är ett fel, och inte varje fel ger en signal. Ett värde kan ligga utanför det förväntade intervallet utan att vara felaktigt — en fabrik som tillfälligt ligger nere, en fusion som stör siffrorna. Omvänt kan ett värde se helt normalt ut och likväl vara felaktigt, exempelvis eftersom två delar av organisationen använder olika utgångspunkter för vad de mäter. En signal är alltså inget omdöme, den är en indikation på att någon bör titta närmare på det.

Frågan är då: under vilket villkor slår en sådan signal till, och hur känsligt är den inställd. För vitt inställd, och avvikelser glider igenom. För strikt, och alla ignorerar meddelandet eftersom det blir för många. Hur den tröskeln bestäms per datapunkt beror på datapunkten själv och på vad som rimligen kan variera. Det ämnet behandlas separat i hur ni ställer in en signalavvikelse och vem som då tittar på det.

Vem märker det — och är det en slump

Kärnfrågan på denna sida är inte bara vad ett giltigt värde är, utan vem som märker det när ett värde inte är det. I många organisationer är svaret: ingen, tills en extern part ställer en fråga vid granskningen av rapporten. Vid det tillfället är det redan sent, och den som upprättar rapporten måste gå tillbaka till källan för att rekonstruera vad som hänt.

En kvalitetsregel utan ägare är ingen regel, det är en observation. Till varje datapunkt hör alltså inte bara ett gränsvärde, utan även ett namn: vem får meddelandet, vem bedömer om det är ett fel eller ett förklarbart undantag, och vem dokumenterar den förklaringen så att nästa person som använder datapunkten inte behöver utreda saken på nytt. Utan den tilldelningen beror det på slumpen om någon ser signalen innan siffran går vidare i kedjan.

Denna tilldelning är direkt kopplad till ett annat problem som ofta dyker upp vid sidan av kvalitetsregler: team som tolkar samma begrepp olika. Vad som är ett giltigt värde för en del av organisationen kan för en annan del ge en signal, helt enkelt eftersom definitionen skiljer sig. Det berör frågan vad ni gör med definitioner som skiljer sig per del av organisationen. Utan en enhetlig definition är en kvalitetsregel i bästa fall en gissning.

Varför detta inte börjar med ett verktyg

Det är frestande att lösa denna fråga genom att skaffa ett verktyg som signalerar automatiskt. Men ett verktyg kan bara signalera utifrån regler som har matats in, och dessa regler representerar kunskap som nu ofta bara finns i någons huvud — kollegan som vet att den här siffran vanligtvis ligger mellan två gränser, eller att det andra värdet alltid kontrolleras av en specifik person. Att först dokumentera den kunskapen, per datapunkt, är ett annat arbete än att välja ett system. I vilken ordning detta bäst sker beskrivs i köp först ett verktyg eller inrätta först processen.

Från kvalitetsregler till arbetsbelastning

Så snart det per datapunkt är fastställt vad ett giltigt värde är, vem som bedömer en signal och vem som förklarar en avvikelse, uppstår en bild av det arbete som faktiskt sker kring data — kontrollera, jämföra, fråga, dokumentera. Den bilden är användbar för en annan fråga: vilken del av dessa uppgifter upprepas på ett sätt som lämpar sig för automatisering, och vilken del kräver ett omdöme som hör till en människa. Arbetsanalysen från FTE TO AI beräknar per uppgift vilken andel av arbetet som kan tas över av AI, utifrån hur det arbetet är organiserat idag — inte utifrån en uppskattning i förväg.