Ett verktyg köps ofta som första steg: det finns press, det finns en deadline, det finns en leverantör med en övertygande demo. Frågan som sällan ställs då: finns det redan något som detta verktyg kan placeras ovanpå? Ett verktyg organiserar ingenting av sig själv. Det visar, beräknar och strukturerar det ni matar in i det. Om den underliggande datan inte är fastlagd — inget register över datapunkter, inget dokumenterat ursprung, ingen utsedd ägare per siffra — då får ni ett verktyg som prydligt visar vad som i praktiken fortfarande är lösa kalkylblad och lösa antaganden.
Verktyget i sig fungerar för det mesta utmärkt. Problemet ligger i vad som matas in i det. Ett dashboard som visar energiförbrukning per anläggning är bara så bra som den inmatning det får. Om ingen har fastställt vilken avdelning som levererar dessa siffror, med vilka källfiler, enligt vilken beräkningsregel, då fyller verktyget en lucka med en uppskattning, en felaktig koppling, eller en siffra som en kollega matade in en gång för tre år sedan och som aldrig sedan uppdaterats. Verktyget signalerar inte detta självt. Det räknar bara vidare.
Kostnaderna för denna ordning kan inte fångas i ett enda tal, och det är just poängen: de är diffusa och utspridda. Tid som spenderas på nytt för att ta reda på varifrån en siffra kommer, efter att den redan fanns i verktyget. Diskussioner mellan finance och sustainability om vem som levererat vilket tal. En controller som vid den första externa granskningen måste erkänna att ursprunget till en nyckelindikator inte kan rekonstrueras. En implementering som görs om, delvis eller helt, eftersom datastrukturen inte var anpassad för det. På den här sidan behandlas själva kärnfrågan mer djupgående: vilken ordning är logisk och varför just den.
Ett verktyg väljs utifrån funktionalitet: klarar det rätt datapunkter, ansluter det till rätt rapporteringsstandard, är rapportstrukturen flexibel nog för det som ännu kommer att förändras. Dessa krav går inte att formulera abstrakt. De följer av vad som redan finns av data, vem som förvaltar den datan, och vilka luckor som finns. Utan den överblicken väljs verktyget utifrån det leverantören visar i en demo, inte utifrån vad er organisation behöver. Vilka funktionella krav som faktiskt följer av er egen situation redogörs för på den här sidan om funktionella krav från den egna processen.
Den omvända ordningen — verktyg först, process senare — leder till ett andra inköp, en migrering, eller ett verktyg som permanent kompletteras med de kalkylblad det skulle ha ersatt. Den som en gång hamnar i den spiralen upptäcker att verktyget inte löser det problem det borde lösa: opålitlig, ohittbar eller oförvaltad data. Det förflyttar bara problemet till ett snyggare gränssnitt.
Att organisera i förväg är ingen byråkratisk övning. Det är ett register: vilka datapunkter behövs för rapporteringen, varifrån kommer de, via vilka system eller kalkylblad rör de sig fram till den slutliga siffran, vem ansvarar för deras korrekthet, och vilken kvalitetsregel gäller för att signalera ett fel i tid. Det registret existerar oberoende av vilket verktyg som senare placeras ovanpå. Det är grunden som ett verktyg fungerar på, oavsett vilken leverantör som väljs.
För att undvika att det andra misstaget blir samma som det första är det nyttigt att veta hur man faktiskt väljer ett verktyg utan ånger: vilka steg det innebär beskrivs på den här sidan om verktygsval utan ånger. För organisationer i specifika sektorer är det dessutom nyttigt att se var hållbarhetsdatan konkret finns: inom byggbranschen ligger den ofta utspridd över projektadministrationer och underentreprenörer, som beskrivs på den här sidan om hållbarhetsdata inom byggbranschen, och inom installationsbranschen är den fördelad på ett annat sätt, som förklaras på den här sidan om hållbarhetsdata inom installationsbranschen.
Data Readiness Scan upprättar detta register innan något verktyg diskuteras: per datapunkt ursprunget, ägaren och kvalitetsregeln. Ingen rapport, inget ifyllt frågeformulär, utan den struktur som en rapport eller ett frågeformulär senare kan vila på. Verktyget är under utveckling; den som är intresserad kan anmäla sig till väntelistan.
Så snart det är klart vilka datapunkter som finns, varifrån de kommer och vem som förvaltar dem, uppstår också en mer precis bild av arbetet runt omkring: vem samlar in, vem kontrollerar, vem dokumenterar. Det arbetet är inte lika lämpat för automatisering överallt. Arbetsscanen från FTE TO AI beräknar per uppgift hur stor del som faktiskt kan tas över av AI, baserat på vad uppgiften exakt innebär och inte på en generell bedömning av sektorn.
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.