Ett kalkylblad med energiförbrukning, resedata eller inköpsuppgifter är sällan slutpunkten. Innan en siffra hamnar i en hållbarhetsrapport har den skrivits om, summerats, omräknats, filtrerats och ibland korrigerats manuellt. Varje steg är en plats där något kan avvika från källan, och varje steg som inte dokumenteras är ett steg som ingen efteråt kan redogöra för.
Den vanliga vägen från källa till rapport består av ett antal igenkännbara bearbetningar. Data hämtas från ett källdokument, ofta med en manuell kopieringsomgång. Därefter normaliseras data: enheter jämnas ut, notationer justeras, saknade värden fylls i eller uppskattas. Sedan följer aggregering, där siffror från olika platser, perioder eller avdelningar sammanförs till ett tal. Under vägen sker korrigeringar: en felaktig rad justeras, en avvikande observation tas bort, ett antagande läggs in i en tom cell. I slutet av den kedjan står siffran som visas i rapporten.
Problemet är inte att dessa bearbetningar sker. Normalisering och aggregering behövs för att göra kalkylbladsdata användbar. Problemet är att dessa steg vanligtvis finns i huvudet hos en enda medarbetare, eller i bästa fall i en e-postväxling som ingen längre hittar.
Om en siffra i en rapport ifrågasätts måste det gå att spåra varifrån den kommer och vad som gjorts med den. Utan den spårbarheten blir varje fråga om ett tal en efterforskning: vem har justerat den här raden, på vilken grund, och har samma bearbetning tillämpats även föregående år. Vid normalisering handlar det till exempel om frågor som: vilken omräkningsfaktor har använts, och har den faktorn ändrats sedan dess. Vid aggregering handlar det om: vilka källor har summerats, och har en plats av misstag räknats dubbelt eller tvärtom hoppats över.
Ett kalkylblad utan dokumenterade bearbetningar kan året därpå ge en annan siffra vid samma källdata, helt enkelt eftersom en annan person utför normaliseringen eller tolkar en korrigering annorlunda. Det är inte bedrägeri, det är avsaknaden av en dokumenterad process. Följden är densamma: siffran är inte reproducerbar.
Vissa organisationer tror att en ändringslogg i kalkylbladet räcker. En logg registrerar att något har ändrats, men inte varför, av vem i vilken roll, och utifrån vilken regel. Skillnaden mellan en logg och ett audit trail ligger i det sammanhanget: ett audit trail gör en bearbetning möjlig att redogöra för, en logg registrerar bara att något har hänt.
Avsaknaden av ett verktyg är ingen ursäkt för att hoppa över lineage. Även utan specialiserad programvara går det att per datapunkt dokumentera varifrån den kommer, vilka bearbetningar som tillämpats på den och vem som utfört dessa bearbetningar. Det kan göras med en fast struktur bredvid själva kalkylbladet: ett register där källa, bearbetning och ansvarig person förs samman. Hur det ser ut utan att ett verktyg används beskrivs på sidan om att skapa lineage utan verktyg.
Varje bearbetningssteg behöver en ägare. Inte bara av den slutliga datapunkten, utan av bearbetningen i sig: vem har bestämt att denna normaliseringsregel ska tillämpas, och vem får ändra den regeln. Det ägarskapet är ofta inte fastställt. Två frågor kan skiljas åt här: vem som äger definitionen av en datapunkt, det vill säga vad talet exakt betyder, och vem som äger processen bakom den, det vill säga vem som är ansvarig för vägen som leder fram till den. Utan att dessa två är fastställda förblir en bearbetning en individuell vana snarare än en organisationsprocess.
Data Readiness Scan kartlägger dessa bearbetningar: vilka steg som sker mellan källa och rapport, vem som utför dem och vilka regler som ligger bakom. Det är inget rapporteringsverktyg och ingen frågelista, utan en registrering av processen som föregår siffran.
När det en gång är klarlagt vilka bearbetningar som sker mellan kalkylblad och rapport uppstår också insikt om vilka av dessa steg som är repetitiva och regelstyrda, och därmed kandidater för att organiseras på ett annat sätt. Arbetsskanningen från FTE TO AI beräknar per uppgift vilken del av arbetet som kan övertas av AI, och ansluter därmed till just de bearbetningar som beskrivits här: normalisering, aggregering och korrigering är steg som, förutsatt att de först dokumenterats, kan bedömas utifrån den frågan.
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.