En datapunkt utan kontroll är ett tal som råkar stå någonstans. Det kan vara korrekt, det kan vara ett skrivfel, det kan vara en gammal version av en siffra som redan har uppdaterats i en annan fil. Utan kontroll ser ni inte skillnaden. Frågan om vilka kontroller som hör till en datapunkt är därmed inte en teknisk detalj utan en av kärnfrågorna inom datahantering för hållbarhetsrapportering.
En kontroll av en datapunkt består av mer än ett gränsvärde i ett kalkylblad. I grunden finns tre saker som måste vara fastställda, och de bör anges separat från varandra.
Först: vad är ett giltigt värde. En energiförbrukning kan inte vara negativ. En procentsats bör ligga mellan 0 och 100. Ett antal medarbetare är ett heltal. Detta låter självklart, men i praktiken fastställs detta sällan explicit per datapunkt — det sitter i huvudet hos den som en gång satte upp kalkylbladet, och försvinner så snart den personen byter befattning. Vad ett giltigt värde exakt är och vad ni gör när ett värde faller utanför det, finns utvecklat på sidan om giltiga värden och vem som märker det när det går fel.
För det andra: vad är en avvikelsesignal. Ett giltigt värde är inte samma sak som ett rimligt värde. En förbrukning som ligger inom tillåtna gränser men är tre gånger så hög som föregående år är giltig och samtidigt en signal som någon behöver granska. En signal är alltså inget hårt underkännande utan en indikation: detta avviker från mönstret, granska det innan det förs vidare till rapporten. Hur ni ställer in en sådan avvikelse och, minst lika viktigt, vem som får se den, finns utvecklat på sidan om att ställa in en avvikelsesignal och vem som märker det.
För det tredje: vem ser det. En kontroll som inte når någon existerar inte i praktiken, även om den finns på papper. Om ett värde faller utanför gränsen eller en signal utlöses måste det vara fastställt vem som får meddelandet, inom vilken tidsram, och vad som händer om personen inte reagerar. Detta är oftast den del som saknas: regeln finns, men ägarskapet för uppföljningen gör det inte.
I de flesta organisationer drivs hållbarhetsdata på kalkylblad som har vuxit fram ur en första rapporteringsskyldighet. Det var tidspress, det var en deadline, och det var någon som skapade en flik. Kontroller finns där ofta informellt: någon som känner siffran märker en märklig avvikelse. Det fungerar tills den personen är på semester, byter jobb, eller datapunkten växer från tio till hundra rader.
Följden är att organisationer ofta märker att det saknades en kontroll först efter att ett fel redan har hamnat i rapporten. Vid det laget handlar frågan inte längre om vilka kontroller som borde ha funnits, utan om hur rapporten ska korrigeras — en dyrare och mer synlig fråga än nödvändigt.
Det finns system som automatiskt upptäcker gränsvärden och avvikelser. Dessa system är användbara, men bara om de underliggande frågorna redan är besvarade: vad är ett giltigt värde för just denna datapunkt, vad räknas som en signal här, och vem är den ägare som får meddelandet. Ett verktyg som läggs ovanpå en oorganiserad process producerar framför allt meddelanden som ingen tar upp, eller gränser som är godtyckligt satta eftersom ingen hade tid att tänka igenom dem ordentligt. Kontrollen ser då automatiserad ut, men är det inte till innehållet. Det är samma fallgrop som skenbar exakthet: en siffra med många decimaler som antyder en precision som de underliggande uppgifterna inte har. Hur ni förhindrar det och vem som bör vara med och granska det, kan ni läsa på sidan om att förhindra skenbar exakthet och vem som märker det.
En kontroll som bara finns i det ögonblick rapporten sammanställs kommer för sent. Om ett värde först kontrolleras när rapporten sätts samman är chansen liten att det fortfarande finns tid att korrigera källan — trycket ligger då på att hålla deadline, inte på att åtgärda datan. En kontroll bör därför höra till datapunkten själv, i det ögonblick den registreras eller uppdateras, med en ägare som ser den innan siffran förs vidare i kedjan.
Detta är precis vad datapunktsregistret i Data Readiness Scan handlar om: inte att bygga upp rapporten, utan att per datapunkt fastställa vad ett giltigt värde är, vad en signal är, och vem ägaren är som ser den. En fullständig översikt över vilka kontroller som hör till vilken datapunkt och hur ägarskap är fördelat där, finns sammanfattat på sidan som kombinerar kontroller och ägarskap per datapunkt. Den som dessutom brottas med definitioner som tolkas lite olika per land, varumärke eller del av organisationen hittar tillvägagångssättet för det på sidan om att hantera olika definitioner per enhet.
Att utarbeta giltiga värden, signaler och ägarskap per datapunkt är precis den typ av arbete som delvis är regelbundet till sin natur och delvis kräver bedömning. Vilken del av det som kan tas över av AI och vilken del en människa måste fortsätta göra är ingen uppskattning utan en beräkning. FTE TO AI erbjuder för detta ändamål arbetsanalysen: den räknar per uppgift ut vilken del av arbetet som kan tas över av AI, så att ni inte gissar utan räknar.
Data Readiness Scan är under uppbyggnad. Den som vill låta kontrollagret kring sina datapunkter tänkas igenom så snart detta blir tillgängligt kan anmäla sig till väntelistan.
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.