csrdready Sätt mig på väntelistan

Kennisbank

Vilka datapunkter behöver ni egentligen?

Frågan verkar enkel, tills man försöker besvara den. Hållbarhetsdata kommer från HR-system, facilitetsdashboards, energileverantörer, kalkylblad från enskilda medarbetare och ibland från minnet hos någon som i åratal har levererat samma siffror. Utan överblick vet ingen exakt vilka datapunkter som finns, var de kommer ifrån och om de fortfarande stämmer med vad som en gång registrerades.

Ett datapunktregister är svaret på den förvirringen. Inte som rapporteringsverktyg, utan som en administration av själva datan: vad är en datapunkt, var kommer den ifrån, vem är ansvarig för den och vilka regler måste den uppfylla innan den kan användas.

Vad finns i ett datapunktregister

Ett register är mer än en lista med namn på siffror. Per datapunkt bör åtminstone följande vara registrerat:

Utan dessa fält är en lista med datapunkter en samling namn utan ursprung. Med dessa fält blir det synligt var datan kommer ifrån och var de svaga punkterna finns.

Hur en datapunkt kommer in i registret

Den ordning i vilken ni bygger upp ett register avgör om det ger något resultat. Börja inte med rapportstrukturen, utan med vad som redan registreras. På var finns en datapunkt redan beskrivs hur ni spårar det: ofta finns en siffra redan i ett annat system än förväntat, under ett annat namn eller i en annan enhet.

Därefter kommer frågan om hur ni bygger upp strukturen själv, vilka fält som är obligatoriska och i vilken ordning ni lägger till datapunkter utan att registret blir ohanterligt. Den processen beskrivs på hur upprättar ni ett datapunktregister.

Inte varje datapunkt har genast en identifierbar källa. Vissa siffror har en gång matats in manuellt, hämtats från en gammal rapport eller uppskattats av någon som numera inte längre är anställd. Vad ni gör i den situationen, och hur ni skiljer det från datapunkter som faktiskt har en källa, beskrivs på vad gör ni med en datapunkt utan källa.

Ett annat återkommande problem är dubblering: samma datapunkt som kommer in i registret via två vägar, med lite olika värden. Hur ni upptäcker det innan det leder till motstridiga siffror beskrivs på hur känner ni igen en dubbel datapunkt.

När en datapunkt stämmer

Att en datapunkt finns i registret betyder inte att den stämmer. Att stämma är ett separat steg: värdet måste ansluta till källdefinitionen, enheten måste överensstämma med vad kvalitetsregeln förväntar sig, och ägaren måste kunna bekräfta att ingenting har förändrats i processen sedan den senaste verifieringen.

För det krävs det att veta hur datapunkten färdas från källa till rapport. Att kartlägga det förloppet kallas source-to-report mapping, och det är ett separat steg utöver att fastställa definitionen. Vad den kartläggningen exakt innebär och varför ett register utan den kartläggningen förblir ofullständigt kan ni läsa på vad är source-to-report mapping.

Frågan om när ett register är fullständigt nog att lita på har inget fast svar i antal datapunkter. Det beror på omfattningen av rapporteringsskyldigheten, på hur många datapunkter som redan har en verifierad källa och ägare, och på hur många som fortfarande är markerade som öppna eller oklara. Ett register är inte klart bara för att det ser komplett ut, utan därför att de öppna punkterna är kända och hanterade. Hur ni fastställer det beskrivs på när är ett register klart.

Från register till process

Ett datapunktregister är en ögonblicksbild av vad som är registrerat just nu. Utan underhåll urholkas det lika snabbt som de kalkylblad det skulle ersätta: källor förändras, ägare slutar, definitioner glider utan att någon uppdaterar registret.

Mycket av arbetet med att hålla ett register aktuellt är igenkännbart och upprepningsbart: kontrollera källor, pröva värden mot kvalitetsregler, upptäcka förändringar. Vilken del av det underhållet som kan stödjas med AI och vilken del som fortfarande kräver mänsklig bedömning går inte att säga i allmänna termer. Arbetsanalysen från FTE TO AI räknar ut det per uppgift, utifrån vad uppgiften exakt innebär och hur ofta den återkommer, så att det blir tydligt vilken del av arbetet som kan övertas och vilken del som inte kan det.

Marvinde assistent van de Data Readiness Scan

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.