Sustainability Data Readiness
De cijfers kloppen op papier. Er staat een nette tabel, met een totaal per onderdeel en een som over de groep. Maar wie doorvraagt — waar komt dit getal vandaan, wie heeft het aangeleverd, welke definitie is gebruikt — krijgt drie verschillende antwoorden van drie verschillende mensen. De ene vestiging telt scope 2 anders dan de andere. De spreadsheet die vorig jaar is gebruikt, is niet meer te vinden. Niemand weet zeker of dit getal is opgebouwd zoals de assurance-partner straks wil zien. Dat is niet een rekenfout, dat is een fundament dat nooit is gelegd.
De kern is de Data Readiness Scan met een datapuntregister als ruggengraat. Dat register zet naast elkaar wat nodig is voor de gekozen onderwerpen en wat er al aanwezig is in de organisatie — geen schatting, maar een lijst die volgt uit de materiële onderwerpen die zijn aangewezen.
Rond dat register staat de source-to-report-mapper: een invulbare lineage-tool volgens een vaste input-proces-output-structuur. Per datapunt wordt vastgelegd waar het vandaan komt, welke bewerkingen erop plaatsvinden voordat het in het rapport belandt, en wie waarvoor verantwoordelijk is via een RACI. Daarbij horen kwaliteitsregels — geldige waarden, signaalafwijkingen — die zichtbaar maken wanneer een getal buiten de lijn valt vóórdat het in de consolidatie verdwijnt.
Uit dat ontworpen proces volgt een generator voor functionele eisen. Dat is de omkering die in het proces vaak ontbreekt: niet eerst een tool kopen en het proces daarnaar plooien, maar eerst het proces vastleggen en dan pas kijken welke eisen daaruit volgen voor eventuele software.
Wie liever met begeleiding werkt, kan het databootcamp van drie dagen volgen — meestal rond CO2 als eerste onderwerp. Dat is een route 2/3-product van de partner. Het onderliggende ontwerp-sjabloon zit ook in de tool, zodat wie liever zelf stuurt hetzelfde stramien zelfstandig kan doorlopen.
Alles wat het register en de mapper opleveren, is terug te voeren op wat is ingevuld: welke bron, welke bewerking, welke eigenaar, welke regel. Er wordt niets bijgeschat en niets afgerond tot een prestatiecijfer. Wat eruit komt is een structuur — geen oordeel over hoe goed of slecht de data is, wel een precieze aanwijzing van waar de fundamenten ontbreken en waar ze al staan. Hoe die stappen precies in elkaar grijpen, van onderwerpkeuze tot hermeting, staat uitgewerkt op Hoe het werkt; wat er concreet op tafel ligt na elke stap staat op Uitkomsten.
Onderwerpen kiezen. Materiële onderwerpen worden geselecteerd, desnoods als vertrekpunt vanuit esgia.
Register opbouwen. De registergenerator zet de datapunten op een rij die bij die onderwerpen horen.
Lineage en RACI invullen. Per datapunt worden bron, bewerkingen, eigenaarschap en kwaliteitsregels vastgelegd.
Readiness-rapport en hermeting. Er volgt een indicatie van volgorde en doorlooptijd per onderwerp, en het geheel is bedoeld om periodiek opnieuw te worden gemeten — data-kwaliteit is geen momentopname.
Het is geen rapportagetool. Het rapport zelf, onder VSME of CSRD, blijft het werkgebied van esgia; hier wordt niet gerapporteerd, hier wordt het fundament ervoor gelegd.
Het is geen vragenlijsttool. Wie een vragenlijst van een klant of ketenpartner moet beantwoorden, is aan het adres bij supplia of esgreply.
Het is geen bewezen staat van dienst. Er zijn geen uitgevoerde trajecten om naar te verwijzen — dat past bij een tool die nog in wachtlijst-stand staat. Het gereedschap structureert het proces en maakt zichtbaar waar de losse einden zitten; het bewijst niets over de uitkomst en garandeert niets richting assurance.
Route 1 — zelf doen. Het bootcamp-sjabloon per onderwerp, een registerexport en een controls-checklist als voorbereiding op assurance, allemaal zelf te doorlopen.
Route 2 — deels begeleid. De partner draait de bootcamps; de tool blijft de plek waar het register en de lineage vastgelegd staan.
Route 3 — uitbesteden. Volledige inrichting bij de partner, op de eigen machine van FTE TO AI.
Wie meer voorbeelden wil van hoe een register of lineage-kaart er in de praktijk uitziet, vindt achtergrond in de kennisbank.
Een register en een lineage-kaart veranderen pas iets zodra ze landen in wie welke taak doet, hoeveel tijd dat kost en in welk systeem dat gebeurt. Dat is precies waar de werkscan van FTE TO AI begint: niet bij de data, maar bij het werk dat nodig is om die data goed te krijgen.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.