Energisektoren har en egenskab, som få andre sektorer har: der bliver allerede løbende målt. Måledata fra smarte målere, produktionscijfers fra egne aktiver, forbrugsdata fra installationer, emissionsfaktorer der varierer per energibærer og per kilde. Hvor en tjenesteudbyder stadig skal undersøge om der overhovedet findes data, drukner et energiselskab ofte i data der allerede findes. Spørgsmålet er ikke så meget om tallet findes, men hvilket af de fem systemer der registrerer det, som er det rigtige, og om disse fem systemer bruger den samme definition af en måleenhed.
Det er en anden fælde end i sektorer hvor bæredygtighedsdata skal indhentes hos eksterne parter. Her ligger problemet i overflod og fragmentering: SCADA-systemer, platforme til meterdatahåndtering, ERP til den finansielle side, separate spreadsheets til scope 3-estimater for kæden. Hvert system har sin egen opfattelse af hvad et datapunkt betyder, og ingen har fastlagt hvilken kilde der hører til hvilket rapporteringspunkt.
Inden for energiselskaber flyder to typer data sammen, som ikke har den samme oprindelse. Produktions- og forbrugsdata kommer typisk fra operationelle systemer, der primært er bygget til driften, ikke til rapportering. Emissionsdata bliver derimod ofte beregnet efterfølgende, med konverteringsfaktorer der varierer per kilde, per år og per rapporteringsramme. Størstedelen af diskussionerne om datakvalitet i denne sektor handler ikke om selve målingen, men om oversættelsen fra målt værdi til emissionstal: hvilken faktor, hvilken kildeperiode, hvilken antagelse.
Det gør lineage ekstra vigtig her. Et tal i bæredygtighedsrapporten, der kaldes "total CO2-udledning", kan være sammensat af en aflæsning, en emissionsfaktor fra en ekstern database og en manuel korrektion i et spreadsheet. Uden fastlagt oprindelse for hvert trin kan man ikke afgøre om en afvigelse fra sidste år er en ændring i produktionen, en justeret faktor, eller en fejl i overførslen mellem systemer.
I energiselskaber ligger dataene sjældent hos én afdeling. Operationelle måledata hører under asset management eller den tekniske afdeling. Finansielle data og forbrugsdata hører under finance eller controlling. Scope 3-estimater fra leverandører og kunder ligger ofte hos indkøb eller hos bæredygtighedsafdelingen selv, som ikke selv producerer disse data, men skal stå til ansvar for dem. Hvem der er ejer af et datapunkt, er derfor ikke et teknisk spørgsmål, men et organisatorisk: hvem kan forklare oprindelsen, hvem kan gennemføre en korrektion, hvem underskriver for rigtigheden.
Denne fordeling af ejerskab går også igen i andre sektorer med mange tekniske aktiver. Lighederne med hvor bæredygtighedsdataene i byggeriet sidder er større end forventet: også der ligger måledata hos en teknisk afdeling og emissionsdata hos en separat funktion, med ringe koordinering mellem de to. I installationsbranchen ses et lignende mønster, hvor operationelle data om installationer står løst fra den rapporteringscyklus, der senere bliver sammensat af dem.
Et energiselskab, der anskaffer et rapporteringsværktøj til denne fragmentering, får et mere overskueligt dashboard over den samme uklare oprindelse. Dashboardet viser et tal, men spørgsmålet om, hvorvidt det tal kommer fra den rigtige måler, er blevet korrigeret med den rigtige faktor, og er blevet kontrolleret af den rigtige person, forbliver ubesvaret. Værktøjet lægger et lag oven på problemet, ikke en løsning på problemet.
Hvad der derimod hjælper, er først at fastlægge hvilket datapunkt der kommer fra hvilken kilde, via hvilke mellemtrin det når rapporteringspunktet, og hvem der er ansvarlig for hvert trin. Det er et register, ikke et dashboard: en liste over datapunkter med deres oprindelse, deres ejer og de regler kvaliteten bliver testet imod. Først når det ligger klar, har et rapporteringsværktøj noget troværdigt at bygge på.
Energiselskaber med flere divisioner — produktion, distribution, retail — møder en yderligere komplikation: samme term betyder noget forskelligt i hver division. "Forbrug" hos distribution er et andet tal end "forbrug" hos retail. Til dette spørgsmål er det nyttigt at se på hvilke datapunkter der egentlig er nødvendige, når flere forretningsenheder rapporterer, og på hvor et datapunkt muligvis allerede findes hos en anden forretningsenhed, før det bygges op igen. Genbrug af en allerede eksisterende, valideret kilde er ofte hurtigere end at opsætte en ny måling.
Så snart datapunktregisteret er på plads — med oprindelse, ejer og kvalitetsregel per punkt — opstår der også overblik over arbejdet bag: hvem indsamler, hvem kontrollerer, hvem korrigerer, og hvor mange af disse trin er rutinemæssige. På det punkt er [arbejdsscanningen](https://ftetoai.com) fra FTE TO AI relevant: den beregner per opgave, hvilken del af arbejdet der kan overtages af AI, baseret på de opgaver, der fremgår af datapunktregisteret, i stedet for på et forudgående skøn.
Data Readiness Scan til energisektoren er under udvikling. Den, der vil have datapunktregisteret til sin egen organisation opbygget, så snart det er tilgængeligt, kan tilmelde sig ventelisten.
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.