Horecabranchen skiller sig ud fra mange andre sektorer, fordi driften er spredt over lokationer, der hver har egne målere, kontrakter og leverandører. En kæde med flere afdelinger har ikke én energitilslutning, men snesevis, ikke én affaldskontrakt, men et sammenspind af lokale aftaler. Hvor en fabrik måler størstedelen af sin udledning på ét sted, spreder horecabranchen sig over køkkener, kølingsanlæg, terrasseopvarmning og vaskerier, som hver især er registreret separat, ofte hos en anden part end hovedkontoret.
Dertil kommer, at en stor del af den relevante data ikke opstår hos virksomheden selv, men hos leverandører: grossisten der leverer fødevarer, vaskeriet der behandler linned, bryggeriet der leverer fade. Forholdet mellem det, en horecavirksomhed selv måler, og det, den skal indhente via kæden, falder derfor strukturelt anderledes ud end hos en sektor med egen produktion. Størstedelen af klimapåvirkningen ligger ikke i selve bygningen, men i det, der går ind og ud.
Energiforbrug er som regel det første datapunkt, man ønsker at rapportere, og samtidig det punkt, hvor spredningen begynder. En restaurant med eget køkken har en anden forbrugsprofil end et hotel med vaskeri og swimmingpool, og en kæde med lejede lokaler har ofte ikke direkte adgang til målerstande, fordi udlejeren administrerer kontrakten. Fakturaer udstedes i lokationens navn, i holdingselskabets navn eller i en tredjeparts navn, som administrerer måleren. Den, der ønsker at lægge en kædes samlede forbrug sammen, skal først finde ud af, hvilken måler der hører til hvilken lokation, og hvem der modtager regningen for den.
Fødevareindkøb er for mange horecavirksomheder den største kilde til kædeemissioner, og samtidig den mindst strukturerede datakilde. Bestillinger foregår via grossister, lokale leverandører og nogle gange direkte hos producenter, hver med sin egen faktureringsmetode og sit eget niveau af detaljer om oprindelse og forarbejdning. En følgeseddel fortæller, hvad der er leveret, ikke nødvendigvis hvor det kommer fra eller hvordan det er produceret. Den, der ønsker at udtrække et datapunkt herfra, opdager, at kilden til emissionsfaktoren ofte mangler, og at forskellige lokationer indkøber samme råvare hos forskellige leverandører, med forskellige underliggende antagelser.
Affaldsindsamling organiseres i horecabranchen som regel lokalt: hver lokation har sin egen kontrakt med en indsamler, nogle gange endda flere for bioaffald, glas og restaffald. Madspild registreres i bedste fald pr. lokation i et kasseapparatsystem eller en separat registreringsformular, i mindre gunstige tilfælde slet ikke. Når et rapporteringskrav efterspørger et tal for spild eller affaldssortering, skal dette tal først sammensættes fra alle disse løse, lokale registreringer, med risikoen for, at definitionen af "affald" varierer fra lokation til lokation.
HR-systemer registrerer data om medarbejdere, vagtplaner og personaleomsætning, mens facility- eller ejendomssystemer administrerer data om bygningen: kvadratmeter, opvarmningsanlæg, isolering. Begge er relevante for bæredygtighedsrapportering, men kobles sjældent sammen. En kæde, der vil vide, hvor mange kvadratmeter der opvarmes pr. medarbejder, opdager, at disse to data ligger i to systemer, som ikke er indrettet til dette formål og derfor ikke automatisk kommer sammen.
Summen af disse kilder er et landskab af målere, fakturaer, følgesedler og lokale registreringer, som hver for sig ligger et andet sted, med et ejerskab der ikke altid er tildelt. Ingen beskæftiger sig pr. definition med at ordne disse kilder; de eksisterer bare, spredt over lokationer og systemer. Før et tal om energi, fødevarer eller affald er troværdigt, skal det først være klart, hvilket system der er kilden, hvem der er ansvarlig for det, og hvilken regel der afgør, om en værdi er plausibel. Det gælder for horecabranchen lige såvel som for andre sektorer; den, der ønsker at sammenligne, kan også læse hvor bæredygtighedsdataen i landbrugssektoren kommer fra, hvor kæden af leverandører spiller en tilsvarende rolle, eller hvordan ejendomssektoren håndterer spredte bygningsdata, i lyset af overlappet i bygningsdata. Den, der præcist vil vide, hvilke datapunkter der reelt er nødvendige for den egen drift i stedet for, hvad en standardliste foreskriver, kan læse mere om det på siden om hvilke datapunkter De reelt har brug for ved flere lokationer eller forretningsenheder.
Fristelsen er at anskaffe et rapporteringsværktøj, så snart forespørgslen om tal kommer ind. Et værktøj oven på en uorganiseret helhed af målere, fakturaer og lokale registreringer giver en pænere rapport om de samme usikre tal. Data Readiness Scan er tiltænkt trinnet forud for dette: et register over de datapunkter, en horecavirksomhed har brug for, med registrering pr. datapunkt af hvor det kommer fra, hvem der administrerer det, og hvilken regel der afgør, om værdien er korrekt. Denne scan er under udvikling; den, der er interesseret, kan tilmelde sig venteliste.
Så snart det er klart, hvilke datapunkter der findes og hvor de skal komme fra, følger naturligt spørgsmålet om, hvem der fremover udfører indsamling, kontrol og indtastning af disse data. Dette arbejde består af en række genkendelige opgaver, fra aflæsning af fakturaer til sammenlægning af lokationsdata, og ikke alle opgaver kræver lige meget menneskelig vurdering. Arbejdsscanningen fra FTE TO AI beregner pr. opgave, hvor stor en del af den, der kan overtages af AI, så det bliver klart, hvor mennesker stadig er nødvendige, og hvor arbejdet kan automatiseres.
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.