En uddannelsesinstitution er ikke en fabrik og ikke en butikskæde, men er alligevel en organisation med bygninger, energikontrakter, transport, indkøb og en stor gruppe mennesker, der ikke er medarbejdere i gængs forstand. Studerende og elever bevæger sig gennem bygninger, bruger faciliteter og genererer rejsebevægelser, uden at de nogen steder står på en lønningsliste. Det forhold mellem medarbejdere og brugere af bygningerne er i uddannelsessektoren anderledes end i de fleste andre sektorer, og det slår igennem i dataene: en stor del af miljøpåvirkningen hænger sammen med belægning og bygningsbrug, ikke med en produktionsproces eller et butiksgulv.
Dertil kommer, at en institution ofte består af flere lokationer, nogle gange spredt over en by eller region, hver med egne målere, egen forvaltning og egne lejekontrakter. Uddannelsessektoren har desuden en udpræget sæsonrytme: feriperioder, midlertidig tomgang, aftenbrug af tredjeparter. Den, der lægger energidata sammen pr. måned uden at kende denne rytme, kan let trække forkerte konklusioner om besparelser, der i virkeligheden bare er feriefordeling.
Hos de fleste institutioner er bygningsbestanden den største post. De data ligger spredt over flere steder: den facilitære afdeling har energikontrakter og målerstande, ofte pr. bygning og ikke samlet centralt. Hos større institutioner med egen fast ejendom løber der derudover et bygningsforvaltningssystem med forbrugsdata pr. installation. Ved lejede lokationer ligger en del af ansvaret, og dermed en del af dataene, hos udlejeren, som ikke altid er villig eller i stand til at dele dem på det niveau, der er nødvendigt.
Renoveringer, isoleringstiltag og bæredygtiggørelse af installationer bliver ofte registreret i projektdossierer hos den facilitære afdeling eller en ekstern part, uafhængigt af den almindelige energiadministration. Den, der vil se effekten af sådan et tiltag afspejlet i tallene, skal koble disse to kilder sammen, og det sker sjældent automatisk.
Medarbejderes bolig-arbejdstransport bliver, hvis det overhovedet måles, som regel indsamlet via HR eller et refusionssystem. Studerendes og elevers rejsemønstre er en anden sag: disse data findes ofte ikke i et centralt system, i bedste fald som et skøn baseret på postnummerområder eller en undersøgelse foretaget for nogle år tilbage. I den højere uddannelse kommer dertil international rejse, til udveksling eller forskning, registreret i separate administrationer hos internationale kontorer eller forskningsafdelinger, uafhængigt af personalets almindelige rejsedata.
Den, der ikke holder disse to grupper — medarbejdere og studerende — adskilt i datapunktregisteret, risikerer at lægge æbler og pærer sammen: en enkelt fuldtidsmedarbejder vejer i dataene anderledes end en studerende, der kommer til én bygning to dage om ugen.
Indkøb hos uddannelsesinstitutioner sker ofte via en central indkøbsafdeling for store kontrakter, men sideløbende med decentrale bestillinger fra fakulteter, afdelinger eller individuelle forskningsgrupper. Laboratoriematerialer, kemikalier og specialudstyr hos forskningsinstitutioner har deres egen indkøbskæde med egne leverandører, uafhængigt af den almindelige kontorindkøb. Catering er som regel outsourcet til en ekstern part, hvilket betyder, at data om madspild eller ingrediensernes oprindelse ikke ligger hos institutionen selv, men hos den leverandør, med varierende villighed til at dele tal.
Affald er en tilsvarende historie: kildesortering organiseres af den facilitære afdeling eller en ekstern affaldsbehandler, og de rapporter, der kommer derfra, passer ikke altid med den opdeling, der er nødvendig for bæredygtighedsrapportering.
Hos erhvervsakademier og universiteter tilføjer forskning et lag, som andre sektorer ikke kender. Forskningsgrupper arbejder ofte med egne budgetter, egne indkøb og nogle gange egne bygninger eller laboratorier, finansieret af eksterne parter med egne rapporteringskrav. Den decentrale autonomi er funktionel for forskningen, men betyder, at centrale dataejere ofte ikke ved, hvilken information der allerede findes i disse grupper, eller under hvilket navn og i hvilket format.
Hos mange institutioner starter man håndteringen af bæredygtighedsdata med anskaffelsen af et rapporteringssystem. Det system giver overskuelige skærme, men det underliggende spørgsmål forbliver uløst: står målerstanden for bygning B nu for kontorareal, en sportshal eller en del udlejet til en tredjepart, og hvem i organisationen kan besvare det spørgsmål. Uden et struktureret billede af, hvor hvert datapunkt opstår, hvem der er ansvarlig for det, og hvilke kvalitetsregler der gælder for det, producerer et værktøj primært pænere fremstillinger af de samme usikre tal.
Data Readiness Scan er derfor ikke et rapporteringsværktøj, men et register: for hvert datapunkt oprindelsen, vejen fra kilde til rapport, ejeren inden for institutionen og de regler, dataene skal opfylde. Det register synliggør, hvor for eksempel studerendes rejser mangler, hvor den facilitære afdeling og bygningsforvaltningen tæller uafhængigt af hinanden, og hvor en ekstern cateringvirksomhed eller affaldsbehandler endnu ikke har et kontaktpunkt for dataafgivelse.
Det samme spørgsmål gør sig gældende med sine egne kendetegn i detailhandlen, landbrugssektoren og den finansielle servicesektor, hver gang med en anden fordeling mellem centralt og decentralt.
Denne scan er stadig under udvikling. Institutioner, der vil vide, hvor deres bæredygtighedsdata præcis opstår og hos hvem de ligger, kan tilmelde sig ventelisten og blive informeret, så snart scanningen er tilgængelig.
Så snart det er klart, hvilke datapunkter der findes, hvem der forvalter dem og via hvilken vej de opstår, bliver det også synligt, hvilket arbejde der ligger bag: indtastning af målerstande, udledning af rejsedata fra regneark, gennemgang af cateringfakturaer for ingrediensernes oprindelse. Meget af dette arbejde er repetitivt og bundet til fastlagte kilder, hvilket gør det egnet til vurdering af automatisering. Arbejdsscanningen fra FTE TO AI beregner pr. opgave, hvilken del af arbejdet der kan overtages af AI, baseret på samme slags opgaveopdeling som findes i datapunktregisteret.
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.