De transportsector heeft een eigenschap die weinig andere sectoren delen: het grootste deel van de CO2-uitstoot ontstaat buiten het kantoor, verspreid over voertuigen, ritten en onderaannemers die niet allemaal in hetzelfde systeem zitten. Waar een kantoorpand relatief eenvoudig te meten is, bestaat het wagenpark van een transportbedrijf uit tientallen tot honderden individuele bewegende bronnen, elk met een eigen brandstofverbruik, beladingsgraad en route. De uitstoot zit niet in een gebouw maar in een optelsom van ritten, en die optelsom moet uit meerdere systemen tegelijk komen.
Daarbovenop komt een tweede laag: een aanzienlijk deel van de kilometers wordt vaak niet door het eigen wagenpark gereden maar door onderaannemers, chartervervoerders of ketenpartners. Die uitstoot valt in de meeste gevallen onder scope 3, en de gegevens erover zijn zelden standaard beschikbaar. Een transportbedrijf dat zijn duurzaamheidsdata op orde wil hebben, moet dus niet alleen de eigen systemen doorzoeken, maar ook afspraken hebben over wat onderaannemers aanleveren en in welke vorm.
Brandstofverbruik is meestal het startpunt en tegelijk het meest versnipperde onderdeel. Tankpasgegevens, boordcomputers, telematicasystemen en handmatige tankbonnen bestaan vaak naast elkaar, met verschillende resoluties en verschillende definities van wat een 'rit' is. Een boordcomputer registreert per voertuig, een tankpasleverancier factureert per pas, en die twee lopen niet automatisch synchroon.
Planning- en TMS-software (transport management systemen) bevat gegevens over beladingsgraad, retourritten en lege kilometers, die nodig zijn om uitstoot per zending of per klant te kunnen toerekenen. Deze systemen zijn primair gebouwd voor operationele planning, niet voor duurzaamheidsrapportage, waardoor de benodigde velden er soms wel in staan maar niet in het formaat dat een CSRD-rapportage vraagt.
HR- en personeelssystemen bevatten gegevens over woon-werkverkeer en, bij bedrijven met eigen werkplaatsen, over energieverbruik van bedrijfspanden. Facilitaire afdelingen beheren vaak weer apart de energiecontracten van kantoren, laadpalen en overige vastgoed. En dan is er nog de map met contracten en overeenkomsten van onderaannemers, waarin soms wel en soms niet iets staat over de brandstofsoort of het type voertuig dat wordt ingezet.
In veel transportbedrijven is er geen persoon die alle bovenstaande bronnen overziet. De planningsafdeling kent de ritten, de wagenparkbeheerder kent het brandstofverbruik, inkoop kent de onderaannemers, en finance moet er uiteindelijk een rapportagecijfer van maken. Zonder een duidelijk eigenaarschap per datapunt ontstaat het risico dat niemand zich verantwoordelijk voelt voor de juistheid van een cijfer, en dat het pas bij het opstellen van het rapport aan het licht komt dat een bron ontbreekt of niet aansluit.
Dit is een herkenbaar patroon: ook in de zakelijke dienstverlening en in de detailhandel ligt data verspreid over afdelingen die elk een deel van het beeld hebben, zonder dat iemand het geheel bewaakt. Bij transport komt daar de complicatie bij dat een substantieel deel van de bronnen zich fysiek buiten het bedrijf bevindt, in voertuigen en bij partners.
Het is verleidelijk om deze versnippering te willen oplossen met software die telematica, tankpasgegevens en TMS-data automatisch samenvoegt. Zulke software kan nuttig zijn, maar alleen als vooraf duidelijk is welk datapunt uit welke bron hoort te komen, wie dat datapunt controleert en welke kwaliteitsregel bepaalt of een waarde geloofwaardig is. Een tool die bovenop een ongeorganiseerd proces wordt gelegd, produceert een nettere rapportage over dezelfde onbetrouwbare cijfers. De volgorde is dus eerst het register van datapunten en hun herkomst, en pas daarna eventueel een systeem dat die stroom automatiseert.
De Data Readiness Scan brengt voor een transportbedrijf in kaart welk datapunt uit welk systeem komt: brandstofverbruik per voertuig of per rit, beladingsgraad uit het TMS, energieverbruik van vestigingen, en de gegevens die onderaannemers aanleveren of juist niet aanleveren. Per datapunt wordt vastgelegd wie eigenaar is en welke regel bepaalt of de waarde plausibel is, zodat bij een controle duidelijk is waar een cijfer vandaan komt en wie ernaar gevraagd kan worden. Dit werk gaat niet over het rapport zelf en niet over het beantwoorden van vragenlijsten van klanten of banken, maar over de laag data die daaraan voorafgaat.
De scan is in aanbouw. Wie hier belangstelling voor heeft, kan zich aanmelden voor de wachtlijst; er wordt nu niets verkocht dat nog niet af is.
Zodra duidelijk is welke datapunten er zijn, wie ze beheert en uit welk systeem ze komen, ontstaat vanzelf een vervolgvraag: welk deel van het verzamelen en controleren van die datapunten is handwerk dat blijft liggen bij een planner of controller, en welk deel is repetitief genoeg om te automatiseren. Diezelfde vraag speelt in sectoren als het onderwijs en de agrarische sector, waar operationele gegevens net zo verspreid liggen als in transport. De werkscan van FTE TO AI rekent per taak uit welk deel van het werk door AI is over te nemen, en sluit daarmee aan op het moment dat het datapuntregister van de Data Readiness Scan klaar is: eerst weten waar de data zit en wie ervoor verantwoordelijk is, dan pas kijken welk deel van het onderhoud daarvan geautomatiseerd kan worden.
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.