En utbildningsinstitution är ingen fabrik och ingen butikskedja, men wel en organisation med byggnader, energikontrakt, transport, inköp och en stor grupp människor som inte är anställda i vanlig mening. Studenter och elever rör sig genom byggnader, använder faciliteter och genererar resor, utan att stå på någon lönelista. Det förhållandet mellan medarbetare och användare av byggnaderna skiljer sig inom utbildningssektorn från de flesta andra branscher, och det påverkar datan: en stor del av miljöpåverkan hänger samman med beläggning och byggnadsanvändning, inte med en produktionsprocess eller ett butiksgolv.
Därtill kommer att en institution ofta består av flera platser, ibland utspridda över en stad eller region, var och en med egna mätare, egen förvaltning och egna hyreskontrakt. Utbildningssektorn har dessutom en tydlig säsongsrytm: semesterperioder, tillfällig tomgång, kvällsanvändning av tredje part. Den som summerar energidata per månad utan att känna till den rytmen drar lätt felaktiga slutsatser om besparingar som egentligen beror på semesterspridning.
Hos de flesta institutioner utgör fastighetsbeståndet den största posten. Den datan finns utspridd på flera ställen: den lokalvårdande avdelningen har energikontrakt och mätarställningar, ofta per byggnad och inte sammanställda centralt. Hos större institutioner med egna fastigheter finns dessutom ett fastighetsförvaltningssystem med förbrukningsdata per installation. Vid hyrda lokaler ligger en del av ansvaret, och därmed en del av datan, hos hyresvärden, som inte alltid är villig eller i stånd att dela den på den nivå som krävs.
Renoveringar, isoleringsåtgärder och hållbarhetsförbättringar av installationer dokumenteras ofta i projektdokument hos den lokalvårdande avdelningen eller en extern part, separat från den ordinarie energiadministrationen. Den som vill se effekten av en sådan åtgärd återspeglad i siffrorna måste koppla samman dessa två källor, och det sker sällan automatiskt.
Personalens arbetsresor samlas in, om de alls mäts, vanligtvis via HR eller ett reseräkningssystem. Studenters och elevers resmönster är en annan historia: den datan finns ofta inte i ett centralt system, i bästa fall som en uppskattning baserad på postnummerområden eller en enkät som genomfördes för några år sedan. Inom högre utbildning tillkommer internationella resor, för utbyte eller forskning, som registreras i separata administrationer hos internationella kontor eller forskningsavdelningar, skilt från personalens ordinarie resedata.
Den som inte håller isär dessa två grupper — medarbetare och studenter — i datapunktsregistret riskerar att lägga samman äpplen och päron: en enskild heltidsanställd väger annorlunda i datan än en student som kommer till en byggnad två dagar i veckan.
Inköp hos utbildningsinstitutioner sker ofta via en central inköpsavdelning för stora kontrakt, men vid sidan av det förekommer decentraliserade beställningar från fakulteter, avdelningar eller enskilda forskningsgrupper. Laboratoriematerial, kemikalier och specialistutrustning hos forskningsinstitutioner har en egen inköpskedja med egna leverantörer, skild från den ordinarie kontorsinköpen. Catering är oftast utlagd på en extern part, vilket innebär att data om matsvinn eller ingrediensernas ursprung inte finns hos institutionen själv utan hos den leverantören, med varierande vilja att dela siffror.
Avfall är en jämförbar historia: källsortering organiseras av den lokalvårdande avdelningen eller en extern avfallshanterare, och de rapporter som kommer därifrån stämmer inte alltid med den indelning som krävs för hållbarhetsrapportering.
Hos högskolor och universitet tillför forskningen ett lager som andra branscher inte känner till. Forskningsgrupper arbetar ofta med egna budgetar, egna inköp och ibland egna byggnader eller laboratorier, finansierade av externa parter med egna rapporteringskrav. Denna decentraliserade autonomi är funktionell för forskningen, men innebär att centrala dataägare ofta inte vet vilken information som redan finns i dessa grupper, eller under vilket namn och i vilket format.
Hos många institutioner inleds arbetet med hållbarhetsdata med inköp av ett rapporteringssystem. Det systemet ger överskådliga skärmar, men den underliggande frågan blir obesvarad: representerar mätarställningen för byggnad B kontorsutrymme, en idrottshall eller en del som hyrs ut till en tredje part, och vem inom organisationen kan besvara den frågan. Utan en ordnad bild av var varje datapunkt uppstår, vem som är ansvarig för den och vilka kvalitetsregler som gäller för den, producerar ett verktyg framför allt snyggare presentationer av samma osäkra siffror.
Data Readiness Scan är därför inte ett rapporteringsverktyg utan ett register: för varje datapunkt anges ursprunget, vägen från källa till rapport, ägaren inom institutionen och de regler datan måste uppfylla. Det registret gör synligt var till exempel studentresor saknas, var den lokalvårdande avdelningen och fastighetsförvaltningen räknar oberoende av varandra, och var en extern cateringfirma eller avfallshanterare ännu saknar en kontaktpunkt för dataleverans.
Samma fråga gör sig gällande med egna kännetecken inom detaljhandeln, jordbrukssektorn och den finansiella sektorn, varje gång med en annan fördelning mellan centralt och decentralt.
Denna scan är fortfarande under utveckling. Institutioner som vill veta exakt var deras hållbarhetsdata uppstår och hos vem den finns, kan anmäla sig till väntelistan och blir informerade så snart scanen blir tillgänglig.
Så snart det är klart vilka datapunkter som finns, vem som förvaltar dem och genom vilken väg de uppstår, blir det också synligt vilket arbete som ligger bakom: skriva av mätarställningar manuellt, härleda resedata från kalkylblad, gå igenom cateringfakturor för att spåra ingrediensers ursprung. Mycket av det arbetet är repetitivt och bundet till fasta källor, vilket gör det lämpligt att bedöma för automatisering. Arbetsscanen från FTE TO AI räknar ut per uppgift vilken andel av arbetet som kan tas över av AI, baserat på samma typ av uppgiftsnedbrytning som finns i datapunktsregistret.
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.