Yrityskiinteistöjen energiaraportointi edellyttää datan luotettavuutta ja yhdisteltävyyttä

Tarkastellaan seuraavaksi hieman, mitä pitää huomioida, että organisaationne saisi ajantasaista ja relevanttia energiadataa päätöksenteon tueksi:

Datan keruu

Jotta energiadataa voitaisiin ylipäätään saada, täytyy ensimmäisenä tietenkin huolehtia datan keräämisestä kiinteistöistä. Hyvä mittausjärjestelmä täytyy olla integroitavissa nykyisiin järjestelmiin, sen täytyy olla taloudellisesti järkevä (mittaaminen ei saa maksaa enempää kuin mahdollinen säästö) ja sen täytyy mahdollistaa kerättyjen tietojen yksinkertainen käsittely. 

Kannattaa suosia automatisoitua datan keräämistä, sillä manuaalisessa työssä sattuu inhimillisiä virheitä ja megawattitunnit ja kilowattitunnit saattavat mennä sekaisin. Voitaisiinko sähkön, kaukolämmön ja muun mahdollisen energian data saada kootusti yhteen paikkaan?

Raportointiväli

Manuaalinen data on usein saatavilla vain kerran kuussa, ja usein viiveellä, kun taas automaattista dataa voitaisiin kerätä tunnin tai vaikka vartin välein.

Esimerkiksi sähkönkulutus on hyödyllistä tietää tuntien tarkkuudella. Sähkönkulutusta voidaan ehkä siirtää pois kiireisimmiltä tunneilta ja joitain tehtäviä tehdä yösähköllä. 

Kohde- tai toimintokohtainen data

Olisi erittäin hyödyllistä, jos energiadataa saataisiin kohde- tai toimintokohtaisesti. Esimerkiksi vähittäiskaupan on järkevää seurata, paljonko sähkön kulutuksesta menee kylmälaitteisiin. Kohdekohtaisen tiedon perusteella on mahdollista tehdä nopeitakin liiketoimintapäätöksiä: Kylmälaitteiden energiakulutusdatan saatuaan osa kaupoista on siirtynyt myymään isomman osan juomista huoneenlämpöisinä.

Datan luotettavuus

Jotta datan pohjalta voitaisiin tehdä oikeita päätöksiä, dataan täytyy voida luottaa. On osattava erottaa mittarivirhe uskottavasta kulutuksen noususta, joka johtuu esimerkiksi uuden kohteen avaamisesta. On hyvä selvittää etukäteen, mitä järjestelmässä tapahtuu, jos mittausdataa ei saada, ja miten tällainen tilanne voidaan tunnistaa. Minimissään vaaditaan, että epäilyttävät luvut pystytään korvamerkkaamaan. 

Knowitin asiakastyössä on esimerkiksi tullut vastaan tapaus, jossa mittari osasi kyllä mitata mutta ei pystynyt lähettämään keräämäänsä dataa. Lähetysyhteyden palauduttua mittari yritti korjata virhettään syöttämällä seuraaville tunneille maksimimäärää, kunnes koko kertynyt backlog oli käyty läpi. Data oli siis epäluotettavaa paitsi siltä ajalta, kun dataa ei ollut tullut, myös seuraavilta päiviltä.

Datan yhdistäminen muuhun tietoon

Energiadata itsessään on usein vain isoja lukuja. Merkitykselliseksi data muuttuu vasta, kun sitä voidaan verrata johonkin. Kustannuksia seuraavia kiinnostaa varmasti esimerkiksi verrata toisen toimipisteen, edellisen kuukauden tai esimerkiksi edellisen vuoden vastaavan ajanjakson dataan. 

Energian säästöä ajavat usein kustannukset, joten kannattaa selvittää, saisiko sähkön tai kaukolämmön hintadatan haettua esimerkiksi laskutusjärjestelmästä. Energiankulutuksen yhdistäminen muuhun kohteiden masterdataan kuten esimerkiksi neliömääriin mahdollistaa  esimerkiksi kohdekohtaisten tunnuslukujen saamisen ja kohteiden vertailun keskenään. Se, paljonko tehdas käyttää energiaa tuotettua tonnia kohden budjetteja tekevälle ja tehtaiden sijoitteluja miettivälle johdolle on paljon arvokkaampi tieto kuin absoluuttinen kulutus.

Jos tiedossasi on esimerkiksi tuntikohtainen sähkönkulutus ja saat yhdistettyä siihen pörssisähkön hinnan, voit laskea kustannukset ja tehdä ennustemalleja huomattavasti tarkemmin kuin pelkän kulutusdatan perusteella.

FINGRID JULKAISEE SÄHKÖN TUOTANTOLUKUJA JA KÄYTTÖLUKUJA VARTIN TARKKUUDELLA. Siihen verraten voi esimerkiksi laskea, montako prosenttia Suomen sähkönkulutuksesta omaan liiketoimintaan on käytetty ja saada käsityksen oman toiminnan vaikutuksesta vaikkapa suhteutettuna osuuteen bruttokansantuotteesta. Jos olet vähentänyt sähkönkulutusta, voit katsoa, oletko vähentänyt yhtä paljon tai enemmän kuin muut.

Päästöjen laskeminen

Energian säästöä motivoi kustannuksen ohella kasvavassa määrin päästöjen laskeminen ja vähentäminen. Kulutuslukemista pystytään usein riittävällä tarkkuudella laskemaan CO2-päästöjen vastaavuuksia ja mahdollisen kompensoinnin kuluja. Kertoimet riippuvat käytetyistä energiantoimittajayhtiöistä. 

KAUKOLÄMMÖN PÄÄSTÖMITTARI on verkossa julkisessa käytössä. Isot kaukolämmön toimijat raportoivat päästönsä, joten myös yksityishenkilö voi laskea esimerkiksi kotinsa kaukolämmön päästöt päästömittarin avulla.

Vastuullisuus

Energiadata on monessa yrityksessä tärkeässä roolissa vastuullisuusraportoinnissa erityisesti hiilidioksidipäästöjen osalta. On syytä pitää mielessä, että päästölaskenta on vahvasti luottamusperusteinen järjestelmä. Osa päästöistä raportoidaan monelle toimijalle, ja osaa ei kenellekään. Pitäisikö esimerkiksi tuotteen logistiikka laskea vähittäiskaupan vai tuottajan päästöksi? Syntyisikö tuottajalta päästöjä, jos vähittäiskauppa ei sitoutuisi myymään heidän tuotteitaan?

Minimissään oman henkilöstön olisi hyvä tietää, mistä päästölaskelmat koostuvat, jotta he voivat omalla toiminnallaan minimoida päästöjen syntyä.

Datan esittäminen

Lopuksi on vielä mietittävä, miten data halutaan esittää. Olennaista on tarjota vertailukohtia. Pelkillä luvuilla ei tee mitään, jos niitä ei voi verrata aiempaan, tavoitteeseen tai muihin raja-arvoihin.

Kannattaa kiinnittää huomiota myös siihen, että data on nimetty niin, että tiedot ovat käyttäjilleen ymmärrettäviä. “Kylmälaitteet” on parempi nimi kuin “kohde 3”. Kerro myös mittayksiköt ja mittauksen aikaväli selkeästi. 

Kiinteistöjen energiakäytön seuranta ja optimointi vaatii siis aluksi hieman suunnittelua, mutta kannattaa varmasti jo melko lyhyelläkin aikavälillä. Energiadata auttaa optimoimaan liiketoimintaa ja muodostamaan käsityksen oman toiminnan vaikutuksista. Ota yhteyttä, jos kaipaat apua yrityskiinteistösi energiadatan keräämiseen ja analysointiin!

Kirjoittaja: Lotta Mattila, Analytics Consultant