/img/datadrivna-beslut-1200px.jpgRätt data för rätt beslut kräver kvalitativ data | Metry

Samlar du in rätt data för rätt ändamål?

Data blir ett allt viktigare beslutsunderlag inom fastighetsbranschen och för vårt samhälle i stort. Datadrivet beslutsfattande motverkar subjektiva åsikter och särbehandling. Beslut som tidigare baserats på magkänsla och erfarenhet, kan med hjälp av ny teknik baseras på data och faktisk historik.
Person framför en datorskärm som visar grafer och statistik

Sund grundtanke med datadrivet beslutsfattande

Trots en sund grundtanke kan såklart mindre trevliga konsekvenser manifestera sig. Till exempel inom äldrevården kan arbetsuppgifter förminskas från meningsfulla möten till antal minuter som en brukare har på sig att duscha. Ett annat exempel hittar vi inom det amerikanska skolväsendet där lärares kompetens bedöms utifrån elevernas prestationer, men utan att ha hänsyn till yttre faktorer såsom segregation eller ansträngda ekonomiska förutsättningar.

Därför kan datadrivna beslut bli dåliga beslut

Vad beror detta på? I sig är mätning av duschtider eller lärares kompetens utifrån elevernas prestationsförmåga både effektivt och rättvist. Tillvägagångssätten säkerställer till exempel att en vårdanställd hinner med alla sina brukare på en dag och ser till att rektorns favoritlärare inte särbehandlas vid bedömning. Det gäller dock att vara kritisk till den data vi mottar och kräva att analyserna vi gör baseras på data som representerar verkligheten. För att göra en användbar analys krävs insikter och data från flera olika vinklar, något som i praktiken kan vara ganska svårt. Att få in rätt sorts data, och veta vad rätt data innebär, är helt enkelt inte det lättaste.

Risken att fastighetsbranschen gör samma tabbe som delar av vården eller amerikanska skolväsendet finns, men konsekvensen visar sig kanske som mindre energieffektiva byggnader eller bristfällig styrning av inomhustemperaturen. Att till exempel basera all sin styrning på väderförhållanden, utan att ta i beaktande användningen av en byggnad kan resultera i bristfällig inomhustemperatur. Detta uppmärksammades bland annat av SISAB under förra året då de körde igång tester med sitt system SOLIDA som kontrollerar inomhustemperatur med hjälp av AI.

Transparent data viktigt i samtliga branscher

För att göra en lång historia kort: Att kunna jämföra data från flera olika källor ger oss en chans att granska rimligheten i den data vi mottar. Transparent data ger oss även möjlighet att skapa en mer holistisk bild av det vi mäter. Buzzwords som AI och machine learning sveper lätt med de flesta med sina löften om en ljus och automatiserad framtid, men om vi inte matar våra algoritmer med korrekt data från flera olika källor kan vi lika gärna ta beslut på magkänsla.

Kamp mellan konfidentiell data och transparent data

Att få tag på rätt data är som sagt inte alltid lätt. KTH-professorn Cristian Bogdan påpekade nyligen i en intervju att det pågår en ständig kamp mellan att hålla data konfidentiell och att tillhandahålla tillräckligt med rätt sorts data för att föda våra algoritmer och uträkningar.

På Metry har vi valt att lösa problemen genom att samla in data från alla olika sorters källor. På så sätt har du din data på ett och samma ställe, trots att det kommer från analoga mätare, nätbolagets hemsida eller från DUC:ar eller andra enheter. Allt som oftast gör vi även redundant insamling av data genom filimporter, för att kunna säkerställa att vi får in korrekt och pålitlig data.

Vad matar du dina algoritmer med? Hör av dig till oss så hjälper vi dig att få in rätt data från ditt fastighetsbestånd.

Julia Sjövall · Jan 21, 2020

Du kanske också gillar...