Därför kommer energiuppföljning att bli mer komplext i framtiden
Den stundande digitaliseringen av fastighetsbranschen innebär inte bara mindre manuellt arbete, utan även ökad komplexitet till följd av fler datakällor, fler sensorer och IOT. Även förekomsten av mikroproduktion såsom solceller och vindkraft ökar och bidrar till komplexiteten. Samtidigt ökar även möjligheterna och användningsområdena för data.
Att denna förändring kommer att sätta press på fastighets- och energibranschen är det ingen tvekan om, men det förekommer inga mörka moln i horisonten. Fördelarna kommer att trumfa ut nackdelarna. Ett ökat dataflöde innebär möjlighet till mer insyn, implementation av nya tekniker såsom machine learning, ökad möjlighet att jobba med business intelligence och framförallt en chans att en gång för alla jobba med kostnads- och energieffektivisering.
Vad händer just här och nu?
Vad gör fastighetsägare- och förvaltare idag? På Metry säljer vi lösningar för insamling av energidata, bland annat till fastighetsägare och fastighetsförvaltare. Vi har även, tack vare ett öppet API och möjlighet till integrationer, nära relation till flera energiuppföljningssystem. Trenden är tydlig – data blir en allt viktigare del i det dagliga arbetet.
På marknaden idag finns många olika aktörer. Allt ifrån fastighetsägare och bolag som sköter laddstolpar för elbilar, till driftsansvariga på fältet. Samtliga aktörer samlar in data från olika ställen till olika gränssnitt.
“Olika aktörer samlar helt enkelt in data i sina egna vertikala silos och använder för bland annat fakturering från laddstolpar, se enskilda fastigheters energiförbrukning eller för att mäta produktionsnivåer för solceller. Detta fungerar alldeles utmärkt så länge du håller dig inom din egen silo.” – säger Joel Torkelsson, Chief Commercial Officer på Metry.
Problem med separata silor uppstår vid sammankoppling av data. Hur kan fastighetsägaren se en aggregerad bild av sin energiförbrukning om data för laddstolpar inte är strukturerat på samma sätt som data från själva byggnaden?
Förändringen som sker
Ett företag som ligger i framkant av det horisontella tänket är Google. För några år sedan överlät Google ansvaret att kyla ett av sina datacenter till artificiell intelligens. Deras AI sänkte kylsystemets energiförbrukning med i snitt 30%. Systemet har sedan dess toppat energibesparingen med upp emot 40% och ju mer data systemet matas med, desto träffsäkrare blir dess prognoser. Googles forskare tror att samma optimeringsteknik på sikt kan användas inom bland annat elproduktion, vattenförsörjning och tillverkningsindustrin.
För att träna Googles AI behövdes data – historisk data från tusentals sensorer för bland annat temperatur och pumphastighet. För att träna en dator att spara energi behövs helt enkelt stora mängder strukturerad data. Det spelar ingen roll hur många sensorer som finns om inte den data som ska användas berättar vad varje sensor mäter, var den finns och var energin kommer ifrån. Allt måste benämnas på samma sätt.
Skiftet från vertikalt till ett mer horisontellt tänk vid insamlingen av data skapar i sig en komplexitet – vems standard är det egentligen som ska gälla? Svaret på den frågan kommer vi inte att lösa här och nu, men någonstans längs med vägen kommer svaret att behöva formaliseras. Läs mer om Real Estate Core.
![Serieillustration om olika standarder för data](/app/uploads/how standards prof.png "Olika standarder för data")
Horisontell datainsamling
Vad som kommer att behövas nu och framöver är en horisontell insamling av data som gör det enklare att korsreferera mätpunkter och hitta korrelationer som vi annars går miste om. Ett långsiktigt och holistiskt tänk idag kommer att ge oss möjligheter till implementation av nya tekniker imorgon. De flesta av våra kunder har insett detta och vi är otroligt nyfikna att se vad utvecklingen och framtiden har att komma med i form av användningsområden för energidata och data i allmänhet. Att data kan användas för kostnadseffektivisering och en grönare värld är en självklarhet för oss, men vi har fortfarande jobb att göra förrän vi är där.
Game on. Hur jobbar ni med energidata och datauppföljning?