Vær lidt positiv. Nu har nogen brugt tid på at sætte sig ind i en ældre rapport. Hvor er der gået galt i oversættelsen eller er det selve rapporten der kritiseres?
menu close Teknologiens Mediehus
person Konto arrow_drop_down
Data, som er gemt i enhver bygning, holder på en hemmelighed: den kan reducere driftsomkostninger, øge energieffektiviteten og opnå bæredygtige mål. Men en stor mængde data repræsenterer ikke meningsfulde oplysninger. Mønstre og struktur i data samt systematisk brug af potentiale – det er, hvordan værdien skabes fra store datamængder. Det er derfor, nutidens bygningsteknologi har brug for Big Data metoder eller processer, som kan hjælpe med at korrelere store mængder af data, på samme måde som i finanssektoren eller marketing.
Relativt set er store datamodeller ikke så udbredt til at evaluere datastrømme i virksomheder og bygninger. GreenBiz og Siemens’ ”Three Big Myths about Big Data” rapport fra 2015 understøtter dette faktum.
Kun 44% af de store virksomheder, der typisk administrerer mere end 50 individuelle bygninger, bruger metoder til Big Data analyse.
På trods af, at al den data som egner sig til systematisk udnyttelse allerede er produceret af bygningens CTS (Central Tilstandskontrol og Styring).
Den rette kombination af dataanalyse, software og konsulentydelser samt en effektiv projekterfaring kan reducere virksomhedsdriftsomkostninger, øge energieffektiviteten og opnå bæredygtige mål.
Men start ved at sikre dig, at der undgås tre fejltagelser, der ofte gentages.
Når jeg har en diskussion om Big Data løsninger med en driftsorganisation, er forventningen at jeg kan lave en præcis estimering om hvad implementeringen kommer til at koste og hvor meget vil løsningen kunne spare i driftsomkostninger. Tanken om, at en løsning kan løse ethvert problem i enhver organisation og hver bygning er en illusion. Løsninger skal tilpasses til den enkelte opgave, virksomhed, bygning og vurderes på grundlag af specifikke krav.
99 % af de adspurgte virksomheder i GreenBizs undersøgelse sagde, at det primære mål for gennemførelsen af denne type datamanagement er at reducere driftsomkostningerne. 94 % forventer bedre energieffektivitet.
Hvilke af disse mål, der faktisk kan opnås ved hjælp af store data, afhænger i høj grad af organisationen selv. Eksisterende viden om energispørgsmål og byggesystemer, samt disponible finansielle og personalemæssige ressourcer, spiller en vigtig rolle. Et andet centralt krav for en vellykket gennemførelse af Big Data metoder i bygninger er en fusion af datasiloer fra forskellige systemer i ét centralt system, der analyserer og konsoliderer data og omdanner dem til information. Ligesom ethvert komplekst it-projekt kræver Big Data projekter i drift og vedligehold støtte fra IT- og regnskabsafdelingen.
Dét virksomhederne ikke er klar over, er hvor uundværlige driftsfolk er. De har den ultimativ viden om bygningsdata. Et godt teknisk fundament og værktøj er vigtige. Men dét der er lige så vigtigt, er certificerede eksperter til at understøtte processerne. Deres erfaring giver virksomheder mulighed for at fortolke de forskellige situationer korrekt og til at gennemføre de nødvendige foranstaltninger i løbet af planlægningsfasen.
Driftsmedarbejdere er den særlige ekspertise, på byggeteknologifeltet, der skal til for at vælge egnede analyseværktøjer og gennemføre implementeringsprojektet med succes og omkostningseffektivt. Hvis du vil automatisere denne viden, har du nøglen til, at kunne forudse hvordan din bygning vil have det i fremtiden.
43 % af de undersøgte virksomheder angav, at de gerne vil bruge Big Data metoder til energistyring i fremtiden, men de havde endnu ikke implementeret en energimanagementløsning. Årsagerne? Mangel på ressourcer til at gennemføre og støtte løsningen (67 %) samt forbundne udgifter (33 %).
En værdifuld Big Data løsning er meget mere end softwareinvestering. Fordelene ved løsningen er ikke indlysende, indtil data er aggregeret og fortolkes på en meningsfuld måde.
Da ufuldstændige eller på anden måde fejlagtig data kan føre til de forkerte konklusioner og handlinger, er det også vigtigt at udføre løbende validering på pålidelige data og tage eventuelle svagheder i betragtning i analyser. Gode analyser kræver en klar forståelse af kvaliteten og mængden af de tilgængelige data.
Til deres store dataprojekter indsamler de fleste virksomheder nøgletal fra regninger (96 % af undersøgelsens respondenter), sensorer og målere (85 %) og automatiseringssystemer som CTS-anlægget (54 %). I mindre grad er andre datakilder såsom vejr, energimarkedet og affaldshåndtering data også inkluderet i analyserne.
Ikke desto mindre er kun 49 % af virksomhederne tilfredse med mængden og kvaliteten af deres indsamlede data, og 44 % er eksplicit utilfredse.
Faktisk skal flere forudsætninger være opfyldt for at sikre, de indsamlede data kan bruges effektivt. For det første har en virksomhed brug for at identificere de krævede data og for det andet at bestemme, hvordan de vil generere og konsolidere disse. Derudover skal de indsamlede data præsenteres på en intuitiv måde, som er detaljeret nok til at pege på foranstaltninger til forbedring.
På denne baggrund, når en organisation er klar til at komme i gang med at implementere Big Data strategier, anbefales en omfattende pakke, der inkluderer konsulentydelser til planlægning og gennemførelse, særlig ekspertise i analysen af bygningsdata, samt de relevante softwareværktøjer.
Men, husk at en stor del af data er allerede gemt i bygningens CTS-anlæg. Start gratis med at indsamle det og kig på mønstre. Du vil sikkert blive overrasket over sin potentiale.
