Ontdek welke stappen jij moet nemen om een data-gedreven gemeente te worden met behulp van onderstaand eBook.
4 september 2018 -
In mijn vorige blog las je welke stappen je moest nemen om de energietransitie succesvol te laten verlopen. Een belangrijk onderdeel daarin is het meten hoe je er nu voorstaat en keuzes te baseren op data. Maar die de juiste data verkrijgen die ook nog van goede kwaliteit is, is een lastiger verhaal. Daarom zet ik in dit blog voor je op een rijtje welke data je nodig hebt voor de energietransitie. Zo zorg je dat je keuzes baseert op de juiste data en een succesvolle energietransitie tegemoet gaat.
Waar haal je data vandaan?
In veel gemeenten is de energietransitie een op zichzelf staand portefeuille, terwijl het eigenlijk overlapt met anderen. Denk hierbij aan duurzaamheid en circulaire economie, maar ook aan bouwen, stadontwikkeling en wonen. Dat laatste wanneer het gaat om nul-op-de-meter woningen en zonnepanelen voor particulieren. Daarnaast is het groen in de openbare ruimte ook een belangrijk aandachtspunt: hoe meer groen een gemeente heeft, hoe hoger de CO2 uitstoot mag zijn. Maar de komst van elektrische auto’s zorgt dan weer voor een grotere energievraag.
Haal data én plannen uit verschillende portefeuilles
Voordat we kijken welke type data je precies nodig hebt, is het belangrijk om je te realiseren dat je data en plannen vanuit verschillende portefeuilles moet combineren. Om de energietransitie soepel te laten verlopen, stem je de plannen af op de andere portefeuilles. Zo voorkom je dat je in het ene gebied heel hard ergens aan werkt, terwijl ergens anders precies iets tegenovergestelds wordt gedaan. Integraal samenwerken binnen de portefeuilles is onmisbaar voor een succesvolle energietransitie. Dat gezegd hebbende, kunnen we grofweg drie verschillende soorten data onderscheiden die je nodig hebt voor de energietransitie in de gemeente, namelijk:
- Data uit het verleden.
- Data gebaseerd op modellen.
- Geplande projecten.
Data uit het verleden
Met behulp van data uit het verleden kan er een voorspellend model worden gebouwd. Hiermee kun je dus zien wat bepaalde variabelen (waarschijnlijk) in de toekomst gaan doen. Denk hierbij aan het energieverbruik en het energieaanbod. Deze verkrijg je via de lokale of regionale netwerkbeheerder. Daarnaast kun je bijvoorbeeld denken aan het aantal laadpalen en hun locaties, het aantal huizen en bedrijven met zonnepanelen en het aantal windmolens. Met behulp van deze data zorg je voor een realistische inschatting van de toekomst.
Data gebaseerd op modellen
Ook met behulp van data die gebaseerd is op modellen kun je voorspellingen maken voor de toekomst. Een voorbeeld hiervan is de luchtkwaliteit. Deze wordt slechts op een aantal honderd plaatsen in Nederland gemeten door het RIVM. Op basis van deze data kun je een voorspelling krijgen voor jouw gemeente.
Een ander voorbeeld waarbij het vertalen van zo’n model naar jouw gemeente weinig zin heeft, is wanneer het gaat om veranderingen op grote schaal. Denk bijvoorbeeld aan het broeikaseffect. Deze veranderingen zijn voor de hele wereld merkbaar en het zal voor jouw gemeente niet zo anders zijn dan voor een andere gemeente in Nederland. Hetzelfde geldt voor de gasvoorziening. Nu de gaskraan in Groningen wordt dichtgedraaid, zal het aanbod aan gas dalen. Daar moet iedere gemeente mee omgaan en het is dus niet nodig om hiervoor aparte, nieuwe modellen te maken.
Geplande projecten
De laatste bron van data die belangrijk is, zijn projecten die al gepland staan. Omdat projecten binnen gemeenten vaak over een meerjarenplan beschikken, kan het zijn dat er al plannen gemaakt zijn of al uitgevoerd zijn. Zo kunnen bijvoorbeeld kolencentrales binnenkort sluiten of wordt een windmolenpark gebouwd. Deze plannen moet je meenemen in berekeningen omdat ze invloed hebben op de voorspellingen voor de toekomst.
Wanneer je deze drie bronnen van data goed in kaart brengt en modellen laat maken die voldoende inzicht geven, weet je zeker dat de energietransitie een grote slagingskans heeft. Je kunt als gemeente je plannen dan goed opstellen en aanpassen.