Høje Taastrup Going Green / Energi 2020 Økonomiske energirenoveringspakker og markedsidentifikation baseret på big-data og visualisering,public 1 private partnership mellem Høje Taastrup Kommune & COWI
Høje Taastrup Going Green / Energi 2020 Energibesparelser med udgangspunkt i megatrends Crowd engagement Crowd funding Crowd design/creation Crowd sharing Crowd design/ creation: Rally fighter Crowd funding: Kickstarter Crowd sharing /producing: Airbnb Task rabbit 2
Høje Taastrup Going Green / Energi 2020 Energibesparelser med udgangspunkt i megatrends Digitalisering, big computing og Big data/registerdata Data (kan) samles som aldrig før og giver nye muligheder for analyse Der er flere, der stiller data til rådighed, men de skal samles og organiseres for at kunne bruges skarpt Internet of things Mere og mere får indbyggede sensorer og forbindelse til internettet Internet of things Nest termostat 3
Høje Taastrup Going Green / Energi 2020 Koncept/Formål Projektet giver det store overblik, og Giver planlæggerne mulighed for at identificere indsatser med størst effekt og efficiens giver udførende SME (rådgivere/håndværkere/arkitekter mv) overblik over muligheder for salg af ydelser i nærområdet og fokusere indsatsen giver leverandører af materialet for energibesparelser overblik over potentialerne i et område giver husejere et nemt overblik over mulighederne for energibesparelser i ejet hus og et klart beslutningsgrundlag driver en grøn vækstagenda - En partnerbaseret grøn udvikling understøttet af borgere, energiselskaber, samt små- og store virksomheder Udførende SME Salg af materialer Salg af ydelser og rådgivning Leverandører Husejere 4
Høje Taastrup Going Green / Energi 2020 Hvad driver crowden? Det skal gøres nemt Det skal være klart hvad man får ud af det Det må gerne være en leg/sjovt Det skal matches målgruppens behov "A nudge, as we will use the term, is any aspect of the choice architecture that alters people s behavior in a predictable way without forbidding any options or significantly changing their economic incentives" (Richard Thaler og Cass Sunstein) 5
Brugerflade på tablet eller PC Udførende SME: Nemt og anonymiseret overblik for energi-besparelsespotentialet med farvekodning Husejere: Præcist overblik over energi-besparelsespotentialet for eget hus 6
Eksempel på indtjeningsmodel Løsningen købes som områdevise visninger af kommuner, leverandører og/eller udførende Husejerne tilbydes en gratis adgang eller evt. fremover betalt af reklamer fra leverandørerne målrettet energioptimering Der kan eventuelt tilbydes gratis visninger uden reklamer hvis disse tilkøbes af f.eks. kommuner eller anden offentlig myndighed 7
Potentialet for Høje-Taastrup Og Danmark Høje-Taastrup har ca. 9.300 boliger (heraf er 2K gas- og 1k oliefyret) Frem mod 2035 skal disse energirenoveres med et mer-investeringsomfang på 0,7 1,8 mia DKK Varmeomkostninger ca. 70-100 mio DKK/ år i dag og forventes at kunne sænkes med 35-45%, til 24 45 mio DKK/år. Med ca 1 mio parcelhuse i hele Danmark vil investeringspotentialet ligge på ca. 200 mia til SMV er og 3,5 mia/år i sparede varmeomkostninger for husejerne 8
Skalering og fremtid Med integrationen i BBR kan modellen umiddelbart skaleres til hele Danmark Systemet kan udbygges yderligere med f.eks.. Finansieringsmuligheder fra banker og pengeinstitutter Forsikringsoplysninger i forhold til klimasikring af parceller Nabooverblik for husejerne som et 'nudging' element i forhold til at tage beslutningen 'Her og nu' rådgivningsfunktion med casebeskrivelser af husrenoveringer Budgetværktøjer til projektstyring af husrenovering 9
Hvad kunne der ske med værktøjet i fremtiden? Kombination med demografiske data Køn, Alder, Uddannelsesniveau, Indkomst, Familietype, Beskæftigelse, Branche, Pendling Opvækststed, Socioøkonomisk status, Civilstand, Boligtype, Ejerform Kombination med forbrugsmønstre og indkøb Indkøbsdata, kreditkort f.eks. brændeindkøb Andet big data (en del længere fremme) Nestdata Elmåler 10