Datadrevet ejendomsarbejde: fra energimærke og ESG til beslutningsgrundlag

De fleste ejendomsbeslutninger træffes på et fundament, der er mere spredt, end nogen vil indrømme. Planforholdene ligger ét sted, bygningsdata et andet, adkomst og servitutter et tredje, og energimærket et fjerde — og når beslutningen skal træffes, er svaret typisk samlet i hånden af en enkelt medarbejder med et regneark, der ikke kan genskabes om seks måneder. Datadrevet ejendomsarbejde handler ikke om at samle endnu mere data. Det handler om at omsætte det, der allerede findes i de offentlige registre, til tal, rapporter og vurderinger, man kan handle på — og om at gøre det konsekvent nok til, at to medarbejdere når frem til samme konklusion ud fra samme ejendom.

Forskellen mellem at have adgang til data og at arbejde datadrevet er enorm. Adgangen er stort set gratis i Danmark: Plandata.dk, BBR, tingbogen, matriklen, CVR og energimærke-registret er alle offentligt tilgængelige. Det svære er at binde dem sammen til ét konsistent billede af en ejendom, og at gøre det hurtigt nok til, at det rent faktisk indgår i beslutningen frem for at blive en efterrationalisering. Denne artikel gennemgår, hvordan en datadrevet ejendom ser ud i praksis — fra de rå registre, over datakvalitet, til et samlet beslutningsgrundlag, hvor energimærke og ESG hører hjemme som en integreret del og ikke som et separat compliance-spor.

Hvad “datadrevet ejendom” faktisk betyder

Begrebet bruges løst, så det er værd at være præcis. Datadrevet ejendom betyder, at de beslutninger, der koster mest — køb, salg, udvikling, refinansiering, allokering i en portefølje — træffes på et grundlag, der er:

• Sporbart. Hvert tal kan føres tilbage til en kilde og en dato. Når en investeringskomité spørger “hvor ved vi det fra?”, findes svaret uden at ringe rundt.
• Reproducerbart. Den samme ejendom giver det samme grundlag, uanset hvem der trækker det, og uanset hvornår.
• Sammenligneligt. To ejendomme kan stilles op ved siden af hinanden, fordi de er beskrevet med de samme felter og de samme definitioner.

Det modsatte — det vi kunne kalde anekdotedrevet ejendomsarbejde — er ikke nødvendigvis forkert i den enkelte sag. En erfaren udvikler gætter ofte rigtigt. Problemet opstår, når organisationen skal skalere: når en portefølje skal screenes, når et team skal overlevere en sag, eller når en ekstern part (långiver, revisor, køber) skal kunne efterprøve vurderingen. Her bliver den udokumenterede mavefornemmelse til en risiko frem for en styrke.

Tommelfingerregel: Hvis et nøgletal i din beslutning ikke kan spores til en kilde og en dato, er det ikke data — det er en antagelse, og den bør behandles som sådan.

De offentlige registre — og hvad de hver især svarer på

Et samlet billede af en ejendom kræver, at man ved, hvilket register der besvarer hvilket spørgsmål. De vigtigste offentlige kilder dækker hver sit lag af virkeligheden:

Plangrundlag — hvad må der bygges?

Plandata.dk samler kommune- og lokalplaner. Det er her, du finder den faktiske anvendelse, bebyggelsesprocenten, etageantal og de bindinger, der afgør, hvad en grund kan bære. Lokalplanen har forrang for kommuneplanen, og en gyldig lokalplan binder, indtil den ændres. De vejledende bebyggelsesprocenter — typisk 30 for åben-lav, 40 for tæt-lav og 60 for etagebebyggelse — er udgangspunktet, men den konkrete plan kan fastsætte andet, og afvigelser kræver enten dispensation efter planlovens § 19 eller en ny plan. At læse planen rigtigt er en disciplin i sig selv; vi har samlet fremgangsmåden i vores gennemgang af, hvordan du læser en lokalplan korrekt.

Bygningsdata — hvad står der nu?

BBR beskriver de eksisterende bygninger: arealer, anvendelse, opførelsesår, tagdækning, varmeinstallation. BBR er stærk som strukturel beskrivelse, men svag på datakvalitet, fordi mange registreringer er gamle eller indberettet af ejeren selv. Især arealbegreberne forveksles ofte — bebygget areal, samlet boligareal og erhvervsareal er ikke det samme tal, og en analyse, der blander dem, bliver misvisende. De typiske fælder er værd at kende på forhånd; vi har beskrevet dem i vores gennemgang af de hyppigste faldgruber i BBR-data.

Adkomst og byrder — hvem ejer, og hvad hæfter på?

Tingbogen er den retlige kilde til ejerforhold (adkomst), pantsætning (hæftelser) og servitutter (byrder). En servitut om vejret, byggelinjer eller forbud mod udstykning kan ændre en ejendoms reelle anvendelighed markant uden at fremgå af hverken plan eller BBR. Tingbogens rubrikker — adkomst, hæftelser, byrder — bør gennemgås før enhver beslutning af betydning.

Matriklen og virksomhederne

Matriklen fastlægger de geometriske og juridiske grænser for jordstykket, og CVR knytter ejer- og selskabsforhold sammen, så man kan følge ejerkæder og baggrund. Tilsammen besvarer registrene to forskellige spørgsmål, der ofte forveksles: hvad er ejendommen? (matriklen, BBR, plan) og hvem står bag? (tingbog, CVR).

Den samlede øvelse — at trække alle disse lag og stille dem op mod hinanden — er kernen i en grundig forundersøgelse. Vi har samlet den som en operationel tjekliste til due diligence på en grund, der kan bruges som ramme om dataindsamlingen.

Datakvalitet er den egentlige flaskehals

Det er fristende at tro, at problemet er adgang til data. Det er det sjældent. Den egentlige flaskehals er datakvalitet — og evnen til at vurdere den. Tre forhold er afgørende:

1. Aktualitet. Hvornår blev registreringen sidst opdateret? Et BBR-areal indberettet i 1978 og en lokalplan vedtaget sidste måned har vidt forskellig vægt.
2. Definition. Hvad måler feltet egentlig? “Areal” betyder forskellige ting i BBR, i tingbogen og i en ejendomsmæglers salgsopstilling. Et datadrevet grundlag holder definitionerne adskilte.
3. Konflikt. Hvad gør du, når to kilder er uenige? Når BBR siger ét etageantal og lokalplanen tillader et andet, er uenigheden ikke støj — den er ofte selve det interessante signal, fordi den peger på enten en fejlregistrering eller et udviklingspotentiale.

En moden datadrevet praksis behandler derfor ikke alle tal som lige sikre. Den arbejder med konfidens: nogle felter er hårde fakta (matrikelnummer, tinglyst adkomst), andre er bløde indikatorer (et gammelt BBR-areal, en estimeret markedsleje). At være eksplicit om den forskel er det, der adskiller en professionel vurdering fra et talgæt med to decimaler.

Hvor energimærke og ESG hører hjemme

Energimærket er et godt eksempel på et register, der traditionelt er blevet behandlet isoleret — et dokument man fremskaffer ved salg og ellers lægger i en mappe. I et datadrevet beslutningsgrundlag er energimærket derimod en strukturel egenskab ved bygningen på linje med areal og opførelsesår: det indikerer driftsomkostninger, renoveringsbehov og — i stigende grad — adgangen til finansiering og lejere.

Energimærket går fra A til G og siger noget om bygningens beregnede energiforbrug. Det er ikke et øjebliksbillede af det faktiske forbrug, men en standardiseret beregning, hvilket både er en styrke (sammenlignelighed) og en begrænsning (det fanger ikke brugeradfærd). Hvad bogstaverne dækker over, og hvordan de skal læses, har vi gennemgået i vores forklaring af, hvad energimærket på en bygning betyder fra A til G.

ESG-arbejdet bygger oven på de samme data. Den miljømæssige dimension i ESG hænger direkte sammen med energimærke, varmeforsyning og bygningsalder — alt sammen felter, der allerede findes i de offentlige registre. Pointen i en datadrevet tilgang er, at ESG ikke er et separat dataindsamlingsprojekt, men en omformatering af data, du allerede har, til de rammer en rapportering kræver. Hvor man begynder, og hvordan man undgår at gøre det tungere end nødvendigt, har vi beskrevet i vores guide til at komme i gang med ESG-rapportering på ejendomme.

For den, der forvalter en portefølje, bliver det for alvor operationelt, når energimærke og bygningsdata kan trækkes på tværs af mange ejendomme på én gang — for eksempel for at finde de bygninger, hvor et lavt energimærke og en høj alder sammen peger på det største renoverings- eller risikobehov. Den disciplin har vi gennemgået for sig i vores artikel om at screene en ejendomsportefølje på energimærke og bygningsdata.

Fra ejendomsdata til rapport — det sidste, afgørende skridt

Selv et perfekt datagrundlag skaber ingen værdi, før det bliver til noget, en beslutningstager kan læse på fem minutter. Vejen fra ejendomsdata til rapport er det skridt, hvor de fleste organisationer taber tid — fordi det typisk er manuelt: copy-paste mellem registre, et regneark der formaterer, en præsentation der bygges fra bunden hver gang.

Et godt beslutningsgrundlag har nogle kendetegn, uanset om det laves manuelt eller automatiseret:

• Det leder med konklusionen. Tallet og anbefalingen står øverst; dokumentationen følger efter for dem, der vil grave.
• Det viser sin usikkerhed. En vurdering uden konfidensangivelse inviterer til at blive overfortolket.
• Det er sammenligneligt. Samme felter, samme definitioner, samme rækkefølge — så to sager kan holdes op mod hinanden uden oversættelse.
• Det er dateret og kildeangivet. Et grundlag uden dato forældes lydløst; et grundlag med dato kan genvurderes bevidst.

Det er her, proptech for ejendomsbranchen har sin egentlige berettigelse. Værdien ligger ikke i at give adgang til registre, der i forvejen er offentlige, men i at fjerne det manuelle led mellem registret og rapporten — og i at gøre det reproducerbart, så grundlaget ikke afhænger af, hvem der byggede regnearket.

Sådan automatiserer du øvelsen — uden at miste sporbarheden

Alt det ovenstående kan gøres i hånden. Det er bare langsomt, og det er svært at gentage. Den manuelle øvelse — slå op i Plandata.dk, krydstjek BBR, læs tingbogen, find energimærket, vej kilderne mod hinanden og skriv det sammen — er præcis det, en datadrevet ejendomsplatform er bygget til at fjerne friktionen fra.

I Arcili er det netop dette samspil, Assistenten binder sammen: den henter på tværs af de offentlige registre, holder definitionerne adskilte, viser hvilken kilde et tal kommer fra, og samler det til et grundlag, du kan bruge direkte — uden at du mister sporbarheden tilbage til Plandata.dk, BBR, tingbogen, matriklen og energimærke-registret. Det erstatter ikke fagligheden i at vurdere en ejendom; det fjerner de timer, der ellers går med at samle og formatere, så fagligheden kan bruges på det, der faktisk kræver et professionelt skøn.

Vil du se, hvordan din egen dataøvelse ser ud, når det manuelle led er væk, kan du udforske Arcili eller book en gennemgang, hvor vi tager udgangspunkt i en ejendom eller portefølje, du kender i forvejen.